論文の概要: Computing With Words for Student Strategy Evaluation in an Examination
- arxiv url: http://arxiv.org/abs/2005.00868v1
- Date: Sat, 2 May 2020 15:57:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-07 12:42:55.476610
- Title: Computing With Words for Student Strategy Evaluation in an Examination
- Title（参考訳）: 学生戦略評価のための単語を用いた学習実験
- Authors: Prashant K Gupta, and Pranab K. Muhuri
- Abstract要約: 本稿では,学生戦略評価のための新しいPer Cベースのアプローチについて報告する。
試験で採用した戦略を総合的に評価するための数値スコアを生成する。
また,本システムから,学生の戦略を記述した言語的評価も得られる。
- 参考スコア（独自算出の注目度）: 11.468266186093828
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the framework of Granular Computing (GC), Interval type 2 Fuzzy Sets (IT2
FSs) play a prominent role by facilitating a better representation of uncertain
linguistic information. Perceptual Computing (Per C), a well known computing
with words (CWW) approach, and its various applications have nicely exploited
this advantage. This paper reports a novel Per C based approach for student
strategy evaluation. Examinations are generally oriented to test the subject
knowledge of students. The number of questions that they are able to solve
accurately judges success rates of students in the examinations. However, we
feel that not only the solutions of questions, but also the strategy adopted
for finding those solutions are equally important. More marks should be awarded
to a student, who solves a question with a better strategy compared to a
student, whose strategy is relatively not that good. Furthermore, the students
strategy can be taken as a measure of his or her learning outcome as perceived
by a faculty member. This can help to identify students, whose learning
outcomes are not good, and, thus, can be provided with any relevant help, for
improvement. The main contribution of this paper is to illustrate the use of
CWW for student strategy evaluation and present a comparison of the
recommendations generated by different CWW approaches. CWW provides us with two
major advantages. First, it generates a numeric score for the overall
evaluation of strategy adopted by a student in the examination. This enables
comparison and ranking of the students based on their performances. Second, a
linguistic evaluation describing the student strategy is also obtained from the
system. Both these numeric score and linguistic recommendation are together
used to assess the quality of a students strategy. We found that Per-C
generates unique recommendations in all cases and outperforms other CWW
approaches.
- Abstract（参考訳）: グラニュラーコンピューティング(GC)の枠組みでは、インターバルタイプ2ファジィセット(IT2 FS)は不確実な言語情報のより良い表現を促進することで顕著な役割を果たす。
perceptual computing (per c)、よく知られたcww(compute with words)アプローチ、そしてその様々な応用がこの利点をうまく活用している。
本稿では,学生戦略評価のための新しい手法であるper cについて述べる。
試験は一般的に学生の科目知識をテストするために行われる。
彼らが解くことのできる質問の数は、試験中の学生の成功率を正確に判断します。
しかし、質問の解決策だけでなく、これらのソリューションを見つけるための戦略も同じように重要であると感じています。
より多くのマークが学生に与えられるべきである。学生は比較的良い戦略ではない学生よりも優れた戦略で質問を解く。
さらに、学生戦略を、教員が認識する学習成果の尺度とすることができる。
これは、学習結果が良くない学生を識別するのに役立ち、それゆえ、改善のために関連する助けを提供することができる。
本研究の主な貢献は,学生戦略評価におけるCWWの利用と,異なるCWWアプローチによる勧告の比較である。
CWWは2つの大きな利点を提供します。
まず,受験生が採用する戦略を総合的に評価するための数値スコアを生成する。
これにより、成績に基づいて生徒の比較とランク付けが可能となる。
第二に、システムから学生戦略を記述する言語的評価も得られる。
これらの数値スコアと言語的レコメンデーションは共に学生の戦略の質を評価するために用いられる。
per-cはすべてのケースでユニークなレコメンデーションを生成し、他のcwwアプローチよりも優れています。
関連論文リスト
- Scoping Review of Active Learning Strategies and their Evaluation Environments for Entity Recognition Tasks [0.6462260690750605]
我々は62の関連論文を分析し、106のアクティブラーニング戦略を特定した。
エクスプロイトベース(60倍)、探索ベース(14倍)、ハイブリッド戦略(32倍)の3つのカテゴリに分類した。
論文 参考訳（メタデータ） (2024-07-04T12:40:35Z) - Student Mastery or AI Deception? Analyzing ChatGPT's Assessment
Proficiency and Evaluating Detection Strategies [1.633179643849375]
ChatGPTのような生成AIシステムは、学習と評価に破壊的な影響を及ぼす。
本研究では,ChatGPTを3つのコースに分けて評価することで,ChatGPTの性能を評価する。
論文 参考訳（メタデータ） (2023-11-27T20:10:13Z) - The potential of large language models for improving probability
learning: A study on ChatGPT3.5 and first-year computer engineering students [0.565395466029518]
ChatGPTは確率問題を解くための大規模言語モデルである。
ChatGPTは、一般にコンピュータ工学試験で提示される確率問題の解決に使用される。
モデルが高品質な説明を提供し、どんなプログラミング言語でもソリューションを説明する能力は、大きな言語モデルが学習アシスタントとして機能する可能性を示唆している。
論文 参考訳（メタデータ） (2023-10-09T12:54:58Z) - UKP-SQuARE: An Interactive Tool for Teaching Question Answering [61.93372227117229]
質問応答の指数的増加(QA)は、あらゆる自然言語処理(NLP)コースにおいて必須のトピックとなっている。
本稿では、QA教育のプラットフォームとしてUKP-SQuAREを紹介する。
学生は様々な視点から様々なQAモデルを実行、比較、分析することができる。
論文 参考訳（メタデータ） (2023-05-31T11:29:04Z) - Active Learning for Abstractive Text Summarization [50.79416783266641]
本稿では,抽象テキスト要約におけるアクティブラーニングのための最初の効果的なクエリ戦略を提案する。
ALアノテーションにおける私たちの戦略は、ROUGEと一貫性スコアの点からモデル性能を向上させるのに役立ちます。
論文 参考訳（メタデータ） (2023-01-09T10:33:14Z) - Ranking Scientific Papers Using Preference Learning [48.78161994501516]
我々はこれをピアレビューテキストとレビュアースコアに基づく論文ランキング問題とみなした。
ピアレビューに基づいて最終決定を行うための,新しい多面的総合評価フレームワークを提案する。
論文 参考訳（メタデータ） (2021-09-02T19:41:47Z) - ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
本稿では,フィードバックを数発の分類として提供するという課題について考察する。
メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。
本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
論文 参考訳（メタデータ） (2021-07-23T22:41:28Z) - Learning active learning at the crossroads? evaluation and discussion [0.03807314298073299]
アクティブラーニングは、人間の専門家がラベルを付けるのに役立つサンプルを予測することで、アノテーションコストを削減することを目指しています。
常にすべてのアプリケーションで他のすべてを上回る最高のアクティブ学習戦略はありません。
本稿では,最近のメタ学習アルゴリズムとマージンサンプリングを用いて学習した戦略を20のデータセットで比較したベンチマーク結果を示す。
論文 参考訳（メタデータ） (2020-12-16T10:35:43Z) - Effects of Human vs. Automatic Feedback on Students' Understanding of AI
Concepts and Programming Style [0.0]
自動階調ツールの使用は、大規模な学部プログラミングコースにおいてほぼどこでも行われている。
コンピュータによるフィードバックと人間によるフィードバックを受け取った場合、生徒の成果を直接比較するデータは比較的不足している。
本稿では,90名の生徒を2つのフィードバックグループに分割し,2つのコホートのパフォーマンスの違いを分析することで,このギャップを解消する。
論文 参考訳（メタデータ） (2020-11-20T21:40:32Z) - Hierarchical Bi-Directional Self-Attention Networks for Paper Review
Rating Recommendation [81.55533657694016]
本稿では,階層型双方向自己注意ネットワークフレームワーク(HabNet)を提案する。
具体的には、文エンコーダ(レベル1)、レビュー内エンコーダ(レベル2)、レビュー間エンコーダ(レベル3)の3つのレベルで、論文レビューの階層構造を利用する。
我々は、最終的な受理決定を行う上で有用な予測者を特定することができ、また、数値的なレビュー評価とレビュアーが伝えるテキストの感情の不整合を発見するのに役立てることができる。
論文 参考訳（メタデータ） (2020-11-02T08:07:50Z) - Catch Me if I Can: Detecting Strategic Behaviour in Peer Assessment [61.24399136715106]
我々は、試験やホームワークの査定や採用・昇進の査定など、様々な査定課題における戦略的行動の課題について考察する。
我々はこのような操作を検出する方法の設計に重点を置いている。
具体的には、エージェントがピアのサブセットを評価し、後に集約されたランキングを最終的な順序付けとして出力する設定について検討する。
論文 参考訳（メタデータ） (2020-10-08T15:08:40Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。