論文の概要: Labour Market Information Driven, Personalized, OER Recommendation
System for Lifelong Learners
- arxiv url: http://arxiv.org/abs/2005.07465v1
- Date: Fri, 15 May 2020 10:48:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-20 03:25:40.317283
- Title: Labour Market Information Driven, Personalized, OER Recommendation
System for Lifelong Learners
- Title(参考訳): 生涯学習者のための労働市場情報・個人化・OER推薦システム
- Authors: Mohammadreza Tavakoli, Stefan T. Mol, and G\'abor Kismih\'ok
- Abstract要約: 我々は、生涯学習者が関連するOERベースの学習コンテンツにアクセスし、労働市場に要求されるマスタースキルにアクセスできる新しい方法を提案する。
我々のソフトウェアプロトタイプは、空白アナウンスにテキスト分類とテキストマイニングの手法を適用し、ジョブを意味のあるスキルコンポーネントに分解する。
目的,論理,学習への貢献の観点から,12名の被験者を対象に,詳細な半構造化されたインタビューを行った。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In this paper, we suggest a novel method to aid lifelong learners to access
relevant OER based learning content to master skills demanded on the labour
market. Our software prototype 1) applies Text Classification and Text Mining
methods on vacancy announcements to decompose jobs into meaningful skills
components, which lifelong learners should target; and 2) creates a hybrid OER
Recommender System to suggest personalized learning content for learners to
progress towards their skill targets. For the first evaluation of this
prototype we focused on two job areas: Data Scientist, and Mechanical Engineer.
We applied our skill extractor approach and provided OER recommendations for
learners targeting these jobs. We conducted in-depth, semi-structured
interviews with 12 subject matter experts to learn how our prototype performs
in terms of its objectives, logic, and contribution to learning. More than 150
recommendations were generated, and 76.9% of these recommendations were treated
as useful by the interviewees. Interviews revealed that a personalized OER
recommender system, based on skills demanded by labour market, has the
potential to improve the learning experience of lifelong learners.
- Abstract(参考訳): 本稿では、生涯学習者が関連するOERベースの学習コンテンツにアクセスし、労働市場に要求されるマスタースキルにアクセスできる新しい方法を提案する。
私たちのソフトウェアプロトタイプは
1) 職種分類とテキストマイニングを空白告知に適用し、生涯学習者が対象とする有意義なスキル構成要素にジョブを分解する。
2) OERレコメンダシステムを作成し,学習者が自身のスキル目標に向かって進むための個別学習コンテンツを提案する。
このプロトタイプの最初の評価では、データサイエンティストとメカニカルエンジニアという2つの仕事領域に注目しました。
我々は,スキル抽出手法を適用し,これらの仕事をターゲットにした学習者にOERレコメンデーションを提供した。
提案するプロトタイプの目的,論理,学習への貢献という観点から,12の主題の専門家を対象に,詳細な半構造化インタビューを行った。
150以上のレコメンデーションが作成され、76.9%のレコメンデーションが面接者によって有用として扱われた。
インタビューの結果,労働市場の要求するスキルに基づいて,個人化されたOERレコメンデーションシステムは,生涯学習者の学習体験を改善する可能性があることがわかった。
関連論文リスト
- Little Giants: Exploring the Potential of Small LLMs as Evaluation
Metrics in Summarization in the Eval4NLP 2023 Shared Task [53.163534619649866]
本稿では,大規模言語モデルに品質評価の課題を扱えるように,プロンプトベースの手法の有効性を評価することに焦点を当てる。
我々は,標準的なプロンプト,アノテータ命令によって通知されるプロンプト,イノベーティブなチェーン・オブ・シークレットプロンプトなど,様々なプロンプト技術を用いて,系統的な実験を行った。
我々の研究は、これらのアプローチを"小さな"オープンソースモデル(orca_mini_v3_7B)を使って組み合わせることで、競争結果が得られることを示した。
論文 参考訳(メタデータ) (2023-11-01T17:44:35Z) - Large Language Models as Batteries-Included Zero-Shot ESCO Skills
Matchers [0.0]
大規模言語モデル(LLM)に基づくジョブ記述からスキル抽出のためのエンドツーエンドゼロショットシステムを提案する。
ESCOのスキル全体に関する総合的なトレーニングデータを生成し,求職者からのスキル言及を抽出するために分類器を訓練する。
また、類似性検索を用いてスキル候補を生成し、第2のLCMを用いて再ランク付けする。
論文 参考訳(メタデータ) (2023-07-07T12:04:12Z) - PLAR: Prompt Learning for Action Recognition [56.57236976757388]
我々は,行動認識のためのプロンプト学習(PLAR)という新しい一般学習手法を提案する。
提案手法は,モデルが入力ビデオのアクションに関連する記述や指示に焦点を合わせることで,アクションラベルを予測できるように設計されている。
我々は,空中マルチエージェントデータセットOkutamamの3.110-7.2%の精度向上と地上カメラ単一エージェントデータセットSomesome V2の1.0-3.6%の改善を観察した。
論文 参考訳(メタデータ) (2023-05-21T11:51:09Z) - Fantastic Rewards and How to Tame Them: A Case Study on Reward Learning
for Task-oriented Dialogue Systems [111.80916118530398]
強化学習(RL)技術は、ユーザ固有の目標を達成するための対話戦略を訓練するために、自然に利用することができる。
本稿では,エンド・ツー・エンド(E2E)TODエージェントのトレーニングにおいて,報酬関数を効果的に学習し,活用する方法という疑問に答えることを目的とする。
論文 参考訳(メタデータ) (2023-02-20T22:10:04Z) - SkillRec: A Data-Driven Approach to Job Skill Recommendation for Career
Insights [0.3121997724420106]
SkillRecは、これらの役割を雇用する企業が公開する仕事の説明に基づいて、仕事に必要なスキルを収集し、特定する。
6,000の職種と記述のデータセットに関する予備実験に基づいて、SkillRecは精度とF1スコアの点で有望なパフォーマンスを示している。
論文 参考訳(メタデータ) (2023-02-20T12:07:57Z) - Assisting Human Decisions in Document Matching [52.79491990823573]
我々は,意思決定者のパフォーマンスを向上する支援情報の種類を評価するためのプロキシマッチングタスクを考案した。
ブラックボックスモデルによる説明を提供することで,マッチング作業におけるユーザの精度が低下することが判明した。
一方,タスク固有のデシラタに密接に対応するように設計されたカスタムメソッドは,ユーザのパフォーマンス向上に有効であることが判明した。
論文 参考訳(メタデータ) (2023-02-16T17:45:20Z) - A Survey of Knowledge Enhanced Pre-trained Language Models [78.56931125512295]
我々は、知識強化事前学習言語モデル(KE-PLMs)の包括的なレビューを行う。
NLUでは、言語知識、テキスト知識、知識グラフ(KG)、ルール知識の4つのカテゴリに分類する。
NLGのKE-PLMは、KGベースと検索ベースに分類される。
論文 参考訳(メタデータ) (2022-11-11T04:29:02Z) - Hybrid Human-AI Curriculum Development for Personalised Informal
Learning Environments [0.0]
本稿では,本カリキュラム開発システムプロトタイプの設計について述べる。
コントリビュータはAIベースのレコメンデーションを受け取り、ハイレベルな学習目標を定義して更新することができる。
このカリキュラム開発システムは、パーソナライズされたオンライン学習プラットフォームにも統合されました。
論文 参考訳(メタデータ) (2021-12-22T18:03:13Z) - KnowledgeCheckR: Intelligent Techniques for Counteracting Forgetting [52.623349754076024]
KnowledgeCheckRに統合された推奨アプローチの概要を提供します。
その例としては,将来的に繰り返される学習内容の識別を支援するユーティリティベースのレコメンデーション,セッションベースのレコメンデーションを実装するための協調フィルタリングアプローチ,インテリジェントな質問応答を支援するコンテントベースのレコメンデーションなどがある。
論文 参考訳(メタデータ) (2021-02-15T20:06:28Z) - OER Recommendations to Support Career Development [0.0]
オープン教育資源(OER)は、世界中の幅広い学習や職業の文脈で利用できるため、問題の緩和に寄与する可能性がある。
我々は,スキル開発目標とオープンラーニングコンテンツとをマッチングする,個人化されたOERレコメンデーション手法を提案する。
1)メタデータ,OERプロパティ,コンテンツに基づくOER品質予測モデル,2)実際の労働市場情報に基づいて個別のスキルターゲットを設定する学習支援,3)学習者が自身のスキルターゲットをマスターするためのパーソナライズされたOERレコメンデータを構築する。
論文 参考訳(メタデータ) (2020-05-30T21:01:54Z) - A Recommender System For Open Educational Videos Based On Skill
Requirements [8.595270610973586]
我々は,学習者が労働市場に要求されるスキルを習得するために,学習者が関連するオープンな教育ビデオを見つけるための新しい方法を提案する。
我々は,職種別およびテキストマイニング手法を求職者発表に応用し,職種と必要なスキルを一致させるプロトタイプを構築した。
250本以上のビデオが推薦され、その82.8%がインタビュアーの役に立つものとして扱われた。
論文 参考訳(メタデータ) (2020-05-21T12:12:47Z)
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。