論文の概要: A Recommender System For Open Educational Videos Based On Skill Requirements

• arxiv url: http://arxiv.org/abs/2005.10595v1
• Date: Thu, 21 May 2020 12:12:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-19 03:37:14.729748
• Title: A Recommender System For Open Educational Videos Based On Skill Requirements
• Title（参考訳）: スキル要件に基づくオープン教育ビデオの推薦システム
• Authors: Mohammadreza Tavakoli, Sherzod Hakimov, Ralph Ewerth, G\'abor Kismih\'ok
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 8.595270610973586
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In this paper, we suggest a novel method to help learners find relevant open educational videos to master skills demanded on the labour market. We have built a prototype, which 1) applies text classification and text mining methods on job vacancy announcements to match jobs and their required skills; 2) predicts the quality of videos; and 3) creates an open educational video recommender system to suggest personalized learning content to learners. For the first evaluation of this prototype we focused on the area of data science related jobs. Our prototype was evaluated by in-depth, semi-structured interviews. 15 subject matter experts provided feedback to assess how our recommender prototype performs in terms of its objectives, logic, and contribution to learning. More than 250 videos were recommended, and 82.8% of these recommendations were treated as useful by the interviewees. Moreover, interviews revealed that our personalized video recommender system, has the potential to improve the learning experience.
• Abstract（参考訳）: 本稿では,労働市場に必要なスキルを習得するために,学習者が関連するオープン教育ビデオを見つけるための新しい方法を提案する。 私たちはプロトタイプを作りました。 1) 文章分類及びテキストマイニング手法を業務空席発表に応用し,業務と必要な技能を一致させる。 2)動画の品質予測,及び 3)学習者にパーソナライズされた学習コンテンツを提案するオープン教育ビデオレコメンデーションシステムを作成する。 このプロトタイプの最初の評価は、データサイエンス関連の仕事の分野に焦点をあてた。 プロトタイプは詳細な半構造化インタビューによって評価された。 15の課題の専門家が、私たちの推奨するプロトタイプの目的、ロジック、学習への貢献度を評価するためのフィードバックを提供した。 250以上のビデオが推奨され、82.8%が面接者によって有用として扱われた。 さらに、我々のパーソナライズされたビデオレコメンデーションシステムは、学習体験を改善する可能性があることを明らかにした。

関連論文リスト

• Tutorly: Turning Programming Videos Into Apprenticeship Learning Environments with LLMs [1.6961276655027102]
  我々の研究は、プログラミングビデオを認知的見習いのフレームワークを使って1対1の学習体験に変換する。 TutorlyはJupyterLabとして開発され、学習者はパーソナライズされた学習目標を設定することができる。
  論文  参考訳（メタデータ） (2024-05-21T17:17:34Z)
• 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)
• A Video Is Worth 4096 Tokens: Verbalize Videos To Understand Them In Zero Shot [67.00455874279383]
  そこで本研究では,自然言語による記述を生成するために長編動画を音声化し,生成したストーリーの映像理解タスクを実行することを提案する。 提案手法は,ゼロショットであるにもかかわらず,ビデオ理解のための教師付きベースラインよりもはるかに優れた結果が得られる。 ストーリー理解ベンチマークの欠如を緩和するため,我々は,説得戦略の識別に関する計算社会科学における重要な課題に関する最初のデータセットを公開している。
  論文  参考訳（メタデータ） (2023-05-16T19:13:11Z)
• Self-Supervised Learning for Videos: A Survey [70.37277191524755]
  自己教師型学習は、画像ドメインとビデオドメインの両方で有望である。 本稿では,ビデオ領域に着目した自己教師型学習における既存のアプローチについて概観する。
  論文  参考訳（メタデータ） (2022-06-18T00:26:52Z)
• PEEK: A Large Dataset of Learner Engagement with Educational Videos [20.49299110732228]
  我々は,教育ビデオに携わる学習者の大規模な新しいデータセットをリリースする。 このデータセットはPEEK(Personalized Educational Engagement with Knowledge Topics)と名付けられたもので、この性質について初めて公開されたデータセットである。 学習者のエンゲージメントの信号は、リッチなコンテンツ表現と一致して、強力なパーソナライズアルゴリズムを構築するための道を開くだろうと考えています。
  論文  参考訳（メタデータ） (2021-09-03T11:23:02Z)
• Teaching with Commentaries [108.62722733649542]
  コメントとメタ情報を用いたフレキシブルな教育フレームワークを提案する。 解説はトレーニングのスピードと/またはパフォーマンスを改善することができる。 パフォーマンスのメリットを得るために、新しいモデルをトレーニングするときに、コメンタリを再利用できる。
  論文  参考訳（メタデータ） (2020-11-05T18:52:46Z)
• A Clustering-Based Method for Automatic Educational Video Recommendation Using Deep Face-Features of Lecturers [0.0]
  本稿では,教師の顔深度を識別することなく,教師の顔深度を利用して教育用ビデオレコメンデーションを生成する手法を提案する。 我々は教師なしの顔クラスタリング機構を用いて、講師の存在に基づいてビデオ間の関係を創出する。 参考講師の出席時間に基づいて,これらの推薦動画をランク付けする。
  論文  参考訳（メタデータ） (2020-10-09T16:53:16Z)
• 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)
• Labour Market Information Driven, Personalized, OER Recommendation System for Lifelong Learners [0.0]
  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。
  論文  参考訳（メタデータ） (2020-05-15T10:48:15Z)
• A Benchmark for Structured Procedural Knowledge Extraction from Cooking Videos [126.66212285239624]
  本稿では,調理ビデオから抽出した構造化手続き的知識のベンチマークを提案する。 手動で注釈付けしたオープン語彙リソースには、356の指導的調理ビデオと15,523のビデオクリップ/文レベルのアノテーションが含まれています。
  論文  参考訳（メタデータ） (2020-05-02T05:15:20Z)
• A Survey on Knowledge Graph-Based Recommender Systems [65.50486149662564]
  我々は知識グラフに基づく推薦システムの体系的な調査を行う。 論文は、知識グラフを正確かつ説明可能なレコメンデーションにどのように活用するかに焦点を当てる。 これらの作業で使用されるデータセットを紹介します。
  論文  参考訳（メタデータ） (2020-02-28T02:26:30Z)

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。