論文の概要: ProcData: An R Package for Process Data Analysis

• arxiv url: http://arxiv.org/abs/2006.05061v1
• Date: Tue, 9 Jun 2020 05:44:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-23 15:37:54.926700
• Title: ProcData: An R Package for Process Data Analysis
• Title（参考訳）: ProcData: プロセスデータ分析のためのRパッケージ
• Authors: Xueying Tang, Susu Zhang, Zhi Wang, Jingchen Liu, Zhiliang Ying
• Abstract要約: この記事では、プロセスデータの処理、記述、分析のためのツールを提供するように設計されています。 不規則応答過程の情報を正規数値ベクトルに圧縮する2つのプロセスデータの特徴抽出手法をパッケージに実装する。 また、2012年度国際学生評価プログラムにおける、いくつかの対応プロセス生成装置と、気候管理項目の実際の対応プロセスのデータセットをパッケージに含めている。
• 参考スコア（独自算出の注目度）: 5.278929511653198
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Process data refer to data recorded in the log files of computer-based items. These data, represented as timestamped action sequences, keep track of respondents' response processes of solving the items. Process data analysis aims at enhancing educational assessment accuracy and serving other assessment purposes by utilizing the rich information contained in response processes. The R package ProcData presented in this article is designed to provide tools for processing, describing, and analyzing process data. We define an S3 class "proc" for organizing process data and extend generic methods summary and print for class "proc". Two feature extraction methods for process data are implemented in the package for compressing information in the irregular response processes into regular numeric vectors. ProcData also provides functions for fitting and making predictions from a neural-network-based sequence model. These functions call relevant functions in package keras for constructing and training neural networks. In addition, several response process generators and a real dataset of response processes of the climate control item in the 2012 Programme for International Student Assessment are included in the package.
• Abstract（参考訳）: プロセスデータは、コンピュータベースのアイテムのログファイルに記録されたデータを指す。 これらのデータは、タイムスタンプされたアクションシーケンスとして表現され、項目の解決に関する回答者の反応プロセスを追跡する。 プロセスデータ分析は、応答過程に含まれる豊富な情報を利用して、教育的評価の精度を高め、他の評価目的に役立てることを目的としている。 本稿では,プロセスデータの処理,記述,解析を行うためのツールとして,r パッケージ procdata について述べる。 プロセスデータを整理するための s3 クラス "proc" を定義し,ジェネリックメソッドのサマリを拡張し,クラス "proc" を印刷する。 不規則応答過程の情報を正規数値ベクトルに圧縮する2つのプロセスデータの特徴抽出手法をパッケージに実装する。 ProcDataはまた、ニューラルネットワークベースのシーケンスモデルから、適合と予測を行う機能も提供する。 これらの関数は、ニューラルネットワークの構築とトレーニングのためにパッケージケラで関連する関数を呼び出す。 また、2012年の国際学生アセスメントプログラムにおいて、いくつかの応答プロセス生成装置と、気候制御項目の応答プロセスの実際のデータセットがパッケージに含まれている。

関連論文リスト

• Navigating Process Mining: A Case study using pm4py [0.0]
  本稿では,Python の pm4py ライブラリを用いた道路交通管理プロセスの包括的解析を行う。 フィルタリングと統計的解析により、プロセスの実行における重要なパターンとバリエーションを明らかにする。 発見されたモデルを視覚化して、プロセス内のワークフロー構造と依存関係を理解します。
  論文  参考訳（メタデータ） (2024-09-17T15:48:46Z)
• Conversational Process Modeling: Can Generative AI Empower Domain Experts in Creating and Redesigning Process Models? [0.0]
  この研究は、会話プロセスモデリングをサポートする既存のチャットボットの体系的な分析を提供する。 会話プロセスモデリングに関する文献レビューが行われ、それによって会話プロセスモデリングのアプリケーションシナリオの分類がなされる。 プロセスモデルの完全性と正確性に関して,AI駆動型チャットボットの出力に評価手法を適用した。
  論文  参考訳（メタデータ） (2023-04-19T06:54:14Z)
• Accessing and Interpreting OPC UA Event Traces based on Semantic Process Descriptions [69.9674326582747]
  本稿では、イベントデータのコンテキストに基づいて、プロダクションシステムのイベントデータにアクセスするアプローチを提案する。 本手法は,1)生産システムの階層構造の意味モデル,2)形式化されたプロセス記述,3)OPC UA情報モデルを組み合わせることによって,データベースシステムからフィルタリングイベントログを抽出する。
  論文  参考訳（メタデータ） (2022-07-25T15:13:44Z)
• Process-BERT: A Framework for Representation Learning on Educational Process Data [68.8204255655161]
  本稿では,教育プロセスデータの表現を学習するためのフレームワークを提案する。 我々のフレームワークは、BERT型の目的を用いて、シーケンシャルなプロセスデータから表現を学習する事前学習ステップで構成されています。 当社のフレームワークは,2019年国のレポートカードデータマイニングコンペティションデータセットに適用しています。
  論文  参考訳（メタデータ） (2022-04-28T16:07:28Z)
• Human Activity Recognition using Attribute-Based Neural Networks and Context Information [61.67246055629366]
  手作業におけるウェアラブルセンサデータから人間の活動認識(HAR)を考察する。 我々は、コンテキスト情報をディープニューラルネットワークベースのHARシステムに体系的に組み込む方法を示す。 提案したアーキテクチャは,最先端手法と比較してHAR性能が向上することを示す。
  論文  参考訳（メタデータ） (2021-10-28T06:08:25Z)
• Procedures as Programs: Hierarchical Control of Situated Agents through Natural Language [81.73820295186727]
  エージェント命令と制御のための階層的な手続き的知識を表現する強力な手法である,プログラムとしての手続きの形式化を提案する。 NL命令に対するIQAおよびALFREDデータセット上で、このフレームワークをインスタンス化する。
  論文  参考訳（メタデータ） (2021-09-16T20:36:21Z)
• Process Comparison Using Object-Centric Process Cubes [69.68068088508505]
  実生活のビジネスプロセスでは、プロセス全体を複雑に解釈しがちな振る舞いが存在します。 プロセス比較は、プロセスキューブを使用して、プロセスの異なる動作を互いに分離するプロセスマイニングのブランチです。 オブジェクト中心のイベントログのスライスやダイスなどのプロセスキューブ操作をサポートするプロセスキューブフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-12T10:08:28Z)
• PROVED: A Tool for Graph Representation and Analysis of Uncertain Event Data [0.966840768820136]
  プロセスマイニングの分野は、歴史的なプロセス実行を分析して、データ駆動方式でプロセスを研究することを目的としている。 近年のイベントデータは,不確実なイベントデータを含むプロセスマイニングコミュニティの関心を集めている。 PROVEDツールは、このような不確実なイベントデータを探索、ナビゲート、分析するのに役立ちます。
  論文  参考訳（メタデータ） (2021-03-09T17:11:54Z)
• Subtask Analysis of Process Data Through a Predictive Model [5.7668512557707166]
  本稿では,そのようなプロセスデータの探索的解析のための計算効率の良い手法を開発した。 新しいアプローチでは、長い個々のプロセスを短いサブプロセスのシーケンスに分割することで、複雑性の低減を実現している。 PIAAC 2012のプロセスデータを用いて、新しいアプローチでプロセスデータの探索分析がどのように行えるかを示す。
  論文  参考訳（メタデータ） (2020-08-29T21:11:01Z)
• Process Discovery for Structured Program Synthesis [70.29027202357385]
  プロセスマイニングにおける中核的なタスクは、イベントログデータから正確なプロセスモデルを学ぶことを目的としたプロセス発見である。 本稿では,ターゲットプロセスモデルとして(ブロック-)構造化プログラムを直接使用することを提案する。 我々は,このような構造化プログラムプロセスモデルの発見に対して,新たなボトムアップ・アグリメティブ・アプローチを開発する。
  論文  参考訳（メタデータ） (2020-08-13T10:33:10Z)

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。