論文の概要: New Metrics for Learning Evaluation in Digital Education Platforms

• arxiv url: http://arxiv.org/abs/2006.14711v2
• Date: Thu, 22 Sep 2022 18:54:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-12 19:35:25.055832
• Title: New Metrics for Learning Evaluation in Digital Education Platforms
• Title（参考訳）: デジタル教育プラットフォームにおける新しい学習評価指標
• Authors: Gabriel Leit\~ao, Juan Colonna, Edwin Monteiro, Elaine Oliveira, Raimundo Barreto
• Abstract要約: 本稿では,技術系教育プラットフォームにおけるコンテンツに対する学生の理解度を評価するための新しい指標について述べる。 いくつかのメトリクスは"as is"という文献から取り出され、一部は少し修正され、その他は追加された。 提案手法は,学生が獲得した内容の理解度を測定するとともに,教師が学生の弱点を測定することを約束するものである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Technology applied in education can provide great benefits and overcome challenges by facilitating access to learning objects anywhere and anytime. However, technology alone is not enough, since it requires suitable planning and learning methodologies. Using technology can be problematic, especially in determining whether learning has occurred or not. Futhermore, if learning has not occured, technology can make it difficult to determine how to mitigate this lack of learning. This paper presents a set of new metrics for measuring student's acquired understanding of a content in technology-based education platforms. Some metrics were taken from the literature "as is", some were modified slighty, while others were added. The hypothesis is that we should not only focus on traditional scoring, because it only counts the number of hits/errors and does not consider any other aspect of learning. We applied all metrics to an assessment conducted in a high school class in which we show specific cases, along with metrics, where very useful information can be obtained from by combining several metrics. We conclude that the proposed metrics are promising for measuring student's acquired understanding of a content, as well as for teachers to measure student's weaknesses.
• Abstract（参考訳）: 教育に応用された技術は、いつでもどこでも学習対象にアクセスしやすくすることで、大きな利益をもたらし、課題を克服することができる。 しかし、適切な計画と学習方法を必要とするため、技術だけでは不十分である。 技術の利用は、特に学習が起こっているかどうかを決定する上で問題となることがある。 さらに、もし学習が起こらなかったら、テクノロジーは学習の欠如を緩和する方法を決定するのを難しくする。 本稿では,技術系教育プラットフォームのコンテンツに対する学生の理解度を測定するための新しい指標について述べる。 いくつかのメトリクスは"as is"という文献から取り出され、一部は少し修正され、その他は追加された。 この仮説は、ヒット/エラーの数だけをカウントし、学習の他の側面を考慮しないので、従来のスコアリングのみに注目すべきではない、というものです。 我々は,高校生の授業で実施される評価にすべての指標を適用し,いくつかの指標を組み合わせることで非常に有用な情報を得ることができる指標とともに,特定の事例を示す。 提案手法は,学生が獲得した内容の理解度を測定するとともに,教師が学生の弱点を測定することを約束している。

関連論文リスト

• UnUnlearning: Unlearning is not sufficient for content regulation in advanced generative AI [50.61495097098296]
  大規模言語モデル(LLM)におけるアンラーニングのパラダイムを再考する。 未学習の概念を導入し、未学習の知識を文脈内で再導入する。 我々は、不寛容な知識に対するコンテンツフィルタリングが不可欠であり、正確な未学習スキームでさえ、効果的なコンテンツ規制には不十分であると主張している。
  論文  参考訳（メタデータ） (2024-06-27T10:24:35Z)
• Knowledge Tracing Challenge: Optimal Activity Sequencing for Students [0.9814642627359286]
  知識追跡(きゅうがく、英: Knowledge Trace)は、個々の学習者による知識の獲得を評価・追跡する教育において用いられる手法である。 我々は,AAAI2023 Global Knowledge Tracing Challengeの一環として,新たにリリースされたデータセット上に2つの知識追跡アルゴリズムを実装した結果を示す。
  論文  参考訳（メタデータ） (2023-11-13T16:28:34Z)
• Ticketed Learning-Unlearning Schemes [57.89421552780526]
  そこで我々は,学習のためのチケット付きモデルを提案する。 広義のコンセプトクラスに対して,空間効率のよいチケット付き学習スキームを提供する。
  論文  参考訳（メタデータ） (2023-06-27T18:54:40Z)
• Machine Unlearning: A Survey [56.79152190680552]
  プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。 この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。 この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。 この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
  論文  参考訳（メタデータ） (2023-06-06T10:18:36Z)
• Education in the Digital World: From the Lens of Millennial Learners [0.0]
  本研究の目的は、ミレニアル世代の学習者のレンズからデジタルワールドの教育を決定することである。 これはまた、デジタル教育における問題のサイバーゴジックな意味を、アウトリーチのレンズを通して見ることが出来る。
  論文  参考訳（メタデータ） (2023-04-27T02:48:13Z)
• Harnessing the Power of Text-image Contrastive Models for Automatic Detection of Online Misinformation [50.46219766161111]
  誤情報識別の領域における構成的学習を探求する自己学習モデルを構築した。 本モデルでは、トレーニングデータが不十分な場合、非マッチング画像-テキストペア検出の優れた性能を示す。
  論文  参考訳（メタデータ） (2023-04-19T02:53:59Z)
• Multimodal Emotion Recognition with Modality-Pairwise Unsupervised Contrastive Loss [80.79641247882012]
  マルチモーダル感情認識(MER)のための教師なし特徴学習に着目した。 個別の感情を考慮し、モダリティテキスト、音声、視覚が使用される。 本手法は, 対のモダリティ間のコントラスト損失に基づくもので, MER文学における最初の試みである。
  論文  参考訳（メタデータ） (2022-07-23T10:11:24Z)
• Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
  パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。 近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
  論文  参考訳（メタデータ） (2021-01-19T12:23:32Z)
• Meta-Learning in Neural Networks: A Survey [4.588028371034406]
  本調査では,現代メタラーニングの展望について述べる。 まずメタラーニングの定義について議論し、関連する分野について位置づける。 そこで我々はメタラーニング手法の空間をより包括的に分析する新しい分類法を提案する。
  論文  参考訳（メタデータ） (2020-04-11T16:34:24Z)
• Knowledge Guided Metric Learning for Few-Shot Text Classification [22.832467388279873]
  我々は,人間の知識を模倣する素早い学習に外部知識を導入することを提案する。 人間の知性に触発され,人間の知識を模倣する素早い学習に外部知識を導入することを提案する。 提案手法は,最新の数ショットのテキスト分類モデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-04-04T10:56:26Z)

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。