論文の概要: Computer-Aided Personalized Education
- arxiv url: http://arxiv.org/abs/2007.03704v1
- Date: Tue, 7 Jul 2020 18:00:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-11 01:30:14.696097
- Title: Computer-Aided Personalized Education
- Title（参考訳）: コンピュータ支援パーソナライズ教育
- Authors: Rajeev Alur, Richard Baraniuk, Rastislav Bodik, Ann Drobnis, Sumit
Gulwani, Bjoern Hartmann, Yasmin Kafai, Jeff Karpicke, Ran Libeskind-Hadas,
Debra Richardson, Armando Solar-Lezama, Candace Thille, and Moshe Vardi
- Abstract要約: 過去10年間で、導入コースを受講する米国の学生数は3倍に増えている。
大規模なオープンオンラインコース(MOOC)は、この制約を緩和する方法として推進されている。
計算ツールに依存したパーソナライズド教育はこの課題に対処できる。
- 参考スコア（独自算出の注目度）: 15.811740322935476
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The shortage of people trained in STEM fields is becoming acute, and
universities and colleges are straining to satisfy this demand. In the case of
computer science, for instance, the number of US students taking introductory
courses has grown three-fold in the past decade. Recently, massive open online
courses (MOOCs) have been promoted as a way to ease this strain. This at best
provides access to education. The bigger challenge though is coping with
heterogeneous backgrounds of different students, retention, providing feedback,
and assessment. Personalized education relying on computational tools can
address this challenge.
While automated tutoring has been studied at different times in different
communities, recent advances in computing and education technology offer
exciting opportunities to transform the manner in which students learn. In
particular, at least three trends are significant. First, progress in logical
reasoning, data analytics, and natural language processing has led to tutoring
tools for automatic assessment, personalized instruction including targeted
feedback, and adaptive content generation for a variety of subjects. Second,
research in the science of learning and human-computer interaction is leading
to a better understanding of how different students learn, when and what types
of interventions are effective for different instructional goals, and how to
measure the success of educational tools. Finally, the recent emergence of
online education platforms, both in academia and industry, is leading to new
opportunities for the development of a shared infrastructure. This CCC workshop
brought together researchers developing educational tools based on technologies
such as logical reasoning and machine learning with researchers in education,
human-computer interaction, and cognitive psychology.
- Abstract（参考訳）: STEM分野の人材不足は深刻化しており、大学や大学はこの需要を満たすために緊張している。
例えば、コンピュータ科学の分野では、米国の学生が入門コースを受講する数は過去10年間で3倍に増えている。
近年, オープンオンライン講座 (MOOC) は, この制約を緩和する手段として推進されている。
これは教育へのアクセスが最善である。
しかし大きな課題は、異なる学生の異質な背景、留保、フィードバックの提供、評価に対処することだ。
計算ツールに依存したパーソナライズド教育はこの課題に対処できる。
自動指導は様々なコミュニティで異なる時期に研究されてきたが、近年のコンピュータと教育技術の進歩は、学生が学ぶ方法を変えるエキサイティングな機会を提供している。
特に、少なくとも3つの傾向が重要である。
まず、論理推論、データ分析、自然言語処理の進歩により、自動評価のための学習ツール、目標としたフィードバックを含むパーソナライズドインストラクション、さまざまな主題に対する適応型コンテンツ生成がもたらされた。
第二に、学習科学と人間とコンピュータの相互作用の研究は、生徒の異なる学習方法、いつ、どんな種類の介入が異なる指導目標に有効か、そして教育ツールの成功を評価する方法の理解を深める。
最後に、近年のオンライン教育プラットフォームは、学術と産業の両方において、共有インフラの開発に新たな機会をもたらしている。
このCCCワークショップは、論理的推論や機械学習といった技術に基づいた教育ツールを開発する研究者を、教育、人間とコンピュータの相互作用、認知心理学の研究者と結んだ。
関連論文リスト
- From MOOC to MAIC: Reshaping Online Teaching and Learning through LLM-driven Agents [78.15899922698631]
MAIC(Massive AI-empowered Course)は、LLM駆動のマルチエージェントシステムを活用して、AIが強化された教室を構築するオンライン教育の新たな形態である。
中国一の大学である清華大学で予備的な実験を行う。
論文 参考訳（メタデータ） (2024-09-05T13:22:51Z) - Adapting Large Language Models for Education: Foundational Capabilities, Potentials, and Challenges [60.62904929065257]
大規模言語モデル(LLM)は、個々の要求を解釈することでこの問題を解決する可能性を提供する。
本稿では, 数学, 文章, プログラミング, 推論, 知識に基づく質問応答など, 教育能力に関する最近のLLM研究を概観する。
論文 参考訳（メタデータ） (2023-12-27T14:37:32Z) - Empowering Private Tutoring by Chaining Large Language Models [87.76985829144834]
本研究は,最先端の大規模言語モデル(LLM)を活用した,本格的な知的チューリングシステムの開発を探求する。
このシステムは、相互に接続された3つのコアプロセス(相互作用、反射、反応)に分けられる。
各プロセスは LLM ベースのツールと動的に更新されたメモリモジュールによって実装される。
論文 参考訳（メタデータ） (2023-09-15T02:42:03Z) - AI Chatbots as Multi-Role Pedagogical Agents: Transforming Engagement in
CS Education [8.898863361318817]
4つの異なるチャットボットを備えた新しい学習環境を開発し,実装し,評価する。
これらの役割は、学習者(能力、自律性、関連性)の3つの本質的な心理的ニーズを満たす。
このシステムは、質問に基づく学習パラダイムを採用し、学生に質問をし、解決策を求め、その好奇心を探求するよう促す。
論文 参考訳（メタデータ） (2023-08-08T02:13:44Z) - Understanding and improving social factors in education: a computational
social science approach [0.0]
計算社会科学者は、この新たな研究フロンティアを創造的に前進させることができる。
本稿では,大規模デジタルプラットフォームによる学習の最近の研究について概説する。
私たちは、計算社会科学者がこの新たな研究フロンティアを創造的に前進させることができると信じています。
論文 参考訳（メタデータ） (2023-01-13T15:40:07Z) - Understanding the role of single-board computers in engineering and
computer science education: A systematic literature review [0.0]
シングルボードコンピュータ(Single-Board Computers, SBCs)は、工学と計算機科学において、技術と教育の両面において、より頻繁に採用されている。
この体系的な文献レビューは、SBCがエンジニアリングとコンピュータ科学にどのように使われているかについて考察する。
論文 参考訳（メタデータ） (2022-03-30T18:34:03Z) - What Matters in Learning from Offline Human Demonstrations for Robot
Manipulation [64.43440450794495]
ロボット操作のための6つのオフライン学習アルゴリズムについて広範な研究を行う。
我々の研究は、オフラインの人間のデータから学習する際の最も重要な課題を分析します。
人間のデータセットから学ぶ機会を強調します。
論文 参考訳（メタデータ） (2021-08-06T20:48:30Z) - Comparative Study of Learning Outcomes for Online Learning Platforms [47.5164159412965]
パーソナライゼーションとアクティブラーニングは、学習の成功の鍵となる側面です。
私たちは2つの人気のあるオンライン学習プラットフォームの学習結果の比較正面調査を実施します。
論文 参考訳（メタデータ） (2021-04-15T20:40:24Z) - 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) - Improving Students Performance in Small-Scale Online Courses -- A
Machine Learning-Based Intervention [0.0]
オンライン学習管理システムから収集したデータは,学生全体のパフォーマンスを予測するために有効に活用できることを示す。
本研究の結果から,学生の進路を改善させるための効果的な介入戦略が,授業の途中で提案される可能性が示唆された。
論文 参考訳（メタデータ） (2020-11-23T14:12:55Z)
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。