Fugu-MT 論文翻訳(概要): Social Interactions Clustering MOOC Students: An Exploratory Study

論文の概要: Social Interactions Clustering MOOC Students: An Exploratory Study

arxiv url: http://arxiv.org/abs/2008.03982v1
Date: Mon, 10 Aug 2020 09:32:38 GMT
ステータス: 処理完了
システム内更新日: 2022-10-31 23:30:54.447860
Title: Social Interactions Clustering MOOC Students: An Exploratory Study
Title（参考訳）: MOOC学生をクラスタリングする社会的相互作用 : 探索的研究
Authors: Lei Shi, Alexandra Cristea, Ahmad Alamri, Armando M. Toda, Wilk Oliveira
Abstract要約: コメントは、学生が学生とどのように交流したか、例えば学生のコメントが同僚から返信を受けたかに基づいて分類された。統計的モデリングと機械学習はコメント分類の分析に用いられ、3つの強く安定したクラスタが生成される。
参考スコア（独自算出の注目度）: 57.822523354358665
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: An exploratory study on social interactions of MOOC students in FutureLearn was conducted, to answer "how can we cluster students based on their social interactions?" Comments were categorized based on how students interacted with them, e.g., how a student's comment received replies from peers. Statistical modelling and machine learning were used to analyze comment categorization, resulting in 3 strong and stable clusters.
Abstract（参考訳）: FutureLearnにおけるMOOC学生の社会的相互作用に関する探索的研究 : 「どのようにして学生を社会的相互作用に基づいてクラスタリングできるか?」コメントは、学生がどう対話するか、例えば、学生のコメントがどのように仲間から返信を受けたかによって分類された。統計的モデリングと機械学習はコメント分類の分析に用いられ、3つの強く安定したクラスタが生成される。

関連論文リスト

Interpret3C: Interpretable Student Clustering Through Individualized Feature Selection [2.428031280449541]
教育におけるクラスタリング、特にMOOCのような大規模オンライン環境でのクラスタリングは、多様な学生のニーズを理解し、適応するために不可欠である。既存のクラスタリングアプローチは、機能の重要性における個々の違いを無視し、均質化された機能セットに依存していることが多い。本稿では,解釈可能なニューラルネットワーク(NN)を教師なし学習コンテキストに組み込んだ,新たなクラスタリングパイプラインであるInterpret3Cを紹介する。
論文参考訳（メタデータ） (2024-05-28T15:32:05Z)
Adolescent relational behaviour and the obesity pandemic: A descriptive study applying social network analysis and machine learning techniques [0.0]
Aim: グループのノードの属性間の類似性を探ることで,サブグループの存在を研究する。 Aim: SNAと人工知能技術による類似性の観点から,グループ間の接続性を分析する。
論文参考訳（メタデータ） (2024-02-04T09:19:56Z)
Predicting the long-term collective behaviour of fish pairs with deep learning [52.83927369492564]
本研究では,魚種Hemigrammus rhodostomusの社会的相互作用を評価するための深層学習モデルを提案する。我々は、ディープラーニングのアプローチの結果と実験結果と、最先端の分析モデルの結果を比較した。機械学習モデルにより、ソーシャルインタラクションは、微妙な実験的観測可能な解析的相互作用と直接競合できることを実証する。
論文参考訳（メタデータ） (2023-02-14T05:25:03Z)
Flexible social inference facilitates targeted social learning when rewards are not observable [58.762004496858836]
グループは、個人が他人の成功から学べるときにより効果的にコーディネートする。社会的推論能力は、このギャップを埋める助けとなり、個人が他人の基本的な知識に対する信念を更新し、観察可能な行動軌跡から成功することを示唆する。
論文参考訳（メタデータ） (2022-12-01T21:04:03Z)
Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文参考訳（メタデータ） (2022-07-20T13:37:57Z)
Connections between Relational Event Model and Inverse Reinforcement Learning for Characterizing Group Interaction Sequences [0.18275108630751835]
我々は、リレーショナルイベントモデル(REM)と逆強化学習(IRL)の未同定接続について検討する。 REM はそのような問題に対処する従来の手法であるが、IRL の応用は未完成の手法である。実験により,集団の社会的相互作用を特徴付けるためのIRLの特殊効果を実証した。
論文参考訳（メタデータ） (2020-10-19T19:40:29Z)
Revealing the Hidden Patterns: A Comparative Study on Profiling Subpopulations of MOOC Students [61.58283466715385]
MOOC(Massive Open Online Courses)は、学生の異質性を示す。 MOOCプラットフォームからの複雑な“ビッグデータ”の出現は、学生がMOOCにどのように従事しているかを深く理解する上で、難しいが報われる機会である。本報告では,MOOCにおける学生活動のクラスタリング分析と,学生集団間の行動パターンと人口動態の比較分析について述べる。
論文参考訳（メタデータ） (2020-08-12T10:38:50Z)
Social Engagement versus Learning Engagement -- An Exploratory Study of FutureLearn Learners [61.58283466715385]
大規模なオープンオンラインコース (MOOCs) は増加傾向にあるが、エンロリーのごく一部しかMOOCsを完了していない。この研究は、MOOCにおける研究の進展とともに、学習者がピアとどのように相互作用するかに特に関係している。この研究は、社会的構成主義的アプローチを採用し、協調学習を促進するFutureLearnプラットフォーム上で行われた。
論文参考訳（メタデータ） (2020-08-11T16:09:10Z)

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。