論文の概要: Exploring Navigation Styles in a FutureLearn MOOC
- arxiv url: http://arxiv.org/abs/2008.04373v1
- Date: Mon, 10 Aug 2020 19:12:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-06 15:50:32.011968
- Title: Exploring Navigation Styles in a FutureLearn MOOC
- Title（参考訳）: FutureLearn MOOCにおけるナビゲーションスタイルの探索
- Authors: Lei Shi, Alexandra I. Cristea, Armando M. Toda, Wilk Oliveira
- Abstract要約: 本稿では,多数のアクティブ学習者が支援するMOOCにおける詳細なナビゲーションスタイル識別の詳細な解析を行う。
オンライン学習者の時間的エンゲージメントに関する洞察や、脆弱な学習者を特定するツールを提供する。
- 参考スコア（独自算出の注目度）: 61.58283466715385
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents for the first time a detailed analysis of fine-grained
navigation style identification in MOOCs backed by a large number of active
learners. The result shows 1) whilst the sequential style is clearly in
evidence, the global style is less prominent; 2) the majority of the learners
do not belong to either category; 3) navigation styles are not as stable as
believed in the literature; and 4) learners can, and do, swap between
navigation styles with detrimental effects. The approach is promising, as it
provides insight into online learners' temporal engagement, as well as a tool
to identify vulnerable learners, which potentially benefit personalised
interventions (from teachers or automatic help) in Intelligent Tutoring Systems
(ITS).
- Abstract（参考訳）: 本稿では,多数のアクティブ学習者が支援するmoocsにおける細粒度ナビゲーションスタイル識別の詳細な解析を初めて行った。
その結果は
1) シーケンシャルなスタイルは明らかに証拠にあるが,グローバルなスタイルは目立たない。
2) 学習者の大多数は,いずれのカテゴリにも属さない。
3) ナビゲーションスタイルは,文献で信じられているほど安定していない。
4) 学習者はナビゲーションスタイルを有害な効果で交換することができる。
このアプローチは有望であり、オンライン学習者の時間的関与や、脆弱な学習者を特定するツールを提供すると同時に、インテリジェントな教育システム(its)におけるパーソナライズされた介入(教師や自動ヘルプ)の恩恵を受ける可能性がある。
関連論文リスト
- A Role of Environmental Complexity on Representation Learning in Deep Reinforcement Learning Agents [3.7314353481448337]
我々は、深層強化学習エージェントを訓練するためのシミュレーションナビゲーション環境を開発した。
ショートカットおよびナビゲーションキューへの露出頻度を変調し,異なる能力を有する人工エージェントの開発に繋がった。
これらのエージェントを駆動する人工ニューラルネットワークの符号化表現について検討し、表現学習における複雑なダイナミクスを明らかにした。
論文 参考訳（メタデータ） (2024-07-03T18:27:26Z) - Two-Stage Depth Enhanced Learning with Obstacle Map For Object Navigation [11.667940255053582]
本稿では,RGBとトレーニングシーンの深度情報を用いて特徴抽出器の事前訓練を行い,ナビゲーション効率を向上する。
提案手法をAI2-ThorとRobothorで評価し,成功率と航法効率において最先端(SOTA)法を著しく上回っていることを示した。
論文 参考訳（メタデータ） (2024-06-20T08:35:10Z) - Learning Navigational Visual Representations with Semantic Map
Supervision [85.91625020847358]
エージェントの自我中心のビューとセマンティックマップを対比してナビゲーション固有の視覚表現学習法を提案する。
Ego$2$-Map学習は、オブジェクト、構造、遷移などのコンパクトでリッチな情報を、ナビゲーションのためのエージェントのエゴセントリックな表現に転送する。
論文 参考訳（メタデータ） (2023-07-23T14:01:05Z) - Learning to Predict Navigational Patterns from Partial Observations [63.04492958425066]
本稿では,実環境におけるナビゲーションのパターンを,部分的な観察のみから推測する,初めての自己教師型学習(SSL)手法を提案する。
我々は、DSLPフィールドに最大極大グラフを適合させることにより、グローバルなナビゲーションパターンを推論する方法を実証する。
実験により,我々のSSLモデルはnuScenesデータセット上で2つのSOTA教師付きレーングラフ予測モデルより優れていることが示された。
論文 参考訳（メタデータ） (2023-04-26T02:08:46Z) - Predicting students' learning styles using regression techniques [0.4125187280299248]
オンライン学習は、学習者とインストラクターの相互作用が最小限であるため、パーソナライズ法を必要とする。
パーソナライズ手法の1つは、学習者の学習スタイルを検出することである。
学習者が支配的なスタイルや学習スタイルが混在していない場合、現在の検出モデルは効果がない。
論文 参考訳（メタデータ） (2022-09-12T16:04:51Z) - Online No-regret Model-Based Meta RL for Personalized Navigation [37.82017324353145]
本稿では,現在のユーザの動態に迅速に適合するオンラインノリグレートモデルに基づくRL手法を提案する。
理論的解析により,本手法は非回帰アルゴリズムであり,無依存設定における収束率を提供する。
実世界のユーザデータを60時間以上にわたって分析した結果,衝突回数を60%以上削減できることがわかった。
論文 参考訳（メタデータ） (2022-04-05T01:28:06Z) - Adversarial Reinforced Instruction Attacker for Robust Vision-Language
Navigation [145.84123197129298]
自然言語に基づくナビゲーションタスクでは,言語指導が重要な役割を担っている。
より堅牢なナビゲータを訓練し、長い指導から重要な要素を動的に抽出する。
具体的には,航法士が間違った目標に移動することを誤認することを学習する動的強化命令攻撃装置(DR-Attacker)を提案する。
論文 参考訳（メタデータ） (2021-07-23T14:11:31Z) - Deep Learning for Embodied Vision Navigation: A Survey [108.13766213265069]
身体的視覚ナビゲーション」問題では、エージェントが3D環境をナビゲートする必要がある。
本稿では、総合的な文献調査を提供することで、視覚ナビゲーションの具体的分野における現在の研究の概要を確立することを試みる。
論文 参考訳（メタデータ） (2021-07-07T12:09:04Z) - Active Visual Information Gathering for Vision-Language Navigation [115.40768457718325]
視覚言語ナビゲーション(VLN)は、エージェントがフォトリアリスティックな環境の中でナビゲーションの指示を行うためのタスクである。
VLNの重要な課題の1つは、曖昧な指示による不確実性を緩和し、環境の観察を不十分にすることで、堅牢なナビゲーションを行う方法である。
この研究は、人間のナビゲーション行動からインスピレーションを得て、よりインテリジェントなVLNポリシーのためのアクティブな情報収集能力を持つエージェントを提供する。
論文 参考訳（メタデータ） (2020-07-15T23:54:20Z)
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。