論文の概要: Social Engagement versus Learning Engagement -- An Exploratory Study of
FutureLearn Learners
- arxiv url: http://arxiv.org/abs/2008.04811v1
- Date: Tue, 11 Aug 2020 16:09:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-06 13:48:32.636225
- Title: Social Engagement versus Learning Engagement -- An Exploratory Study of
FutureLearn Learners
- Title（参考訳）: ソーシャルエンゲージメントと学習エンゲージメント-将来の学習者の探索的研究
- Authors: Lei Shi, Alexandra I. Cristea, Armando M. Toda, Wilk Oliveira
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 61.58283466715385
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Massive Open Online Courses (MOOCs) continue to see increasing enrolment, but
only a small percent of enrolees completes the MOOCs. Whilst a lot of research
has focused on predicting completion, there is little research analysing the
ostensible contradiction between the MOOC's popularity and the apparent
disengagement of learners. Specifically, it is important to analyse engagement
not just in learning, but also from a social perspective. This is especially
crucial, as MOOCs offer a growing amount of activities, which can be classified
as social interactions. Thus, this study is particularly concerned with how
learners interact with peers, along with their study progression in MOOCs.
Additionally, unlike most existing studies that are mainly focused on learning
outcomes, this study adopts a fine-grained temporal approach to exploring how
learners progress within a MOOC. The study was conducted on the less explored
FutureLearn platform, which employs a social constructivist approach and
promotes collaborative learning. The preliminary results suggest potential
interesting fine-grained predictive models for learner behaviour, involving
weekly monitoring of social, non-social behaviour of active students (further
classified as completers and non-completers).
- Abstract（参考訳）: 大規模なオープンオンラインコース (MOOCs) が増加傾向にあるが、エンロリーのごく一部しかMOOCsを完了していない。
完成の予測に多くの研究が注がれているが、MOOCの人気と学習者の明らかな解離との目に見える矛盾を分析する研究はほとんどない。
具体的には、学習だけでなく、社会的観点からもエンゲージメントを分析することが重要である。
これは特に重要であり、moocは社会的相互作用として分類できる活動の量を増やしている。
そこで本研究では,学習者が仲間とどのように交流するか,またmoocsにおける学習の進行に特に関係している。
さらに,学習成果を主に重視する既存の研究と異なり,本研究は,学習者がmooc内でどのように進歩するかを探究する,きめ細かい時間的アプローチを採用している。
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。
予備的な結果は、アクティブな学生の社会的、非社会的行動(完備者と非完成者)の毎週の監視を含む、学習者の行動に関する興味深い細かな予測モデルが示唆されている。
関連論文リスト
- Exploring Engagement and Perceived Learning Outcomes in an Immersive Flipped Learning Context [0.195804735329484]
本研究の目的は,学生のオンラインエンゲージメントと学習成果に対する没入型フリップ学習アプローチのメリットと課題を検討することである。
この研究は、高レベルの学生エンゲージメントと学習結果の認知を明らかにしたが、改善が必要な領域も明らかにした。
この研究の成果は、有意義で効果的な遠隔学習体験をデザインしようとする教育者にとって貴重な情報源となる可能性がある。
論文 参考訳（メタデータ） (2024-09-19T11:38:48Z) - PICA: A Data-driven Synthesis of Peer Instruction and Continuous Assessment [0.0]
ここでは、PIとCAを組み合わせて、学生をペアにして、CAタスクで協力するPIセッションを行う。
このデータ駆動型協調学習の動機は、学生の学習、コミュニケーション、エンゲージメントを改善することである。
論文 参考訳（メタデータ） (2024-07-24T20:50:32Z) - Enhancing Generative Class Incremental Learning Performance with Model Forgetting Approach [50.36650300087987]
本研究は, ジェネレーティブ・クラス・インクリメンタル・ラーニング(GCIL, Generative Class Incremental Learning)への新たなアプローチを提案する。
我々は, 忘れる機構の統合により, 新たな知識獲得におけるモデルの性能が著しく向上することを発見した。
論文 参考訳（メタデータ） (2024-03-27T05:10:38Z) - 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) - Responsible Active Learning via Human-in-the-loop Peer Study [88.01358655203441]
我々は,データプライバシを同時に保持し,モデルの安定性を向上させるために,Pear Study Learning (PSL) と呼ばれる責任あるアクティブラーニング手法を提案する。
まず,クラウドサイドのタスク学習者(教師)から未学習データを分離する。
トレーニング中、タスク学習者は軽量なアクティブ学習者に指示し、アクティブサンプリング基準に対するフィードバックを提供する。
論文 参考訳（メタデータ） (2022-11-24T13:18:27Z) - Student-centric Model of Learning Management System Activity and
Academic Performance: from Correlation to Causation [2.169383034643496]
近年,学生の学習行動パターンを理解するために,学習管理システム(LMS)における学習者のデジタルトレースのモデル化に多くの関心が寄せられている。
本稿では,LMS活動データに対する学生中心の分析フレームワークについて検討し,観察データから抽出した相関性だけでなく因果的洞察も提供する。
これらの知見は、大学生支援団体が学生中心で標的とする介入を開始するための証拠となると期待している。
論文 参考訳（メタデータ） (2022-10-27T14:08:25Z) - A Novel Multimodal Approach for Studying the Dynamics of Curiosity in
Small Group Learning [2.55061802822074]
本稿では,仲間の観察可能な行動と根底にある好奇心状態とを結びつける,好奇心の統合社会認知的記述を提案する。
我々は、好奇心に寄与する個人機能と対人機能と、これらの機能を満たすマルチモーダル動作を区別する。
この研究は、社会的文脈における学習中にモーメント・バイ・モーメントの好奇心を認識して誘発できる学習技術を設計するためのステップである。
論文 参考訳（メタデータ） (2022-04-01T16:12:40Z) - 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 Interactions Clustering MOOC Students: An Exploratory Study [57.822523354358665]
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。
論文 参考訳（メタデータ） (2020-08-10T09:32:38Z)
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。