論文の概要: Assessing the Effectiveness of Using Live Interactions and Feedback to
Increase Engagement in Online Learning
- arxiv url: http://arxiv.org/abs/2008.08241v2
- Date: Mon, 31 Aug 2020 14:44:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-05 20:44:06.873272
- Title: Assessing the Effectiveness of Using Live Interactions and Feedback to
Increase Engagement in Online Learning
- Title(参考訳): オンライン学習におけるリビングインタラクションとフィードバックを用いたエンゲージメント向上効果の評価
- Authors: Beth Porter, Burcin Bozkaya
- Abstract要約: オンライン学習体験にツールとライブフィードバックを導入することが学習者のパフォーマンスに与える影響について検討した。
以上の結果から,ライブインタラクションとすべてのパフォーマンス指標との間には,統計的に有意な相関が認められた。
- 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: In-person instruction for professional development or other types of
workplace training provides a social environment and immediate feedback
mechanisms that typically ensure all participants are successful. Online,
self-paced instruction lacks these mechanisms and relies on the motivation and
persistence of each individual learner, often resulting in low completion
rates. In this study, we studied the effect of introducing enabling tools and
live feedback into an online learning experience on learner performance in the
course, persistence in the course, and election to complete supplemental
readings and assignments. The findings from our experiments show positive
correlations with strong statistical significance between live interactions and
all performance measures studied.
Research funded by the National Science Foundation, award number #1843391.
- Abstract(参考訳): プロフェッショナル開発や他のタイプの職場トレーニングのための個人指導は、一般的にすべての参加者が成功するように社会的環境と即時フィードバックメカニズムを提供する。
オンラインの自己ペースの命令はこれらのメカニズムを欠き、個々の学習者のモチベーションと永続性に依存しており、多くの場合、完成率が低い。
本研究では,オンライン学習体験に有効なツールやライブフィードバックを導入することが,学習者のパフォーマンス,コースの持続性,補足的な読み書きや課題を完遂するための選挙に与える影響について検討した。
実験の結果,ライブインタラクションとすべてのパフォーマンス指標の間には,統計学的に有意な有意な相関が認められた。
ナショナル・サイエンス・ファウンデーション(National Science Foundation)が出資し、第1843391号を受賞。
関連論文リスト
- Unveiling the Role of Expert Guidance: A Comparative Analysis of User-centered Imitation Learning and Traditional Reinforcement Learning [0.0]
本研究では,従来の強化学習法と比較して,模倣学習の性能,堅牢性,限界について検討する。
この研究から得られた洞察は、人間中心の人工知能の進歩に寄与する。
論文 参考訳(メタデータ) (2024-10-28T18:07:44Z) - 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) - The Power of Combined Modalities in Interactive Robot Learning [0.0]
本研究では,人間とのインタラクションにおけるロボット学習の進化に寄与し,多様な入力モダリティが学習結果に与える影響について検討する。
これは「メタモダリティ」の概念を導入し、従来の嗜好やスカラーフィードバックのメカニズムを超えて、さらなるフィードバックの形式をカプセル化する。
論文 参考訳(メタデータ) (2024-05-13T14:59:44Z) - Deep Active Learning: A Reality Check [30.19086526296748]
単一モデル法はエントロピーに基づくアクティブラーニングを決定的に上回るものではない。
評価を他のタスクに拡張し、半教師付き学習と組み合わせて能動的学習の有効性を探求する。
論文 参考訳(メタデータ) (2024-03-21T19:28:17Z) - SELFI: Autonomous Self-Improvement with Reinforcement Learning for Social Navigation [54.97931304488993]
体験と対話し、改善する自己改善ロボットは、ロボットシステムの現実的な展開の鍵となる。
本研究では,オンラインロボット体験を活用したオンライン学習手法であるSELFIを提案する。
本研究では, 衝突回避の観点からの改善と, より社会的に順応する行動について報告する。
論文 参考訳(メタデータ) (2024-03-01T21:27:03Z) - 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) - A Matter of Annotation: An Empirical Study on In Situ and Self-Recall Activity Annotations from Wearable Sensors [56.554277096170246]
In-the-wildデータ収集に焦点をあてたユーザスタディにおいて,一般的な4つのアノテーション手法の評価と対比を行う実験的検討を行った。
実際の記録プロセス中に参加者がアノテートするユーザ主導のin situアノテーションと、各日の終わりに参加者が振り返ってアノテートするリコールメソッドの両方に対して、参加者は自身のアクティビティクラスと対応するラベルを選択できる柔軟性を持っていた。
論文 参考訳(メタデータ) (2023-05-15T16:02:56Z) - Quiz-based Knowledge Tracing [61.9152637457605]
知識追跡は、学習相互作用に基づいて個人の進化する知識状態を評価することを目的としている。
QKTは、既存の方法と比較して最先端のパフォーマンスを実現している。
論文 参考訳(メタデータ) (2023-04-05T12:48:42Z) - Metaversal Learning Environments: Measuring, predicting and improving
interpersonal effectiveness [2.6424064030995957]
人工知能と仮想現実を組み合わせた新しいアーキテクチャを導入し,アバターを用いた没入型学習体験を実現する。
このフレームワークは、アバターと相互作用する個人の対人効果を測定することができる。
その結果, 対人効果に欠ける個人は, アバターとの相互作用が複数あった後, パフォーマンスが著しく向上したことが明らかとなった。
論文 参考訳(メタデータ) (2022-05-05T18:22:27Z) - 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) - Knowledge-guided Deep Reinforcement Learning for Interactive
Recommendation [49.32287384774351]
インタラクティブレコメンデーションは、アイテムとユーザ間の動的インタラクションから学び、応答性と精度を達成することを目的としている。
本稿では,知識指導型深層強化学習を提案する。
論文 参考訳(メタデータ) (2020-04-17T05:26:47Z)
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。