論文の概要: AI-Driven Interface Design for Intelligent Tutoring System Improves
Student Engagement
- arxiv url: http://arxiv.org/abs/2009.08976v1
- Date: Fri, 18 Sep 2020 10:32:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-01 21:56:24.330555
- Title: AI-Driven Interface Design for Intelligent Tutoring System Improves
Student Engagement
- Title(参考訳): インテリジェントチューニングシステムのためのAI駆動インタフェース設計による学生エンゲージメントの改善
- Authors: Byungsoo Kim, Hongseok Suh, Jaewe Heo, Youngduck Choi
- Abstract要約: 本稿では,Intelligent Tutoring System (ITS) のインタフェースのためのAI駆動設計について検討する。
本稿では,様々なAIコンポーネントを用いたインターフェース設計を提案し,サンタを通した学生のエンゲージメントへの影響を実証的に評価する。
野生の20K以上の学生を対象に行われた制御されたA/Bテストは、AI駆動インタフェース設計がエンゲージメントの要因を最大25.13%改善することを示している。
- 参考スコア(独自算出の注目度): 2.083729551844793
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: An Intelligent Tutoring System (ITS) has been shown to improve students'
learning outcomes by providing a personalized curriculum that addresses
individual needs of every student. However, despite the effectiveness and
efficiency that ITS brings to students' learning process, most of the studies
in ITS research have conducted less effort to design the interface of ITS that
promotes students' interest in learning, motivation and engagement by making
better use of AI features. In this paper, we explore AI-driven design for the
interface of ITS describing diagnostic feedback for students' problem-solving
process and investigate its impacts on their engagement. We propose several
interface designs powered by different AI components and empirically evaluate
their impacts on student engagement through Santa, an active mobile ITS.
Controlled A/B tests conducted on more than 20K students in the wild show that
AI-driven interface design improves the factors of engagement by up to 25.13%.
- Abstract(参考訳): 知的学習システム(ITS)は、生徒の個々のニーズに対処するパーソナライズされたカリキュラムを提供することで、生徒の学習成果を改善することが示されている。
しかし、ITSが学生の学習プロセスにもたらす効果と効率にもかかわらず、ITS研究のほとんどの研究は、学習、モチベーション、エンゲージメントへの学生の関心を高めるために、AI機能をよりよく活用することで、ITSのインターフェースを設計する努力を減らしてきた。
本稿では,学生の問題解決過程における診断的フィードバックを記述するインタフェースのai駆動設計と,その関与への影響について検討する。
そこで我々は,様々なAIコンポーネントを用いたインターフェース設計を提案し,アクティブモバイルITSであるサンタを通じた学生エンゲージメントへの影響を実証的に評価した。
野生の20K以上の学生を対象に行われた制御されたA/Bテストは、AI駆動インタフェース設計がエンゲージメントの要因を最大25.13%改善することを示している。
関連論文リスト
- Charting the Future of AI in Project-Based Learning: A Co-Design
Exploration with Students [35.05435052195561]
学習における人工知能(AI)の利用の増加は、学習成果を評価するための新たな課題を提示している。
本稿では,学生のAI活用データの新たな評価材料としての可能性を検討するための共同設計研究を紹介する。
論文 参考訳(メタデータ) (2024-01-26T14:49:29Z) - Towards Goal-oriented Intelligent Tutoring Systems in Online Education [69.06930979754627]
目標指向知能チューニングシステム(GITS)という新しいタスクを提案する。
GITSは,演習や評価のカスタマイズを戦略的に計画することで,学生の指定概念の習得を可能にすることを目的としている。
PAI(Planning-Assessment-Interaction)と呼ばれるグラフに基づく新しい強化学習フレームワークを提案する。
論文 参考訳(メタデータ) (2023-12-03T12:37:16Z) - Implementing Learning Principles with a Personal AI Tutor: A Case Study [2.94944680995069]
本研究は,人間の学習過程をモデル化し,学術的性能を効果的に向上するパーソナルAIチューターの能力を示す。
プログラムにAIチューターを統合することで、教育者は、学習科学の原則に基づくパーソナライズされた学習体験を学生に提供することができる。
論文 参考訳(メタデータ) (2023-09-10T15:35:47Z) - Incremental procedural and sensorimotor learning in cognitive humanoid
robots [52.77024349608834]
本研究は,手順を段階的に学習する認知エージェントを提案する。
各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。
結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
論文 参考訳(メタデータ) (2023-04-30T22:51:31Z) - 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) - Disadvantaged students increase their academic performance through
collective intelligence exposure in emergency remote learning due to COVID 19 [105.54048699217668]
新型コロナウイルス(COVID-19)危機の間、世界中の教育機関が対面指導から緊急遠隔教育(ERT)へと移行した。
我々は,7,528人の大学生のデータを分析したところ,議論フォーラムにおける学生間の協調的・合意的ダイナミクスが最終GPAに肯定的な影響を及ぼすことがわかった。
自然言語処理を用いて,高校生の学習成績が低かった1年生が,議論フォーラムでよりコンテンツ集約的な投稿に晒されていることを示す。
論文 参考訳(メタデータ) (2022-03-10T20:23:38Z) - Customizing an Affective Tutoring System Based on Facial Expression and
Head Pose Estimation [2.0625936401496237]
Affective Tutoring Systems (ATSs)は、学習者の感情状態を認識して反応できるITSの一種である。
本研究では, 顔の感情認識, 頭部ポーズ推定, 学習者の認知スタイルに基づいて, 学習環境をパーソナライズするシステムの設計, 実装, 評価を行った。
論文 参考訳(メタデータ) (2021-11-21T13:06:56Z) - Point Adversarial Self Mining: A Simple Method for Facial Expression
Recognition [79.75964372862279]
本稿では,表情認識における認識精度を向上させるために,PASM(Point Adversarial Self Mining)を提案する。
PASMは、目標タスクに関連する最も情報性の高い位置を見つけるために、ポイント敵攻撃法と訓練された教師ネットワークを使用する。
適応学習教材の生成と教師/学生の更新を複数回行うことができ、ネットワーク能力が反復的に向上する。
論文 参考訳(メタデータ) (2020-08-26T06:39:24Z) - Peer-inspired Student Performance Prediction in Interactive Online
Question Pools with Graph Neural Network [56.62345811216183]
本稿では,対話型オンライン質問プールにおいて,より優れた生徒のパフォーマンス予測を実現するために,グラフニューラルネットワーク(GNN)を用いた新しいアプローチを提案する。
具体的には,学生のインタラクションを用いた学生と質問の関係をモデル化し,学生のインタラクション・クエストネットワークを構築する。
1631の質問に対して4000人以上の学生の問題解決過程において生成した104,113個のマウス軌跡からなる実世界のデータセットに対するアプローチの有効性を評価した。
論文 参考訳(メタデータ) (2020-08-04T14:55:32Z) - Prescribing Deep Attentive Score Prediction Attracts Improved Student
Engagement [3.826813422964192]
韓国で約780万人のユーザーがいる多プラットフォーム英語ITSであるSantaに対して、最先端のディープラーニングに基づくスコア予測モデルを適用した。
我々は、より正確なモデルが学生のエンゲージメントを高めるかどうかを検証するために、協調フィルタリングと深い注意神経ネットワークに基づいて、2つのモデルでITS上で制御されたA/Bテストを実行する。
論文 参考訳(メタデータ) (2020-04-27T02:05:40Z)
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。