論文の概要: What Makes a Star Teacher? A Hierarchical BERT Model for Evaluating Teacher's Performance in Online Education

• arxiv url: http://arxiv.org/abs/2012.01633v1
• Date: Thu, 3 Dec 2020 01:51:20 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-24 04:14:47.098673
• Title: What Makes a Star Teacher? A Hierarchical BERT Model for Evaluating Teacher's Performance in Online Education
• Title（参考訳）: スター先生って何なの? オンライン教育における教師のパフォーマンス評価のための階層型BERTモデル
• Authors: Wen Wang, Honglei Zhuang, Mi Zhou, Hanyu Liu, Beibei Li
• Abstract要約: 我々は,1,085のオンラインコースのサブタイトルを用いて,教師のパフォーマンスを理解し,効果的に予測する体系的な研究を行う。 これらの知見に基づいて,オンライン教育における教師のパフォーマンスを予測するための階層的なBERTモデルを提案する。 提案モデルでは,各コース内の階層構造と,コース内容から抽出した深い意味的特徴を抽出することができる。
• 参考スコア（独自算出の注目度）: 9.849385259376524
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Education has a significant impact on both society and personal life. With the development of technology, online education has been growing rapidly over the past decade. While there are several online education studies on student behavior analysis, the course concept mining, and course recommendations (Feng, Tang, and Liu 2019; Pan et al. 2017), there is little research on evaluating teachers' performance in online education. In this paper, we conduct a systematic study to understand and effectively predict teachers' performance using the subtitles of 1,085 online courses. Our model-free analysis shows that teachers' verbal cues (e.g., question strategy, emotional appealing, and hedging) and their course structure design are both significantly correlated with teachers' performance evaluation. Based on these insights, we then propose a hierarchical course BERT model to predict teachers' performance in online education. Our proposed model can capture the hierarchical structure within each course as well as the deep semantic features extracted from the course content. Experiment results show that our proposed method achieves significant gain over several state-of-the-art methods. Our study provides a significant social impact in helping teachers improve their teaching style and enhance their instructional material design for more effective online teaching in the future.
• Abstract（参考訳）: 教育は社会と個人の生活に大きな影響を与えている。 テクノロジーの発展に伴い、オンライン教育はこの10年間で急速に成長してきた。 学生行動分析、コースコンセプトマイニング、コースレコメンデーションに関するオンライン教育研究はいくつかある(Feng, Tang, Liu 2019; Pan et al)。 2017年) オンライン教育における教員のパフォーマンス評価についてはほとんど研究されていない。 本稿では,1,085のオンラインコースの字幕を用いて,教師の成績を理解し,効果的に予測する体系的な研究を行う。 モデルフリー分析の結果,教師の言語指導方法(質問戦略,感情的魅力,ヘッジなど)とコース構造設計は,教師のパフォーマンス評価と大きく相関していることがわかった。 これらの知見に基づいて,オンライン教育における教師のパフォーマンスを予測するための階層的なBERTモデルを提案する。 提案モデルでは,各コース内の階層構造と,コース内容から抽出した深い意味的特徴を捉えることができる。 実験の結果,提案手法は最先端手法に比べて有意な利得が得られた。 本研究は,教師の授業スタイルの改善と,より効果的なオンライン授業のための教材デザインの強化に,社会的に大きな影響を与える。

関連論文リスト

• YODA: Teacher-Student Progressive Learning for Language Models [82.0172215948963]
  本稿では,教師が指導するプログレッシブ・ラーニング・フレームワークであるYodaを紹介する。 モデルファインチューニングの有効性を向上させるために,教師の教育過程をエミュレートする。 実験の結果, YODAのデータによるLLaMA2のトレーニングにより, SFTは大幅に向上した。
  論文  参考訳（メタデータ） (2024-01-28T14:32:15Z)
• DialogID: A Dialogic Instruction Dataset for Improving Teaching Effectiveness in Online Environments [24.094249468028664]
  本稿では,30,431の効果的な対話型命令を含むオンライン対話型命令検出データセット,textscDialogIDを提案する。 本稿では,対話型命令検出の品質と一般化を向上する,シンプルで効果的な対向学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2022-06-24T02:07:12Z)
• Better Teacher Better Student: Dynamic Prior Knowledge for Knowledge Distillation [70.92135839545314]
  本研究では,教師の持つ特徴の一部を,特徴蒸留前の先行知識として統合した動的事前知識(DPK)を提案する。 DPKは,教員モデルと生徒モデルのパフォーマンスを正に相関させ,より大きな教員を適用することで生徒の精度をさらに高めることができる。
  論文  参考訳（メタデータ） (2022-06-13T11:52:13Z)
• Iterative Teacher-Aware Learning [136.05341445369265]
  人間の教育において、教師と学生はコミュニケーション効率を最大化するために適応的に交流することができる。 本稿では,教師の協調意図を可能性関数に組み込むことができる,勾配最適化に基づく教師認識学習者を提案する。
  論文  参考訳（メタデータ） (2021-10-01T00:27:47Z)
• The Evaluation Case Study of Online Course During Pandemic Period in Mongolia [0.0]
  本稿では,パンデミック期におけるオンラインコースの自己評価試験とケーススタディについて述べる。 教育開発を継続するためには、従来の対面授業からオンラインコースに切り替える必要があった。 本研究の目的は,構造指向評価モデルに基づくeラーニングの評価プロセスを共有することである。
  論文  参考訳（メタデータ） (2021-05-26T09:35:40Z)
• 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)
• Key principles for workforce upskilling via online learning: a learning analytics study of a professional course in additive manufacturing [2.014343808433054]
  本研究は,学習対象分析と視覚学習分析を組み合わせて,学習軌跡,エンゲージメント,パフォーマンスの関連性を検討する。 この研究は、コース設計者やインストラクターがコースの割り当て、学習目標、評価尺度を学習者のニーズや関心と整合させるための幅広い戦略を強調している。
  論文  参考訳（メタデータ） (2020-08-15T00:30:56Z)
• Interactive Knowledge Distillation [79.12866404907506]
  本稿では,効率的な知識蒸留のための対話型指導戦略を活用するために,対話型知識蒸留方式を提案する。 蒸留工程では,教師と学生のネットワーク間の相互作用を交換操作により行う。 教員ネットワークの典型的な設定による実験により,IAKDで訓練された学生ネットワークは,従来の知識蒸留法で訓練された学生ネットワークよりも優れた性能を示した。
  論文  参考訳（メタデータ） (2020-07-03T03:22:04Z)
• Neural Multi-Task Learning for Teacher Question Detection in Online Classrooms [50.19997675066203]
  教師の音声記録から質問を自動的に検出するエンドツーエンドのニューラルネットワークフレームワークを構築している。 マルチタスク学習手法を取り入れることで,質問の種類によって意味的関係の理解を深めることが可能となる。
  論文  参考訳（メタデータ） (2020-05-16T02:17:04Z)

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。