論文の概要: Relationship between Student Engagement and Performance in e-Learning Environment Using Association Rules

• arxiv url: http://arxiv.org/abs/2101.02006v1
• Date: Fri, 25 Dec 2020 17:00:23 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-25 04:29:08.660271
• Title: Relationship between Student Engagement and Performance in e-Learning Environment Using Association Rules
• Title（参考訳）: アソシエーションルールを用いたeラーニング環境における学生の参加とパフォーマンスの関係
• Authors: Abdallah Moubayed, MohammadNoor Injadat, Abdallah Shami, Hanan Lutfiyya
• Abstract要約: eラーニングプラットフォームが直面する課題の1つは、学生のモチベーションとエンゲージメントを維持する方法だ。 本稿では,学生の関与と学業成績との関係について検討する。
• 参考スコア（独自算出の注目度）: 9.006364242523249
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The field of e-learning has emerged as a topic of interest in academia due to the increased ease of accessing the Internet using using smart-phones and wireless devices. One of the challenges facing e-learning platforms is how to keep students motivated and engaged. Moreover, it is also crucial to identify the students that might need help in order to make sure their academic performance doesn't suffer. To that end, this paper tries to investigate the relationship between student engagement and their academic performance. Apriori association rules algorithm is used to derive a set of rules that relate student engagement to academic performance. Experimental results' analysis done using confidence and lift metrics show that a positive correlation exists between students' engagement level and their academic performance in a blended e-learning environment. In particular, it is shown that higher engagement often leads to better academic performance. This cements the previous work that linked engagement and academic performance in traditional classrooms.
• Abstract（参考訳）: 電子学習の分野は、スマートフォンやワイヤレスデバイスを使ってインターネットにアクセスしやすくなったため、学界への関心が高まりつつある。 eラーニングプラットフォームが直面する課題のひとつは、学生のモチベーションとエンゲージメントを維持する方法だ。 また,学業成績が損なわれないように支援が必要な学生を特定することも重要である。 そこで本研究では,学生のエンゲージメントと学業成績との関係について検討する。 apriori association rulesアルゴリズムは、学生のエンゲージメントとアカデミックなパフォーマンスを関連づける一連のルールを導出するために使用される。 信頼度とリフト指標を用いた実験結果の分析により,混合型e-ラーニング環境において,学生のエンゲージメントレベルと学業成績との間に正の相関がみられた。 特に、エンゲージメントが高まると学業成績が上がることがしばしば示されている。 これは従来の教室でのエンゲージメントと学業成績を結びつけた以前の研究を補強するものである。

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)
• CLGT: A Graph Transformer for Student Performance Prediction in Collaborative Learning [6.140954034246379]
  協調学習のための拡張グラフトランスフォーマーフレームワーク(CLGT)を提案する。 実験結果から,提案したCLGTは,実世界のデータセットに基づいて予測を行うという点で,ベースラインモデルよりも優れていたことが確認された。
  論文  参考訳（メタデータ） (2023-07-30T09:54:30Z)
• 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)
• The Wits Intelligent Teaching System: Detecting Student Engagement During Lectures Using Convolutional Neural Networks [0.30458514384586394]
  Wits Intelligent Teaching System (WITS) は、学生の感情に関するリアルタイムフィードバックを講師に支援することを目的としている。 AlexNetベースのCNNはトレーニングが成功し、Support Vector Machineアプローチを大きく上回っている。
  論文  参考訳（メタデータ） (2021-05-28T12:59:37Z)
• Distilling Knowledge via Knowledge Review [69.15050871776552]
  教師と学生のネットワーク間の接続経路のクロスレベル要因を研究し、その大きな重要性を明らかにします。 知識蒸留において初めて, クロスステージ接続経路が提案されている。 最終的に設計されたネストでコンパクトなフレームワークは、無視できるオーバーヘッドを必要とし、さまざまなタスクで他のメソッドよりも優れています。
  論文  参考訳（メタデータ） (2021-04-19T04:36:24Z)
• 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)
• 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)
• 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)
• Student Engagement Detection Using Emotion Analysis, Eye Tracking and Head Movement with Machine Learning [0.0]
  学生のエンゲージメントレベルを検出するシステムを提案する。 ノートパソコンに内蔵されている一般的なウェブカメラが提供する情報のみを使用する。
  論文  参考訳（メタデータ） (2019-09-18T15:46:48Z)

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。