論文の概要: Mechanical TA 2: A System for Peer Grading with TA Support

• arxiv url: http://arxiv.org/abs/2101.10078v1
• Date: Mon, 18 Jan 2021 17:41:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-14 21:02:02.789568
• Title: Mechanical TA 2: A System for Peer Grading with TA Support
• Title（参考訳）: 機械的TA2: TAをサポートしたピアグレーディングシステム
• Authors: Hedayat Zarkoob, Farzad Abdolhosseini, and Kevin Leyton-Brown
• Abstract要約: メカニカル TA 2 (MTA2) は、信頼性の高い TA グレーダを利用して高品質なピアレビューをインセンティブ化する、オープンソースの Web ベースのピアグレーティングアプリケーションである。 MTA2は2つの相互接続された目的を果たす: 実用的なピアグレーディングを容易にし、異なるピアグレーディング機構の実験用のテストベッドとして機能する。 このシステムの特徴は、カスタマイズを容易にするモジュラーデザイン、生徒をピアグレードの技量に基づいて異なるプールに分割する支援、自動校正とスポットチェックの仕組み、学生が格付けをアピールし、個々のレビューに対するフィードバックを与える能力などである。
• 参考スコア（独自算出の注目度）: 10.43721835024958
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mechanical TA 2 (MTA2) is an open source web-based peer grading application that leverages trusted TA graders to incentivize high-quality peer review. A previous, prototype implementation of MTA proved the value of the concept, but was neither suitable for use at scale nor easily extensible; MTA2 is a complete reimplementation of the system that overcomes these hurdles. MTA2 serves two, interconnected purposes: facilitating practical peer grading and serving as a testbed for experimentation with different peer grading mechanisms. The system is characterized by a modular design that makes customization easy; support for dividing students into different pools based on their peer-grading prowess; mechanisms for automated calibration and spot checking; and the ability for students to appeal grades and to give feedback about individual reviews.
• Abstract（参考訳）: Mechanical TA 2 (MTA2) は、信頼性の高い TA グレーダを利用して高品質なピアレビューをインセンティブ化する、オープンソースの Web ベースのピアグレーティングアプリケーションである。 以前のMTAのプロトタイプ実装では、コンセプトの価値は証明されていたが、スケールや拡張性には適せず、MTA2はこれらのハードルを克服したシステムを完全に再実装した。 MTA2は2つの相互接続された目的を果たす: 実用的なピアグレーディングを容易にし、異なるピアグレーディング機構の実験用のテストベッドとして機能する。 このシステムの特徴は、カスタマイズを容易にするモジュラーデザイン、生徒をピアグレードの技量に基づいて異なるプールに分割する支援、自動校正とスポットチェックの仕組み、学生が格付けをアピールし、個々のレビューに対するフィードバックを与える能力などである。

関連論文リスト

• Multi Teacher Privileged Knowledge Distillation for Multimodal Expression Recognition [58.41784639847413]
  人間の感情は、表情、声調、ボディランゲージ、生理的信号を通じて伝達され知覚される複雑な現象である。 本稿では, 学生に蒸留する前に, 教師の多様な表現を並べ合わせるために, 自己蒸留による多教師PKD(MT-PKDOT)法を提案する。 その結果,提案手法はSOTA PKD法より優れていることがわかった。
  論文  参考訳（メタデータ） (2024-08-16T22:11:01Z)
• Hydra-MDP: End-to-end Multimodal Planning with Multi-target Hydra-Distillation [115.63989808986105]
  教師-学生モデルに複数の教師を取り入れた新しいパラダイムであるHydra-MDPを提案する。 このアプローチは、学生モデルを訓練するために、人間とルールベースの教師の両方からの知識蒸留を利用する。 ルールベースの教師の知識により、Hydra-MDPは、非微分不可能な後処理に頼るのではなく、エンド・ツー・エンドの方法で環境がプランニングにどのように影響するかを学ぶ。
  論文  参考訳（メタデータ） (2024-06-11T06:18:26Z)
• EmbedDistill: A Geometric Knowledge Distillation for Information Retrieval [83.79667141681418]
  大規模なニューラルモデル(トランスフォーマーなど)は、情報検索(IR)のための最先端のパフォーマンスを達成する 本研究では,大規模教師モデルで学習したクエリとドキュメント間の相対的幾何を利用した新しい蒸留手法を提案する。 提案手法は, 両エンコーダ (DE) とクロスエンコーダ (CE) の2種類の教師モデルから, 95～97%の教師性能を維持できる1/10の非対称な学生への蒸留に成功した。
  論文  参考訳（メタデータ） (2023-01-27T22:04:37Z)
• USER: Unified Semantic Enhancement with Momentum Contrast for Image-Text Retrieval [115.28586222748478]
  Image-Text Retrieval (ITR) は、与えられたクエリに意味のあるターゲットインスタンスを、他のモダリティから検索することを目的としている。 既存のアプローチは通常、2つの大きな制限に悩まされる。
  論文  参考訳（メタデータ） (2023-01-17T12:42:58Z)
• Dual Learning for Large Vocabulary On-Device ASR [64.10124092250128]
  デュアル・ラーニング(英: Dual learning)は、教師なしのデータを一度に2つの逆のタスクを解くことによって活用しようとする、半教師なし機械学習のパラダイムである。 本稿では,Librispeech全体をトレーニングしたオンデバイスサイズのストリーミングコンバータの解析を行い,LMを使わずにWERを10.7%/5.2%,LMを11.7%/16.4%改善したことを示す。
  論文  参考訳（メタデータ） (2023-01-11T06:32:28Z)
• Track2Vec: fairness music recommendation with a GPU-free customizable-driven framework [6.2405734957622245]
  Track2Vecは、公正な音楽レコメンデーションのためのGPUフリーのカスタマイズ可能なフレームワークである。 公平度を測定するために,ミスレート-逆地中真実周波数(MR-ITF)と呼ばれる測定基準を導入する。 EvalRS @ CIKM 2022チャレンジでは,GPUフリー環境での価格ランキングを4位に引き上げている。
  論文  参考訳（メタデータ） (2022-10-29T12:53:09Z)
• CAD: Co-Adapting Discriminative Features for Improved Few-Shot Classification [11.894289991529496]
  少数のラベル付きサンプルを与えられた未確認のクラスに適応できるモデルを学ぶことを目的としている。 最近のアプローチでは、特徴抽出器を事前訓練し、その後、エピソードなメタラーニングのための微調整を行う。 本研究は, 複数ショットの分類において, 横断的および再重み付き識別機能を実現するための戦略を提案する。
  論文  参考訳（メタデータ） (2022-03-25T06:14:51Z)
• Weakly Supervised Semantic Segmentation via Alternative Self-Dual Teaching [82.71578668091914]
  本稿では,分類とマスク・リファインメント・コンポーネントを統合された深層モデルに組み込む,コンパクトな学習フレームワークを確立する。 本稿では,高品質な知識相互作用を促進するために,新たな自己双対学習(ASDT)機構を提案する。
  論文  参考訳（メタデータ） (2021-12-17T11:56:56Z)
• A Probabilistic End-To-End Task-Oriented Dialog Model with Latent Belief States towards Semi-Supervised Learning [22.757971831442426]
  信念トラッカーのトレーニングには、ユーザーの発話ごとに高価なターンレベルのアノテーションが必要となることが多い。 本稿では,確率的対話モデルであるLAtent BElief State (LABES)モデルを提案する。 LABES-S2Sは、LABESのSeq2Seqモデルインスタンス化のコピーである。
  論文  参考訳（メタデータ） (2020-09-17T07:26:37Z)
• Few-shot Learning with LSSVM Base Learner and Transductive Modules [20.323443723115275]
  計算オーバーヘッドの少ない既存のものよりも優れた生成を実現するベース学習機として,マルチクラス最小二乗支援ベクトルマシンを導入している。 また、クエリーサンプルを使用してサポートセットを変更する、シンプルで効果的なトランスダクティブモジュールを2つ提案する。 我々のモデルはFSLSTMと呼ばれ、MiniImageNetとCIFAR-FSによる数ショット学習ベンチマークで最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2020-09-12T13:16:55Z)

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。