Fugu-MT 論文翻訳(概要): Effects of Early Warning Emails on Student Performance

論文の概要: Effects of Early Warning Emails on Student Performance

arxiv url: http://arxiv.org/abs/2102.08803v4
Date: Tue, 14 Feb 2023 09:48:39 GMT
ステータス: 処理完了
システム内更新日: 2023-03-25 03:53:47.061519
Title: Effects of Early Warning Emails on Student Performance
Title（参考訳）: 早期警戒メールが学生のパフォーマンスに及ぼす影響
Authors: Jens Klenke, Till Massing, Natalie Reckmann, Janine Langerbein, Benjamin Otto, Michael Goedicke, Christoph Hanck
Abstract要約: 本研究では,e-assmentプラットフォームの学習データを用いて,初歩的な数学統計学コースを行い,各学生が最終試験に合格する確率を予測する。試験に合格する確率が低い学生に警告メールを送る。以上の結果から, より集中的に投与した場合にのみ, 有効性が示唆された。
参考スコア（独自算出の注目度）: 0.5387709967970504
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: We use learning data of an e-assessment platform for an introductory mathematical statistics course to predict the probability of passing the final exam for each student. Subsequently, we send warning emails to students with a low predicted probability to pass the exam. We detect a positive but imprecisely estimated effect of this treatment, suggesting the effectiveness of such interventions only when administered more intensively.
Abstract（参考訳）: 初等数学統計コースにおいて,e-assessment platformの学習データを用いて,各学生の最終試験に合格する確率を予測する。その後、予測確率の低い生徒に警告メールを送り、試験に合格する。本治療の効果は,より集中的に投与した場合にのみ有効であることが示唆された。

関連論文リスト

A Supervised Contrastive Learning Pretrain-Finetune Approach for Time Series [15.218841180577135]
本稿では,教師付きコントラスト学習を利用して,事前学習データセット内の特徴を識別する新しい事前学習手法を提案する。次に、事前学習データセットの学習力学とより密に連携することで、目標データの正確な予測を強化するための微調整手順を提案する。
論文参考訳（メタデータ） (2023-11-21T02:06:52Z)
Machine Learning Who to Nudge: Causal vs Predictive Targeting in a Field Experiment on Student Financial Aid Renewal [5.044100238869374]
53,000人以上の大学生を対象に,大規模フィールド実験におけるターゲットの価値を分析した。低ベースライン結果に基づくターゲティングが最も有効であることを示す。
論文参考訳（メタデータ） (2023-10-12T19:08:45Z)
B-Learner: Quasi-Oracle Bounds on Heterogeneous Causal Effects Under Hidden Confounding [51.74479522965712]
本稿では,B-Learnerと呼ばれるメタラーナーを提案する。我々は、その推定が有効で、鋭く、効率的であることを証明し、既存の方法よりも一般的な条件下で構成推定器に対して準オーラル特性を持つことを示した。
論文参考訳（メタデータ） (2023-04-20T18:07:19Z)
Difficult Lessons on Social Prediction from Wisconsin Public Schools [32.90759447739759]
早期警戒システムは、学生が退学するリスクがあるかを予測することで、個々の学生への介入を標的にすることを支援する。広く採用されているにもかかわらず、EWSの有効性に対する私たちの理解には大きなギャップが残っています。本研究では,学生の退学リスクを正確に判断する実証的証拠を提示する。卒業率の1桁の上昇を招いた可能性があるが、我々の経験的分析では、前向きな治療効果がないと確実に判断することはできない。
論文参考訳（メタデータ） (2023-04-13T00:59:12Z)
ASPEST: Bridging the Gap Between Active Learning and Selective Prediction [56.001808843574395]
選択予測は、不確実な場合の予測を棄却する信頼性のあるモデルを学ぶことを目的としている。アクティブラーニングは、最も有意義な例を問うことで、ラベリングの全体、すなわち人間の依存度を下げることを目的としている。本研究では,移動対象領域からより情報のあるサンプルを検索することを目的とした,新たな学習パラダイムである能動的選択予測を導入する。
論文参考訳（メタデータ） (2023-04-07T23:51:07Z)
Systematic Evaluation of Predictive Fairness [60.0947291284978]
バイアス付きデータセットのトレーニングにおけるバイアスの緩和は、重要なオープンな問題である。複数のタスクにまたがる様々なデバイアス化手法の性能について検討する。データ条件が相対モデルの性能に強い影響を与えることがわかった。
論文参考訳（メタデータ） (2022-10-17T05:40:13Z)
The Untold Impact of Learning Approaches on Software Fault-Proneness Predictions [2.01747440427135]
本稿では,2つの学習手法である useAllPredictAll と usePredictPost が,ソフトウェア故障予測の性能に与える影響について検討する。 useAllPredictAllを使用すると、リリース内とリリース間の両方で、usePredictPostを使用するよりも大幅にパフォーマンスが向上する。
論文参考訳（メタデータ） (2022-07-12T17:31:55Z)
Improved Fine-tuning by Leveraging Pre-training Data: Theory and Practice [52.11183787786718]
対象データに事前学習されたモデルを微調整することは、多くのディープラーニングアプリケーションで広く利用されている。近年の研究では、スクラッチからのトレーニングが、この事前トレーニング戦略に比較して、最終的なパフォーマンスを示すことが実証されている。本稿では,対象タスクの一般化を改善するために,事前学習データからサブセットを選択する新しい選択戦略を提案する。
論文参考訳（メタデータ） (2021-11-24T06:18:32Z)
The application of predictive analytics to identify at-risk students in health professions education [0.0]
機械学習は、どの学生が国家認定試験に失敗するリスクがあるかを予測するために使用される。受験前には、学生が受験する前に教育者が有意義に介入できるような予測がなされている。最良の予測モデルは精度93%、感度69%、特異性94%である。
論文参考訳（メタデータ） (2021-08-05T03:55:53Z)
Predicting MOOCs Dropout Using Only Two Easily Obtainable Features from the First Week's Activities [56.1344233010643]
いくつかの特徴は、学習者の誘惑や興味の欠如に寄与すると考えられており、そのことが解脱や総減退につながる可能性がある。この研究は、いくつかの機械学習アプローチを比較して、最初の1週間から早期のドロップアウトを予測することを目的としている。
論文参考訳（メタデータ） (2020-08-12T10:44:49Z)
Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
論文参考訳（メタデータ） (2020-06-14T01:15:00Z)

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。