論文の概要: How to Survive a Learning Management System (LMS) Implementation? A
Stakeholder Analysis Approach
- arxiv url: http://arxiv.org/abs/2102.10521v1
- Date: Sun, 21 Feb 2021 06:10:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-10 07:42:11.132688
- Title: How to Survive a Learning Management System (LMS) Implementation? A
Stakeholder Analysis Approach
- Title(参考訳): 学習管理システム(LMS)の実装を救うには?
利害関係者分析アプローチ
- Authors: Ajayi Ekuase-Anwansedo, Susannah F. Craig, Jose Noguera
- Abstract要約: 全ての学習管理システム(LMS)の実装の目的は,教官や学生によるシステムの利用を保証することである。
この研究は、LMS実装プロセスに関わる様々な利害関係者を特定し、理解することの重要性によって動機付けられている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: To survive a learning management system (LMS) implementation an understanding
of the needs of the various stakeholders is necessary. The goal of every LMS
implementation is to ensure the use of the system by instructors and students
to enhance teaching and communication thereby enhancing learning outcomes of
the students. If the teachers and students do not use the system, the system is
useless. This research is motivated by the importance of identifying and
understanding various stakeholders involved in the LMS implementation process
in order to anticipate possible challenges and identify critical success
factors essential for the effective implementation and adoption of a new LMS
system. To this end, we define the term stakeholder. We conducted a stakeholder
analysis to identify the key stakeholders in an LMS implementation process. We
then analyze their goals and needs, and how they collaborate in the
implementation process. The findings of this work will provide institutions of
higher learning an overview of the implementation process and useful insights
into the needs of the stakeholders, which will in turn ensure an increase in
the level of success achieved when implementing a LMS.
- Abstract(参考訳): 学習管理システム(lms)の実装を生き残るためには、様々な利害関係者のニーズに対する理解が必要である。
全ての LMS 実装の目的は,教員や学生によるシステムの利用を確実にし,教育とコミュニケーションを強化し,学生の学習成果を高めることである。
教師や生徒がシステムを使っていない場合、システムは役に立たない。
本研究は,新たなLMSシステムの実装と導入に不可欠な重要な成功要因を解明するために,LMS実装プロセスに関わる様々なステークホルダを特定し,理解することの重要性を動機としている。
この目的のために、私たちは株主という用語を定義します。
LMS実施プロセスにおける主要な利害関係者を特定するために、ステークホルダー分析を行った。
次に、目標とニーズを分析し、実装プロセスでどのように協力するかを説明します。
この研究の成果は、高等教育機関に実施プロセスの概要と利害関係者のニーズに関する有用な洞察を与え、その結果、LMSを実装する際に達成される成功のレベルが向上することを保証する。
関連論文リスト
- OPEx: A Component-Wise Analysis of LLM-Centric Agents in Embodied
Instruction Following [38.99303334457817]
EIF(Embodied Instruction following)は、自然言語の指示を満たすために、エージェントが自我中心の観察を通して環境と対話することを要求する、実践的な学習において重要なタスクである。
近年,大規模な言語モデル(LLM)をフレームワーク中心のアプローチで採用し,EDFの性能向上が図られている。
EIFタスクの解決に不可欠なコアコンポーネント(Observer、Planner、Executor)を記述した包括的なフレームワークであるOPExを紹介します。
論文 参考訳(メタデータ) (2024-03-05T14:53:53Z) - FATE in MMLA: A Student-Centred Exploration of Fairness, Accountability,
Transparency, and Ethics in Multimodal Learning Analytics [0.0]
本研究は,MMLAビジュアライゼーションを用いて,学生の公正さ,説明責任,透明性,倫理(FATE)を評価した。
発見は、視覚的公正性を保証するために、正確で包括的なデータ表現の重要性を強調した。
学生は倫理的配慮の重要性も強調し、FATE問題を積極的に調査し対処するためにLAとMMLAのコミュニティに圧力をかける必要性を強調している。
論文 参考訳(メタデータ) (2024-02-29T11:52:06Z) - Empowering Large Language Model Agents through Action Learning [89.07382951897941]
大規模言語モデル(LLM)エージェントは最近ますます関心を集めているが、試行錯誤から学ぶ能力は限られている。
我々は、経験から新しい行動を学ぶ能力は、LLMエージェントの学習の進歩に欠かせないものであると論じる。
我々はPython関数の形式でアクションを作成し改善するための反復学習戦略を備えたフレームワークLearningActを紹介した。
論文 参考訳(メタデータ) (2024-02-24T13:13:04Z) - Risk Taxonomy, Mitigation, and Assessment Benchmarks of Large Language
Model Systems [29.828997665535336]
大規模言語モデル(LLM)は、多様な自然言語処理タスクを解く上で強力な能力を持つ。
しかし、LLMシステムの安全性とセキュリティの問題は、その広範な応用にとって大きな障害となっている。
本稿では,LLMシステムの各モジュールに関連する潜在的なリスクを体系的に分析する包括的分類法を提案する。
論文 参考訳(メタデータ) (2024-01-11T09:29:56Z) - 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) - A Survey on Evaluation of Large Language Models [87.60417393701331]
大規模言語モデル(LLM)は、学術と産業の両方で人気が高まっている。
本稿では,評価方法,評価方法,評価方法の3つの重要な側面に焦点をあてる。
論文 参考訳(メタデータ) (2023-07-06T16:28:35Z) - How Can Recommender Systems Benefit from Large Language Models: A Survey [83.90471827695625]
大きな言語モデル(LLM)は、印象的な汎用知性と人間のような能力を示している。
我々は,実世界のレコメンデータシステムにおけるパイプライン全体の観点から,この研究の方向性を包括的に調査する。
論文 参考訳(メタデータ) (2023-06-09T11:31:50Z) - A Domain-Agnostic Approach for Characterization of Lifelong Learning
Systems [128.63953314853327]
「生涯学習」システムには,1)継続的学習,2)伝達と適応,3)拡張性があります。
この一連のメトリクスは、様々な複雑な生涯学習システムの開発に役立てることができることを示す。
論文 参考訳(メタデータ) (2023-01-18T21:58:54Z) - Identifying Critical LMS Features for Predicting At-risk Students [4.718094586237028]
高等教育において学習管理システム(LMS)が不可欠になっている。
データログを用いてデータ分析を行い、学術的にリスクの高い学生を特定することでLMSをさらに活用する。
論文 参考訳(メタデータ) (2022-04-27T22:43:45Z) - A Brief Guide to Designing and Evaluating Human-Centered Interactive
Machine Learning [3.685480240534955]
インタラクティブ機械学習(Interactive Machine Learning, IML)は、意思決定システムにおいて、人間と計算能力の両方を活用する方法を研究する研究分野である。
このガイドは、相互作用する人間の健康、安全、幸福に責任を持つ機械学習の実践者が使用することを意図している。
論文 参考訳(メタデータ) (2022-04-20T17:05:09Z) - Automatic Curriculum Learning through Value Disagreement [95.19299356298876]
新しい未解決タスクを継続的に解決することが、多様な行動を学ぶための鍵です。
エージェントが複数の目標を達成する必要があるマルチタスク領域では、トレーニング目標の選択はサンプル効率に大きな影響を与える可能性がある。
そこで我々は,エージェントが解決すべき目標のための自動カリキュラムを作成することを提案する。
提案手法は,13のマルチゴールロボットタスクと5つのナビゲーションタスクにまたがって評価し,現在の最先端手法よりも高い性能を示す。
論文 参考訳(メタデータ) (2020-06-17T03:58:25Z)
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。