論文の概要: Automating Transfer Credit Assessment in Student Mobility -- A Natural
Language Processing-based Approach
- arxiv url: http://arxiv.org/abs/2104.01955v1
- Date: Mon, 5 Apr 2021 15:14:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-06 14:51:59.475979
- Title: Automating Transfer Credit Assessment in Student Mobility -- A Natural
Language Processing-based Approach
- Title(参考訳): 学生モビリティにおける伝票信用評価の自動化 - 自然言語処理に基づくアプローチ
- Authors: Dhivya Chandrasekaran and Vijay Mago
- Abstract要約: 本稿では、自然言語処理(NLP)分野の進歩を利用してこのプロセスを効果的に自動化するモデルを特定することに焦点を当てる。
学習結果の分類学的類似度(los)を評価するために,知識に基づく意味的類似度尺度に基づくクラスタリングを応用したモデルを提案する。
los間の類似性はさらに集約され、コースの類似性を形成する。
- 参考スコア(独自算出の注目度): 5.947076788303102
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Student mobility or academic mobility involves students moving between
institutions during their post-secondary education, and one of the challenging
tasks in this process is to assess the transfer credits to be offered to the
incoming student. In general, this process involves domain experts comparing
the learning outcomes of the courses, to decide on offering transfer credits to
the incoming students. This manual implementation is not only labor-intensive
but also influenced by undue bias and administrative complexity. The proposed
research article focuses on identifying a model that exploits the advancements
in the field of Natural Language Processing (NLP) to effectively automate this
process. Given the unique structure, domain specificity, and complexity of
learning outcomes (LOs), a need for designing a tailor-made model arises. The
proposed model uses a clustering-inspired methodology based on knowledge-based
semantic similarity measures to assess the taxonomic similarity of LOs and a
transformer-based semantic similarity model to assess the semantic similarity
of the LOs. The similarity between LOs is further aggregated to form course to
course similarity. Due to the lack of quality benchmark datasets, a new
benchmark dataset containing seven course-to-course similarity measures is
proposed. Understanding the inherent need for flexibility in the
decision-making process the aggregation part of the model offers tunable
parameters to accommodate different scenarios. While providing an efficient
model to assess the similarity between courses with existing resources, this
research work steers future research attempts to apply NLP in the field of
articulation in an ideal direction by highlighting the persisting research
gaps.
- Abstract(参考訳): 学生のモビリティやアカデミックモビリティは、中等教育中に学生が機関間を移動することを伴うが、この過程における課題の1つは、生徒に提供すべき転校クレジットを評価することである。
一般的に、このプロセスには、コースの学習結果を比較するドメイン専門家が関与し、入学した学生に伝票を提供することを決める。
この手作業による実施は、労働集約的なだけでなく、不適切なバイアスや管理上の複雑さの影響も受けている。
提案論文は、自然言語処理(NLP)分野の進歩を利用してこのプロセスを効果的に自動化するモデルを特定することに焦点を当てている。
独特な構造、ドメイン特異性、学習結果(LO)の複雑さを考えると、テーラーメイドモデルの設計の必要性が生じる。
提案モデルは,知識に基づく意味的類似度尺度に基づくクラスタリングに基づく手法を用いて,LOの分類学的類似度を評価する。
los間の類似性はさらに集約され、コースの類似性を形成する。
品質ベンチマークデータセットの欠如により、7つのコース間類似性指標を含む新しいベンチマークデータセットが提案されている。
意思決定プロセスに固有の柔軟性の必要性を理解する モデルの集約部は、異なるシナリオに対応するように調整可能なパラメータを提供する。
本研究は,既存の資源とコース間の類似性を評価するための効率的なモデルを提供する一方で,継続する研究ギャップを強調することにより,音声の分野でのNLPの適用を理想的な方向に進めることを目指す。
関連論文リスト
- SymbolicAI: A framework for logic-based approaches combining generative
models and solvers [10.558183419341514]
SymbolicAIは、生成プロセスにおける概念学習とフロー管理に論理ベースのアプローチを採用する、汎用的でモジュール化されたフレームワークである。
我々は,大規模言語モデル(LLM)を,自然言語命令と形式言語命令の両方に基づいてタスクを実行する意味的解決器として扱う。
論文 参考訳(メタデータ) (2024-02-01T18:50:50Z) - Causal Coordinated Concurrent Reinforcement Learning [8.654978787096807]
本稿では,データ共有と協調探索のための新しいアルゴリズムフレームワークを提案する。
本アルゴリズムは,独立規制による個人差分制御モデルパラメータの抽出において,付加雑音モデル-混合モデル(ANM-MM)という形で因果推論アルゴリズムを利用する。
抽出したモデルパラメータの類似度に基づく新しいデータ共有方式を提案し, 自己回帰, 振り子, カートポールのスイングアップタスクのセットにおいて, 優れた学習速度を示す。
論文 参考訳(メタデータ) (2024-01-31T17:20:28Z) - Differentiable Retrieval Augmentation via Generative Language Modeling
for E-commerce Query Intent Classification [8.59563091603226]
本稿では,この問題を解決するために,ジェネレーティブなLanguageモデリング(Dragan)による識別可能な検索拡張を提案する。
本稿では,eコマース検索における難解なNLPタスク,すなわちクエリ意図分類における提案手法の有効性を示す。
論文 参考訳(メタデータ) (2023-08-18T05:05:35Z) - Latent Variable Representation for Reinforcement Learning [131.03944557979725]
モデルに基づく強化学習のサンプル効率を改善するために、潜在変数モデルが学習、計画、探索をいかに促進するかは理論上、実証上、不明である。
状態-作用値関数に対する潜在変数モデルの表現ビューを提供する。これは、抽出可能な変分学習アルゴリズムと楽観主義/悲観主義の原理の効果的な実装の両方を可能にする。
特に,潜伏変数モデルのカーネル埋め込みを組み込んだUPB探索を用いた計算効率の良い計画アルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-12-17T00:26:31Z) - 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) - Transfer Learning Based Co-surrogate Assisted Evolutionary Bi-objective
Optimization for Objectives with Non-uniform Evaluation Times [9.139734850798124]
多目的進化アルゴリズムは、それぞれの目的関数を同じ時間内に評価できると仮定する。
高速な対象関数と低速な対象関数の間の機能的関係をモデル化するために、共代理が採用される。
高速な目的の探索プロセスから有用な知識を得るために、転送可能なインスタンス選択法を導入する。
論文 参考訳(メタデータ) (2021-08-30T16:10:15Z) - Concurrent Discrimination and Alignment for Self-Supervised Feature
Learning [52.213140525321165]
既存の自己指導型学習手法は,(1)どの特徴が分離されるべきかを明確に示すこと,あるいは(2)どの特徴が閉じるべきかを明確に示すこと,のいずれかのプリテキストタスクを用いて学習する。
本研究では,識別・調整手法の正の側面を組み合わせて,上記の課題に対処するハイブリッド手法を設計する。
本手法は,識別的予測タスクによってそれぞれ反発とアトラクションのメカニズムを明確に特定し,ペアビュー間の相互情報を同時に最大化する。
確立された9つのベンチマーク実験により,提案モデルが自己監督と移動の既成結果より一貫して優れていることが示された。
論文 参考訳(メタデータ) (2021-08-19T09:07:41Z) - A Taxonomy of Similarity Metrics for Markov Decision Processes [62.997667081978825]
近年、伝達学習は強化学習(RL)アルゴリズムをより効率的にすることに成功した。
本稿では,これらの指標を分類し,これまでに提案されている類似性の定義を分析する。
論文 参考訳(メタデータ) (2021-03-08T12:36:42Z) - Interpretable Multi-dataset Evaluation for Named Entity Recognition [110.64368106131062]
本稿では,名前付きエンティティ認識(NER)タスクに対する一般的な評価手法を提案する。
提案手法は,モデルとデータセットの違いと,それらの間の相互作用を解釈することを可能にする。
分析ツールを利用可能にすることで、将来の研究者が同様の分析を実行し、この分野の進歩を促進することができる。
論文 参考訳(メタデータ) (2020-11-13T10:53:27Z) - Task-Feature Collaborative Learning with Application to Personalized
Attribute Prediction [166.87111665908333]
本稿では,TFCL(Task-Feature Collaborative Learning)と呼ばれる新しいマルチタスク学習手法を提案する。
具体的には、まず、特徴とタスクの協調的なグループ化を活用するために、不均一なブロック対角構造正規化器を用いたベースモデルを提案する。
実際の拡張として,重なり合う機能と難易度を区別することで,基本モデルを拡張します。
論文 参考訳(メタデータ) (2020-04-29T02:32:04Z)
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。