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
- Enhancing Model Fairness and Accuracy with Similarity Networks: A Methodological Approach [0.20718016474717196]
インスタンスを類似機能空間にマッピングするために、さまざまなテクニックを使用します。
本手法は, モデルフェアネスとデータセット分類複雑性の関係について, ペアワイズ類似性の分解能を調整できる。
論文 参考訳（メタデータ） (2024-11-08T15:43:01Z) - Unified Generative and Discriminative Training for Multi-modal Large Language Models [88.84491005030316]
生成的トレーニングにより、視覚言語モデル(VLM)は様々な複雑なタスクに取り組むことができる。
CLIPのようなモデルで実証された差別的トレーニングは、ゼロショットイメージテキストの分類と検索に優れています。
本稿では,両パラダイムの強みを統合する統一的アプローチを提案する。
論文 参考訳（メタデータ） (2024-11-01T01:51:31Z) - Modeling Output-Level Task Relatedness in Multi-Task Learning with Feedback Mechanism [7.479892725446205]
マルチタスク学習(MTL)は、異なるレベルで情報を共有することで複数のタスクを同時に学習するパラダイムである。
異なるタスクが相互に影響のある相関出力を生成する可能性があることを考慮し、後続情報をモデルに導入する。
我々は,MTLモデルにフィードバック機構を組み込むことで,あるタスクの出力が他のタスクの隠れ機能として機能する。
論文 参考訳（メタデータ） (2024-04-01T03:27:34Z) - A Probabilistic Model Behind Self-Supervised Learning [53.64989127914936]
自己教師付き学習(SSL)では、アノテートラベルなしで補助的なタスクを通じて表現が学習される。
自己教師型学習のための生成潜在変数モデルを提案する。
対照的な方法を含む識別的SSLのいくつかのファミリーは、表現に匹敵する分布を誘導することを示した。
論文 参考訳（メタデータ） (2024-02-02T13:31:17Z) - 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) - 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 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。