論文の概要: Comparative Study of Learning Outcomes for Online Learning Platforms

• arxiv url: http://arxiv.org/abs/2104.07763v1
• Date: Thu, 15 Apr 2021 20:40:24 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-19 14:34:22.394703
• Title: Comparative Study of Learning Outcomes for Online Learning Platforms
• Title（参考訳）: オンライン学習プラットフォームにおける学習結果の比較研究
• Authors: Francois St-Hilaire, Nathan Burns, Robert Belfer, Muhammad Shayan, Ariella Smofsky, Dung Do Vu, Antoine Frau, Joseph Potochny, Farid Faraji, Vincent Pavero, Neroli Ko, Ansona Onyi Ching, Sabina Elkins, Anush Stepanyan, Adela Matajova, Laurent Charlin, Yoshua Bengio, Iulian Vlad Serban and Ekaterina Kochmar
• Abstract要約: パーソナライゼーションとアクティブラーニングは、学習の成功の鍵となる側面です。 私たちは2つの人気のあるオンライン学習プラットフォームの学習結果の比較正面調査を実施します。
• 参考スコア（独自算出の注目度）: 47.5164159412965
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Personalization and active learning are key aspects to successful learning. These aspects are important to address in intelligent educational applications, as they help systems to adapt and close the gap between students with varying abilities, which becomes increasingly important in the context of online and distance learning. We run a comparative head-to-head study of learning outcomes for two popular online learning platforms: Platform A, which follows a traditional model delivering content over a series of lecture videos and multiple-choice quizzes, and Platform B, which creates a personalized learning environment and provides problem-solving exercises and personalized feedback. We report on the results of our study using pre- and post-assessment quizzes with participants taking courses on an introductory data science topic on two platforms. We observe a statistically significant increase in the learning outcomes on Platform B, highlighting the impact of well-designed and well-engineered technology supporting active learning and problem-based learning in online education. Moreover, the results of the self-assessment questionnaire, where participants reported on perceived learning gains, suggest that participants using Platform B improve their metacognition.
• Abstract（参考訳）: パーソナライゼーションとアクティブラーニングは、学習の成功の鍵となる側面である。 これらの側面は、様々な能力を持つ学生間のギャップをシステムが適応し、閉じるのを助けるため、インテリジェントな教育アプリケーションにおいて対処することが重要であり、オンラインと遠隔学習の文脈においてますます重要になっている。 Aプラットフォームは、一連の講義ビデオと複数選択クイズを通じてコンテンツを配信する伝統的なモデルに従い、Bプラットフォームはパーソナライズされた学習環境を作成し、問題解決演習とパーソナライズされたフィードバックを提供する。 本研究は,2つのプラットフォーム上でデータサイエンスの入門講座を受講した参加者を対象に,事前評価と後評価のクイズを用いた研究結果について報告する。 我々は,プラットフォームbにおける学習結果の統計的に有意な増加を観察し,オンライン教育におけるアクティブラーニングと問題ベースラーニングを支援する高度に設計された技術の影響を浮き彫りにした。 また,自己評価アンケートの結果から,プラットフォームbを用いた被験者のメタ認知が向上することが示唆された。

関連論文リスト

• Let Students Take the Wheel: Introducing Post-Quantum Cryptography with Active Learning [4.804847392457553]
  ポスト量子暗号(PQC)は、既存のソフトウェアシステムをセキュアにするためのソリューションとして認識されている。 本研究は,PQCを大学生や大学院生に教える上での,新たなアクティブラーニング手法を提案する。
  論文  参考訳（メタデータ） (2024-10-17T01:52:03Z)
• SELFI: Autonomous Self-Improvement with Reinforcement Learning for Social Navigation [54.97931304488993]
  体験と対話し、改善する自己改善ロボットは、ロボットシステムの現実的な展開の鍵となる。 本研究では,オンラインロボット体験を活用したオンライン学習手法であるSELFIを提案する。 本研究では, 衝突回避の観点からの改善と, より社会的に順応する行動について報告する。
  論文  参考訳（メタデータ） (2024-03-01T21:27:03Z)
• A Set of Essentials for Online Learning : CSE-SET [0.0]
  本研究は,オンライン学習を効果的に行うための重要な要素の集合を詳述する。 この研究は、学生や他の利害関係者がオンライン学習に参加する動機となる一連の要因を列挙している。
  論文  参考訳（メタデータ） (2023-03-26T04:33:52Z)
• Responsible Active Learning via Human-in-the-loop Peer Study [88.01358655203441]
  我々は,データプライバシを同時に保持し,モデルの安定性を向上させるために,Pear Study Learning (PSL) と呼ばれる責任あるアクティブラーニング手法を提案する。 まず,クラウドサイドのタスク学習者(教師)から未学習データを分離する。 トレーニング中、タスク学習者は軽量なアクティブ学習者に指示し、アクティブサンプリング基準に対するフィードバックを提供する。
  論文  参考訳（メタデータ） (2022-11-24T13:18:27Z)
• A New Era: Intelligent Tutoring Systems Will Transform Online Learning for Millions [41.647427931578335]
  AIを活用した学習は、数百万人の学習者に高度にパーソナライズされ、アクティブで実践的な学習体験を提供する。 本稿では,2つのオンライン学習プラットフォームを対象とした学習結果の比較研究の結果を紹介する。
  論文  参考訳（メタデータ） (2022-03-03T18:55:33Z)
• A Network Science Perspective to Personalized Learning [0.0]
  コンテンツ選択とマルチモーダルなエンゲージメントを提供する学習プラットフォームを用いて,学習目標の達成方法を検討する。 このフレームワークは、知識のネットワークによって支持される学習者のエンゲージメントとコンテンツ選択を提供することによって、経験を教えるのではなく、学習経験に注意を向ける。
  論文  参考訳（メタデータ） (2021-11-02T01:50:01Z)
• Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
  パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。 近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
  論文  参考訳（メタデータ） (2021-01-19T12:23:32Z)
• Key principles for workforce upskilling via online learning: a learning analytics study of a professional course in additive manufacturing [2.014343808433054]
  本研究は,学習対象分析と視覚学習分析を組み合わせて,学習軌跡,エンゲージメント,パフォーマンスの関連性を検討する。 この研究は、コース設計者やインストラクターがコースの割り当て、学習目標、評価尺度を学習者のニーズや関心と整合させるための幅広い戦略を強調している。
  論文  参考訳（メタデータ） (2020-08-15T00:30:56Z)
• Peer-inspired Student Performance Prediction in Interactive Online Question Pools with Graph Neural Network [56.62345811216183]
  本稿では,対話型オンライン質問プールにおいて,より優れた生徒のパフォーマンス予測を実現するために,グラフニューラルネットワーク(GNN)を用いた新しいアプローチを提案する。 具体的には,学生のインタラクションを用いた学生と質問の関係をモデル化し,学生のインタラクション・クエストネットワークを構築する。 1631の質問に対して4000人以上の学生の問題解決過程において生成した104,113個のマウス軌跡からなる実世界のデータセットに対するアプローチの有効性を評価した。
  論文  参考訳（メタデータ） (2020-08-04T14:55:32Z)

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。