論文の概要: Constructing a personalized learning path using genetic algorithms
approach
- arxiv url: http://arxiv.org/abs/2104.11276v1
- Date: Thu, 22 Apr 2021 18:43:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-26 12:59:43.418864
- Title: Constructing a personalized learning path using genetic algorithms
approach
- Title（参考訳）: 遺伝的アルゴリズムを用いたパーソナライズ学習経路の構築
- Authors: Lumbardh Elshani, Krenare Pireva Nu\c{c}i
- Abstract要約: 本稿では,遺伝的アルゴリズムに基づくモデルを用いたパーソナライズ学習パスの構築の可能性について述べる。
実験の結果, 遺伝的アルゴリズムは学習対象の難易度, 期間, 評価, 関係度に基づいて最適な学習経路を生成するのに適していることがわかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A substantial disadvantage of traditional learning is that all students
follow the same learning sequence, but not all of them have the same background
of knowledge, the same preferences, the same learning goals, and the same
needs. Traditional teaching resources, such as textbooks, in most cases pursue
students to follow fixed sequences during the learning process, thus impairing
their performance. Learning sequencing is an important research issue as part
of the learning process because no fixed learning paths will be appropriate for
all learners. For this reason, many research papers are focused on the
development of mechanisms to offer personalization on learning paths,
considering the learner needs, interests, behaviors, and abilities. In most
cases, these researchers are totally focused on the student's preferences,
ignoring the level of difficulty and the relation degree that exists between
various concepts in a course. This research paper presents the possibility of
constructing personalized learning paths using genetic algorithm-based model,
encountering the level of difficulty and relation degree of the constituent
concepts of a course. The experimental results shows that the genetic algorithm
is suitable to generate optimal learning paths based on learning object
difficulty level, duration, rating, and relation degree between each learning
object as elementary parts of the sequence of the learning path. From these
results compared to the quality of the traditional learning path, we observed
that even the quality of the weakest learning path generated by our GA approach
is in a favor compared to quality of the traditional learning path, with a
difference of 3.59\%, while the highest solution generated in the end resulted
8.34\% in favor of our proposal compared to the traditional learning paths.
- Abstract（参考訳）: 従来の学習の実質的な欠点は、すべての生徒が同じ学習シーケンスに従うことであるが、すべての生徒が同じ知識の背景、同じ好み、同じ学習目標、同じニーズを持っているわけではない。
教科書のような伝統的な教育資源は、多くの場合、学習プロセス中に一定の順序に従うよう学生を追求し、パフォーマンスを損なう。
学習シークエンシングは学習プロセスの一部として重要な研究課題である。
そのため、多くの研究論文は学習者のニーズ、興味、行動、能力を考慮して学習経路にパーソナライズを提供するメカニズムの開発に焦点を当てている。
ほとんどの場合、これらの研究者は学生の好みに完全に焦点を合わせ、コース内の様々な概念の間に存在する難易度と関係度を無視している。
本研究では,遺伝的アルゴリズムを用いた学習経路構築の可能性について検討し,学習コースの構成概念の難易度と関係度に遭遇する。
遺伝的アルゴリズムは,学習経路のシーケンスの基本部分として,学習対象の難易度,継続時間,評価,関係度に基づいて最適な学習経路を生成するのに適していることを示す。
これらの結果から,従来の学習パスの質と比較すると,GAアプローチによる学習パスの弱さが従来の学習パスの質に比して好意的であり,学習パスの質は3.59倍,学習パスの最高解は8.34倍であった。
関連論文リスト
- Exploring Engagement and Perceived Learning Outcomes in an Immersive Flipped Learning Context [0.195804735329484]
本研究の目的は,学生のオンラインエンゲージメントと学習成果に対する没入型フリップ学習アプローチのメリットと課題を検討することである。
この研究は、高レベルの学生エンゲージメントと学習結果の認知を明らかにしたが、改善が必要な領域も明らかにした。
この研究の成果は、有意義で効果的な遠隔学習体験をデザインしようとする教育者にとって貴重な情報源となる可能性がある。
論文 参考訳（メタデータ） (2024-09-19T11:38:48Z) - Meta-Learning Neural Procedural Biases [9.876317838854018]
我々は、メタ学習タスクの手続きバイアスを考慮に入れた新しいフレームワークであるNeural Procedural Bias Meta-Learningを提案する。
ニューラルネットワークの手続き的バイアスをメタラーニングすることにより、学習タスクの分布に対して強い帰納的バイアスを生じさせ、よく確立された数発の学習ベンチマークで堅牢な学習性能を実現することができることを示す。
論文 参考訳（メタデータ） (2024-06-12T08:09:29Z) - Heterogeneous Contrastive Learning for Foundation Models and Beyond [73.74745053250619]
ビッグデータと人工知能の時代において、新しいパラダイムは、大規模な異種データをモデル化するために、対照的な自己教師付き学習を活用することである。
本調査は基礎モデルの異種コントラスト学習の現況を批判的に評価する。
論文 参考訳（メタデータ） (2024-03-30T02:55:49Z) - Knowledge Tracing Challenge: Optimal Activity Sequencing for Students [0.9814642627359286]
知識追跡(きゅうがく、英: Knowledge Trace)は、個々の学習者による知識の獲得を評価・追跡する教育において用いられる手法である。
我々は,AAAI2023 Global Knowledge Tracing Challengeの一環として,新たにリリースされたデータセット上に2つの知識追跡アルゴリズムを実装した結果を示す。
論文 参考訳（メタデータ） (2023-11-13T16:28:34Z) - A Hierarchy-based Analysis Approach for Blended Learning: A Case Study
with Chinese Students [12.533646830917213]
本稿では,混合学習評価のための階層型評価手法を提案する。
その結果、混合学習評価において、認知的エンゲージメントと感情的エンゲージメントがより重要であることが示された。
論文 参考訳（メタデータ） (2023-09-19T00:09:00Z) - Towards Scalable Adaptive Learning with Graph Neural Networks and
Reinforcement Learning [0.0]
学習経路のパーソナライズに関する問題に対して,フレキシブルでスケーラブルなアプローチを導入する。
我々のモデルはグラフニューラルネットワークに基づく逐次レコメンデーションシステムである。
以上の結果から,小規模データ体制における適切なレコメンデーションを学習できることが示唆された。
論文 参考訳（メタデータ） (2023-05-10T18:16:04Z) - Anti-Retroactive Interference for Lifelong Learning [65.50683752919089]
我々は脳のメタラーニングと連想機構に基づく生涯学習のパラダイムを設計する。
知識の抽出と知識の記憶という2つの側面から問題に取り組む。
提案した学習パラダイムが,異なるタスクのモデルを同じ最適に収束させることができることを理論的に分析した。
論文 参考訳（メタデータ） (2022-08-27T09:27:36Z) - What Makes Good Contrastive Learning on Small-Scale Wearable-based
Tasks? [59.51457877578138]
本研究では,ウェアラブル型行動認識タスクにおけるコントラスト学習について検討する。
本稿では,PyTorchライブラリのtextttCL-HAR について述べる。
論文 参考訳（メタデータ） (2022-02-12T06:10:15Z) - Transferability in Deep Learning: A Survey [80.67296873915176]
知識を習得し再利用する能力は、ディープラーニングにおける伝達可能性として知られている。
本研究は,深層学習における異なる孤立領域と伝達可能性との関係を関連付けるための調査である。
我々はベンチマークとオープンソースライブラリを実装し、転送可能性の観点からディープラーニング手法の公平な評価を可能にする。
論文 参考訳（メタデータ） (2022-01-15T15:03:17Z) - Nonparametric Estimation of Heterogeneous Treatment Effects: From Theory
to Learning Algorithms [91.3755431537592]
プラグイン推定と擬似出力回帰に依存する4つの幅広いメタ学習戦略を解析する。
この理論的推論を用いて、アルゴリズム設計の原則を導出し、分析を実践に翻訳する方法について強調する。
論文 参考訳（メタデータ） (2021-01-26T17:11:40Z) - Importance Weighted Policy Learning and Adaptation [89.46467771037054]
政治外学習の最近の進歩の上に構築された,概念的にシンプルで,汎用的で,モジュール的な補完的アプローチについて検討する。
このフレームワークは確率論的推論文学のアイデアにインスパイアされ、堅牢な非政治学習と事前の行動を組み合わせる。
提案手法は,メタ強化学習ベースラインと比較して,ホールドアウトタスクにおける競合適応性能を実現し,複雑なスパース・リワードシナリオにスケールすることができる。
論文 参考訳（メタデータ） (2020-09-10T14:16:58Z)
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。