論文の概要: Fostering learners' self-regulation and collaboration skills and
strategies for mobile language learning beyond the classroom
- arxiv url: http://arxiv.org/abs/2104.12486v1
- Date: Sat, 20 Mar 2021 15:57:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-07 08:25:53.858582
- Title: Fostering learners' self-regulation and collaboration skills and
strategies for mobile language learning beyond the classroom
- Title(参考訳): 学習者の自己統制・協調スキルと授業外のモバイル言語学習戦略の育成
- Authors: Olga Viberg and Agnes Kukulska-Hulme
- Abstract要約: この章では、サポートは2つの重要な学習スキル、すなわち自己統制と効果的に協力できるスキルの開発に焦点を当てるべきである、と論じている。
究極の目的は、個別の適応学習パスを提供することによって、教室以外の言語学習を容易にすることである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Many language learners need to be supported in acquiring a second or foreign
language quickly and effectively across learning environments beyond the
classroom. The chapter argues that support should focus on the development of
two vital learning skills, namely being able to self-regulate and to
collaborate effectively in the learning process. We base our argumentation on
the theoretical lenses of self-regulated learning (SRL) and collaborative
learning in the context of mobile situated learning that can take place in a
variety of settings. The chapter examines a sample of selected empirical
studies within the field of mobile-assisted language learning with a twofold
aim. Firstly, the studies are analyzed in order to understand the role of
learner self-regulation and collaboration while acquiring a new language beyond
the classroom. Secondly, we aim to provide a deeper understanding of any
mechanisms provided to develop or support language learners' self-regulated and
collaborative learning skills. Finally, we propose that fostering SRL and
collaborative learning skills and strategies will benefit from recent advances
in the fields of learning analytics and artificial intelligence, coupled with
the use of mobile technologies and self-monitoring mechanisms. The ultimate aim
is to enable the provision of individual adaptive learning paths to facilitate
language learning beyond the classroom.
- Abstract(参考訳): 多くの言語学習者は、教室以外の学習環境において、第二言語または外国語の習得を迅速かつ効果的に支援する必要がある。
この章では、サポートは2つの重要な学習スキル、すなわち自己統制が可能で、学習プロセスにおいて効果的に協力できるスキルの開発に焦点を当てるべきである、と論じている。
我々は,様々な場面で起こり得る移動位置学習の文脈において,自己規制学習(SRL)と協調学習の理論レンズに基づく議論を行う。
本章では,移動支援言語学習分野における選択された経験的研究のサンプルを2倍の目的で検討する。
まず,学習者の自己統制とコラボレーションの役割を理解するために,教室を超えて新しい言語を習得する。
第二に,言語学習者の自己統制型協調学習スキルを開発し,支援するためのメカニズムについて,より深く理解することを目的とする。
最後に,srlと協調学習スキルと戦略の育成は,モバイル技術や自己監視機構の利用と相まって,近年の学習分析と人工知能の分野における進歩の恩恵を受けることを提案する。
究極の目標は、個別の適応学習パスを提供し、教室を超えて言語学習を容易にすることである。
関連論文リスト
- HC$^2$L: Hybrid and Cooperative Contrastive Learning for Cross-lingual Spoken Language Understanding [45.12153788010354]
言語間言語理解のための最先端モデルでは、言語間非教師付きコントラスト学習を行う。
この問題に対処するために,ハイブリッド・協調型コントラスト学習を提案する。
論文 参考訳(メタデータ) (2024-05-10T02:40:49Z) - Scaffolding Language Learning via Multi-modal Tutoring Systems with Pedagogical Instructions [34.760230622675365]
知的家庭教師システム(ITS)は、人間の家庭教師を模倣し、学習者にカスタマイズされた指導やフィードバックを提供することを目的としている。
生成人工知能の出現に伴い、大規模言語モデル(LLM)は、複雑な会話の相互作用をシステムに付与する。
教育指導がITSの足場形成をいかに促進するかを,子どもに言語学習のための画像記述を指導するケーススタディにより検討した。
論文 参考訳(メタデータ) (2024-04-04T13:22:28Z) - Tapping into the Natural Language System with Artificial Languages when
Learning Programming [7.5520627446611925]
本研究の目的は,言語学習機構の活性化による学習プログラムの強化を図り,その実現可能性を検討することである。
我々は,人工言語の学習をカリキュラムに簡単に組み込むことができることを観察した。
しかし,本研究の文脈では,学生がまず人工言語を学ぶと,プログラミング能力に有意な利益が得られなかった。
論文 参考訳(メタデータ) (2024-01-12T07:08:55Z) - Democratizing Reasoning Ability: Tailored Learning from Large Language
Model [97.4921006089966]
そこで我々は,そのような推論能力をより小さなLMに蒸留する,適切な学習手法を提案する。
対話型多ラウンド学習パラダイムを構築することにより,理科教員としてのLLMの可能性を活用する。
より小さなLMの推論可能性を活用するために,学生が自作ミスから学習する動機付けを目的とした自己回帰学習を提案する。
論文 参考訳(メタデータ) (2023-10-20T07:50:10Z) - Unleash Model Potential: Bootstrapped Meta Self-supervised Learning [12.57396771974944]
機械学習の長期的な目標は、監督なしで少数のデータから一般的な視覚表現を学習することである。
自己指導型学習とメタラーニングは、この目標を達成するための2つの有望なテクニックであるが、どちらもメリットを部分的に捉えているだけである。
本稿では,人間の学習過程をシミュレートすることを目的とした,ブートストラップ型メタ自己監視学習フレームワークを提案する。
論文 参考訳(メタデータ) (2023-08-28T02:49:07Z) - Language Cognition and Language Computation -- Human and Machine
Language Understanding [51.56546543716759]
言語理解は認知科学とコンピュータ科学の分野で重要な科学的問題である。
これらの規律を組み合わせることで、インテリジェントな言語モデルを構築する上で、新たな洞察が得られますか?
論文 参考訳(メタデータ) (2023-01-12T02:37:00Z) - In-context Learning Distillation: Transferring Few-shot Learning Ability
of Pre-trained Language Models [55.78264509270503]
そこで本研究では,大規模モデルから小型モデルへ,文脈内数ショット学習能力を移行するために,文脈内学習蒸留を導入する。
メタ・イン・コンテクスト・タニング(Meta-ICT)とマルチタスク・イン・コンテクスト・タニング(Multitask-ICT)の2つの異なる学習パラダイムの下で、イン・コンテクスト・ラーニング・蒸留を行う。
実験と分析により,マルチタスクICTパラダイムの下で,文脈内学習の目的と言語モデリングの目的が相補的であることが明らかとなった。
論文 参考訳(メタデータ) (2022-12-20T22:11:35Z) - 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) - Rethinking Supervised Learning and Reinforcement Learning in
Task-Oriented Dialogue Systems [58.724629408229205]
本稿では、従来の教師あり学習とシミュレータなしの逆学習法を用いて、最先端のRL法に匹敵する性能を実現する方法を示す。
我々の主な目的は、教師あり学習で強化学習に勝ることではなく、タスク指向対話システムの最適化における強化学習と教師あり学習の役割を再考する価値を示すことである。
論文 参考訳(メタデータ) (2020-09-21T12:04:18Z) - Transfer Learning in Deep Reinforcement Learning: A Survey [64.36174156782333]
強化学習は、シーケンシャルな意思決定問題を解決するための学習パラダイムである。
近年、ディープニューラルネットワークの急速な発展により、強化学習の顕著な進歩が見られた。
転校学習は 強化学習が直面する様々な課題に 対処するために生まれました
論文 参考訳(メタデータ) (2020-09-16T18:38:54Z)
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。