論文の概要: Exploratory Learning Environments for Responsible Management Education
Using Lego Serious Play
- arxiv url: http://arxiv.org/abs/2104.12539v1
- Date: Sat, 27 Mar 2021 22:28:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-06 16:52:42.596288
- Title: Exploratory Learning Environments for Responsible Management Education
Using Lego Serious Play
- Title(参考訳): lego serious playを用いた管理教育のための探索学習環境
- Authors: Vasilis Gkogkidis, Nicholas Dacre
- Abstract要約: 我々は,教育的枠組みを開発するための学習促進アプローチとして,構成主義的学習理論とLego Serious Play(LSP)を取り上げる。
LSPは、重要な談話を促進し、非常に複雑な問題に取り組むための学習環境への応用が増えているため、選択されている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Research into responsible management education has largely focused on the
merits, attributes, and transformation opportunities to enhance responsible
business school education aims. As such, a prominent part of the literature has
occupied itself with examining if responsible management modules are inherently
considered a non-crucial element of the curriculum and determining the extent
to which business schools have introduced such learning content into their
curriculum. However, there has been scant research into how to apply novel
teaching approaches to engage students and promote responsible management
education endeavours. As such, this paper seeks to address this gap through the
development of a teaching framework to support educators in designing effective
learning environments focused on responsible management education. We will draw
on constructivist learning theories and Lego Serious Play (LSP) as a learning
enhancement approach to develop a pedagogical framework. LSP is selected due to
its increasing application in learning environments to help promote critical
discourse, and engage with highly complex problems, whether these are social,
economic, environmental, or organisational.
- Abstract(参考訳): 責任ある経営教育の研究は、責任あるビジネススクール教育の目的を高めるためのメリット、属性、変革の機会に主に焦点を当てている。
このように、責任ある管理モジュールが本質的にカリキュラムの非批判的要素であるかどうかを調べ、ビジネススクールがカリキュラムにそのような学習内容を導入する程度を判断する上で、文献の顕著な部分を占めてきた。
しかし、新しい指導手法を学生の関与に応用し、責任ある経営教育を促進させる方法については、少なからぬ研究がなされている。
そこで本稿は,責任ある経営教育に焦点をあてた効果的な学習環境設計を支援する教育枠組みの開発を通じて,このギャップに対処しようとするものである。
教育的枠組みを開発するための学習強化アプローチとして,構成主義的学習理論とlego serious play (lsp) を取り上げる。
lspは、重要な談話を促進し、社会的、経済的、環境的、組織的といった非常に複雑な問題に取り組むために、学習環境への応用が増えているため選択される。
関連論文リスト
- Enhancing Instructional Quality: Leveraging Computer-Assisted Textual
Analysis to Generate In-Depth Insights from Educational Artifacts [13.617709093240231]
本研究では、人工知能(AI)と機械学習(ML)が教育内容、教師の談話、学生の反応を分析して教育改善を促進する方法について検討する。
私たちは、教師のコーチング、学生のサポート、コンテンツ開発など、AI/ML統合が大きな利点をもたらす重要な領域を特定します。
本稿では,AI/ML技術と教育的目標との整合性の重要性を強調し,その教育的可能性を実現する。
論文 参考訳(メタデータ) (2024-03-06T18:29:18Z) - Evaluating and Optimizing Educational Content with Large Language Model
Judgments [58.82156185222133]
言語モデル(LM)を教育専門家として活用し,学習結果に対する様々な指導の影響を評価する。
本稿では,一方のLMが他方のLMの判断を報酬関数として利用して命令材料を生成する命令最適化手法を提案する。
ヒトの教師によるこれらのLM生成ワークシートの評価は、LM判定と人間の教師の嗜好との間に有意な整合性を示す。
論文 参考訳(メタデータ) (2024-03-05T09:09:15Z) - Adapting Large Language Models for Education: Foundational Capabilities,
Potentials, and Challenges [62.909058209342334]
ChatGPTのような大規模言語モデル(LLM)は、個々の要求を解釈することでこの問題を解決する可能性を提供する。
本稿では, 数学, 文章, プログラミング, 推論, 知識に基づく質問応答など, 教育能力に関する最近のLLM研究を概観する。
論文 参考訳(メタデータ) (2023-12-27T14:37:32Z) - A Comprehensive AI Policy Education Framework for University Teaching
and Learning [0.0]
本研究は,テキスト生成型AI技術の認識と意義を検証し,高等教育のためのAI教育政策を開発することを目的とする。
香港の大学では457人の学生と180人の教師とスタッフからデータを収集した。
本研究は,大学教育と学習におけるAI統合の多面的意味に対処する,AIエコロジー教育政策フレームワークを提案する。
論文 参考訳(メタデータ) (2023-04-29T15:35:39Z) - Reinforcement Learning in Education: A Multi-Armed Bandit Approach [12.358921226358133]
強化傾きは、エージェントが状態-作用-逆ループを通過し、エージェントに対する全体的な報酬を最大化する、教師なしの問題を解決する。
本研究の目的は,教育場面における介入勧告問題に対する環境内の累積報酬の文脈化とシミュレートである。
論文 参考訳(メタデータ) (2022-11-01T22:47:17Z) - Desperately seeking the impact of learning analytics in education at
scale: Marrying data analysis with teaching and learning [0.0]
学習分析(LA)は、学習成果、学習者支援、教育を改善することができると主張されている。
教育環境におけるLAの有効性を示す実践への影響の実証的な証拠はいまだ少ない。
学生の大規模学習改善を目的としたデータ駆動意思決定の効果を高めるためには,教育者のニーズをよりよく理解する必要がある。
論文 参考訳(メタデータ) (2021-05-14T07:33:17Z) - Co-Creating Educational Project Management Board Games to Enhance
Student Engagement [0.0]
本稿では,Project Managementの学生が2つの共同制作ワークショップに参加したケーススタディを提案する。
データは2つのワークショップの最後にフォーカスグループによって収集された。
メンタブルな成果には、エンゲージメントの強化など、共同創造型ゲームベースの学習活動の肯定的な特徴と、そのような活動を促進する上での課題のリストが含まれる。
論文 参考訳(メタデータ) (2021-03-27T22:28:12Z) - The Challenges of Assessing and Evaluating the Students at Distance [77.34726150561087]
新型コロナウイルス(COVID-19)の感染拡大が高等教育機関に強い影響を及ぼし、教室の授業は中止された。
本論文は、ポルトガルの高等教育機関がもたらす課題を探求し、評価モデルにもたらす課題を分析することを目的としている。
論文 参考訳(メタデータ) (2021-01-30T13:13:45Z) - 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) - Dual Policy Distillation [58.43610940026261]
教員政策を学生政策に転換する政策蒸留は、深層強化学習の課題において大きな成功を収めた。
本研究では,2人の学習者が同じ環境下で活動し,環境の異なる視点を探索する,学生学生による二重政策蒸留(DPD)を導入する。
この二重学習フレームワークを開発する上で重要な課題は、同時代の学習に基づく強化学習アルゴリズムにおいて、ピア学習者から有益な知識を特定することである。
論文 参考訳(メタデータ) (2020-06-07T06:49:47Z) - Curriculum Learning for Reinforcement Learning Domains: A Framework and
Survey [53.73359052511171]
強化学習(Reinforcement Learning, RL)は、エージェントが限られた環境フィードバックしか持たないシーケンシャルな意思決定タスクに対処するための一般的なパラダイムである。
本稿では、RLにおけるカリキュラム学習(CL)の枠組みを提案し、既存のCLメソッドを仮定、能力、目標の観点から調査・分類する。
論文 参考訳(メタデータ) (2020-03-10T20:41:24Z)
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。