論文の概要: EduPal leaves no professor behind: Supporting faculty via a peer-powered recommender system

• arxiv url: http://arxiv.org/abs/2104.12558v1
• Date: Tue, 20 Apr 2021 04:16:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-03 02:20:41.205930
• Title: EduPal leaves no professor behind: Supporting faculty via a peer-powered recommender system
• Title（参考訳）: EduPalは教授を残さず:ピアパワーレコメンデーターシステムによる教員支援
• Authors: Nourhan Sakr, Aya Salama, Nadeen Tameesh, Gihan Osman
• Abstract要約: 我々のシステムは、有用な教育実践をクラウドソーシングし、理論とユーザフィードバックに基づいたレコメンデーションを継続的にフィルタリングする。 我々は,ローカルSTEM学部のプロトタイプを実証概念として構築し,開発とアウトリーチを促進すべく,好意的なフィードバックを受け取ります。
• 参考スコア（独自算出の注目度）: 0.03823356975862005
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The swift transitions in higher education after the COVID-19 outbreak identified a gap in the pedagogical support available to faculty. We propose a smart, knowledge-based chatbot that addresses issues of knowledge distillation and provides faculty with personalized recommendations. Our collaborative system crowdsources useful pedagogical practices and continuously filters recommendations based on theory and user feedback, thus enhancing the experiences of subsequent peers. We build a prototype for our local STEM faculty as a proof concept and receive favorable feedback that encourages us to extend our development and outreach, especially to underresourced faculty.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)感染拡大後の高等教育の急激な転換は、教員が利用できる教育支援のギャップを識別した。 本稿では,知識蒸留の課題に対処し,教職にパーソナライズドレコメンデーションを提供するスマートな知識ベースのチャットボットを提案する。 共同システムでは, 有用な教育実践をクラウドソースし, 理論とユーザフィードバックに基づくレコメンデーションを継続的にフィルタリングする。 我々は、ローカルSTEM学部のプロトタイプを実証概念として構築し、開発とアウトリーチの拡大を奨励する好意的なフィードバックを受け取ります。

関連論文リスト

• Leveraging Large Language Models for Actionable Course Evaluation Student Feedback to Lecturers [6.161370712594005]
  コンピュータサイエンス科の75科以上で742名の学生が回答した。 各コースについて,授業評価項目と動作可能な項目の要約を合成する。 本研究は, 授業環境における教師に対して, 実感的, 行動的, 適切なフィードバックを生み出すために, 生成的AIを使用する可能性を強調した。
  論文  参考訳（メタデータ） (2024-07-01T13:29:55Z)
• Improving the Validity of Automatically Generated Feedback via Reinforcement Learning [50.067342343957876]
  強化学習(RL)を用いた正当性と整合性の両方を最適化するフィードバック生成フレームワークを提案する。 具体的には、直接選好最適化(DPO)によるトレーニングのための拡張データセットにおいて、GPT-4のアノテーションを使用してフィードバックペアよりも好みを生成する。
  論文  参考訳（メタデータ） (2024-03-02T20:25:50Z)
• K-ESConv: Knowledge Injection for Emotional Support Dialogue Systems via Prompt Learning [83.19215082550163]
  K-ESConvは、感情支援対話システムのための、新しい学習に基づく知識注入手法である。 本研究では,情緒的支援データセットESConvを用いて,外部の専門的情緒的Q&Aフォーラムから知識を抽出し,組み込んだモデルを評価した。
  論文  参考訳（メタデータ） (2023-12-16T08:10:10Z)
• Finding Paths for Explainable MOOC Recommendation: A Learner Perspective [2.4775868218890484]
  グラフ推論を用いたMOOC(Massive Open Online Courses)の推薦システムを提案する。 提案手法の実践的意義を検証するため,利用者の知覚を調査した。 2つの教育データセットで実験を行うことにより,本手法の一般化可能性を示す。
  論文  参考訳（メタデータ） (2023-12-11T15:27:22Z)
• SOS TUTORIA UC: A Diversity-Aware Application for Tutor Recommendation Based on Competence and Personality [1.0351140137680235]
  本研究は,アプリケーションにおける経験の発達と妥当性について述べる。 WeNetプラットフォームとの統合は、コンポーネントの点で成功した。 レコメンデーションシステムテストの結果は肯定的だが改善の余地はあった。
  論文  参考訳（メタデータ） (2023-09-19T18:27:12Z)
• PapagAI:Automated Feedback for Reflective Essays [48.4434976446053]
  ドクティック理論をベースとして,ハイブリッドAIシステムとして実装された,初のオープンソース自動フィードバックツールを提案する。 本研究の主な目的は,学生の学習成果の向上と,講師の指導活動を補完することである。
  論文  参考訳（メタデータ） (2023-07-10T11:05:51Z)
• Knowledge Transfer via Pre-training for Recommendation: A Review and Prospect [89.91745908462417]
  実験による推薦システムに対する事前学習の利点を示す。 事前学習を伴うレコメンデータシステムの今後の研究に向けて,いくつかの将来的な方向性について論じる。
  論文  参考訳（メタデータ） (2020-09-19T13:06:27Z)
• Attentional Graph Convolutional Networks for Knowledge Concept Recommendation in MOOCs in a Heterogeneous View [72.98388321383989]
  大規模なオープンオンラインコース(MOOC)は、学生が知識を習得するための大規模かつオープンな学習機会を提供する。 学生の関心を惹きつけるため、MOOCsプロバイダによる推薦制度が採用され、学生にコースを推薦する。 そこで本研究では,MOOCにおける知識概念レコメンデーションのために,Attentional Heterogeneous Graph Convolutional Deep Knowledge Recommender (ACKRec) という,エンドツーエンドのグラフニューラルネットワークに基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2020-06-23T18:28:08Z)
• Transfer Heterogeneous Knowledge Among Peer-to-Peer Teammates: A Model Distillation Approach [55.83558520598304]
  本研究は, モデル蒸留により, 複数の学生間で経験と伝達値関数を再利用する新しい手法を提案する。 また、異種知識を活用するための効率的な通信プロトコルの設計方法について述べる。 提案するフレームワークである学習・指導カテゴリー強化は,学習の進捗を安定化・加速する上で有望な性能を示す。
  論文  参考訳（メタデータ） (2020-02-06T11:31:04Z)

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。