論文の概要: Identifying Hubs in Undergraduate Course Networks Based on Scaled
Co-Enrollments: Extended Version
- arxiv url: http://arxiv.org/abs/2104.14500v1
- Date: Tue, 27 Apr 2021 16:26:29 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-01 03:41:39.362946
- Title: Identifying Hubs in Undergraduate Course Networks Based on Scaled
Co-Enrollments: Extended Version
- Title（参考訳）: スケールド共登録に基づく大学院課程ネットワークにおけるハブの同定:拡張版
- Authors: Gary M. Weiss, Nam Nguyen, Karla Dominguez and Daniel D. Leeds
- Abstract要約: 本研究では、学生の学生登録データを用いて、学生共同登録に基づいて接続するコースのネットワークを形成する。
ネットワークは分析され、しばしば他の多くのコースで取られる「ハブ」コースを特定する。
- 参考スコア（独自算出の注目度）: 2.0796330979420836
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Understanding course enrollment patterns is valuable to predict upcoming
demands for future courses, and to provide student with realistic courses to
pursue given their current backgrounds. This study uses undergraduate student
enrollment data to form networks of courses where connections are based on
student co-enrollments. The course networks generated in this paper are based
on eight years of undergraduate course enrollment data from a large
metropolitan university. The networks are analyzed to identify "hub" courses
often taken with many other courses. Two notions of hubs are considered: one
focused on raw popularity across all students, and one focused on proportional
likelihoods of co-enrollment with other courses. A variety of network metrics
are calculated to evaluate the course networks. Academic departments and
high-level academic categories, such as Humanities vs STEM, are studied for
their influence over course groupings. The identification of hub courses has
practical applications, since it can help better predict the impact of changes
in course offerings and in course popularity, and in the case of
interdisciplinary hub courses, can be used to increase or decrease interest and
enrollments in specific academic departments and areas.
- Abstract（参考訳）: コースの入学パターンを理解することは、将来のコースに対する今後の需要を予測し、学生に現在の背景から現実的なコースを追求する上で重要である。
本研究は,大学生の入学者データを用いて,学生の共入生に基づく授業のネットワークを形成する。
本論文で作成したコースネットワークは,大都市圏大学における8年間の学部進学データに基づいている。
ネットワークは分析され、しばしば他の多くのコースで取られる「ハブ」コースを特定する。
ハブの概念は2つある: 1つは全学生の生の人気に焦点をあて、もう1つは他のコースと共学する確率に焦点をあてる。
コースネットワークを評価するために、様々なネットワークメトリクスが計算される。
学術部門と、ヒューマニティ対STEMのような高等教育機関は、コースグループ化に対する影響について研究している。
ハブコースの特定は、コース提供やコース人気の変化の影響を予測するのに役立つため、実践的な応用があり、学際的なハブコースの場合は、特定の学術部門や分野における興味や登録の増減に使用できる。
関連論文リスト
- Cross-course Process Mining of Student Clickstream Data -- Aggregation and Group Comparison [0.0]
本稿では,Moodle などの授業管理システムから抽出した学生のインタラクションデータを解析する新しい手法を提案する。
本稿では,コース横断のセクションラベルを標準化する手法を提案する。
論文 参考訳（メタデータ） (2024-09-04T11:28:02Z) - Enhancing the Performance of Automated Grade Prediction in MOOC using
Graph Representation Learning [3.4882560718166626]
大規模オープンオンラインコース(MOOCs)は、オンライン学習において急速に成長する現象として大きな注目を集めている。
現在の自動評価アプローチでは、下流タスクに関わるさまざまなエンティティ間の構造的リンクを見落としている。
我々は、大規模なMOOCデータセットのためのユニークな知識グラフを構築し、研究コミュニティに公開します。
論文 参考訳（メタデータ） (2023-10-18T19:27:39Z) - Experiences with Research Processes in an Undergraduate Theory of
Computing Course [0.30458514384586394]
コンピュータ理論(ToC)コースは、多くの学部生CSカリキュラムにおいて必須である。
ToCコースの共通研究環境を模擬会議代行によってエミュレートした。
論文 参考訳（メタデータ） (2023-10-03T11:37:06Z) - The interdisciplinary quantum information classroom: Themes from a
survey of quantum information science instructors [0.0]
量子情報科学(QIS)コースの学際的な導入は、全米の大学で増加している。
全国の機関でQIS講座の紹介を指導するインストラクターの調査結果について報告する。
論文 参考訳（メタデータ） (2022-02-12T00:37:58Z) - A Comprehensive Survey on Community Detection with Deep Learning [93.40332347374712]
コミュニティは、ネットワーク内の他のコミュニティと異なるメンバーの特徴と接続を明らかにする。
この調査は、最先端の手法の様々なカテゴリをカバーする新しい分類法を考案し、提案する。
ディープニューラルネットワーク(Deep Neural Network)は、畳み込みネットワーク(convolutional network)、グラフアテンションネットワーク( graph attention network)、生成的敵ネットワーク(generative adversarial network)、オートエンコーダ(autoencoder)に分けられる。
論文 参考訳（メタデータ） (2021-05-26T14:37:07Z) - Interleaving Computational and Inferential Thinking: Data Science for
Undergraduates at Berkeley [81.01051375191828]
カリフォルニア大学バークレー校の大学院データサイエンスカリキュラムは、5つの新しいコースに固定されている。
これらのコースは計算思考、推論思考、現実世界の問題に取り組むことを強調する。
これらのコースは、キャンパスで最も人気のあるコースの一つとなり、データサイエンスの新しい学部生とマイナープログラムへの関心が高まっている。
論文 参考訳（メタデータ） (2021-02-13T22:51:24Z) - UniNet: Next Term Course Recommendation using Deep Learning [0.0]
本稿では,コースの時系列順が成功の確率にどのように影響するかを表現するための深層学習手法を提案する。
成績情報のみを用いて,AUC測定値の81.10%の性能が得られることを示した。
これは、異なる学生のGPAレベルとコースの難易度で有意義であることが示されている。
論文 参考訳（メタデータ） (2020-09-20T00:07:45Z) - 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) - Neural networks adapting to datasets: learning network size and topology [77.34726150561087]
ニューラルネットワークは、勾配に基づくトレーニングの過程で、そのサイズとトポロジの両方を学習できるフレキシブルなセットアップを導入します。
結果として得られるネットワークは、特定の学習タスクとデータセットに合わせたグラフの構造を持つ。
論文 参考訳（メタデータ） (2020-06-22T12:46:44Z) - GCC: Graph Contrastive Coding for Graph Neural Network Pre-Training [62.73470368851127]
グラフ表現学習は現実世界の問題に対処する強力な手法として登場した。
自己教師付きグラフニューラルネットワーク事前トレーニングフレームワークであるGraph Contrastive Codingを設計する。
3つのグラフ学習タスクと10のグラフデータセットについて実験を行った。
論文 参考訳（メタデータ） (2020-06-17T16:18:35Z) - Fine-Grain Few-Shot Vision via Domain Knowledge as Hyperspherical Priors [79.22051549519989]
プロトタイプネットワークは、コンピュータビジョンにおいて、数ショットの学習タスクでうまく機能することが示されている。
ドメイン知識を情報的先行要素として取り入れつつ,クラスを最大限に分離することで,数発の微粒化を実現する方法を示す。
論文 参考訳（メタデータ） (2020-05-23T02:10:57Z)
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。