論文の概要: YAPS -- Your Open Examination System for Activating and emPowering Students

• arxiv url: http://arxiv.org/abs/2105.06552v1
• Date: Tue, 27 Apr 2021 09:52:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-02 06:31:06.790843
• Title: YAPS -- Your Open Examination System for Activating and emPowering Students
• Title（参考訳）: YAPS - 学生の活性化とエミュレーションのためのオープンテストシステム
• Authors: Fin Hendrik Bahnsen and Goerschwin Fey
• Abstract要約: 我々は,設計決定について議論し,YAPSのアーキテクチャを提示する。 YAPSは、ロジスティクス、コンピュータ工学、および試験のためのアルゴリズムに関する非常に多様な講義に使われてきた。
• 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: There are numerous e-assessment systems devoted to specific domains under diverse license models. Cost, extensibility, and maintainability are relevant issues for an institution. Ease of use and inclusion into courses are educator's main concerns. For students the user experience and fast transparent feedback plus "better" tests are most important. Many exams still focus on testing memorized knowledge, instead of improving and testing skills with competence-oriented learning support and examinations, respectively. We discuss design decisions and present the resulting architecture of YAPS - Your open Assessment system for emPowering Students. YAPS has been used for very diverse lectures in logistics, computer engineering, and algorithms for exams, but also for empowering students by fast feedback during the learning period. We report on results in a basic lecture on Computer Science for Mechanical Engineers.
• Abstract（参考訳）: 様々なライセンスモデルの下で特定のドメインに特化した多数のe-assesmentシステムがある。 コスト、拡張性、保守性は機関にとって重要な問題である。 コースへの利用と参加が教育者の主な関心事である。 学生にとって、ユーザエクスペリエンスと迅速な透過的なフィードバックと“ベター”テストが最も重要です。 多くの試験は、それぞれ能力指向の学習支援と試験によるスキルの向上とテストではなく、記憶された知識のテストに重点を置いている。 我々は,設計決定について議論し,YAPSのアーキテクチャを提示する。 yapsは、ロジスティクス、コンピュータ工学、試験のためのアルゴリズムなど、非常に多様な講義に使われてきたが、学習期間にフィードバックを素早く行うことで学生に力を与えるのにも使われている。 機械技術者のためのコンピュータサイエンスの基礎講義の結果について報告する。

関連論文リスト

• Let Students Take the Wheel: Introducing Post-Quantum Cryptography with Active Learning [4.804847392457553]
  ポスト量子暗号(PQC)は、既存のソフトウェアシステムをセキュアにするためのソリューションとして認識されている。 本研究は,PQCを大学生や大学院生に教える上での,新たなアクティブラーニング手法を提案する。
  論文  参考訳（メタデータ） (2024-10-17T01:52:03Z)
• Explainable Few-shot Knowledge Tracing [48.877979333221326]
  本稿では,学生の記録から学生の知識をトラッキングし,自然言語による説明を提供する認知誘導フレームワークを提案する。 3つの広く使われているデータセットによる実験結果から、LLMは競合する深層知識追跡手法に匹敵する、あるいは優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2024-05-23T10:07:21Z)
• Ruffle&Riley: Insights from Designing and Evaluating a Large Language Model-Based Conversational Tutoring System [21.139850269835858]
  会話学習システム(CTS)は、自然言語に基づく対話を通じて学習体験を提供する。 大規模言語モデル(LLM)の最近の進歩を2つの方法で活用する新しいタイプのCTSについて検討・評価する。 このシステムは、授業テキストから容易に編集可能な教育用スクリプトを自動生成することにより、AI支援コンテンツオーサリングを可能にする。
  論文  参考訳（メタデータ） (2024-04-26T14:57:55Z)
• VerAs: Verify then Assess STEM Lab Reports [2.4169078025984825]
  調査に基づく物理カリキュラムからの2組の大学レベルのレポートのデータセットは、分析的評価ルーリックに依存している。 各分析次元は6ポイントのスケールで評価され、学生に詳細なフィードバックを提供し、科学の書き方を改善するのに役立つ。 我々は,Open Domain Question Answering(OpenQA)アプローチに触発されて,検証モジュールと評価モジュールを分離したエンドツーエンドのニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2024-02-07T20:02:09Z)
• UKP-SQuARE: An Interactive Tool for Teaching Question Answering [61.93372227117229]
  質問応答の指数的増加(QA)は、あらゆる自然言語処理(NLP)コースにおいて必須のトピックとなっている。 本稿では、QA教育のプラットフォームとしてUKP-SQuAREを紹介する。 学生は様々な視点から様々なQAモデルを実行、比較、分析することができる。
  論文  参考訳（メタデータ） (2023-05-31T11:29:04Z)
• Quiz-based Knowledge Tracing [61.9152637457605]
  知識追跡は、学習相互作用に基づいて個人の進化する知識状態を評価することを目的としている。 QKTは、既存の方法と比較して最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2023-04-05T12:48:42Z)
• Question Personalization in an Intelligent Tutoring System [5.644357169513361]
  教科能力の異なる学生に合った質問を生成すれば,生徒の学習能力が向上することを示す。 この知見は,質問の言語的実現が学生の学習結果に影響を及ぼすことを示す。
  論文  参考訳（メタデータ） (2022-05-25T15:23:51Z)
• ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
  本稿では,フィードバックを数発の分類として提供するという課題について考察する。 メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。 本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
  論文  参考訳（メタデータ） (2021-07-23T22:41:28Z)
• Comparative Study of Learning Outcomes for Online Learning Platforms [47.5164159412965]
  パーソナライゼーションとアクティブラーニングは、学習の成功の鍵となる側面です。 私たちは2つの人気のあるオンライン学習プラットフォームの学習結果の比較正面調査を実施します。
  論文  参考訳（メタデータ） (2021-04-15T20:40:24Z)
• Neural Multi-Task Learning for Teacher Question Detection in Online Classrooms [50.19997675066203]
  教師の音声記録から質問を自動的に検出するエンドツーエンドのニューラルネットワークフレームワークを構築している。 マルチタスク学習手法を取り入れることで,質問の種類によって意味的関係の理解を深めることが可能となる。
  論文  参考訳（メタデータ） (2020-05-16T02:17:04Z)
• Redesign of web-based exam for knowledge evaluation in Advanced Mathematics for pharmaceutical students based on analysis of the results [0.0]
  本稿では,学生の知識評価のために実装された電子テストの詳細な分析を行う。 テストに含まれる質問と学生が与える回答を推定して分析する。
  論文  参考訳（メタデータ） (2020-04-06T16:20:32Z)

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。