論文の概要: Desperately seeking the impact of learning analytics in education at
scale: Marrying data analysis with teaching and learning
- arxiv url: http://arxiv.org/abs/2105.06680v1
- Date: Fri, 14 May 2021 07:33:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-31 04:26:28.907947
- Title: Desperately seeking the impact of learning analytics in education at
scale: Marrying data analysis with teaching and learning
- Title（参考訳）: 大規模教育における学習分析の効果を必死に求める--データ分析と教育・学習の融合
- Authors: Olga Viberg, Ake Gronlund
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Learning analytics (LA) is argued to be able to improve learning outcomes,
learner support and teaching. However, despite an increasingly expanding amount
of student (digital) data accessible from various online education and learning
platforms and the growing interest in LA worldwide as well as considerable
research efforts already made, there is still little empirical evidence of
impact on practice that shows the effectiveness of LA in education settings.
Based on a selection of theoretical and empirical research, this chapter
provides a critical discussion about the possibilities of collecting and using
student data as well as barriers and challenges to overcome in providing
data-informed support to educators' everyday teaching practices. We argue that
in order to increase the impact of data-driven decision-making aimed at
students' improved learning in education at scale, we need to better understand
educators' needs, their teaching practices and the context in which these
practices occur, and how to support them in developing relevant knowledge,
strategies and skills to facilitate the data-informed process of digitalization
of education.
- Abstract（参考訳）: 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している。
しかし、さまざまなオンライン教育や学習プラットフォームからアクセス可能な学生(デジタル)データの増加や、世界中のLAへの関心の高まりに加えて、すでにかなりの研究努力がなされているにもかかわらず、LAの教育環境における効果を示す実践への影響を示す実証的な証拠は依然として少ない。
本章は、理論的・実証的研究の選定に基づき、学生データ収集・活用の可能性と、教育者の日常的な教育実践にデータインフォームド・サポートを提供する上で克服すべき障壁と課題について批判的な議論を行う。
大規模教育における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,教育実践,これらの実践が生み出す文脈,教育のデジタル化過程を促進するための関連知識,戦略,スキルの育成等について,より深く理解する必要がある。
関連論文リスト
- Revolutionising Role-Playing Games with ChatGPT [0.0]
本研究の目的は,AIによるシミュレーションが学生の学習経験に与える影響を分析することである。
ヴィゴツキーの社会文化的理論に基づいて、ChatGPTは学生に戦略的意思決定プロセスのより深い理解を与えるために用いられた。
論文 参考訳（メタデータ） (2024-07-02T08:21:40Z) - Large Language Models for Education: A Survey and Outlook [69.02214694865229]
各視点の技術的進歩を体系的にレビューし、関連するデータセットとベンチマークを整理し、教育におけるLSMの展開に伴うリスクと課題を特定する。
本調査は、LLMの力を利用して教育実践を変革し、より効果的なパーソナライズされた学習環境を育むための、教育者、研究者、政策立案者のための総合的な技術図を提供することを目的とする。
論文 参考訳（メタデータ） (2024-03-26T21:04:29Z) - Bringing Generative AI to Adaptive Learning in Education [58.690250000579496]
我々は、生成AIと適応学習の交差研究に光を当てた。
我々は、この連合が教育における次の段階の学習形式の発展に大きく貢献するだろうと論じている。
論文 参考訳（メタデータ） (2024-02-02T23:54:51Z) - Revealing Networks: Understanding Effective Teacher Practices in
AI-Supported Classrooms using Transmodal Ordered Network Analysis [0.9187505256430948]
本研究は,AI教師と連携した数学教室において,システム内学習の伝統的な指標に関連する効果的な教員の実践を理解するために,トランスモーダル順序ネットワーク分析を用いた。
教師の実践を学生の学習率で比較すると,低学率の生徒はモニタリング後,より有意な使用感を示した。
学習率の低い生徒は、高学率の学生と同様の学習行動を示し、教師の正しい試みを繰り返した。
論文 参考訳（メタデータ） (2023-12-17T21:50:02Z) - Integrating AI and Learning Analytics for Data-Driven Pedagogical Decisions and Personalized Interventions in Education [0.2812395851874055]
本研究では,革新的な学習分析ツールの概念化,開発,展開について検討する。
学生のストレスレベル、好奇心、混乱、扇動、トピックの嗜好、学習方法などの重要なデータポイントを分析し、学習環境の総合的なビューを提供する。
この研究は、パーソナライズされたデータ駆動型教育を形成する上で、AIが果たす役割を浮き彫りにする。
論文 参考訳（メタデータ） (2023-12-15T06:00:26Z) - 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) - Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。
近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
論文 参考訳（メタデータ） (2021-01-19T12:23:32Z) - 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) - Key principles for workforce upskilling via online learning: a learning
analytics study of a professional course in additive manufacturing [2.014343808433054]
本研究は,学習対象分析と視覚学習分析を組み合わせて,学習軌跡,エンゲージメント,パフォーマンスの関連性を検討する。
この研究は、コース設計者やインストラクターがコースの割り当て、学習目標、評価尺度を学習者のニーズや関心と整合させるための幅広い戦略を強調している。
論文 参考訳（メタデータ） (2020-08-15T00:30:56Z) - SARS-CoV-2 Impact on Online Teaching Methodologies and the Ed-Tech
Sector: Smile and Learn Platform Case Study [50.591267188664666]
この研究は、教育資源の例である「Smile and Learn platform」のオンライン方法論と利用傾向の重要性を分析した。
そこで,本研究では,教育支援のための異なるモデルと,そのプラットフォーム利用への影響について述べる。
論文 参考訳（メタデータ） (2020-07-15T10:06:51Z)
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。