論文の概要: Digital competency of educators in the virtual learning environment: a
structural equation modeling analysis
- arxiv url: http://arxiv.org/abs/2105.08927v1
- Date: Wed, 19 May 2021 05:05:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-30 11:47:41.043338
- Title: Digital competency of educators in the virtual learning environment: a
structural equation modeling analysis
- Title（参考訳）: 仮想学習環境における教育者のデジタル能力:構造方程式モデリング解析
- Authors: S. M. Hizam, H. Akter, I. Sentosa, W. Ahmed
- Abstract要約: 本研究では,タスク・テクノロジー・フィット(TTF)理論の個々の特徴構造として,教育者のデジタル能力(DC)を統合した。
構造方程式モデリング (Structure Equation Modelling, SEM) を用いて, 提案するデジタル能力のすべてのコンポーネントがTTFに大きな影響を与えていることを明らかにした。
タスク・テクノロジー・フィットは、Moodlesの利用率と教師のタスクパフォーマンスの両方に肯定的かつ有意な影響を与えている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study integrates the educators digital competency (DC), as an individual
characteristic construct of the task-technology fit (TTF) theory, to examine a
better fit between Moodle using and teaching task, and to investigate its
effect on both Moodles utilization and their task performance. For assessing
our proposed hypotheses, an online survey was conducted with 238 teaching staff
from different departments of universities in Malaysia. Using Structural
Equation Modelling (SEM), our analysis revealed that all the proposed
components (i.e., technology literacy, knowledge deepening, presentation
skills, and professional skills) of digital competency significantly influenced
the TTF. The Task-Technology Fit was also found as an influential construct,
which positively and significantly affected both Moodles utilization and
teachers task performance. Besides, Moodles utilization was confirmed to be a
substantial determinant of the performance impact. In the end, this study
included limitations and future directions based on how the study's
contribution can support academics and practitioners for assessing and
understanding what particular components of digital competency impact TTF,
which in turn may influence the systems utilization and performance impact.
- Abstract（参考訳）: 本研究は,タスク・テクノロジー・フィット(TTF)理論の個々の特徴的構成として教育者デジタル能力(DC)を統合し,Moodleの使用と教示課題の適合性について検討し,Moodlesの利用とタスク性能に与える影響について検討する。
提案した仮説を評価するため,マレーシアの異なる大学の教員238名を対象にオンライン調査を行った。
構造方程式モデリング (Structure Equation Modelling, SEM) を用いて, デジタル能力のすべてのコンポーネント(技術リテラシー, 知識の深化, プレゼンテーションスキル, プロフェッショナルスキル)が, TTFに大きく影響したことを明らかにした。
タスク・テクノロジー・フィットは、Moodlesの利用率と教師のタスクパフォーマンスの両方に肯定的かつ有意な影響を与えている。
さらに、Moodlesの利用は、パフォーマンスへの影響のかなりの決定要因であることが確認された。
最後に,デジタル能力の特定の構成要素がTTFに与える影響を評価・理解するために,研究の貢献が研究者や実践者に対してどのように役立つかに基づいて,限界と今後の方向性を考察した。
関連論文リスト
- Speculative Knowledge Distillation: Bridging the Teacher-Student Gap Through Interleaved Sampling [81.00825302340984]
本研究では,高品質なトレーニングデータを生成するために,投機的知識蒸留(SKD)を導入する。
SKDでは、学生はトークンを提案し、教師はそれ自身の分布に基づいて低いランクのトークンを置き換える。
翻訳,要約,数学,指示文など,各種テキスト生成タスクにおけるSKDの評価を行った。
論文 参考訳（メタデータ） (2024-10-15T06:51:25Z) - Leveraging Topological Guidance for Improved Knowledge Distillation [0.0]
画像分類タスクのためのトポロジカルガイダンスベース知識蒸留(TGD)というフレームワークを提案する。
我々はKDを利用して優れた軽量モデルを訓練し、同時に複数の教師にトポロジ的特徴を提供する。
本稿では,教師と生徒の知識ギャップを減らし,異なる教師の機能を統合するメカニズムを提案する。
論文 参考訳（メタデータ） (2024-07-07T10:09:18Z) - Towards Optimal Trade-offs in Knowledge Distillation for CNNs and Vision Transformers at the Edge [15.057975181932534]
我々は、CNNとViTアーキテクチャのKDプロセスの比較分析を行う。
学生モデルのサイズが精度と推論速度に与える影響について検討する。
第3に,高解像度画像の精度,メモリフットプリント,計算負荷に対する効果を検討する。
論文 参考訳（メタデータ） (2024-06-25T16:15:02Z) - Evaluating and Optimizing Educational Content with Large Language Model Judgments [52.33701672559594]
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) - Instruction Tuning for Large Language Models: A Survey [52.86322823501338]
本稿では,インストラクションチューニング(IT)の急速な発展分野における研究成果について調査する。
本稿では、指定しない場合を除き、命令チューニング(IT)は教師付き微調整(SFT)と等価である。
論文 参考訳（メタデータ） (2023-08-21T15:35:16Z) - Task Formulation Matters When Learning Continually: A Case Study in
Visual Question Answering [58.82325933356066]
継続的な学習は、以前の知識を忘れずに、一連のタスクでモデルを漸進的にトレーニングすることを目的としている。
本稿では,視覚的質問応答において,異なる設定がパフォーマンスに与える影響について詳細に検討する。
論文 参考訳（メタデータ） (2022-09-30T19:12:58Z) - Impact of a DCT-driven Loss in Attention-based Knowledge-Distillation
for Scene Recognition [64.29650787243443]
本稿では, アクティベーションマップの2次元周波数変換を転送前に提案し, 解析する。
この戦略は、シーン認識などのタスクにおける知識伝達可能性を高める。
我々は、この論文で使われているトレーニングおよび評価フレームワークを、http://www.vpu.eps.uam.es/publications/DCTBasedKDForSceneRecognitionで公開しています。
論文 参考訳（メタデータ） (2022-05-04T11:05:18Z) - Interpretable Knowledge Tracing: Simple and Efficient Student Modeling
with Causal Relations [21.74631969428855]
解釈可能な知識追跡(英: Interpretable Knowledge Tracing, IKT)は、3つの有意義な潜在機能に依存する単純なモデルである。
IKTの将来の学生成績予測は、Tree-Augmented Naive Bayes (TAN) を用いて行われる。
IKTは、現実世界の教育システムにおいて、因果推論を用いた適応的でパーソナライズされた指示を提供する大きな可能性を秘めている。
論文 参考訳（メタデータ） (2021-12-15T19:05:48Z) - Canvas Adoption Assessment and Acceptance of the Learning Management
System on a Web-Based Platform [0.0]
本研究の目的は,新しい学習管理システムとしてのCanvasの採用と,東方大学のeラーニングプログラムにおけるWebベースのプラットフォームとしての可能性を評価することである。
学生は使いやすさが有用性に有意な影響を及ぼすが,Canvasの使用に対する態度に有意な影響を与えない。
論文 参考訳（メタデータ） (2021-01-29T01:30:55Z) - BKT-LSTM: Efficient Student Modeling for knowledge tracing and student
performance prediction [0.24366811507669117]
BKT-LSTMと呼ばれる効率的な学生モデルを提案する。
bktによって評価された個々のtextitskill mastery、k-meansクラスタリングとtextitproblemの難易度によって検出されるtextitability profile(スキル間の学習転送)である。
論文 参考訳（メタデータ） (2020-12-22T18:05:36Z) - Influence Functions in Deep Learning Are Fragile [52.31375893260445]
影響関数は、テスト時間予測におけるサンプルの効果を近似する。
影響評価は浅いネットワークでは かなり正確です
ヘッセン正則化は、高品質な影響推定を得るために重要である。
論文 参考訳（メタデータ） (2020-06-25T18:25:59Z)
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。