論文の概要: Strengthening e-Education in India using Machine Learning

• arxiv url: http://arxiv.org/abs/2105.15125v1
• Date: Mon, 24 May 2021 10:22:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-29 23:05:28.929076
• Title: Strengthening e-Education in India using Machine Learning
• Title（参考訳）: 機械学習を用いたインドのe-Education強化
• Authors: Naheed Khan, Darshan Bhanushali, Shreya Patel, and Radhika Kotecha
• Abstract要約: インド政府は国民の教育を改善するためにあらゆるエネルギーに投資している。 教育者がより現在の視点に集中するのを助けるために、その余分な作業は機械学習(ML)を利用して処理することができる。 本研究は、従来の手順を改善するために、遺伝計算の発達方法論を活用することを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: e-Education has developed as one of the most encouraging territories. The Indian Government is investing all amounts of energy to improve education among the residents of the nation. School and graduate understudies are focused on, however the stage is being created for all the residents seeking to learn. Without a doubt, the objective is to build the quantity of literates with advanced education. To accomplish the equivalent, propels in Data and Correspondence innovation are being utilized in the education division, which has cleared route for e-Training in India as well. To help educators in concentrating more on more current viewpoints, their excess work can be disposed of utilizing Machine Learning (ML). Difference to programming, ML deals with information and answers to create rules. In the event that Machine Learning is tackled effectively, it can setup the training division and contribute essentially to the development of the country. Hence, the work presented in this paper fortifies e-Education in India utilizing Machine Learning. For the most part, three concerns are focused to be tended to: Personalized recommendation of course and Customized teaching methodology. The work proposes utilizing developmental methodology of hereditary calculations for improving conventional procedures. Implementation and experiments presented in the paper verify the viability of proposed calculations.
• Abstract（参考訳）: e教育は最も奨励される領域の1つとして発展してきた。 インド政府は国民の教育を改善するためにあらゆるエネルギーに投資している。 学校と大学院生は焦点を絞っているが、学習を求める住民全員のためにステージが作成されている。 疑う余地なく、目標は先進的な教育で文字の量を増やすことである。 同等を達成するために、インドにおけるe-Trainingのルートをクリアした教育部門では、データと対応イノベーションの推進が活用されている。 教育者がより現在の視点に集中するのを助けるために、その余分な作業は機械学習(ML)を利用することによって行われる。 プログラミングの違い mlはルールを作成するための情報と回答を扱う。 マシンラーニングが効果的に取り組まれる場合には、トレーニング部門をセットアップし、国の発展に本質的に寄与することができる。 そこで本論文では,インドにおけるe-Educationを機械学習を用いて構築する。 主に3つの関心事に焦点を当てている:コースのパーソナライズドレコメンデーションと、カスタマイズされた教育方法論である。 本研究は,遺伝計算の発達手法を活用し,従来の方法を改善することを提案する。 本論文で提示された実装と実験により,提案計算の有効性が検証された。

関連論文リスト

• First Steps towards K-12 Computer Science Education in Portugal -- Experience Report [49.1574468325115]
  本報告では,ポルトガルにおけるensICO協会の取り組みについて報告する。 2020年のいくつかの学校でのパイロットプロジェクトから始まり、現在4500人の学生、35の学校、100の学校教師と協力している。 主な目的は、コンピュータを必須科目として教えるための総合的なシラバスを定義するのに十分な経験と知識を得ることである。
  論文  参考訳（メタデータ） (2024-11-15T12:32:52Z)
• 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)
• Knowledge Tracing Challenge: Optimal Activity Sequencing for Students [0.9814642627359286]
  知識追跡(きゅうがく、英: Knowledge Trace)は、個々の学習者による知識の獲得を評価・追跡する教育において用いられる手法である。 我々は,AAAI2023 Global Knowledge Tracing Challengeの一環として,新たにリリースされたデータセット上に2つの知識追跡アルゴリズムを実装した結果を示す。
  論文  参考訳（メタデータ） (2023-11-13T16:28:34Z)
• The Robots are Here: Navigating the Generative AI Revolution in Computing Education [4.877774347152004]
  人工知能(AI)の最近の進歩は、コンピューティングを根本的に再構築している。 大規模言語モデル(LLM)は、ソースコードと自然言語命令を効果的に生成、解釈できるようになった。 これらの能力は、教育者がこれらの課題にどう対処すべきかという緊急の疑問を引き起こしている。
  論文  参考訳（メタデータ） (2023-10-01T12:54:37Z)
• A Machine Learning system to monitor student progress in educational institutes [0.0]
  本稿では、機械学習技術を用いて、クレジットスコアと呼ばれる分類器を生成するデータ駆動手法を提案する。 信用スコアを進捗指標として使うという提案は、学習管理システムで使うのに適している。
  論文  参考訳（メタデータ） (2022-11-02T08:24:08Z)
• Knowledge Enhancement and Mobile Technology: Improving Effectiveness and Efficiency [0.0]
  モバイル技術は、生産性、コーディネーション、トランスフォーメーションという3つの基本的な柱に価値を生み出します。 教育におけるモバイルアプリケーションの利用は有益であるだけでなく、学生に楽しいインタラクティブな体験を提供する。
  論文  参考訳（メタデータ） (2022-07-19T00:53:38Z)
• An Experience Report of Executive-Level Artificial Intelligence Education in the United Arab Emirates [53.04281982845422]
  アラブ首長国連邦(UAE)のビジネスエグゼクティブにAIコースを教える経験報告を提示する。 理論的、技術的な側面にのみ焦点をあてるのではなく、学生が既存のビジネスプロセスにAIを組み込む方法を理解するためにAIを教えるコースを開発しました。
  論文  参考訳（メタデータ） (2022-02-02T20:59:53Z)
• Iterative Teacher-Aware Learning [136.05341445369265]
  人間の教育において、教師と学生はコミュニケーション効率を最大化するために適応的に交流することができる。 本稿では,教師の協調意図を可能性関数に組み込むことができる,勾配最適化に基づく教師認識学習者を提案する。
  論文  参考訳（メタデータ） (2021-10-01T00:27:47Z)
• Motivating Learners in Multi-Orchestrator Mobile Edge Learning: A Stackelberg Game Approach [54.28419430315478]
  Mobile Edge Learningは、異種エッジデバイス上で機械学習モデルの分散トレーニングを可能にする。 MELでは、十分なトレーニングデータやコンピューティングリソースを入手することなく、トレーニング性能が低下する。 そこで我々は2ラウンドのStackelbergゲームとしてオーケストレータとラーナーの相互作用を定式化するインセンティブ機構を提案する。
  論文  参考訳（メタデータ） (2021-09-25T17:27:48Z)
• 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)
• Creation and Evaluation of a Pre-tertiary Artificial Intelligence (AI) Curriculum [58.86139968005518]
  香港大学(CUHK)-Jockey Club AI for the Future Project(AI4Future)は、第3次教育のためのAIカリキュラムを共同開発した。 工学と教育を専門とする14人の教授が、6つの中学校の17の校長と教師と協力してカリキュラムを共同作成した。 共同創造プロセスは、AIにおける教師の知識を高める様々なリソースを生み出し、その課題を教室に持ち込むための教師の自主性を育んだ。
  論文  参考訳（メタデータ） (2021-01-19T11:26:19Z)

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。