論文の概要: Developing and delivering a remote experiment based on the experiential learning framework during COVID-19 pandemic

• arxiv url: http://arxiv.org/abs/2107.02777v1
• Date: Tue, 6 Jul 2021 17:39:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-23 06:31:30.331211
• Title: Developing and delivering a remote experiment based on the experiential learning framework during COVID-19 pandemic
• Title（参考訳）: 新型コロナウイルスパンデミック時の体験学習フレームワークに基づく遠隔実験の開発と提供
• Authors: W. D. Kularatne, Lasanthika H. Dissawa, T.M.S.S.K. Ekanayake, Janaka B. Ekanayake
• Abstract要約: 本稿では,オンライン環境を通じてプロセスを計画,提供するための経験的学習に基づく理論的枠組みを提案する。 パワーファクター補正実験に基づくケーススタディを提出した。
• 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: The students following Engineering disciplines should not only acquire the conceptual understanding of the concepts but also the processors and attitudes. There are two recognizable learning environments for students, namely, classroom environment and laboratory environment. With the COVID-19 pandemic, both environments merged to online environments, impacting students' development of processes and characteristic attitudes. This paper introduces a theoretical framework based on experiential learning to plan and deliver processes through an online environment. A case study based on the power factor correction experiment was presented. The traditional experiment that runs for 3 hours was broken into smaller tasks such as a pre-lab activity, a simulation exercise, a PowerPoint presentation, a remote laboratory activity, and a final report based on the experiential learning approach. A questionnaire that carries close and open-ended questions were administered to obtain students' reflections about developing the processes through an online-friendly experiential learning approach. The majority of the students like the approach followed and praise for providing them with an opportunity to perform the experiment in a novel way during the COVID-19 situation.
• Abstract（参考訳）: 工学の分野に通う学生は概念概念の理解を得るだけでなく、プロセッサや態度も得るべきである。 学生にとって認識可能な学習環境は,教室環境と実験室環境の2つである。 新型コロナウイルス(COVID-19)のパンデミックにより、両方の環境がオンライン環境に融合し、学生のプロセス開発や特徴的な態度に影響を与える。 本稿では,オンライン環境を通じてプロセスを計画,提供するための経験的学習に基づく理論的枠組みを提案する。 パワーファクタ補正実験に基づくケーススタディを行った。 3時間続く従来の実験は、ラボ前活動、シミュレーション演習、powerpointプレゼンテーション、遠隔実験室活動、経験的学習アプローチに基づく最終報告など、より小さなタスクに分割された。 オンライン・フレンドリーな経験的学習手法を用いて, 生徒の学習過程の反映を得るために, クローズドでオープンな質問を行った。 このアプローチを好んだ学生の大多数は、新型コロナウイルス(covid-19)の状況で新しい方法で実験を行う機会を提供したことで称賛された。

関連論文リスト

• Learn to Teach: Improve Sample Efficiency in Teacher-student Learning for Sim-to-Real Transfer [5.731477362725785]
  本稿では,教師が収集した学習体験をリサイクルする学習学習フレームワークであるLearning to Teach (L2T)を提案する。 単ループアルゴリズムは、強化学習と逆強化学習の両方の文脈で教師と学生のエージェントを訓練できることを示す。
  論文  参考訳（メタデータ） (2024-02-09T21:16:43Z)
• Opportunities for Adaptive Experiments to Enable Continuous Improvement in Computer Science Education [7.50867730317249]
  適応実験では、異なる条件が学生に展開されるにつれて、データを分析・活用する。 これらのアルゴリズムは、その後の学生との相互作用において最も効果的な条件を動的に展開することができる。 本研究は, ブリッジング研究における適応実験の重要性を探求し, 継続的な改善を実現するための方法である。
  論文  参考訳（メタデータ） (2023-10-18T20:54:59Z)
• Continual Predictive Learning from Videos [100.27176974654559]
  本稿では,ビデオ予測の文脈において,新たな連続学習問題について検討する。 本稿では,連続予測学習(Continuousal predictive Learning, CPL)アプローチを提案する。 我々はRoboNetとKTHに基づく2つの新しいベンチマークを構築し、異なるタスクが異なる物理ロボット環境や人間の行動に対応するようにした。
  論文  参考訳（メタデータ） (2022-04-12T08:32:26Z)
• Can in-home laboratories foster learning, self-efficacy, and motivation during the COVID-19 pandemic? -- A case study in two engineering programs [0.0]
  本研究では,工学における問題ベース学習(PBL)と家庭内研究室に基づく教育方法論を提案する。 この手法は, 電子工学科(n=44)の学生を対象に, 2020年中に2段階に分けて実施された。
  論文  参考訳（メタデータ） (2022-03-30T17:03:33Z)
• Sequential Bayesian experimental designs via reinforcement learning [0.0]
  我々は,BEDを逐次的に構築するために,強化学習による逐次実験設計を提案する。 提案手法は,新たな実世界指向実験環境を提案することで,期待される情報獲得を最大化することを目的としている。 提案手法は,EIGやサンプリング効率などの指標において,既存の手法よりも優れていることを確認した。
  論文  参考訳（メタデータ） (2022-02-14T04:29:04Z)
• The Other Side of Black Screen: Rethinking Interaction in Synchronous Remote Learning for Collaborative Programming [0.0]
  協調学習環境は、批判的思考や問題解決といった経験的なハンズオンスキルの学習に不可欠である。 本稿では,新型コロナウイルスのパンデミック前後に提供される2つのプログラミングコースの,個人版とオンライン版について考察する。 現在のオンラインビデオ会議プラットフォームは、同僚間の協調学習を育むことはできない。
  論文  参考訳（メタデータ） (2021-11-11T01:52:12Z)
• OPEn: An Open-ended Physics Environment for Learning Without a Task [132.6062618135179]
  オープンエンドな物理環境で学んだ世界のモデルが、特定のタスクを伴わずに、下流の物理推論タスクに再利用できるかどうかについて検討する。 我々は,OPEn(Open-ended Physics ENvironment)のベンチマークを構築し,この環境における学習表現をテストするためのいくつかのタスクを明示的に設計する。 その結果、教師なしのコントラスト学習を表現学習に用いたエージェントと、探索のためのインパクト駆動学習が最良の結果となった。
  論文  参考訳（メタデータ） (2021-10-13T17:48:23Z)
• BEHAVIOR: Benchmark for Everyday Household Activities in Virtual, Interactive, and Ecological Environments [70.18430114842094]
  本稿では,シミュレーションにおける100のアクティビティを持つAIのベンチマークであるBEHAVIORを紹介する。 これらの活動は現実的で多様性があり、複雑であるように設計されています。 われわれは、バーチャルリアリティー(VR)における500件の人間デモを含む。
  論文  参考訳（メタデータ） (2021-08-06T23:36:23Z)
• Dual Policy Distillation [58.43610940026261]
  教員政策を学生政策に転換する政策蒸留は、深層強化学習の課題において大きな成功を収めた。 本研究では,2人の学習者が同じ環境下で活動し,環境の異なる視点を探索する,学生学生による二重政策蒸留(DPD)を導入する。 この二重学習フレームワークを開発する上で重要な課題は、同時代の学習に基づく強化学習アルゴリズムにおいて、ピア学習者から有益な知識を特定することである。
  論文  参考訳（メタデータ） (2020-06-07T06:49:47Z)
• Transfer Heterogeneous Knowledge Among Peer-to-Peer Teammates: A Model Distillation Approach [55.83558520598304]
  本研究は, モデル蒸留により, 複数の学生間で経験と伝達値関数を再利用する新しい手法を提案する。 また、異種知識を活用するための効率的な通信プロトコルの設計方法について述べる。 提案するフレームワークである学習・指導カテゴリー強化は,学習の進捗を安定化・加速する上で有望な性能を示す。
  論文  参考訳（メタデータ） (2020-02-06T11:31:04Z)
• Dynamic Causal Effects Evaluation in A/B Testing with a Reinforcement Learning Framework [68.96770035057716]
  A/Bテスト(A/B Testing)は、新しい製品を製薬、技術、伝統産業の古い製品と比較するビジネス戦略である。 本稿では,オンライン実験においてA/Bテストを実施するための強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-02-05T10:25:02Z)

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。