論文の概要: The Show Must Go On -- Examination During a Pandemic

• arxiv url: http://arxiv.org/abs/2107.04014v1
• Date: Fri, 25 Jun 2021 09:22:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-25 13:41:09.135330
• Title: The Show Must Go On -- Examination During a Pandemic
• Title（参考訳）: 番組は継続しなければならない --パンデミック中の検査
• Authors: Pamela Fleischmann and Mitja Kulczynski and Dirk Nowotka
• Abstract要約: 大学側は、学生の失業が原因ですぐに財政上の問題に直面したため、期待された時間内での学位の確保のために、学生が研究を追求できることを決定した。 これは、教師として、厳格な衛生規則の下で、ペンと紙で直接行われるように調整された試験方法を考え出す必要があることを暗示した。 我が国の一般データ保護規制の高水準を図りながら、デジタル化試験を家庭で安全に修正できる枠組みを開発した。
• 参考スコア（独自算出の注目度）: 3.248584983235657
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: When unexpected incidents occur, new innovative and flexible solutions are required. If this event is something such radical and dramatic like the COVID-19 pandemic, these solutions must aim to guarantee as much normality as possible while protecting lives. After a moment of shock our university decided that the students have to be able to pursue their studies for guaranteeing a degree in the expected time since most of them faced immediate financial problems due to the loss of their student jobs. This implied, for us as teachers, that we had to reorganise not only the teaching methods from nearly one day to the next, but we also had to come up with an adjusted way of examinations which had to take place in person with pen and paper under strict hygiene rules. On the other hand the correction should avoid personal contacts. We developed a framework which allowed us to correct the digitalised exams safely at home while providing the high standards given by the general data protection regulation of our country. Moreover, the time spent in the offices could be reduced to a minimum thanks to automatically generated exam sheets, automatically re-digitalised and sorted worked-on exams.
• Abstract（参考訳）: 予期せぬインシデントが発生すると、新しい革新的で柔軟なソリューションが求められます。 もしこのイベントが新型コロナウイルス(COVID-19)のパンデミックのように急激で劇的なものであるなら、これらの解決策は生命を守りながら可能な限り正常性を保証することを目指している。 ショックを受けた後,大学側は,学生の失業による財政問題に直面している学生が多いため,期待できる時間内での学位確保のために,学業を追求しなくてはならないと判断した。 これは,教師としての私たちにとって,授業方法がほぼ1日から次の1日間に再編成されるだけでなく,厳格な衛生規則の下でペンや紙で直接行うべき試験方法の調整が必要であったことを暗示している。 一方、修正は個人的な接触を避けるべきである。 我々は、我が国の一般データ保護規制による高い基準を提供しながら、自宅でのデジタル化試験を安全に修正できる枠組みを開発した。 さらに、自動テストシートが自動生成され、自動でデジタル化され、ワークオンテストがソートされるため、オフィスでの時間を最小限に抑えることができる。

関連論文リスト

• Automatically Adaptive Conformal Risk Control [49.95190019041905]
  本稿では,テストサンプルの難易度に適応して,統計的リスクの近似的条件制御を実現する手法を提案する。 我々のフレームワークは、ユーザが提供するコンディショニングイベントに基づく従来のコンディショニングリスク制御を超えて、コンディショニングに適した関数クラスのアルゴリズム的、データ駆動決定を行う。
  論文  参考訳（メタデータ） (2024-06-25T08:29:32Z)
• A Video-based Detector for Suspicious Activity in Examination with OpenPose [0.0]
  本稿では,ビデオ分析や検査中の不審な動作の検出に自動化を利用するフレームワークを提案する。 我々は,OpenPoseフレームワークと畳み込みニューラルネットワーク(CNN)を用いて,試験中にオブジェクトを交換する学生を特定した。
  論文  参考訳（メタデータ） (2023-07-21T08:15:39Z)
• A Generalized Unbiased Risk Estimator for Learning with Augmented Classes [70.20752731393938]
  ラベルなしのデータが与えられた場合、非バイアスリスク推定器(URE)が導出され、理論的保証のあるLACでは最小限にすることができる。 理論的な保証を維持しつつ任意の損失関数を装備できる一般化されたUREを提案する。
  論文  参考訳（メタデータ） (2023-06-12T06:52:04Z)
• You Only Live Once: Single-Life Reinforcement Learning [124.1738675154651]
  多くの現実世界の状況では、そのタスクを繰り返し実行できるポリシーを学ぶことではなく、単一のトライアルで1回だけ新しいタスクを成功させることが目的である。 エージェントが介入なしにひとつのエピソード内でタスクを完了しなければならない問題設定を形式化する。 本稿では,分散マッチング戦略を用いたQ$-weighted adversarial Learning (QWALE)を提案する。
  論文  参考訳（メタデータ） (2022-10-17T09:00:11Z)
• Learning Domain Adaptive Object Detection with Probabilistic Teacher [93.76128726257946]
  確率的教師(PT)と呼ばれる,シンプルで効果的な枠組みを提案する。 PTは、段階的に進化する教師から未ラベルの目標データの不確実性を捉え、相互に有利な方法で生徒の学習を指導することを目的としている。 また,不確実性誘導型自己学習を促進するために,新しいエントロピー・フォカル・ロス(EFL)を提案する。
  論文  参考訳（メタデータ） (2022-06-13T16:24:22Z)
• Continuous Examination by Automatic Quiz Assessment Using Spiral Codes and Image Processing [69.35569554213679]
  紙のキズは安価で、教室のキャンパス教育の範囲内にある。 クイズの修正は かなりの障害だ 本稿では,新しい画像処理技術によって問題を緩和することを提案する。
  論文  参考訳（メタデータ） (2022-01-26T22:58:15Z)
• The application of predictive analytics to identify at-risk students in health professions education [0.0]
  機械学習は、どの学生が国家認定試験に失敗するリスクがあるかを予測するために使用される。 受験前には、学生が受験する前に教育者が有意義に介入できるような予測がなされている。 最良の予測モデルは精度93%、感度69%、特異性94%である。
  論文  参考訳（メタデータ） (2021-08-05T03:55:53Z)
• Should College Dropout Prediction Models Include Protected Attributes? [0.4125187280299248]
  機械学習モデルを構築し、1学年後に学生のドロップアウトを予測する。 モデル予測の全体的な性能と公平性を、4つの保護属性の有無で比較する。 保護属性を含むと、全体的な予測性能に影響を与えず、予測のアルゴリズム的公正さをわずかに改善することを発見した。
  論文  参考訳（メタデータ） (2021-03-28T22:47:30Z)
• Unique Exams: Designing assessments for integrity and fairness [1.9290392443571387]
  従来の熟達試験の代わりに、教官はコースレベルの学習目標を評価する方法論を再考する必要がある。 本稿では,試験の完全性を維持するための枠組みと学生のプライバシーについて論じる。
  論文  参考訳（メタデータ） (2020-09-03T14:44:00Z)
• Safe Reinforcement Learning via Curriculum Induction [94.67835258431202]
  安全クリティカルなアプリケーションでは、自律エージェントはミスが非常にコストがかかる環境で学ぶ必要がある。 既存の安全な強化学習手法は、エージェントが危険な状況を避けるために、事前にエージェントを頼りにしている。 本稿では,エージェントが自動インストラクターの指導の下で学習する,人間の指導にインスパイアされた代替手法を提案する。
  論文  参考訳（メタデータ） (2020-06-22T10:48:17Z)

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。