論文の概要: Effects of personality traits in predicting grade retention of Brazilian
students
- arxiv url: http://arxiv.org/abs/2107.05767v1
- Date: Mon, 12 Jul 2021 22:23:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-15 01:52:58.642074
- Title: Effects of personality traits in predicting grade retention of Brazilian
students
- Title(参考訳): ブラジル学生の成績保持予測における性格特性の影響
- Authors: Carmen Melo Toledo, Guilherme Mendes Bassedon, Jonathan Batista
Ferreira, Lucka de Godoy Gianvechio, Carlos Guatimosim, Felipe Maia Polo,
Renato Vicente
- Abstract要約: 本稿では,ブラジルにおける学年保持率の予測における学生の性格特性の関連性を評価することを目的とする。
セルタオジンホで行った調査には、いくつかの社会経済的質問、標準化されたテスト、パーソナリティテストが含まれていた。
当社のアプローチは,2012年から2017年の間,調査データに基づく機械学習モデルのトレーニングに基づいて,学年保持率の予測を行った。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Student's grade retention is a key issue faced by many education systems,
especially those in developing countries. In this paper, we seek to gauge the
relevance of students' personality traits in predicting grade retention in
Brazil. For that, we used data collected in 2012 and 2017, in the city of
Sertaozinho, countryside of the state of Sao Paulo, Brazil. The surveys taken
in Sertaozinho included several socioeconomic questions, standardized tests,
and a personality test. Moreover, students were in grades 4, 5, and 6 in 2012.
Our approach was based on training machine learning models on the surveys' data
to predict grade retention between 2012 and 2017 using information from 2012 or
before, and then using some strategies to quantify personality traits'
predictive power. We concluded that, besides proving to be fairly better than a
random classifier when isolated, personality traits contribute to prediction
even when using socioeconomic variables and standardized tests results.
- Abstract(参考訳): 学生の成績保持は、多くの教育システム、特に発展途上国で直面する重要な問題である。
本稿では,ブラジルにおける成績保持の予測における学生の性格特性の関連性について検討する。
そのために、2012年と2017年にブラジルのサンパウロ州の田舎セルタオジニョで収集されたデータを使用しました。
セルタオジンホで行った調査には、いくつかの社会経済的質問、標準化されたテスト、パーソナリティテストが含まれていた。
また、2012年は4学年5学年6学年であった。
われわれのアプローチは、2012年から2017年までの情報を用いて調査データの機械学習モデルをトレーニングし、その上で、性格特性の予測力の定量化にいくつかの戦略を用いた。
その結果,社会経済的変数を用いた場合や,標準化されたテスト結果を用いても,個性特性が予測に寄与することがわかった。
関連論文リスト
- QuRating: Selecting High-Quality Data for Training Language Models [69.55617417985809]
本稿では,人間が直感的に知覚するテキストの抽象的品質をキャプチャする事前学習データを選択するQuRatingを紹介する。
本稿では,書体,専門知識,事実とトリビア,教育的価値の4つの特性について検討する。
ペアの判断からスカラー評価を学ぶためにQuRaterモデルをトレーニングし、それを4つの基準ごとに品質評価付き260Bのトレーニングコーパスにアノテートするために使用します。
論文 参考訳(メタデータ) (2024-02-15T06:36:07Z) - Personality Profiling: How informative are social media profiles in
predicting personal information? [0.046040036610482664]
パーソナリティ・プロファイリングは、ターゲット広告、政治キャンペーン、ワクチンキャンペーンのために企業によって利用されてきた。
我々は,マイアーズ・ブリッグス(Myers-Briggs,マイアーズ・ブリッグス)のパーソナリティをプロファイリングするために,人々のオンラインデジタルフットプリントがどの程度活用できるかを検討することを目的とする。
論文 参考訳(メタデータ) (2023-09-15T03:09:43Z) - Large Language Models Can Infer Psychological Dispositions of Social
Media Users [1.2277343096128712]
本研究では,デジタルフットプリントから個人の心理的沈着を推定する大規模言語モデルの可能性について検討した。
ゼロショット学習シナリオにおいて,GPT-3.5とGPT-4がユーザのFacebookステータス更新からビッグファイブの特徴を引き出す能力を評価する。
以上の結果から,性別や年齢に対する性格推定の偏りが示唆された。
論文 参考訳(メタデータ) (2023-09-13T01:27:48Z) - Meta-Learning over Time for Destination Prediction Tasks [53.12827614887103]
交通分野における公共目的と民間目標の両方を、車両の行動を理解し、予測する必要がある。
近年の研究では、時間情報の導入による予測性能の限界改善しか見出されていない。
本稿では、ニューラルネットワークが入力に応じて自身の重みを変えることを学習するハイパーネットワークに基づくアプローチを提案する。
論文 参考訳(メタデータ) (2022-06-29T17:58:12Z) - SF-PATE: Scalable, Fair, and Private Aggregation of Teacher Ensembles [50.90773979394264]
本稿では、個人の機密情報のプライバシーを保護しつつ、差別的でない予測者の学習を可能にするモデルについて検討する。
提案モデルの主な特徴は、プライバシ保護とフェアモデルを作成するために、オフ・ザ・セルフと非プライベートフェアモデルの採用を可能にすることである。
論文 参考訳(メタデータ) (2022-04-11T14:42:54Z) - Items from Psychometric Tests as Training Data for Personality Profiling
Models of Twitter Users [10.794240050116363]
ソーシャルメディアにおける著者プロファイリングのための機械学習モデルは、しばしば、ソーシャルメディアユーザーによって満たされた自己報告ベースの心理測定テスト(クエクションネア)を通じて取得されたデータに依存している。
もう1つのコストの安い代替手段は、ユーザーのプロフィールにある公開情報から推測されるラベルに依存することである。
本稿では,検証された心理測定テストの項目のコーパスを直接トレーニングデータとして利用する第3の戦略について検討する。
論文 参考訳(メタデータ) (2022-02-21T18:24:59Z) - Two-Faced Humans on Twitter and Facebook: Harvesting Social Multimedia
for Human Personality Profiling [74.83957286553924]
我々は、"PERS"と呼ばれる新しい多視点融合フレームワークを適用して、マイアーズ・ブリッグス・パーソナリティ・タイプインジケータを推定する。
実験の結果,多視点データからパーソナリティ・プロファイリングを学習する能力は,多様なソーシャル・マルチメディア・ソースからやってくるデータを効率的に活用できることが示唆された。
論文 参考訳(メタデータ) (2021-06-20T10:48:49Z) - Inferred vs traditional personality assessment: are we predicting the
same thing? [0.0]
機械学習の手法は、デジタル記録から心理的特徴を予測するために研究者によって広く使われている。
自動パーソナリティ推定が元の特性の性質を保持するかどうかを調べるために、220の最近の記事をレビューしました。
論文 参考訳(メタデータ) (2021-03-17T13:22:00Z) - 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) - My tweets bring all the traits to the yard: Predicting personality and
relational traits in Online Social Networks [4.095574580512599]
本研究は,オンラインソーシャルネットワーク(OSN)における全体像プロファイルの予測モデルを提供することを目的とする。
我々はまずOSNアカウントから幅広い機能を抽出する機能エンジニアリング手法を考案した。
そして,抽出した特徴に基づいて,ユーザの心理的特徴のスコアを予測する機械学習モデルを設計した。
論文 参考訳(メタデータ) (2020-09-22T20:30:56Z) - Vyaktitv: A Multimodal Peer-to-Peer Hindi Conversations based Dataset
for Personality Assessment [50.15466026089435]
本稿では,ピアツーピアのHindi会話データセットであるVyaktitvを提案する。
参加者の高品質な音声とビデオの録音と、会話ごとにヒングリッシュのテキストによる書き起こしで構成されている。
データセットには、収入、文化的指向など、すべての参加者のための豊富な社会デコグラフィー的特徴が含まれています。
論文 参考訳(メタデータ) (2020-08-31T17:44:28Z)
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。