論文の概要: An Educational System for Personalized Teacher Recommendation in K-12 Online Classrooms

• arxiv url: http://arxiv.org/abs/2107.07124v1
• Date: Thu, 15 Jul 2021 05:04:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-16 14:03:13.382106
• Title: An Educational System for Personalized Teacher Recommendation in K-12 Online Classrooms
• Title（参考訳）: k-12オンライン教室におけるパーソナライズド教員推薦教育システム
• Authors: Jiahao Chen, Hang Li, Wenbiao Ding, Zitao Liu
• Abstract要約: オンライン一対一授業のための実践的な教師推薦システムを構築するためのソリューションを提案する。 本システムは,(1)信頼度の高い学習ラベルを提供する擬似マッチングスコアモジュール,(2)候補教師全員をスコアするランキングモデル,(3)新規教員に新たな機会を与える新規支援モジュールから構成される。
• 参考スコア（独自算出の注目度）: 17.56211234900014
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose a simple yet effective solution to build practical teacher recommender systems for online one-on-one classes. Our system consists of (1) a pseudo matching score module that provides reliable training labels; (2) a ranking model that scores every candidate teacher; (3) a novelty boosting module that gives additional opportunities to new teachers; and (4) a diversity metric that guardrails the recommended results to reduce the chance of collision. Offline experimental results show that our approach outperforms a wide range of baselines. Furthermore, we show that our approach is able to reduce the number of student-teacher matching attempts from 7.22 to 3.09 in a five-month observation on a third-party online education platform.
• Abstract（参考訳）: 本稿では,オンライン一対一授業のための実践的教師推薦システムを構築するための,シンプルで効果的なソリューションを提案する。 本システムでは,(1)信頼性の高いトレーニングラベルを提供する疑似マッチングスコアモジュール,(2)候補者教師全員をスコア付けするランキングモデル,(3)新しい教師に新たな機会を与えるノベルティブースティングモジュール,(4)衝突の可能性を減らすために推奨結果をガードレールする多様性メトリクスから構成される。 オフライン実験の結果,我々のアプローチは広い範囲のベースラインを上回ることがわかった。 さらに,本手法は,オンライン教育プラットフォーム上での5ヶ月の観察において,学生と教師のマッチングの試みを7.22から3.09に削減できることを示す。

関連論文リスト

• Dual Test-time Training for Out-of-distribution Recommender System [91.15209066874694]
  DT3ORと呼ばれるOODレコメンデーションのための新しいDual Test-Time-Trainingフレームワークを提案する。 DT3ORでは、テスト期間中にモデル適応機構を導入し、リコメンデーションモデルを慎重に更新する。 我々の知る限りでは、テストタイムトレーニング戦略を通じてOODレコメンデーションに対処する最初の研究である。
  論文  参考訳（メタデータ） (2024-07-22T13:27:51Z)
• Active teacher selection for reinforcement learning from human feedback [14.009227941725783]
  人間のフィードバックからの強化学習(RLHF)により、機械学習システムは人間のフィードバックから目的を学ぶことができる。 教師の合理性、専門性、コストの相違をモデル化するHidden Utility Banditフレームワークを提案する。 我々は、さまざまなソリューションアルゴリズムを開発し、それらを紙レコメンデーションシステムと新型コロナウイルスワクチンテストという2つの現実世界の領域に適用する。
  論文  参考訳（メタデータ） (2023-10-23T18:54:43Z)
• A General Offline Reinforcement Learning Framework for Interactive Recommendation [43.47849328010646]
  まず,対話型レコメンデーションのための確率的生成モデルを導入し,ログ化されたフィードバックに基づく離散的およびポリシー学習のための効果的な推論アルゴリズムを提案する。 提案手法が既存の教師付き学習法や強化学習法よりも優れた性能を期待できることを示す。
  論文  参考訳（メタデータ） (2023-10-01T14:09:21Z)
• Active Teacher for Semi-Supervised Object Detection [80.10937030195228]
  半教師対象検出(SSOD)のための能動教師と呼ばれる新しいアルゴリズムを提案する。 Active Teacherは、教師/学生のフレームワークを反復的なバージョンに拡張し、ラベルセットを部分的に段階的に拡張し、ラベルなし例の3つの重要な要素を評価する。 この設計により、Active Teacherは、擬似ラベルの品質を改善しながら、限られたラベル情報の効果を最大化することができる。
  論文  参考訳（メタデータ） (2023-03-15T03:59:27Z)
• Distantly-Supervised Named Entity Recognition with Adaptive Teacher Learning and Fine-grained Student Ensemble [56.705249154629264]
  NERモデルの堅牢性を改善するために,自己学習型教員学生フレームワークを提案する。 本稿では,2つの教員ネットワークからなる適応型教員学習を提案する。 微粒な学生アンサンブルは、教師モデルの各フラグメントを、生徒の対応するフラグメントの時間移動平均で更新し、各モデルフラグメントのノイズに対する一貫した予測を強化する。
  論文  参考訳（メタデータ） (2022-12-13T12:14:09Z)
• A Design of A Simple Yet Effective Exercise Recommendation System in K-12 Online Learning [20.558108229264988]
  本手法は,(1)候補生成モジュール,(2)多様性促進モジュール,(3)範囲制限モジュールの3つの主要コンポーネントから構成される。 提案手法は,リコールの観点から全体の推薦性能を改善し,提案する候補の多様性をベースラインと比較して0.81%向上させる。
  論文  参考訳（メタデータ） (2022-06-23T03:08:11Z)
• A teacher-student framework for online correctional learning [12.980296933051509]
  本研究では,教師の助けを借りて,学生の推定値のばらつきを減らしたことを示す。 オンラインの問題を定式化します - 教師は、観察を変更するかどうかを瞬時に決めなければならないのです。 この枠組みを数値実験で検証し、最適オンラインポリシーとバッチ設定のフレームワークを比較した。
  論文  参考訳（メタデータ） (2021-11-15T15:01:00Z)
• Self-Training with Differentiable Teacher [80.62757989797095]
  自己学習は、様々な半教師付きおよび弱教師付き学習タスクで大きな成功を収める。 この手法は、教師が擬似ラベルを生成し、生徒が予測を行う教師学生の枠組みとして解釈できる。 そこで我々は,教師学生をStackelbergゲームとして扱う,差別化可能な自己学習法を提案する。
  論文  参考訳（メタデータ） (2021-09-15T02:06:13Z)
• Self-Supervised Reinforcement Learning for Recommender Systems [77.38665506495553]
  逐次リコメンデーションタスクのための自己指導型強化学習を提案する。 提案手法は,2つの出力層を持つ標準レコメンデーションモデルを強化する。 このようなアプローチに基づいて、自己監督型Q-ラーニング(SQN)と自己監督型アクター・クライブ(SAC)という2つのフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-10T11:18:57Z)
• Peer Collaborative Learning for Online Knowledge Distillation [69.29602103582782]
  Peer Collaborative Learningメソッドは、オンラインアンサンブルとネットワークコラボレーションを統合フレームワークに統合する。 CIFAR-10, CIFAR-100, ImageNetによる実験により, 提案手法は種々のバックボーンネットワークの一般化を著しく改善することを示した。
  論文  参考訳（メタデータ） (2020-06-07T13:21:52Z)
• Identifying At-Risk K-12 Students in Multimodal Online Environments: A Machine Learning Approach [23.02984017971824]
  オンライン講座から退学するリスクがあるK-12学生を事前に識別するためのドロップアウト警告フレームワークを持つことが不可欠である。 我々は,K-12マルチモーダルオンライン環境に特化した,リスクの高い学生識別を行う機械学習フレームワークを開発した。
  論文  参考訳（メタデータ） (2020-03-21T14:34:36Z)

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。