論文の概要: Demonstrating REACT: a Real-time Educational AI-powered Classroom Tool

• arxiv url: http://arxiv.org/abs/2108.07693v1
• Date: Fri, 30 Jul 2021 03:09:59 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-22 16:35:49.591180
• Title: Demonstrating REACT: a Real-time Educational AI-powered Classroom Tool
• Title（参考訳）: リアルタイムAIを活用した教室ツールREACTのデモ
• Authors: Ajay Kulkarni and Olga Gkountouna
• Abstract要約: 本稿では,教育者の意思決定プロセスを支援するために,EDM技術を用いたリアルタイムAIを活用した新しい教室ツールを提案する。 ReACTは、ユーザフレンドリなグラフィカルインターフェースを備えたデータ駆動ツールである。 学生のパフォーマンスデータを分析し、コンテキストベースのアラートとコースプランニングのための教育者へのレコメンデーションを提供する。
• 参考スコア（独自算出の注目度）: 0.9899017174990579
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a demonstration of REACT, a new Real-time Educational AI-powered Classroom Tool that employs EDM techniques for supporting the decision-making process of educators. REACT is a data-driven tool with a user-friendly graphical interface. It analyzes students' performance data and provides context-based alerts as well as recommendations to educators for course planning. Furthermore, it incorporates model-agnostic explanations for bringing explainability and interpretability in the process of decision making. This paper demonstrates a use case scenario of our proposed tool using a real-world dataset and presents the design of its architecture and user interface. This demonstration focuses on the agglomerative clustering of students based on their performance (i.e., incorrect responses and hints used) during an in-class activity. This formation of clusters of students with similar strengths and weaknesses may help educators to improve their course planning by identifying at-risk students, forming study groups, or encouraging tutoring between students of different strengths.
• Abstract（参考訳）: 本稿では,教育者の意思決定プロセスを支援するためにEDM技術を用いたリアルタイムAIを活用した新しい授業ツールREACTを紹介する。 REACTはユーザフレンドリなグラフィカルインターフェースを備えたデータ駆動ツールである。 学生のパフォーマンスデータを分析し、コンテキストベースのアラートとコース計画のための教育者へのレコメンデーションを提供する。 さらに、モデルに依存しない説明を組み込んで、意思決定のプロセスに説明可能性と解釈可能性をもたらす。 本稿では,実世界のデータセットを用いたツールのユースケースシナリオを示し,そのアーキテクチャとユーザインタフェースの設計について述べる。 本実験は,クラス内活動における生徒のパフォーマンス(不正確な応答やヒントなど)に基づく凝集的クラスタリングに着目したものである。 同様の強みと弱みを持つ学生集団の形成は、教師がリスクの高い学生を特定したり、学習グループを作ったり、異なる強みを持つ学生同士の指導を奨励することで、コースプランニングを改善するのに役立つかもしれない。

関連論文リスト

• Machine Learning-Driven Student Performance Prediction for Enhancing Tiered Instruction [11.564820268803619]
  学生のパフォーマンス予測は、教育データマイニングにおいて最も重要な課題の1つである。 広範な予測実験にもかかわらず、機械学習手法は実践的な教育戦略に効果的に統合されていない。 本研究は,機械学習による学生の成績予測とタインド・インストラクションを統合し,対象科目における学生の成績向上を目的とした。
  論文  参考訳（メタデータ） (2025-02-05T13:13:25Z)
• Human-Centered Design for AI-based Automatically Generated Assessment Reports: A Systematic Review [4.974197456441281]
  本研究は,ユーザ中心・直感的デザインによる教師の認知的要求を減らすことの重要性を強調した。 テキスト、視覚支援、プロットなどの多様な情報提示フォーマットや、ユーザビリティを高めるためのライブやインタラクティブ機能などの高度な機能の可能性を強調します。 このフレームワークは、教師が技術強化された評価結果に取り組み、データ駆動による意思決定を容易にし、教育と学習プロセスを改善するためのパーソナライズされたフィードバックを提供することの課題に対処することを目的としている。
  論文  参考訳（メタデータ） (2024-12-30T16:20:07Z)
• Real-time classification of EEG signals using Machine Learning deployment [0.0]
  本研究では,ある話題に対する生徒の理解度を予測するための,機械学習に基づくアプローチを提案する。 システムパラメータの値にアクセスして、選択したトピックに対する生徒の集中度を決定するブラウザインターフェースが導入された。
  論文  参考訳（メタデータ） (2024-12-27T08:14:28Z)
• Evaluating and Optimizing Educational Content with Large Language Model Judgments [52.33701672559594]
  言語モデル(LM)を教育専門家として活用し,学習結果に対する様々な指導の影響を評価する。 本稿では,一方のLMが他方のLMの判断を報酬関数として利用して命令材料を生成する命令最適化手法を提案する。 ヒトの教師によるこれらのLM生成ワークシートの評価は、LM判定と人間の教師の嗜好との間に有意な整合性を示す。
  論文  参考訳（メタデータ） (2024-03-05T09:09:15Z)
• Revisiting Self-supervised Learning of Speech Representation from a Mutual Information Perspective [68.20531518525273]
  我々は、情報理論の観点から、既存の自己教師型音声の手法を詳しく検討する。 我々は線形プローブを用いて、対象情報と学習された表現の間の相互情報を推定する。 我々は、ラベルを使わずに、データの異なる部分間の相互情報を見積もる自己教師型の表現を評価する可能性を探る。
  論文  参考訳（メタデータ） (2024-01-16T21:13:22Z)
• CLOVA: A Closed-Loop Visual Assistant with Tool Usage and Update [69.59482029810198]
  CLOVAは、推論、リフレクション、学習フェーズを含むフレームワーク内で動作するクローズドループビジュアルアシスタントである。 その結果,CLOVAは既存のツール利用手法を5%,知識タグ付けでは10%,画像編集では20%,視覚的質問応答や複数画像推論では5%に上回っていることがわかった。
  論文  参考訳（メタデータ） (2023-12-18T03:34:07Z)
• Empowering Private Tutoring by Chaining Large Language Models [87.76985829144834]
  本研究は,最先端の大規模言語モデル(LLM)を活用した,本格的な知的チューリングシステムの開発を探求する。 このシステムは、相互に接続された3つのコアプロセス(相互作用、反射、反応)に分けられる。 各プロセスは LLM ベースのツールと動的に更新されたメモリモジュールによって実装される。
  論文  参考訳（メタデータ） (2023-09-15T02:42:03Z)
• 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)
• Information-Theoretic Odometry Learning [83.36195426897768]
  生体計測推定を目的とした学習動機付け手法のための統合情報理論フレームワークを提案する。 提案フレームワークは情報理論言語の性能評価と理解のためのエレガントなツールを提供する。
  論文  参考訳（メタデータ） (2022-03-11T02:37:35Z)
• Towards Explainable Student Group Collaboration Assessment Models Using Temporal Representations of Individual Student Roles [12.945344702592557]
  学生グループコラボレーションを評価するために,簡単な時間-CNN深層学習モデルを提案する。 学生グループコラボレーション評価における動的に変化する特徴表現の適用性を検討する。 また、ディープラーニングモデルの決定に繋がった重要な時間指標をよりよく理解し、解釈するために、Grad-CAM視覚化を使用します。
  論文  参考訳（メタデータ） (2021-06-17T16:00:08Z)
• The Wits Intelligent Teaching System: Detecting Student Engagement During Lectures Using Convolutional Neural Networks [0.30458514384586394]
  Wits Intelligent Teaching System (WITS) は、学生の感情に関するリアルタイムフィードバックを講師に支援することを目的としている。 AlexNetベースのCNNはトレーニングが成功し、Support Vector Machineアプローチを大きく上回っている。
  論文  参考訳（メタデータ） (2021-05-28T12:59:37Z)

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。