論文の概要: Predicting students' performance in online courses using multiple data
sources
- arxiv url: http://arxiv.org/abs/2109.07903v1
- Date: Tue, 7 Sep 2021 20:48:04 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-19 13:44:07.950307
- Title: Predicting students' performance in online courses using multiple data
sources
- Title(参考訳): 複数のデータソースを用いたオンライン授業における学生のパフォーマンス予測
- Authors: M\'elina Verger and Hugo Jair Escalante
- Abstract要約: データ駆動による意思決定は教育に役立ち、変革をもたらす。
我々は,複数のデータソースを用いて,生徒のパフォーマンスを予測する問題にアプローチした。
実験結果から,どのデータをタスクとして考慮すべきかという予備的な結論が得られた。
- 参考スコア(独自算出の注目度): 15.319577895121952
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Data-driven decision making is serving and transforming education. We
approached the problem of predicting students' performance by using multiple
data sources which came from online courses, including one we created.
Experimental results show preliminary conclusions towards which data are to be
considered for the task.
- Abstract(参考訳): データ駆動意思決定は教育を提供し、変革する。
我々は,オンラインコースから得られた複数のデータソースを用いて,学習者のパフォーマンスを予測する問題にアプローチした。
実験結果から,どのデータをタスクとして考慮すべきかという予備的な結論が得られた。
関連論文リスト
- LESS: Selecting Influential Data for Targeted Instruction Tuning [69.50855460630105]
本稿では,データの影響を推定し,命令データ選択のための低ランクグレーディエント類似度探索を行うアルゴリズムであるLESSを提案する。
LESS選択したデータの5%のトレーニングは、さまざまなダウンストリームタスクにわたる完全なデータセットでのトレーニングよりも優れています。
我々の方法は、意図した下流アプリケーションに必要な推論スキルを識別するために、表面的なフォームキューを超えています。
論文 参考訳(メタデータ) (2024-02-06T19:18:04Z) - A Deep Learning Approach Towards Student Performance Prediction in
Online Courses: Challenges Based on a Global Perspective [0.6058427379240696]
本研究は,オンラインコースの中間段階における学生のパフォーマンスを予測するために,深層学習技術(CNNとRNN-LSTM)を用いることを提案する。
実験結果から、ディープラーニングモデルは、他の最適化されたMLモデルよりも優れた性能を持つことが示された。
論文 参考訳(メタデータ) (2024-01-10T19:13:19Z) - On the Trade-off of Intra-/Inter-class Diversity for Supervised
Pre-training [72.8087629914444]
教師付き事前学習データセットのクラス内多様性(クラス毎のサンプル数)とクラス間多様性(クラス数)とのトレードオフの影響について検討した。
トレーニング前のデータセットのサイズが固定された場合、最高のダウンストリームのパフォーマンスは、クラス内/クラス間の多様性のバランスがとれる。
論文 参考訳(メタデータ) (2023-05-20T16:23:50Z) - DPP-based Client Selection for Federated Learning with Non-IID Data [97.1195165400568]
本稿では,統合学習(FL)のコミュニケーションボトルネックに対処するクライアント選択(CS)手法を提案する。
まず、FLにおけるCSの効果を分析し、各学習ラウンドにおけるトレーニングデータセットの多様化に参加者を適切に選択することで、FLトレーニングを加速させることができることを示す。
我々は、データプロファイリングと決定点プロセス(DPP)サンプリング技術を活用し、DPPに基づく参加者選択(FL-DP$3$S)によるフェデレートラーニング(Federated Learning)と呼ばれるアルゴリズムを開発する。
論文 参考訳(メタデータ) (2023-03-30T13:14:54Z) - Process-BERT: A Framework for Representation Learning on Educational
Process Data [68.8204255655161]
本稿では,教育プロセスデータの表現を学習するためのフレームワークを提案する。
我々のフレームワークは、BERT型の目的を用いて、シーケンシャルなプロセスデータから表現を学習する事前学習ステップで構成されています。
当社のフレームワークは,2019年国のレポートカードデータマイニングコンペティションデータセットに適用しています。
論文 参考訳(メタデータ) (2022-04-28T16:07:28Z) - DCUR: Data Curriculum for Teaching via Samples with Reinforcement
Learning [6.9884912034790405]
本稿では,オンライン深層学習を用いた教員教育を行うためのフレームワーク,Data CUrriculum for Reinforcement Learning (DCUR)を提案する。
そして、オフラインのRLを実行するか、少量の自己生成データと組み合わせて教師データを使用することで学習する。
論文 参考訳(メタデータ) (2021-09-15T15:39:46Z) - Multi-characteristic Subject Selection from Biased Datasets [79.82881947891589]
本稿では,異なる集団群に対する最良サンプリング分数を求める制約付き最適化に基づく手法を提案する。
その結果,提案手法がすべての問題変化のベースラインを最大90%上回っていることが示された。
論文 参考訳(メタデータ) (2020-12-18T15:55:27Z) - Improving Multi-Turn Response Selection Models with Complementary
Last-Utterance Selection by Instance Weighting [84.9716460244444]
我々は、データリソース自体の根底にある相関を利用して、異なる種類の監視信号を導出することを検討する。
2つの公開データセットで広範な実験を行い、両方のデータセットで大幅に改善した。
論文 参考訳(メタデータ) (2020-02-18T06:29:01Z) - Online Peer-Assessment Datasets [0.0]
トレント大学の1年生と2年生を対象にピアアセスメント実験を行った。
実験は1学期にわたって行われ、2013年から2016年にかけて5つのコンピュータサイエンスコースで実施された。
データセットは解析可能なデータ構造として報告され、中間処理によってNLPまたはML対応データセットに成形することができる。
論文 参考訳(メタデータ) (2019-12-30T18:48:55Z)
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。