Fugu-MT 論文翻訳(概要): Predicting students' performance in online courses using multiple data sources

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

On Pretraining Data Diversity for Self-Supervised Learning [57.91495006862553]
我々は、より多様なデータセットを用いたトレーニングが、固定された計算予算の下での自己教師付き学習(SSL)のパフォーマンスに与える影響について検討する。以上の結果から,事前学習データの多様性の増大はSSL性能を向上させるが,下流データへの分布距離が最小である場合に限る。
論文参考訳（メタデータ） (2024-03-20T17:59:58Z)
Improving prediction of students' performance in intelligent tutoring systems using attribute selection and ensembles of different multimodal data sources [0.0]
本研究の目的は,Intelligent Tutoring Systemの異なるデータソースを用いて,大学生の学習成績を予測することである。異なるマルチモーダルソースから40名の学生のデータを収集・前処理した。
論文参考訳（メタデータ） (2024-02-10T09:31:39Z)
Multi-source and multimodal data fusion for predicting academic performance in blended learning university courses [0.0]
異なる情報源から1年目の大学生のデータを収集・前処理した。 4つの異なるデータ融合手法と6つの分類アルゴリズムを適用して実験を行った。最高の予測モデルから,理論授業における注目度,Moodleクイズにおける得点,およびMoodleフォーラムにおける活動度が,本コースにおける学生の最終成績を予測する上での最善の属性セットであることが示唆された。
論文参考訳（メタデータ） (2024-02-08T21:29:41Z)
LESS: Selecting Influential Data for Targeted Instruction Tuning [64.78894228923619]
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)
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)

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。