論文の概要: An approach to optimize study programs using Discrete Event Simulation

• arxiv url: http://arxiv.org/abs/2110.12777v1
• Date: Mon, 25 Oct 2021 10:10:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-10 08:03:23.760391
• Title: An approach to optimize study programs using Discrete Event Simulation
• Title（参考訳）: 離散イベントシミュレーションによる学習プログラム最適化の試み
• Authors: Marcel Dr\"oscher, Alpar G\"ur, Nicolas Rehbach
• Abstract要約: ドロップアウトは様々な理由で発生し、直接一般化できない。 大学を中退するだけでなく、生徒は特定の授業に悩まされることが多い。 一般学生の進行をよりよく理解するために,離散イベントシミュレーションが作成された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Creating a study program for optimal academic completion is a complex assignment. Especially programs in the science, technology, engineering, and mathematics field are known for extended completion time as well as high drop-out rates throughout the years. Drop-outs are caused by various reasons and can not be directly generalized. This leads to unnecessary costs for the students and the university. Reasons for dropping out of university could be students failing classes too often or poorly designed study programs causing a loss of interest in a subject. Besides dropping out of university, students are often having trouble with specific classes. This results in postponing certain classes, which causes a bottleneck in the overall progression and delays graduation. To achieve a better understanding of a general student's progression as well as finding mentioned bottlenecks in an average academic progression a discrete event simulation was created. The insights gained by the simulation shall furthermore be used by Technische Hochschule K\"oln to analyze mentioned problems, find solutions and create a healthier environment for optimal academic progression.
• Abstract（参考訳）: 最適な学術修了のための学習プログラムを作成することは複雑な課題である。 特に、科学、技術、工学、数学の分野のプログラムは、長い完成時間と年間を通して高いドロップアウト率で知られている。 ドロップアウトは様々な理由で発生し、直接一般化できない。 これは学生や大学にとって不要なコストにつながる。 大学を中退した理由は、学生が授業に失敗しすぎることや、学生の興味を失うような設計の悪い研究プログラムが原因かもしれない。 大学を中退するだけでなく、学生はしばしば特定の授業で苦労している。 この結果、クラスを延期し、全体的な進行と卒業の遅延のボトルネックを引き起こす。 一般学生の進歩をよりよく理解すると同時に,平均的な学術的進展のボトルネックを見出すために,離散的なイベントシミュレーションが作成された。 このシミュレーションによって得られた洞察は、さらにtechnische hochschule k\"olnによって、前述の問題を分析し、解決策を見つけ、最適な学術的進歩のためのより健全な環境を作るために使われる。

関連論文リスト

• Reasoning Paths Optimization: Learning to Reason and Explore From Diverse Paths [69.39559168050923]
  本稿では,多様な経路から学習の推論と探索を可能にするReasoning Paths Optimization (RPO)を紹介する。 提案手法は,各推論ステップにおいて好意的な分岐を奨励し,好ましくない分岐を罰し,モデル全体の問題解決性能を高める。 我々は,数語問題や理科ベースの試験問題など,多段階の推論タスクに焦点をあてる。
  論文  参考訳（メタデータ） (2024-10-07T06:37:25Z)
• Near-Optimal Solutions of Constrained Learning Problems [85.48853063302764]
  機械学習システムでは、振る舞いを縮小する必要性がますます顕在化している。 これは、双対ロバスト性変数を満たすモデルの開発に向けた最近の進歩によって証明されている。 この結果から, 豊富なパラメトリゼーションは非次元的, 有限な学習問題を効果的に緩和することが示された。
  論文  参考訳（メタデータ） (2024-03-18T14:55:45Z)
• Does Starting Deep Learning Homework Earlier Improve Grades? [63.20583929886827]
  宿題を早く始め、より多くの時間を費やしている学生は、宿題の成績が良くなるはずだ。 既存の文献が宿題に費やした時間の影響は明確ではなく、主にK-12教育から来ている。 我々は,学生の成功に対する影響を原則的に結論付けるために,階層的ベイズモデルを構築した。
  論文  参考訳（メタデータ） (2023-09-30T09:34:30Z)
• Planning Courses for Student Success at the American College of Greece [0.0]
  我々は、ギリシャのアメリカン・カレッジ・オブ・ギリシャの学生が研究を完了するために必要となるコースのスケジュールを最適化する問題をモデル化する。 結果のスケジュールを最適化する目的として,最速の完了時間,コース難易度バランスなど,いくつかの異なる目標を定式化します。 我々は,機械学習とデータマイニングの手法を用いて,受講生が受講生に期待する成績を捉えた。
  論文  参考訳（メタデータ） (2022-06-16T10:19:37Z)
• Comparing Heuristics, Constraint Optimization, and Reinforcement Learning for an Industrial 2D Packing Problem [58.720142291102135]
  カットとパッケージングの問題は、ビジネスの収益に直接影響を与えるさまざまな業界で起きている。 機械学習は、このような問題を解決するためにますます使われています。
  論文  参考訳（メタデータ） (2021-10-27T15:47:47Z)
• Prediction of Students performance with Artificial Neural Network using Demographic Traits [2.7636476571082373]
  本研究は, ニュートラルネットワークを用いた学生の成績予測システムを開発することを目的とする。 モデルは入力として選択された変数に基づいて開発された。 精度は92.3%を超え、ニューラルネットワークの有効性を示した。
  論文  参考訳（メタデータ） (2021-08-08T11:46:41Z)
• ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
  本稿では,フィードバックを数発の分類として提供するという課題について考察する。 メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。 本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
  論文  参考訳（メタデータ） (2021-07-23T22:41:28Z)
• Tri-Branch Convolutional Neural Networks for Top-$k$ Focused Academic Performance Prediction [28.383922154797315]
  学業成績予測は、学生に関連する情報を活用し、将来の学業成果を予測することを目的としている。 本稿では、学生の日常行動軌跡を分析し、キャンパスのスマートカード記録を網羅的に追跡する。 本稿では,行ワイド,列ワイド,深さワイドのコンボリューションとアテンション操作を備えた新しいTri-Branch CNNアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-07-22T02:35:36Z)
• Graduate Employment Prediction with Bias [44.38256197478875]
  大学生への就職の失敗は、飲酒や自殺などの深刻な社会的結果を引き起こす可能性がある。 偏見を考慮しつつ,学生の就業状況を予測する枠組み,すなわちMAYAを開発する。
  論文  参考訳（メタデータ） (2019-12-27T07:30:28Z)
• Academic Performance Estimation with Attention-based Graph Convolutional Networks [17.985752744098267]
  学生の過去のデータから、学生のパフォーマンス予測の課題は、将来のコースにおける生徒の成績を予測することである。 学生のパフォーマンス予測の伝統的な方法は、通常、複数のコース間の基礎となる関係を無視する。 本稿では,学生のパフォーマンス予測のための新しい注目型グラフ畳み込みネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2019-12-26T23:11:27Z)

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。