Fugu-MT 論文翻訳(概要): An AI-based Solution for Enhancing Delivery of Digital Learning for Future Teachers

論文の概要: An AI-based Solution for Enhancing Delivery of Digital Learning for Future Teachers

arxiv url: http://arxiv.org/abs/2112.01229v1
Date: Tue, 9 Nov 2021 06:15:13 GMT
ステータス: 処理完了
システム内更新日: 2021-12-06 04:42:58.547686
Title: An AI-based Solution for Enhancing Delivery of Digital Learning for Future Teachers
Title（参考訳）: 未来の教師のためのデジタル学習のデリバリを促進するAIベースのソリューション
Authors: Yong-Bin Kang, Abdur Rahim Mohammad Forkan, Prem Prakash Jayaraman, Natalie Wieland, Elizabeth Kolliasl, Hung Du, Steven Thomson, Yuan-Fang Li
Abstract要約: デジタル学習と教育をスケールする上で最も難しい部分の1つは、学習者の知識と能力を評価することである。本稿では,事前に録音されたビデオ講義から質問を自動的に生成する人工知能ベースのソリューションVidVersityQGを提案する。
参考スコア（独自算出の注目度）: 6.0988393123743485
License: http://creativecommons.org/licenses/by/4.0/
Abstract: There has been a recent and rapid shift to digital learning hastened by the pandemic but also influenced by ubiquitous availability of digital tools and platforms now, making digital learning ever more accessible. An integral and one of the most difficult part of scaling digital learning and teaching is to be able to assess learner's knowledge and competency. An educator can record a lecture or create digital content that can be delivered to thousands of learners but assessing learners is extremely time consuming. In the paper, we propose an Artificial Intelligence (AI)-based solution namely VidVersityQG for generating questions automatically from pre-recorded video lectures. The solution can automatically generate different types of assessment questions (including short answer, multiple choice, true/false and fill in the blank questions) based on contextual and semantic information inferred from the videos. The proposed solution takes a human-centred approach, wherein teachers are provided the ability to modify/edit any AI generated questions. This approach encourages trust and engagement of teachers in the use and implementation of AI in education. The AI-based solution was evaluated for its accuracy in generating questions by 7 experienced teaching professionals and 117 education videos from multiple domains provided to us by our industry partner VidVersity. VidVersityQG solution showed promising results in generating high-quality questions automatically from video thereby significantly reducing the time and effort for educators in manual question generation.
Abstract（参考訳）: パンデミックによって急速にデジタル学習がシフトしてきたが、デジタルツールやプラットフォームがユビキタスに利用可能になったことで、デジタル学習はよりアクセスしやすくなっている。デジタル学習と教育のスケールにおいて不可欠かつ最も難しい部分の1つは、学習者の知識と能力を評価することである。教育者は講義を録音したり、何千人もの学習者に届けることができるデジタルコンテンツを作成できるが、学習者の評価は非常に時間がかかる。本稿では,事前に記録されたビデオ講義から質問を自動的に生成する人工知能(AI)ベースのソリューションVidVersityQGを提案する。このソリューションは、ビデオから推測された文脈的および意味的情報に基づいて、さまざまな種類の評価質問(短い回答、複数の選択、真/偽、空白の質問を記入する)を自動的に生成することができる。提案されたソリューションは、AI生成された質問を修正/編集する機能を提供する、人間中心のアプローチを採用している。このアプローチは、教育におけるAIの使用と実践における教師の信頼と関与を促進する。このaiベースのソリューションは、7人の経験豊富な教師と複数のドメインの117の教育ビデオによって質問を生成できるという正確さで評価されました。 VidVersityQGソリューションはビデオから高品質な質問を自動生成する有望な結果を示し、手動質問生成における教育者の時間と労力を大幅に削減した。

関連論文リスト

Investigating Developers' Preferences for Learning and Issue Resolution Resources in the ChatGPT Era [1.3124513975412255]
最近のトレンドはビデオチュートリアルのような魅力的なフォーマットを好んでいる。 ChatGPTのような大規模言語モデル(LLM)の出現は、新しい学習パラダイムを提示します。我々は,ソフトウェア開発者とコンピュータサイエンスの学生を対象に,341の回答を集め,そのうち268の回答を完成・分析した。
論文参考訳（メタデータ） (2024-10-10T22:57:29Z)
Video as the New Language for Real-World Decision Making [100.68643056416394]
ビデオデータは、言語で表現しにくい物理世界に関する重要な情報をキャプチャする。ビデオは、インターネットの知識を吸収し、多様なタスクを表現できる統一インターフェースとして機能する。ロボット工学、自動運転、科学といった分野における大きなインパクトの機会を特定します。
論文参考訳（メタデータ） (2024-02-27T02:05:29Z)
How to Build an AI Tutor that Can Adapt to Any Course and Provide Accurate Answers Using Large Language Model and Retrieval-Augmented Generation [0.0]
OpenAI Assistants APIにより、AI Tutorは、ファイルやチャット履歴を簡単に埋め込み、保存、検索、管理できる。 AI Tutorのプロトタイプは、ソースの引用で関連性があり正確な回答を生成する能力を示している。
論文参考訳（メタデータ） (2023-11-29T15:02:46Z)
Learning to Reuse Distractors to support Multiple Choice Question Generation in Education [19.408786425460498]
本稿では,教師が複数選択質問(MCQ)の作成を支援するために,手作業による回答と注意散らしの集合をいかに活用するかを検討する。データ駆動モデルをいくつか構築し,静的な特徴ベースモデルと比較した。自動評価と人的評価は、コンテキスト認識モデルが静的な特徴ベースのアプローチを一貫して上回っていることを示している。
論文参考訳（メタデータ） (2022-10-25T12:48:56Z)
Multimodal Lecture Presentations Dataset: Understanding Multimodality in Educational Slides [57.86931911522967]
学習内容のマルチモーダル理解における機械学習モデルの能力を検証する。このデータセットには,180時間以上のビデオと9000時間以上のスライドが,各科目から10人の講師が参加している。マルチモーダル・トランスフォーマーであるPolyViLTを導入する。
論文参考訳（メタデータ） (2022-08-17T05:30:18Z)
Self-Supervised Learning for Videos: A Survey [70.37277191524755]
自己教師型学習は、画像ドメインとビデオドメインの両方で有望である。本稿では,ビデオ領域に着目した自己教師型学習における既存のアプローチについて概観する。
論文参考訳（メタデータ） (2022-06-18T00:26:52Z)
CLUE: Contextualised Unified Explainable Learning of User Engagement in Video Lectures [6.25256391074865]
本稿では,オンライン授業ビデオから抽出した特徴から学習する統合モデルCLUEを提案する。我々のモデルは、言語、文脈情報、配信されたコンテンツのテキスト感情の複雑さをモデル化するために、様々なマルチモーダル機能を利用する。
論文参考訳（メタデータ） (2022-01-14T19:51:06Z)
Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
論文参考訳（メタデータ） (2021-01-19T12:23:32Z)
Artificial Intelligence enabled Smart Learning [0.0]
人工知能(ai、artificial intelligence)は、人工知能を扱うコンピュータ科学の分野である。それは個々の学生、教師および学術スタッフから集められる膨大な量のデータを分析するのを助けます。世界銀行教育報告書は、この問題によって生み出された学習ギャップが多くの学生を退学させることを示唆している。
論文参考訳（メタデータ） (2021-01-08T12:49:33Z)
Neural Multi-Task Learning for Teacher Question Detection in Online Classrooms [50.19997675066203]
教師の音声記録から質問を自動的に検出するエンドツーエンドのニューラルネットワークフレームワークを構築している。マルチタスク学習手法を取り入れることで,質問の種類によって意味的関係の理解を深めることが可能となる。
論文参考訳（メタデータ） (2020-05-16T02:17:04Z)
Explainable Active Learning (XAL): An Empirical Study of How Local Explanations Impact Annotator Experience [76.9910678786031]
本稿では、最近急増している説明可能なAI(XAI)のテクニックをアクティブラーニング環境に導入することにより、説明可能なアクティブラーニング(XAL)の新たなパラダイムを提案する。本研究は,機械教育のインタフェースとしてのAI説明の利点として,信頼度校正を支援し,リッチな形式の教示フィードバックを可能にすること,モデル判断と認知作業負荷による潜在的な欠点を克服する効果を示す。
論文参考訳（メタデータ） (2020-01-24T22:52:18Z)

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。