Fugu-MT 論文翻訳(概要): Assessing m-Learning Adoption in Higher Education

論文の概要: Assessing m-Learning Adoption in Higher Education

arxiv url: http://arxiv.org/abs/2112.09793v1
Date: Fri, 17 Dec 2021 22:23:48 GMT
ステータス: 処理完了
システム内更新日: 2023-03-04 06:51:38.565453
Title: Assessing m-Learning Adoption in Higher Education
Title（参考訳）: 高等教育におけるm-Learning導入の評価
Authors: Muasaad Alrasheedi, Luiz Fernando Capretz
Abstract要約: 本稿では,CMM(Capability Maturity Model)の枠組みを用いて,教育機関におけるMラーニングモデルの設計を行った。この枠組みは高等教育機関の研究事例で検証されている。
参考スコア（独自算出の注目度）: 10.282581776585198
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: New mobile platforms, connected seamlessly to the Internet via wireless access have become increasingly more powerful and have found usage in a diverse set of application areas, including the education sector. The educational institutions are becoming more open to embracing new learning platforms, which in turn has sparked the interest in developing new assessment frameworks. This paper has used the framework of the Capability Maturity Model (CMM) to design a model for M-learning within educational institutions. The framework has been validated with studies cases from higher education institutions.
Abstract（参考訳）: ワイヤレスアクセスを通じてインターネットにシームレスに接続する新しいモバイルプラットフォームはますます強力になってきており、教育分野を含む様々なアプリケーション分野で利用されている。教育機関は、新たな学習プラットフォームを受け入れることへのオープン化が進み、新たなアセスメントフレームワークの開発への関心が高まっている。本稿では,CMM(Capability Maturity Model)の枠組みを用いて,教育機関におけるMラーニングモデルの設計を行った。この枠組みは高等教育機関の研究事例で検証されている。

関連論文リスト

From MOOC to MAIC: Reshaping Online Teaching and Learning through LLM-driven Agents [78.15899922698631]
MAIC(Massive AI-empowered Course)は、LLM駆動のマルチエージェントシステムを活用して、AIが強化された教室を構築するオンライン教育の新たな形態である。中国一の大学である清華大学で予備的な実験を行う。
論文参考訳（メタデータ） (2024-09-05T13:22:51Z)
A review on the use of large language models as virtual tutors [5.014059576916173]
大規模言語モデル (LLMs) は、いくつかの分野や産業で大きな話題を呼んだ。本総説では,教育資料の生成・評価に特化して設計されたソリューションの概要を概観する。予想通り、これらのシステムの最も一般的な役割は、自動質問生成のための仮想チューターである。
論文参考訳（メタデータ） (2024-05-20T12:33:42Z)
Large Language Models for Education: A Survey and Outlook [69.02214694865229]
各視点の技術的進歩を体系的にレビューし、関連するデータセットとベンチマークを整理し、教育におけるLSMの展開に伴うリスクと課題を特定する。本調査は、LLMの力を利用して教育実践を変革し、より効果的なパーソナライズされた学習環境を育むための、教育者、研究者、政策立案者のための総合的な技術図を提供することを目的とする。
論文参考訳（メタデータ） (2024-03-26T21:04:29Z)
Modular Deep Learning [120.36599591042908]
トランスファーラーニングは近年、機械学習の主要なパラダイムとなっている。負の干渉を伴わずに複数のタスクを専門とするモデルを開発する方法はまだ不明である。これらの課題に対する有望な解決策として、モジュール型ディープラーニングが登場した。
論文参考訳（メタデータ） (2023-02-22T18:11:25Z)
Using Science Education Gateways to improve undergraduate STEM education: The QUBES Platform as a case study [0.0]
QUBESプラットフォームは「科学教育ゲートウェイ」として構想された我々は、QUBESプラットフォームが、教育と学習に関する奨学金への参加を拡大する能力を持っていると信じている。
論文参考訳（メタデータ） (2023-01-04T18:51:15Z)
An Approach to Adaptive Microlearning in Higher Education [0.0]
本研究では,マイクロラーニングを用いた個別学習システムを提案する。学生の行動分析と実学習のモチベーションの結果として、学期中に収集されたデータは、提案システムを改善するために使用される。
論文参考訳（メタデータ） (2022-05-11T11:58:22Z)
Modeling MOOC learnflow with Petri net extensions [0.0]
学習フローを古典的および有色ペトリネットでモデル化する方法を示す。我々はMOOCにおけるeラーニングをモデル化するための参照データ(PNRD)を用いたemphPetri netを提案する。
論文参考訳（メタデータ） (2021-10-18T09:55:33Z)
Emerging Trends in Federated Learning: From Model Fusion to Federated X Learning [65.06445195580622]
フェデレートラーニング(Federated Learning)は、データ収集とモデルトレーニングを、マルチパーティの計算とモデルアグリゲーションを通じて分離する新しいパラダイムである。我々は、他の学習アルゴリズムとともに、フェデレーション学習の焦点を絞った調査を行う。
論文参考訳（メタデータ） (2021-02-25T15:18:13Z)
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)
Edge-assisted Democratized Learning Towards Federated Analytics [67.44078999945722]
本稿では,エッジ支援型民主化学習機構であるEdge-DemLearnの階層的学習構造を示す。また、Edge-DemLearnを柔軟なモデルトレーニングメカニズムとして検証し、リージョンに分散制御と集約の方法論を構築する。
論文参考訳（メタデータ） (2020-12-01T11:46:03Z)

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。