論文の概要: COVID-19 and Online Learning Tools

• arxiv url: http://arxiv.org/abs/2201.06927v1
• Date: Tue, 28 Dec 2021 12:03:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-03 01:27:40.827159
• Title: COVID-19 and Online Learning Tools
• Title（参考訳）: 新型コロナウイルスとオンライン学習ツール
• Authors: Priyanga Dilini Talagala and Thiyanga S. Talagala
• Abstract要約: 新型コロナウイルスは距離教育の新しい時代を生み出した。 需要の増加により、異なる遠隔教育目的で様々な遠隔学習ソリューションが導入された。 私たちはGoogle Trendsの検索クエリをプロキシとして使用し、異なる遠隔教育ソリューションに対する人気と大衆の関心を定量化しました。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Distance education has a long history. However, COVID-19 has created a new era of distance education. Due to the increasing demand, various distance learning solutions have been introduced for different distance education purposes. In this study, we investigated the impact of COVID-19 on global attention towards different distance learning-teaching tools. We used Google Trend search queries as a proxy to quantify the popularity and public interest towards different distance education solutions. Both visual and analytical approaches were used to analyze global-level web search queries during the COVID-19 pandemic. This can provide a fast first step guide to identifying the most popular online learning tools available for different educational purposes. The results allow the teachers to narrow down the search space and deepen their exploration of prominent distance education solutions to support their online teaching. The R code and data to reproduce the results of this work are available in the online supplementary materials.
• Abstract（参考訳）: 遠隔教育は長い歴史がある。 しかし、新型コロナウイルス(covid-19)は距離教育の新しい時代を生み出した。 需要の増加により、異なる遠隔教育目的で様々な遠隔学習ソリューションが導入された。 本研究では,covid-19が異なる遠隔学習学習ツールに対する世界的注意に与える影響について検討した。 私たちはGoogle Trends検索クエリをプロキシとして使用し、異なる遠隔教育ソリューションに対する人気と大衆の関心を定量化しました。 新型コロナウイルスのパンデミックの間、視覚的および分析的なアプローチは、グローバルレベルのWeb検索クエリの分析に使用された。 これは、教育目的で利用可能な最も人気のあるオンライン学習ツールを特定するための、高速な第1ステップガイドを提供する。 その結果、教師は検索スペースを狭め、オンライン教育を支援するために、卓越した遠隔教育ソリューションを探究することができる。 この作業の結果を再現するRコードとデータは、オンライン補足資料で利用可能である。

関連論文リスト

• Adapting Large Language Models for Education: Foundational Capabilities, Potentials, and Challenges [60.62904929065257]
  大規模言語モデル(LLM)は、個々の要求を解釈することでこの問題を解決する可能性を提供する。 本稿では, 数学, 文章, プログラミング, 推論, 知識に基づく質問応答など, 教育能力に関する最近のLLM研究を概観する。
  論文  参考訳（メタデータ） (2023-12-27T14:37:32Z)
• A Set of Essentials for Online Learning : CSE-SET [0.0]
  本研究は,オンライン学習を効果的に行うための重要な要素の集合を詳述する。 この研究は、学生や他の利害関係者がオンライン学習に参加する動機となる一連の要因を列挙している。
  論文  参考訳（メタデータ） (2023-03-26T04:33:52Z)
• Investigating the impact of COVID-19 on Online Learning-based Web Behavior [0.0]
  この調査は、Googleが世界でもっとも人気のある検索エンジンであるとして、Google検索ベースのウェブ行動データの調査に特化している。 オンライン学習ベースのWeb行動に関連する新型コロナウイルスがGoogleに与える影響は、新型コロナウイルスの感染者の総数で上位20か国で調査された。
  論文  参考訳（メタデータ） (2022-04-27T01:38:10Z)
• Educational Robotics in Online Distance Learning: An Experience from Primary School [0.0]
  本研究は,小学校におけるオンライン遠隔学習のための教育ロボティクス活動の展開について紹介する。 考案された活動は、コミュニケーションとコラボレーションを促進するためによく使われるソーシャルメディアによって補完されるペンと紙のアプローチに基づいている。
  論文  参考訳（メタデータ） (2021-05-20T12:20:44Z)
• 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)
• SARS-CoV-2 Impact on Online Teaching Methodologies and the Ed-Tech Sector: Smile and Learn Platform Case Study [50.591267188664666]
  この研究は、教育資源の例である「Smile and Learn platform」のオンライン方法論と利用傾向の重要性を分析した。 そこで,本研究では,教育支援のための異なるモデルと,そのプラットフォーム利用への影響について述べる。
  論文  参考訳（メタデータ） (2020-07-15T10:06:51Z)
• Computer-Aided Personalized Education [15.811740322935476]
  過去10年間で、導入コースを受講する米国の学生数は3倍に増えている。 大規模なオープンオンラインコース(MOOC)は、この制約を緩和する方法として推進されている。 計算ツールに依存したパーソナライズド教育はこの課題に対処できる。
  論文  参考訳（メタデータ） (2020-07-07T18:00:04Z)
• Offline Reinforcement Learning: Tutorial, Review, and Perspectives on Open Problems [108.81683598693539]
  オフラインの強化学習アルゴリズムは、巨大なデータセットを強力な意思決定エンジンにできるという、大きな約束を持っています。 我々は,これらの課題,特に近代的な深層強化学習手法の文脈において,読者にこれらの課題を理解することを目的としている。
  論文  参考訳（メタデータ） (2020-05-04T17:00:15Z)
• Rapidly Deploying a Neural Search Engine for the COVID-19 Open Research Dataset: Preliminary Thoughts and Lessons Learned [88.42878484408469]
  我々は最新のニューラルネットワークランキングアーキテクチャを利用する検索エンジンであるNeural Covidexを紹介する。 本稿では、最初の取り組みについて述べ、その過程で学んだ教訓についていくつか考察する。
  論文  参考訳（メタデータ） (2020-04-10T17:12:29Z)
• Identifying At-Risk K-12 Students in Multimodal Online Environments: A Machine Learning Approach [23.02984017971824]
  オンライン講座から退学するリスクがあるK-12学生を事前に識別するためのドロップアウト警告フレームワークを持つことが不可欠である。 我々は,K-12マルチモーダルオンライン環境に特化した,リスクの高い学生識別を行う機械学習フレームワークを開発した。
  論文  参考訳（メタデータ） (2020-03-21T14:34:36Z)
• Curriculum Learning for Reinforcement Learning Domains: A Framework and Survey [53.73359052511171]
  強化学習(Reinforcement Learning, RL)は、エージェントが限られた環境フィードバックしか持たないシーケンシャルな意思決定タスクに対処するための一般的なパラダイムである。 本稿では、RLにおけるカリキュラム学習(CL)の枠組みを提案し、既存のCLメソッドを仮定、能力、目標の観点から調査・分類する。
  論文  参考訳（メタデータ） (2020-03-10T20:41:24Z)

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。