論文の概要: eQETIC: A Maturity Model for Online Education

• arxiv url: http://arxiv.org/abs/2201.11621v1
• Date: Sat, 15 Jan 2022 22:46:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-01 02:33:51.216072
• Title: eQETIC: A Maturity Model for Online Education
• Title（参考訳）: eQETIC:オンライン教育の成熟度モデル
• Authors: Rogerio Rossi and Pollyana Notargiacomo Mustaro
• Abstract要約: 本研究は,継続的プロセス改善を目的としたアプローチに基づくオンライン教育ソリューションの品質に着目したモデルを提案する。 このモデルは3つの成熟度レベルと6つの共通エンティティを考慮し、デジタル教育ソリューションの計画と開発に関する具体的なプラクティスに対処する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Digital solutions have substantially contributed to the growth and dissemination of education. The distance education modality has been presented as an opportunity for worldwide students in many types of courses. However, projects of digital educational platforms require different expertise including knowledge areas such as pedagogy, psychology, computing, and digital technologies associated with education that allow the correct development and application of these solutions. To support the evolution of such solutions with satisfactory quality indicators, this research presents a model focused on quality of online educational solutions grounded in an approach aimed to continuous process improvement. The model considers of three maturity levels and six common entities that address the specific practices for planning and developing digital educational solutions, targeting quality standards that satisfy their users, such as students, teachers, tutors, and other people involved in development and use of these kinds of educational solutions.
• Abstract（参考訳）: デジタルソリューションは教育の成長と普及に大きく貢献している。 遠隔教育のモダリティは多くのコースで世界中の学生に機会として提示されている。 しかし、デジタル教育プラットフォームのプロジェクトは、教育、心理学、コンピューティング、そしてこれらのソリューションの正しい開発と適用を可能にする教育に関連するデジタル技術などの知識分野を含む異なる専門知識を必要とする。 品質指標が満足できるようなソリューションの進化を支援するため,本研究は,継続的プロセス改善を目標としたオンライン教育ソリューションの質に着目したモデルを提案する。 このモデルは3つの成熟度レベルと6つの共通エンティティを考慮し、デジタル教育ソリューションの計画と開発に対処し、学生、教師、家庭教師、そしてこの種の教育ソリューションの開発と利用に関わる人々など、ユーザーを満足させる品質基準をターゲットにしている。

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)
• Ontology-driven Reinforcement Learning for Personalized Student Support [1.8972913066829966]
  本稿では,バーチャル教育システムに適用可能な,パーソナライズされた学生支援のための汎用フレームワークを提案する。 データ収集とマルチエージェント強化学習を組み合わせたセマンティックな組織に応用する。 その結果、学生にパーソナライズされた支援を提供するために、どんなバーチャル教育ソフトウェアにも適応できるモジュールシステムとなった。
  論文  参考訳（メタデータ） (2024-07-14T21:11:44Z)
• AI and personalized learning: bridging the gap with modern educational goals [1.1510009152620668]
  OECD Learning Compass 2030の目標を考慮したAI駆動型パーソナライズドラーニングソリューションの特性について検討する。 現代のPL技術が現代教育に欠かせない要素を取り入れた地域を特定する。 本稿では,人工知能と教師が共用する学習手法を融合したハイブリッドモデルを提案する。
  論文  参考訳（メタデータ） (2024-04-03T15:07:00Z)
• 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)
• Bringing Generative AI to Adaptive Learning in Education [58.690250000579496]
  我々は、生成AIと適応学習の交差研究に光を当てた。 我々は、この連合が教育における次の段階の学習形式の発展に大きく貢献するだろうと論じている。
  論文  参考訳（メタデータ） (2024-02-02T23:54:51Z)
• 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)
• Adaptive and Gamified Learning Paths with Polyglot and .NET Interactive [3.720289971260197]
  教室内外の一般専門教育への需要が高まっていることが、この上昇傾向の中心となっている。 現代的で異質な学習環境において、ワンサイズフィットのアプローチは根本的な欠陥があることが証明されている。 我々は、適応的でゲーミフィケーションされた学習体験を設計、利用するためのオープンでコンテンツに依存しないプラットフォームを定義し、実装することを目指している。
  論文  参考訳（メタデータ） (2023-10-11T09:00:36Z)
• 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)

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。