Fugu-MT 論文翻訳(概要): EXSeQETIC: Expert System to Support the Implementation of eQETIC Model

論文の概要: EXSeQETIC: Expert System to Support the Implementation of eQETIC Model

arxiv url: http://arxiv.org/abs/2201.13232v1
Date: Sat, 15 Jan 2022 22:52:20 GMT
ステータス: 処理完了
システム内更新日: 2022-02-06 12:29:12.819931
Title: EXSeQETIC: Expert System to Support the Implementation of eQETIC Model
Title（参考訳）: EXSeQETIC:eQETICモデルの実装を支援するエキスパートシステム
Authors: Rogerio Rossi and Pollyana Notagiarcomo
Abstract要約: eQETICモデルは継続的プロセス改善のアプローチに従って構築された。本稿では,eQETICモデルの実装を支援するための2つのエキスパートシステムについて述べる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The digital educational solutions are increasingly used demanding high quality functionalities. In this sense, standards and models are made available by governments, associations, and researchers being most used in quality control and assessment sessions. The eQETIC model was built according to the approach of continuous process improvement favoring the quality management for development and maintenance of digital educational solutions. This article presents two expert systems to support the implementation of eQETIC model and demonstrates that such systems are able to support users during the model implementation. Developed according to two types of shells (SINTA/UFC and e2gLite/eXpertise2go), the systems were used by a professional who develops these type of solutions and showed positive results regarding the support offered by them in implementing the rules proposed by eQETIC model.
Abstract（参考訳）: デジタル教育ソリューションは、高品質な機能を必要とするものが増えています。この意味では、標準とモデルは、政府、協会、研究者によって提供され、品質管理と評価のセッションで最も使われている。 eqeticモデルは、デジタル教育ソリューションの開発と維持のために品質管理を好む継続的プロセス改善のアプローチに従って構築された。本稿では,eQETICモデルの実装を支援するための2つのエキスパートシステムについて述べる。 2種類のシェル(SINTA/UFCとe2gLite/eXpertise2go)に基づいて開発されたこのシステムは,これらのタイプのソリューションを開発し,eQETICモデルによって提案されるルールの実装において,それらが提供するサポートについて肯定的な結果を示した専門家によって使用された。

関連論文リスト

TrainerAgent: Customizable and Efficient Model Training through LLM-Powered Multi-Agent System [14.019244136838017]
TrainerAgentは、タスク、データ、モデル、サーバーエージェントを含むマルチエージェントフレームワークである。これらのエージェントは、ユーザ定義のタスク、入力データ、要求(例えば、精度、速度)を分析し、データとモデルの両方の観点からそれらを最適化して満足なモデルを取得し、最終的にこれらのモデルをオンラインサービスとしてデプロイする。本研究は,従来のモデル開発と比較して,効率と品質が向上した望ましいモデルの実現において,大きな進歩を示すものである。
論文参考訳（メタデータ） (2023-11-11T17:39:24Z)
QualEval: Qualitative Evaluation for Model Improvement [82.73561470966658]
モデル改善のための手段として,自動定性評価による定量的スカラー指標を付加するQualEvalを提案する。 QualEvalは強力なLCM推論器と新しいフレキシブルリニアプログラミングソルバを使用して、人間の読みやすい洞察を生成する。例えば、その洞察を活用することで、Llama 2モデルの絶対性能が最大15%向上することを示す。
論文参考訳（メタデータ） (2023-11-06T00:21:44Z)
Robustness and Generalization Performance of Deep Learning Models on Cyber-Physical Systems: A Comparative Study [71.84852429039881]
調査は、センサーの故障やノイズなど、様々な摂動を扱うモデルの能力に焦点を当てている。我々は,これらのモデルの一般化と伝達学習能力を,アウト・オブ・ディストリビューション(OOD)サンプルに公開することによって検証する。
論文参考訳（メタデータ） (2023-06-13T12:43:59Z)
Model-based Analysis and Specification of Functional Requirements and Tests for Complex Automotive Systems [0.19837121116620585]
本稿では,利害関係者の観点からの検証対象の早期識別から始まる手法を提案する。完全かつ一貫した要件とテスト仕様を保証するために,モデルベースシステム工学(MBSE)手法を開発した。本研究は,我々の方法論が適用可能であること,既存の要件とテスト仕様プロセスを改善することを裏付けるものである。
論文参考訳（メタデータ） (2022-09-03T18:24:32Z)
Developing an AI-enabled IIoT platform -- Lessons learned from early use case validation [47.37985501848305]
本稿では,このプラットフォームの設計について紹介し,AIによる視覚的品質検査の実証者の観点からの早期評価について述べる。これは、この初期の評価活動で学んだ洞察と教訓によって補完される。
論文参考訳（メタデータ） (2022-07-10T18:51:12Z)
Beyond Explaining: Opportunities and Challenges of XAI-Based Model Improvement [75.00655434905417]
説明可能な人工知能(XAI)は、高度に複雑な機械学習(ML)モデルに透明性をもたらす新たな研究分野である。本稿では,機械学習モデルの諸特性を改善するために,XAIを実用的に応用する手法を概観する。実験では,モデル一般化能力や推論などの特性を改善する上で,説明がどのように役立つのかを,おもちゃと現実的な設定で実証的に示す。
論文参考訳（メタデータ） (2022-03-15T15:44:28Z)
Quality Monitoring and Assessment of Deployed Deep Learning Models for Network AIOps [9.881249708266237]
ディープラーニング(DL)モデルはソフトウェアアーチファクトであり、定期的なメンテナンスと更新が必要です。 DLモデルデプロイメントのライフサイクルでは、デプロイされたモデルの品質を評価し、"静的"モデルを検出し、アップデートを優先順位付けすることが重要です。本稿では,個人推論の品質評価のための簡易かつ効果的な手法を提案する。
論文参考訳（メタデータ） (2022-02-28T09:37:12Z)
A Model-Driven Engineering Approach to Machine Learning and Software Modeling [0.5156484100374059]
モデルは、ソフトウェア工学(SE)と人工知能(AI)のコミュニティで使われている。主な焦点はIoT(Internet of Things)とCPS(Smart Cyber-Physical Systems)のユースケースである。
論文参考訳（メタデータ） (2021-07-06T15:50:50Z)
Quality meets Diversity: A Model-Agnostic Framework for Computerized Adaptive Testing [60.38182654847399]
コンピュータ適応テスト(CAT)は多くのシナリオで有望なテストアプリケーションとして現れています。 CAT ソリューションのための新しいフレームワークである Model-Agnostic Adaptive Testing (MAAT) を提案する。
論文参考訳（メタデータ） (2021-01-15T06:48:50Z)
Quantitatively Assessing the Benefits of Model-driven Development in Agent-based Modeling and Simulation [80.49040344355431]
本稿では,MDD とABMS プラットフォームの利用状況と開発ミスについて比較する。その結果、MDD4ABMSはNetLogoと類似した設計品質のシミュレーションを開発するのに、より少ない労力を必要とすることがわかった。
論文参考訳（メタデータ） (2020-06-15T23:29:04Z)
Optimal by Design: Model-Driven Synthesis of Adaptation Strategies for Autonomous Systems [9.099295007630484]
我々は,自律システムのための最適適応戦略のモデルベース要求駆動型合成のためのフレームワークであるOptimal by Design (ObD)を提案する。 ObDは、自己適応システムの基本的な要素、すなわちシステム、能力、要求、環境の高レベルな記述のためのモデルを提案する。これらの要素に基づいてマルコフ決定プロセス(MDP)が構築され、最適な戦略や最も報いるシステム行動を計算する。
論文参考訳（メタデータ） (2020-01-16T12:49:55Z)

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。