論文の概要: Analyzing Adaptive Scaffolds that Help Students Develop Self-Regulated Learning Behaviors

• arxiv url: http://arxiv.org/abs/2202.09698v2
• Date: Wed, 1 Jun 2022 05:17:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 15:04:56.492662
• Title: Analyzing Adaptive Scaffolds that Help Students Develop Self-Regulated Learning Behaviors
• Title（参考訳）: 自己統制型学習行動の発達を支援する適応型足場の解析
• Authors: Anabil Munshi, Gautam Biswas, Ryan Baker, Jaclyn Ocumpaugh, Stephen Hutt, Luc Paquette
• Abstract要約: 本稿では,Betty's Brainにおける適応的足場構築のための体系的枠組みを提案する。 学生は仮想エージェントを教えるために因果モデルを構築し、一般にベティと名付けられた。 適応的な足場が生徒の学習行動やパフォーマンスに与える影響を分析する。
• 参考スコア（独自算出の注目度）: 6.075903612065429
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Providing adaptive scaffolds to help learners develop self-regulated learning (SRL) processes has been an important goal for intelligent learning environments. Adaptive scaffolding is especially important in open-ended learning environments (OELE), where novice learners often face difficulties in completing their learning tasks. This paper presents a systematic framework for adaptive scaffolding in Betty's Brain, a learning-by-teaching OELE for middle school science, where students construct a causal model to teach a virtual agent, generically named Betty. We evaluate the adaptive scaffolding framework and discuss its implications on the development of more effective scaffolds for SRL in OELEs. We detect key cognitive/metacognitive inflection points, i.e., instances where students' behaviors and performance change as they work on their learning tasks. At such inflection points, Mr. Davis (a mentor agent) or Betty (the teachable agent) provide conversational feedback, focused on strategies to help students become productive learners. We conduct a classroom study with 98 middle schoolers to analyze the impact of adaptive scaffolds on students' learning behaviors and performance. Adaptive scaffolding produced mixed results, with some scaffolds (viz., strategic hints that supported debugging and assessment of causal models) being generally more useful to students than others (viz., encouragement prompts). We also note differences in learning behaviors of High and Low performers after receiving scaffolds. Overall, our findings suggest how adaptive scaffolding in OELEs like Betty's Brain can be further improved to narrow the gap between High and Low performers.
• Abstract（参考訳）: 学習者が自己制御学習(SRL)プロセスを開発するための適応的な足場を提供することは、知的学習環境にとって重要な目標であった。 アダプティブ・スキャフォールディングは、初心者が学習タスクの完了に苦労することが多いオープンエンド学習環境(oele)において特に重要である。 本稿では,中学校理科の学習学習OELEであるBetty's Brainにおける適応的足場学習のための体系的枠組みについて述べる。 適応的な足場構築フレームワークの評価と,OELEにおけるSRLのより効果的な足場開発へのその影響について考察する。 我々は,学習課題に取り組む学生の行動やパフォーマンスが変化するような,認知・メタ認知の要点を検出する。 そのようなインフレクションポイントにおいて、デイビス(メンターエージェント)またはベティ(教官)は、学生が生産的な学習者になるための戦略に焦点を当てた会話フィードバックを提供する。 適応型足場が生徒の学習行動とパフォーマンスに及ぼす影響を分析するため,中学生98名を対象に授業調査を行った。 アダプティブ・スキャフォールディング(adaptive scaffolding)は、いくつかの足場(viz., strategic hints that supported debugging and assessment of causal models)は、一般的に学生にとって他のもの(viz., encouragement prompts)よりも有用である。 また,足場を受講したハイパフォーマーとローパフォーマーの学習行動の差異も指摘した。 全体として、ベティの脳のような大脳の適応的な足場がさらに改善され、ハイパフォーマンスとローパフォーマンスのギャップが狭まることを示唆する。

関連論文リスト

• Guiding Empowerment Model: Liberating Neurodiversity in Online Higher Education [2.703906279696349]
  本稿では,学習と機能に影響を与える動的要因のスペクトルを同定することにより,ニューロディバージェントと状況に制約のある学習者の公平なギャップを解消する。 本稿では,タスク管理のカスタマイズ,多様なコンテンツアクセスのガイド,マルチモーダルコラボレーションのガイドなどにより,このモードを適用することで,主要な学習障壁を取り除くことを提案する。
  論文  参考訳（メタデータ） (2024-10-24T16:05:38Z)
• Scaffolding Language Learning via Multi-modal Tutoring Systems with Pedagogical Instructions [34.760230622675365]
  知的家庭教師システム(ITS)は、人間の家庭教師を模倣し、学習者にカスタマイズされた指導やフィードバックを提供することを目的としている。 生成人工知能の出現に伴い、大規模言語モデル(LLM)は、複雑な会話の相互作用をシステムに付与する。 教育指導がITSの足場形成をいかに促進するかを,子どもに言語学習のための画像記述を指導するケーススタディにより検討した。
  論文  参考訳（メタデータ） (2024-04-04T13:22:28Z)
• Evaluating and Optimizing Educational Content with Large Language Model Judgments [52.33701672559594]
  言語モデル(LM)を教育専門家として活用し,学習結果に対する様々な指導の影響を評価する。 本稿では,一方のLMが他方のLMの判断を報酬関数として利用して命令材料を生成する命令最適化手法を提案する。 ヒトの教師によるこれらのLM生成ワークシートの評価は、LM判定と人間の教師の嗜好との間に有意な整合性を示す。
  論文  参考訳（メタデータ） (2024-03-05T09:09:15Z)
• YODA: Teacher-Student Progressive Learning for Language Models [82.0172215948963]
  本稿では,教師が指導するプログレッシブ・ラーニング・フレームワークであるYodaを紹介する。 モデルファインチューニングの有効性を向上させるために,教師の教育過程をエミュレートする。 実験の結果, YODAのデータによるLLaMA2のトレーニングにより, SFTは大幅に向上した。
  論文  参考訳（メタデータ） (2024-01-28T14:32:15Z)
• Understanding Revision Behavior in Adaptive Writing Support Systems for Education [10.080007569933331]
  本稿では,学生の大規模改定行動に関する知見を取り入れた新しいパイプラインを提案する。 このツールは,学習者のリビジョンを促進するのに有効であった。 本研究は,タスク記述におけるSRLの挙動を大規模に測定するためのパイプラインに寄与する。
  論文  参考訳（メタデータ） (2023-06-17T09:23:27Z)
• Leveraging Deep Reinforcement Learning for Metacognitive Interventions across Intelligent Tutoring Systems [7.253181280137071]
  本研究は,知能学習システム(ITS)におけるメタ認知的介入を実現するための2つのアプローチを比較する。 実験1では,古典的な人工知能を用いて,生徒を異なるメタ認知グループに分類し,分類されたグループに基づいて静的な介入を行う。 Exp.2では,Deep Reinforcement Learning(DRL)を利用して,生徒のメタ認知レベルの変化を考慮した適応的介入を行った。
  論文  参考訳（メタデータ） (2023-04-17T12:10:50Z)
• MERMAIDE: Learning to Align Learners using Model-Based Meta-Learning [62.065503126104126]
  本研究では,先見のつかない学習エージェントの報酬を効率よく効果的に介入し,望ましい結果を導き出す方法について検討する。 これはオークションや課税のような現実世界の多くの設定に関係しており、プリンシパルは学習行動や実際の人々の報酬を知らないかもしれない。 モデルに基づくメタ学習フレームワークであるMERMAIDEを導入し,配布外エージェントに迅速に適応できるプリンシパルを訓練する。
  論文  参考訳（メタデータ） (2023-04-10T15:44:50Z)
• Rethinking Learning Dynamics in RL using Adversarial Networks [79.56118674435844]
  本稿では,スキル埋め込み空間を通じてパラメータ化された,密接に関連するスキルの強化学習のための学習機構を提案する。 本研究の主な貢献は、エントロピー規則化政策勾配定式化の助けを借りて、強化学習のための敵の訓練体制を定式化することである。
  論文  参考訳（メタデータ） (2022-01-27T19:51:09Z)
• Searching to Learn with Instructional Scaffolding [7.159235937301605]
  本稿では,3つの戦略を用いた探索システムへの足場導入について検討する。 AQE_SCは、関連するサブトピックによるユーザクエリの自動拡張、CURATED_SCは、検索エンジンの結果ページに、手動でキュレートされた関連するサブトピックの静的リストを表示する。 FEEDBACK_SC – CURATED_SCビジュアライゼーションの上に、ユーザのトピック空間探索に関するリアルタイムフィードバックを投影する。
  論文  参考訳（メタデータ） (2021-11-29T15:15:02Z)
• Mind Your Outliers! Investigating the Negative Impact of Outliers on Active Learning for Visual Question Answering [71.15403434929915]
  視覚的質問応答のタスクにおいて、5つのモデルと4つのデータセットにまたがって、多種多様な能動的学習アプローチがランダム選択を上回りません。 アクティブな学習手法が好まれるが、モデルは学習に失敗する例の集まりである。 本研究では,アクティブ学習プールにおける集団外乱の減少に伴い,アクティブ学習サンプル効率が著しく向上することを示す。
  論文  参考訳（メタデータ） (2021-07-06T00:52:11Z)
• Bridging the Imitation Gap by Adaptive Insubordination [88.35564081175642]
  教官が特権情報にアクセスして意思決定を行う場合、この情報は模倣学習中に疎外されることを示す。 本稿では,このギャップに対処するため,適応的不規則化(ADVISOR)を提案する。 ADVISORは、トレーニング中の模倣と報酬に基づく強化学習損失を動的に重み付け、模倣と探索をオンザフライで切り替えることを可能にする。
  論文  参考訳（メタデータ） (2020-07-23T17:59:57Z)

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。