論文の概要: How does online teamwork change student communication patterns in programming courses?

• arxiv url: http://arxiv.org/abs/2204.04244v1
• Date: Fri, 8 Apr 2022 18:34:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 16:12:57.088867
• Title: How does online teamwork change student communication patterns in programming courses?
• Title（参考訳）: オンラインチームワークはプログラミングコースにおける学生コミュニケーションパターンをどのように変えるか?
• Authors: Natalya Kozhevnikova
• Abstract要約: 近年の研究では、対人コミュニケーションがオンライン教育の学習結果に肯定的な影響を及ぼすことが示されている。 本研究では,MOOCにおけるピアコミュニケーションが制限されているコミュニケーションパターンと,オンライン・ピア・インストラクションに学生が関与しているブレンド・コースのコミュニケーションパターンを比較した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Online teaching has become a new reality due to the COVID-19 pandemic raising a lot of questions about its learning outcomes. Recent studies have shown that peer communication positively affects learning outcomes of online teaching. However, it is not clear how collaborative programming tasks change peer communication patterns in the learning process. In this study, we compare communication patterns in MOOCs where peer communication is limited with those of a blended course in which students are involved in online peer instruction. We used a mixed-method approach comprising automated text analysis and community extraction with further qualitative analysis. The results show that students prefer to seek help in programming from peers and not the teacher. Team assignment helped to support this habit. Students communicated more positively and intensively with each other, while only team leaders communicated with the instructor reducing teacher overload. This shift could explain how peer communication improves learning outcomes, as has been shown in previous studies on MOOCs.
• Abstract（参考訳）: 新型コロナウイルス(covid-19)のパンデミックにより、オンライン教育は新たな現実になってきた。 近年の研究では、相互コミュニケーションがオンライン教育の学習結果に正の影響を与えることが示されている。 しかし、協調プログラミングタスクが学習プロセスにおける相互コミュニケーションパターンをどのように変えるかは明らかではない。 本研究では,相互コミュニケーションが制限されているmoocsにおけるコミュニケーションパターンと,学生がオンラインの相互教育に関与しているブレンドコースのコミュニケーションパターンを比較した。 自動テキスト解析とコミュニティ抽出を組み合わせた混合手法を用いて,さらに質的分析を行った。 その結果,生徒は教師ではなく,仲間からプログラミングの助けを求めることを好むことがわかった。 チームの割り当てはこの習慣を支持するのに役立った。 生徒はよりポジティブで集中的にコミュニケーションし、チームリーダーだけが教師の過負荷を減らすインストラクターとコミュニケーションした。 このシフトは、以前のmoocsの研究で示されているように、ピアコミュニケーションが学習結果をどのように改善するかを説明することができる。

関連論文リスト

• Interactive Learning in Computer Science Education Supported by a Discord Chatbot [3.0294711465150006]
  DiscordBotを使えば、学生は短い調査を通じてコース活動に対するフィードバックを提供することができる。 出席者追跡もサポートし、開始前に講義を紹介する。 収集したデータは、学生がアクティビティの難しさと期待された結果を正確に知覚できることを示している。
  論文  参考訳（メタデータ） (2024-07-27T14:22:40Z)
• 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)
• Revealing Networks: Understanding Effective Teacher Practices in AI-Supported Classrooms using Transmodal Ordered Network Analysis [0.9187505256430948]
  本研究は,AI教師と連携した数学教室において,システム内学習の伝統的な指標に関連する効果的な教員の実践を理解するために,トランスモーダル順序ネットワーク分析を用いた。 教師の実践を学生の学習率で比較すると,低学率の生徒はモニタリング後,より有意な使用感を示した。 学習率の低い生徒は、高学率の学生と同様の学習行動を示し、教師の正しい試みを繰り返した。
  論文  参考訳（メタデータ） (2023-12-17T21:50:02Z)
• Large Language Model-Driven Classroom Flipping: Empowering Student-Centric Peer Questioning with Flipped Interaction [3.1473798197405953]
  本稿では,大規模言語モデルにおけるフリップ相互作用に基づく教室のフリップの教育的アプローチについて検討する。 欠落した相互作用は、プロンプトに対する回答ではなく、言語モデルを使用して質問を生成することである。 本稿では,クイズ・クイズ・ルーチンとクイズ・プイズ・クイズ・ルーチンとを用いて,クイズ・クイズ・クイズ・クイズとアクイズ・クイズ・クイズ・インシデント・エンジニアリングを統合するワークフローを提案する。
  論文  参考訳（メタデータ） (2023-11-14T15:48:19Z)
• Measuring Five Accountable Talk Moves to Improve Instruction at Scale [1.4549461207028445]
  説明可能な会話理論にインスパイアされた5つの指導的話の動きを識別するモデルを微調整する。 学習者のエンゲージメントと満足度を指標として,各講演の動きのインストラクターの使い方を関連づける。 これらの結果は、説明可能な話し方の有効性に関する過去の研究を裏付けるものである。
  論文  参考訳（メタデータ） (2023-11-02T03:04:50Z)
• Natural Language Communication with a Teachable Agent [0.0]
  本研究は,Curiosity Notebookを介して仮想エージェントと対話する際のモダリティ教育の効果について検討する。 原材料から文を選択してエージェントを教える方法と、原材料を言い換えてテキスト入力を入力して教える方法とを比較する。 その結果, パラフレーズやテキスト入力による授業は, 教材の学習結果や, 情緒的エンゲージメントの側面に肯定的な影響を及ぼすことがわかった。
  論文  参考訳（メタデータ） (2022-03-17T01:31:23Z)
• Iterative Teacher-Aware Learning [136.05341445369265]
  人間の教育において、教師と学生はコミュニケーション効率を最大化するために適応的に交流することができる。 本稿では,教師の協調意図を可能性関数に組み込むことができる,勾配最適化に基づく教師認識学習者を提案する。
  論文  参考訳（メタデータ） (2021-10-01T00:27:47Z)
• Point Adversarial Self Mining: A Simple Method for Facial Expression Recognition [79.75964372862279]
  本稿では,表情認識における認識精度を向上させるために,PASM(Point Adversarial Self Mining)を提案する。 PASMは、目標タスクに関連する最も情報性の高い位置を見つけるために、ポイント敵攻撃法と訓練された教師ネットワークを使用する。 適応学習教材の生成と教師/学生の更新を複数回行うことができ、ネットワーク能力が反復的に向上する。
  論文  参考訳（メタデータ） (2020-08-26T06:39:24Z)
• Peer-inspired Student Performance Prediction in Interactive Online Question Pools with Graph Neural Network [56.62345811216183]
  本稿では,対話型オンライン質問プールにおいて,より優れた生徒のパフォーマンス予測を実現するために,グラフニューラルネットワーク(GNN)を用いた新しいアプローチを提案する。 具体的には,学生のインタラクションを用いた学生と質問の関係をモデル化し,学生のインタラクション・クエストネットワークを構築する。 1631の質問に対して4000人以上の学生の問題解決過程において生成した104,113個のマウス軌跡からなる実世界のデータセットに対するアプローチの有効性を評価した。
  論文  参考訳（メタデータ） (2020-08-04T14:55:32Z)
• Peer Collaborative Learning for Online Knowledge Distillation [69.29602103582782]
  Peer Collaborative Learningメソッドは、オンラインアンサンブルとネットワークコラボレーションを統合フレームワークに統合する。 CIFAR-10, CIFAR-100, ImageNetによる実験により, 提案手法は種々のバックボーンネットワークの一般化を著しく改善することを示した。
  論文  参考訳（メタデータ） (2020-06-07T13:21:52Z)
• Neural Multi-Task Learning for Teacher Question Detection in Online Classrooms [50.19997675066203]
  教師の音声記録から質問を自動的に検出するエンドツーエンドのニューラルネットワークフレームワークを構築している。 マルチタスク学習手法を取り入れることで,質問の種類によって意味的関係の理解を深めることが可能となる。
  論文  参考訳（メタデータ） (2020-05-16T02:17:04Z)

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。