論文の概要: Process-BERT: A Framework for Representation Learning on Educational Process Data

• arxiv url: http://arxiv.org/abs/2204.13607v1
• Date: Thu, 28 Apr 2022 16:07:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-29 16:44:26.947905
• Title: Process-BERT: A Framework for Representation Learning on Educational Process Data
• Title（参考訳）: Process-BERT:教育プロセスデータを用いた表現学習フレームワーク
• Authors: Alexander Scarlatos, Christopher Brinton, Andrew Lan
• Abstract要約: 本稿では,教育プロセスデータの表現を学習するためのフレームワークを提案する。 我々のフレームワークは、BERT型の目的を用いて、シーケンシャルなプロセスデータから表現を学習する事前学習ステップで構成されています。 当社のフレームワークは,2019年国のレポートカードデータマイニングコンペティションデータセットに適用しています。
• 参考スコア（独自算出の注目度）: 68.8204255655161
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Educational process data, i.e., logs of detailed student activities in computerized or online learning platforms, has the potential to offer deep insights into how students learn. One can use process data for many downstream tasks such as learning outcome prediction and automatically delivering personalized intervention. However, analyzing process data is challenging since the specific format of process data varies a lot depending on different learning/testing scenarios. In this paper, we propose a framework for learning representations of educational process data that is applicable across many different learning scenarios. Our framework consists of a pre-training step that uses BERT-type objectives to learn representations from sequential process data and a fine-tuning step that further adjusts these representations on downstream prediction tasks. We apply our framework to the 2019 nation's report card data mining competition dataset that consists of student problem-solving process data and detail the specific models we use in this scenario. We conduct both quantitative and qualitative experiments to show that our framework results in process data representations that are both predictive and informative.
• Abstract（参考訳）: 教育プロセスデータ(すなわち、コンピュータまたはオンライン学習プラットフォームにおける詳細な学生活動のログ)は、学生の学習方法に関する深い洞察を提供する可能性がある。 プロセスデータは、結果予測の学習やパーソナライズされた介入の自動配信など、多くの下流タスクに使用することができる。 しかし、プロセスデータの特定の形式は異なる学習/テストシナリオによって大きく異なるため、プロセスデータの解析は困難である。 本稿では,様々な学習シナリオに適用可能な教育プロセスデータの表現を学習するためのフレームワークを提案する。 我々のフレームワークは、BERT型の目的を用いてシーケンシャルなプロセスデータから表現を学習する事前学習ステップと、下流の予測タスク上でこれらの表現を更に調整する微調整ステップで構成される。 当社のフレームワークは,学生の問題解決プロセスデータからなる2019年のレポートカードデータマイニングコンペティションデータセットに適用し,このシナリオで使用する具体的なモデルを詳細に説明します。 我々は定量的かつ質的な実験を行い、我々のフレームワークが予測的かつ情報的なプロセスデータ表現をもたらすことを示す。

関連論文リスト

• LESS: Selecting Influential Data for Targeted Instruction Tuning [64.78894228923619]
  本稿では,データの影響を推定し,命令データ選択のための低ランクグレーディエント類似度探索を行うアルゴリズムであるLESSを提案する。 LESS選択したデータの5%のトレーニングは、さまざまなダウンストリームタスクにわたる完全なデータセットでのトレーニングよりも優れています。 我々の方法は、意図した下流アプリケーションに必要な推論スキルを識別するために、表面的なフォームキューを超えています。
  論文  参考訳（メタデータ） (2024-02-06T19:18:04Z)
• Data-CUBE: Data Curriculum for Instruction-based Sentence Representation Learning [85.66907881270785]
  本稿では,学習用マルチタスクデータの順序を列挙するデータカリキュラム,すなわちData-CUBEを提案する。 タスクレベルでは、タスク間の干渉リスクを最小化するために最適なタスクオーダーを見つけることを目的としている。 インスタンスレベルでは、タスク毎のすべてのインスタンスの難易度を測定し、トレーニングのためにそれらを簡単に微分できるミニバッチに分割します。
  論文  参考訳（メタデータ） (2024-01-07T18:12:20Z)
• ALP: Action-Aware Embodied Learning for Perception [60.64801970249279]
  認知のための行動認識型身体学習(ALP)について紹介する。 ALPは、強化学習ポリシーと逆ダイナミクス予測目標を最適化することにより、行動情報を表現学習に組み込む。 ALPは、複数の下流認識タスクにおいて、既存のベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-06-16T21:51:04Z)
• SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
  本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。 しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
  論文  参考訳（メタデータ） (2021-12-22T14:45:37Z)
• What Averages Do Not Tell -- Predicting Real Life Processes with Sequential Deep Learning [0.1376408511310322]
  プロセスマイニング(Process Mining)は、システムによってログされた実行データからビジネスプロセスに関する洞察を発見すること。 多くのディープラーニング技術が、プロセス結果の予測を目的とした予測プロセスマイニングに成功している。 プロセスマイニングのトレースはマルチモーダルシーケンスであり、自然言語の文や画像とは全く異なる構造である。
  論文  参考訳（メタデータ） (2021-10-19T19:45:05Z)
• ProcK: Machine Learning for Knowledge-Intensive Processes [30.371382331613532]
  ProcK(Process & Knowledge)はビジネスプロセス予測モデルを構築するための新しいパイプラインである。 リレーショナルデータベースからリンクされたイベントログとナレッジベースを抽出するコンポーネントは、パイプラインの一部である。 我々は、OULADのeラーニングデータセット上で予測タスクをトレーニングすることで、ProcKのパワーを実証する。
  論文  参考訳（メタデータ） (2021-09-10T13:51:59Z)
• Multivariate Business Process Representation Learning utilizing Gramian Angular Fields and Convolutional Neural Networks [0.0]
  データの意味のある表現を学習することは、機械学習の重要な側面である。 予測的プロセス分析では、プロセスインスタンスのすべての説明的特性を利用できるようにすることが不可欠である。 本稿では,ビジネスプロセスインスタンスの表現学習のための新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2021-06-15T10:21:14Z)
• Data-driven modelling and characterisation of task completion sequences in online courses [0.0]
  本稿では,オンライン授業におけるタスク完了の時間的シーケンスのデータ駆動分析の利用方法を示す。 コース設計における課題のタイプ間における臨界点と相違点を同定する。 対話的タスクや議論投稿などの非ロボット学習タスクは、より高いパフォーマンスと相関していることがわかった。
  論文  参考訳（メタデータ） (2020-07-14T12:39:03Z)
• Analyzing Student Strategies In Blended Courses Using Clickstream Data [32.81171098036632]
  パターンマイニングと、自然言語処理から借用したモデルを用いて、学生のインタラクションを理解します。 きめ細かいクリックストリームデータは、非商業的な教育支援システムであるDiderotを通じて収集される。 提案手法は,混合コースの低データ設定においても有意な洞察を得られることが示唆された。
  論文  参考訳（メタデータ） (2020-05-31T03:01:00Z)
• Omni-supervised Facial Expression Recognition via Distilled Data [120.11782405714234]
  ネットワークトレーニングにおいて,信頼度の高いサンプルを多量のラベルのないデータで活用するためのオムニ教師付き学習を提案する。 我々は,新しいデータセットが学習したFERモデルの能力を大幅に向上させることができることを実験的に検証した。 そこで本研究では,生成したデータセットを複数のクラスワイド画像に圧縮するために,データセット蒸留戦略を適用することを提案する。
  論文  参考訳（メタデータ） (2020-05-18T09:36:51Z)

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。