Fugu-MT 論文翻訳(概要): Big Data and Education: using big data analytics in language learning

論文の概要: Big Data and Education: using big data analytics in language learning

arxiv url: http://arxiv.org/abs/2207.10572v1
Date: Tue, 19 Jul 2022 19:17:10 GMT
ステータス: 処理完了
システム内更新日: 2022-07-22 12:45:13.232030
Title: Big Data and Education: using big data analytics in language learning
Title（参考訳）: ビッグデータと教育 : 言語学習におけるビッグデータ分析の利用
Authors: Vahid Ashrafimoghari
Abstract要約: データマイニングツールを使ったビッグデータの利用は、教育業界で急速にトレンドになりつつある。我々は,教育データマイニングと学習分析に関する基本的な概念と,最も一般的なツール,手法,技術について考察する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Working with big data using data mining tools is rapidly becoming a trend in education industry. The combination of the current capacity to collect, store, manage and process data in a timely manner, and data from online educational platforms represents an unprecedented opportunity for educational institutes, learners, educators, and researchers. In this position paper, we consider some basic concepts as well as most popular tools, methods and techniques regarding Educational Data Mining and Learning Analytics, and discuss big data applications in language learning, in particular.
Abstract（参考訳）: データマイニングツールを使ったビッグデータの利用は、教育業界で急速にトレンドになりつつある。データをタイムリーに収集、保存、管理、処理する現在の能力と、オンライン教育プラットフォームからのデータの組み合わせは、教育機関、学習者、教育者、研究者にとって前例のない機会である。本稿では,教育データマイニングと学習分析に関する基本的な概念と,最も一般的なツール,手法,技術について考察し,特に言語学習におけるビッグデータ応用について議論する。

関連論文リスト

Formality is Favored: Unraveling the Learning Preferences of Large Language Models on Data with Conflicting Knowledge [55.65162959527848]
大規模言語モデルは、多くの知識集約的なタスクにおいて優れたパフォーマンスを示している。しかし、事前学習データには誤解を招く傾向があり、矛盾する情報も含まれている。本研究では,LLMの学習嗜好を,矛盾する知識を持つデータに対して体系的に分析する。
論文参考訳（メタデータ） (2024-10-07T06:49:41Z)
A Review of Data Mining in Personalized Education: Current Trends and Future Prospects [30.033926908231297]
本稿では,教育推薦,認知診断,知識追跡,学習分析の4つのシナリオに焦点をあてる。教育プラットフォームにおけるAIの統合は、学術的パフォーマンス、学習の好み、行動に関する洞察を提供し、個人の学習プロセスを最適化する。
論文参考訳（メタデータ） (2024-02-27T06:09:48Z)
A Survey on Data Selection for Language Models [148.300726396877]
データ選択方法は、トレーニングデータセットに含まれるデータポイントを決定することを目的としている。ディープラーニングは、主に実証的な証拠によって駆動され、大規模なデータに対する実験は高価である。広範なデータ選択研究のリソースを持つ組織はほとんどない。
論文参考訳（メタデータ） (2024-02-26T18:54:35Z)
Educational data mining and learning analytics: An updated survey [0.0]
この調査は、このジャーナルで公開された前の調査の更新版と改善版である。教育データマイニングと学習分析が教育データに対してどのように適用されてきたのかを、理解しやすく、非常に一般的な方法でレビューする。
論文参考訳（メタデータ） (2024-02-10T18:48:45Z)
Query of CC: Unearthing Large Scale Domain-Specific Knowledge from Public Corpora [104.16648246740543]
大規模言語モデルに基づく効率的なデータ収集手法を提案する。この方法は、大きな言語モデルを通してシード情報をブートストラップし、公開コーパスから関連データを検索する。特定のドメインに関する知識関連のデータを収集するだけでなく、潜在的な推論手順でデータを抽出する。
論文参考訳（メタデータ） (2024-01-26T03:38:23Z)
Capture the Flag: Uncovering Data Insights with Large Language Models [90.47038584812925]
本研究では,Large Language Models (LLMs) を用いてデータの洞察の発見を自動化する可能性について検討する。そこで本稿では,データセット内の意味的かつ関連する情報(フラグ)を識別する能力を測定するために,フラグを捕捉する原理に基づく新しい評価手法を提案する。
論文参考訳（メタデータ） (2023-12-21T14:20:06Z)
Privacy-Preserving Graph Machine Learning from Data to Computation: A Survey [67.7834898542701]
我々は,グラフ機械学習のプライバシ保護手法の見直しに重点を置いている。まずプライバシ保護グラフデータを生成する方法を検討する。次に,プライバシ保護情報を送信する方法について述べる。
論文参考訳（メタデータ） (2023-07-10T04:30:23Z)
Big Data and Analytics Implementation in Tertiary Institutions to Predict Students Performance in Nigeria [0.0]
Big Dataという言葉は、従来のデータ処理技術では扱えない大量のデータを指すために作られた。本稿では,教育機関に関係のあるビッグデータの特徴について考察する。学習機関におけるビッグデータと分析の導入に影響を与える要因について検討する。
論文参考訳（メタデータ） (2022-07-29T13:52:24Z)
Documenting Geographically and Contextually Diverse Data Sources: The BigScience Catalogue of Language Data and Resources [17.69148305999049]
我々はBigScienceイニシアチブの一環として、ドキュメントファーストで人間中心のデータ収集プロジェクトのための方法論を提示する。我々は,潜在的なデータソースのメタデータを収集する,地理的に多様な対象言語群を同定する。この取り組みを構築するために,組織化された公開ハッカソンを通じてメタデータを収集する支援ツールとして,オンラインカタログを開発した。
論文参考訳（メタデータ） (2022-01-25T03:05:23Z)
Understanding the World Through Action [91.3755431537592]
ラベルのないデータを利用するための汎用的で原則的で強力なフレームワークは、強化学習から導き出すことができると私は主張する。このような手順が、下流の潜在的なタスクとどのように密接に一致しているかについて論じます。
論文参考訳（メタデータ） (2021-10-24T22:33:52Z)
Data Augmentation for Deep Candlestick Learner [2.104922050913737]
そこで本研究では,ロウソクスティックデータを改良したローカルサーチアタックサンプリング手法を提案する。提案手法は,人間の識別が難しい高品質なデータを生成することができることを示す。
論文参考訳（メタデータ） (2020-05-14T06:02:31Z)

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。