論文の概要: Towards a General Pre-training Framework for Adaptive Learning in MOOCs
- arxiv url: http://arxiv.org/abs/2208.04708v1
- Date: Mon, 18 Jul 2022 13:18:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-14 18:25:28.814531
- Title: Towards a General Pre-training Framework for Adaptive Learning in MOOCs
- Title（参考訳）: MOOCにおける適応学習のための一般事前学習フレームワーク
- Authors: Qingyang Zhong, Jifan Yu, Zheyuan Zhang, Yiming Mao, Yuquan Wang,
Yankai Lin, Lei Hou, Juanzi Li, Jie Tang
- Abstract要約: 異種学習要素を適切に活用した,データ観測と学習スタイル分析に基づく統合フレームワークを提案する。
授業の構造やテキスト,知識は,学生の非逐次学習行動に本質的に整合性があり,モデリングに有用であることがわかった。
- 参考スコア（独自算出の注目度）: 37.570119583573955
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Adaptive learning aims to stimulate and meet the needs of individual
learners, which requires sophisticated system-level coordination of diverse
tasks, including modeling learning resources, estimating student states, and
making personalized recommendations. Existing deep learning methods have
achieved great success over statistical models; however, they still lack
generalization for diverse tasks and suffer from insufficient capacity since
they are composed of highly-coupled task-specific architectures and rely on
small-scale, coarse-grained recommendation scenarios. To realize the idea of
general adaptive systems proposed in pedagogical theory, with the emerging
pre-training techniques in NLP, we try to conduct a practical exploration on
applying pre-training to adaptive learning, to propose a unified framework
based on data observation and learning style analysis, properly leveraging
heterogeneous learning elements. Through a series of downstream tasks of
Learning Recommendation, Learning Resource Evaluation, Knowledge Tracing, and
Dropout Prediction, we find that course structures, text, and knowledge are
helpful for modeling and inherently coherent to student non-sequential learning
behaviors and that indirectly relevant information included in the pre-training
foundation can be shared across downstream tasks to facilitate effectiveness.
We finally build a simplified systematic application of adaptive learning and
reflect on the insights brought back to pedagogy. The source code and dataset
will be released.
- Abstract（参考訳）: 適応学習は、学習リソースのモデリング、学生状態の推定、パーソナライズドレコメンデーションの作成など、さまざまなタスクの高度なシステムレベルでの調整を必要とする個人学習者のニーズを刺激し、満足することを目的としている。
既存のディープラーニング手法は統計モデルよりも大きな成功を収めてきたが、多種多様なタスクの一般化が欠如しており、高度に結合されたタスク固有のアーキテクチャで構成されており、小規模で粗大なレコメンデーションシナリオに依存しているため、能力不足に悩んでいる。
教育理論で提案されている一般適応システムの概念を実現するために,nlpにおける新たな事前学習手法を用いて,適応学習への事前学習の適用に関する実践的な調査を行い,異種学習要素を適切に活用したデータ観測と学習スタイル分析に基づく統一フレームワークを提案する。
学習レコメンデーション,学習資源評価,知識追跡,ドロップアウト予測の一連の下流課題を通じて,授業構造,テキスト,知識がモデル化に役立ち,本質的に学生非シーケンス学習行動と整合し,学習基盤に含まれる間接的関連情報を下流タスク間で共有し,有効性を高めることができることを見出した。
適応学習のシステマティックな応用を最終的に構築し、教育に還元された洞察を反映する。
ソースコードとデータセットがリリースされる。
関連論文リスト
- Advancing Deep Active Learning & Data Subset Selection: Unifying
Principles with Information-Theory Intuitions [3.0539022029583953]
本論文は,ディープラーニングモデルのラベルとトレーニング効率を向上させることにより,ディープラーニングの実践性を高めることを目的とする。
本稿では,情報理論の原理に基づくデータサブセット選択手法,特にアクティブラーニングとアクティブサンプリングについて検討する。
論文 参考訳（メタデータ） (2024-01-09T01:41:36Z) - Ticketed Learning-Unlearning Schemes [57.89421552780526]
そこで我々は,学習のためのチケット付きモデルを提案する。
広義のコンセプトクラスに対して,空間効率のよいチケット付き学習スキームを提供する。
論文 参考訳（メタデータ） (2023-06-27T18:54:40Z) - Towards Scalable Adaptive Learning with Graph Neural Networks and
Reinforcement Learning [0.0]
学習経路のパーソナライズに関する問題に対して,フレキシブルでスケーラブルなアプローチを導入する。
我々のモデルはグラフニューラルネットワークに基づく逐次レコメンデーションシステムである。
以上の結果から,小規模データ体制における適切なレコメンデーションを学習できることが示唆された。
論文 参考訳（メタデータ） (2023-05-10T18:16:04Z) - Hierarchically Structured Task-Agnostic Continual Learning [0.0]
本研究では,連続学習のタスク非依存的な視点を取り入れ,階層的情報理論の最適性原理を考案する。
我々は,情報処理経路の集合を作成することで,忘れを緩和する,Mixture-of-Variational-Experts層と呼ばれるニューラルネットワーク層を提案する。
既存の連続学習アルゴリズムのようにタスク固有の知識を必要としない。
論文 参考訳（メタデータ） (2022-11-14T19:53:15Z) - RLTutor: Reinforcement Learning Based Adaptive Tutoring System by
Modeling Virtual Student with Fewer Interactions [10.34673089426247]
本稿では,学生の仮想モデルを構築し,指導戦略を最適化する枠組みを提案する。
この結果は,eラーニングシステムにおける理論的指導最適化と実践的応用のバッファとして機能する。
論文 参考訳（メタデータ） (2021-07-31T15:42:03Z) - Nonparametric Estimation of Heterogeneous Treatment Effects: From Theory
to Learning Algorithms [91.3755431537592]
プラグイン推定と擬似出力回帰に依存する4つの幅広いメタ学習戦略を解析する。
この理論的推論を用いて、アルゴリズム設計の原則を導出し、分析を実践に翻訳する方法について強調する。
論文 参考訳（メタデータ） (2021-01-26T17:11:40Z) - Behavior Priors for Efficient Reinforcement Learning [97.81587970962232]
本稿では,情報とアーキテクチャの制約を,確率論的モデリング文献のアイデアと組み合わせて行動の事前学習を行う方法について考察する。
このような潜伏変数の定式化が階層的強化学習(HRL)と相互情報と好奇心に基づく目的との関係について論じる。
シミュレーションされた連続制御領域に適用することで,フレームワークの有効性を実証する。
論文 参考訳（メタデータ） (2020-10-27T13:17:18Z) - Importance Weighted Policy Learning and Adaptation [89.46467771037054]
政治外学習の最近の進歩の上に構築された,概念的にシンプルで,汎用的で,モジュール的な補完的アプローチについて検討する。
このフレームワークは確率論的推論文学のアイデアにインスパイアされ、堅牢な非政治学習と事前の行動を組み合わせる。
提案手法は,メタ強化学習ベースラインと比較して,ホールドアウトタスクにおける競合適応性能を実現し,複雑なスパース・リワードシナリオにスケールすることができる。
論文 参考訳（メタデータ） (2020-09-10T14:16:58Z) - Revisiting Meta-Learning as Supervised Learning [69.2067288158133]
メタラーニングと従来の教師付き学習の関連性を再考し,強化することで,原則的,統一的なフレームワークの提供を目指す。
タスク固有のデータセットとターゲットモデルを(機能、ラベル)サンプルとして扱うことで、多くのメタ学習アルゴリズムを教師付き学習のインスタンスに還元することができる。
この視点は、メタラーニングを直感的で実践的なフレームワークに統一するだけでなく、教師付き学習から直接洞察を伝達してメタラーニングを改善することができる。
論文 参考訳（メタデータ） (2020-02-03T06:13:01Z)
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。