論文の概要: Why Are Some Online Educational Programs Successful? Student Cognition
and Success
- arxiv url: http://arxiv.org/abs/2209.05462v1
- Date: Sun, 4 Sep 2022 14:46:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 11:07:36.101243
- Title: Why Are Some Online Educational Programs Successful? Student Cognition
and Success
- Title(参考訳): なぜオンライン教育プログラムが成功するのか?
学生の認知と成功
- Authors: Marissa Keech and Ashok Goel
- Abstract要約: プログラムの1コース、特に人工知能(AI)コースにおける学習者のモチベーションと自己統制を測定する。
このデータによると、オンラインAIコースは、学生が自己効力が高く、クラスが自己統制学習を奨励するため、成功かもしれない。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Massive Open Online Courses (MOOCs) once offered the promise of accessibility
and affordability. However, MOOCs typically lack expert feedback and social
interaction, and have low student engagement and retention. Thus, alternative
programs for online education have emerged including an online graduate program
in computer science at a major public university in USA. This program is
considered a success with over 9000 students now enrolled in the program. We
adopt the perspective of cognitive science to answer the question why do only
some online educational courses succeed? We measure learner motivation and
self-regulation in one course in the program, specifically a course on
artificial intelligence (AI). Surveys of students indicate that students
self-reported assessments of self-efficacy, cognitive strategy use, and
intrinsic value of the course are not only fairly high, but also generally
increase over the course of learning. This data suggests that the online AI
course might be a success because the students have high self-efficacy and the
class fosters self-regulated learning.
- Abstract(参考訳): MOOC(Massive Open Online Courses)は、かつてアクセシビリティと手頃な価格を約束していた。
しかし、MOOCには専門家のフィードバックや社会的相互作用がなく、学生のエンゲージメントも維持力も低い。
そのため、米国の主要な公立大学では、コンピュータサイエンスのオンライン大学院プログラムを含むオンライン教育の代替プログラムが登場した。
このプログラムは9000人以上の学生が参加して成功していると考えられている。
認知科学の視点を取り入れて、なぜオンライン教育コースが成功するのかという疑問に答える。
本研究では,学習者のモチベーションと自己統制をプログラムの1コース,特に人工知能(AI)コースで測定する。
学生の調査結果は、自己効力感、認知戦略利用、本質的価値の自己申告による評価は、比較的高いだけでなく、学習の過程でも一般的に増加することを示している。
このデータによると、オンラインAIコースは、学生が自己効力が高く、クラスが自己統制学習を奨励するため、成功かもしれない。
関連論文リスト
- SELFI: Autonomous Self-Improvement with Reinforcement Learning for
Social Navigation [58.98433356015055]
体験と対話し、改善する自己改善ロボットは、ロボットシステムの現実的な展開の鍵となる。
本研究では,オンラインロボット体験を活用したオンライン学習手法であるSELFIを提案する。
本研究では, 衝突回避の観点からの改善と, より社会的に順応する行動について報告する。
論文 参考訳(メタデータ) (2024-03-01T21:27:03Z) - Implementing Learning Principles with a Personal AI Tutor: A Case Study [2.94944680995069]
本研究は,人間の学習過程をモデル化し,学術的性能を効果的に向上するパーソナルAIチューターの能力を示す。
プログラムにAIチューターを統合することで、教育者は、学習科学の原則に基づくパーソナライズされた学習体験を学生に提供することができる。
論文 参考訳(メタデータ) (2023-09-10T15:35:47Z) - Effectiveness of an Online Course in Programming in a State University
in the Philippines [0.0]
本研究の目的は,オンラインコースがプログラミングコースの学習においてどの程度効果的かを明らかにすることである。
対象はPythonプログラミングであり,学生の反応を判断するための評価を行った。
論文 参考訳(メタデータ) (2022-11-23T06:51:02Z) - Giving Feedback on Interactive Student Programs with Meta-Exploration [74.5597783609281]
ウェブサイトやゲームのようなインタラクティブなソフトウェアを開発することは、特にコンピュータ科学を学ぶための魅力的な方法である。
標準的アプローチでは、インストラクターは、学生が実装した対話型プログラムを手動で評価する必要がある。
Code.orgのような何百万ものオンラインプラットフォームは、インタラクティブなプログラムを実装するための代入に関するフィードバックを提供することができない。
論文 参考訳(メタデータ) (2022-11-16T10:00:23Z) - An Experience Report of Executive-Level Artificial Intelligence
Education in the United Arab Emirates [53.04281982845422]
アラブ首長国連邦(UAE)のビジネスエグゼクティブにAIコースを教える経験報告を提示する。
理論的、技術的な側面にのみ焦点をあてるのではなく、学生が既存のビジネスプロセスにAIを組み込む方法を理解するためにAIを教えるコースを開発しました。
論文 参考訳(メタデータ) (2022-02-02T20:59:53Z) - The Evaluation Case Study of Online Course During Pandemic Period in
Mongolia [0.0]
本稿では,パンデミック期におけるオンラインコースの自己評価試験とケーススタディについて述べる。
教育開発を継続するためには、従来の対面授業からオンラインコースに切り替える必要があった。
本研究の目的は,構造指向評価モデルに基づくeラーニングの評価プロセスを共有することである。
論文 参考訳(メタデータ) (2021-05-26T09:35:40Z) - Comparative Study of Learning Outcomes for Online Learning Platforms [47.5164159412965]
パーソナライゼーションとアクティブラーニングは、学習の成功の鍵となる側面です。
私たちは2つの人気のあるオンライン学習プラットフォームの学習結果の比較正面調査を実施します。
論文 参考訳(メタデータ) (2021-04-15T20:40:24Z) - Improving Students Performance in Small-Scale Online Courses -- A
Machine Learning-Based Intervention [0.0]
オンライン学習管理システムから収集したデータは,学生全体のパフォーマンスを予測するために有効に活用できることを示す。
本研究の結果から,学生の進路を改善させるための効果的な介入戦略が,授業の途中で提案される可能性が示唆された。
論文 参考訳(メタデータ) (2020-11-23T14:12:55Z) - What's the worth of having a single CS teacher program aimed at teachers
with heterogeneous profiles? [68.8204255655161]
アルゼンチンのK-12教師を対象とした400時間の教員養成プログラムの結果について検討した。
本研究の目的は,教師にCSの内容や具体的教育を指導する上で,教師一人ひとりの教育プログラムが有効であるかどうかを,多種多様なプロファイルを持つ教師に理解することである。
論文 参考訳(メタデータ) (2020-11-09T15:03:31Z) - 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) - Computer-Aided Personalized Education [15.811740322935476]
過去10年間で、導入コースを受講する米国の学生数は3倍に増えている。
大規模なオープンオンラインコース(MOOC)は、この制約を緩和する方法として推進されている。
計算ツールに依存したパーソナライズド教育はこの課題に対処できる。
論文 参考訳(メタデータ) (2020-07-07T18:00:04Z)
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。