論文の概要: Towards Mining Creative Thinking Patterns from Educational Data

• arxiv url: http://arxiv.org/abs/2210.06118v1
• Date: Wed, 12 Oct 2022 12:24:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-13 15:57:22.264766
• Title: Towards Mining Creative Thinking Patterns from Educational Data
• Title（参考訳）: 教育データからの創造的思考パターンのマイニングに向けて
• Authors: Nasrin Shabani
• Abstract要約: 創造性は21世紀に必要なスキルであり、学校で教えるべきである。 創造性を促進するための教育技術の利用は、活発な研究分野である。 教育のための適応技術の研究が盛んに進んでいるにもかかわらず、教育データから創造的な思考パターンをマイニングすることは難しい課題である。
• 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: Creativity, i.e., the process of generating and developing fresh and original ideas or products that are useful or effective, is a valuable skill in a variety of domains. Creativity is called an essential 21st-century skill that should be taught in schools. The use of educational technology to promote creativity is an active study field, as evidenced by several studies linking creativity in the classroom to beneficial learning outcomes. Despite the burgeoning body of research on adaptive technology for education, mining creative thinking patterns from educational data remains a challenging task. In this paper, to address this challenge, we put the first step towards formalizing educational knowledge by constructing a domain-specific Knowledge Base to identify essential concepts, facts, and assumptions in identifying creative patterns. We then introduce a pipeline to contextualize the raw educational data, such as assessments and class activities. Finally, we present a rule-based approach to learning from the Knowledge Base, and facilitate mining creative thinking patterns from contextualized data and knowledge. We evaluate our approach with real-world datasets and highlight how the proposed pipeline can help instructors understand creative thinking patterns from students' activities and assessment tasks.
• Abstract（参考訳）: 創造性(クリエイティビティ)、すなわち、有用で効果的な新鮮でオリジナルなアイデアや製品を生成し開発するプロセスは、様々な領域において貴重なスキルである。 創造性は、学校で教えるべき21世紀の必須スキルと呼ばれる。 創造性を促進するための教育技術の利用は活発な研究分野であり、教室における創造性を有益な学習結果に結びつけるいくつかの研究によって証明されている。 教育のための適応技術の研究が盛んに進んでいるにもかかわらず、教育データから創造的な思考パターンをマイニングすることは難しい課題である。 本稿では,この課題に対処するために,創造的パターンを特定する上で必要となる概念,事実,仮定を識別するためのドメイン固有の知識ベースを構築することにより,教育的知識の形式化に向けて第一歩を踏み出した。 次に,評価や授業活動といった生の教育データを文脈化するためのパイプラインを導入する。 最後に,知識ベースから学ぶためのルールベースアプローチを提案し,文脈データと知識から創造的思考パターンの抽出を容易にする。 本手法を実世界データセットを用いて評価し,提案するパイプラインが,学生の行動や評価課題から創造的思考パターンを理解する上でどのように役立つかを強調する。

関連論文リスト

• 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)
• Bringing Generative AI to Adaptive Learning in Education [58.690250000579496]
  我々は、生成AIと適応学習の交差研究に光を当てた。 我々は、この連合が教育における次の段階の学習形式の発展に大きく貢献するだろうと論じている。
  論文  参考訳（メタデータ） (2024-02-02T23:54:51Z)
• Can AI Be as Creative as Humans? [84.43873277557852]
  理論的には、AIは人間の創造者によって生成されたデータに適切に適合できるという条件の下で、人間と同じくらい創造的になれることを証明しています。 AIの創造性に関する議論は、十分な量のデータに適合する能力の問題に縮小されている。
  論文  参考訳（メタデータ） (2024-01-03T08:49:12Z)
• Knowledge-augmented Deep Learning and Its Applications: A Survey [60.221292040710885]
  知識強化ディープラーニング(KADL)は、ドメイン知識を特定し、それをデータ効率、一般化可能、解釈可能なディープラーニングのためのディープモデルに統合することを目的としている。 本調査は,既存の研究成果を補足し,知識強化深層学習の一般分野における鳥眼研究の展望を提供する。
  論文  参考訳（メタデータ） (2022-11-30T03:44:15Z)
• Deep Active Learning for Computer Vision: Past and Future [50.19394935978135]
  AIモデルの開発に欠かせない役割にもかかわらず、アクティブラーニングの研究は他の研究の方向性ほど集中的ではない。 データ自動化の課題に対処し、自動化された機械学習システムに対処することによって、アクティブな学習はAI技術の民主化を促進する。
  論文  参考訳（メタデータ） (2022-11-27T13:07:14Z)
• Automatic Creativity Measurement in Scratch Programs Across Modalities [6.242018846706069]
  我々は、創造性の公式な尺度の定義から、この尺度を実践的な領域に適用することまで、効率的に計算できる旅を行ないます。 我々は、人気のあるビジュアルプログラミング言語であるScratchのプロジェクトに対して、一般的な測度を適用した。 我々は、Scratchプロジェクトの創造性を予測し、人間の専門家による創造性評価に基づいてトレーニングし、評価する機械学習モデルを設計した。
  論文  参考訳（メタデータ） (2022-11-07T10:43:36Z)
• DeepCreativity: Measuring Creativity with Deep Learning Techniques [2.5426469613007012]
  本稿では,創造性の自動評価に生成学習技術を用いる可能性について検討する。 我々は、価値、ノベルティ、サプライズによって構成される創造性の定義に基づいて、DeepCreativityという新しい尺度を導入する。
  論文  参考訳（メタデータ） (2022-01-16T19:00:01Z)
• Enhancing user creativity: Semantic measures for idea generation [0.0]
  我々は,WordNet 3.1に基づく49のセマンティック測度を用いて,実環境における設計問題解決会話のデータセットを解析した。 意味的類似性の相違,情報内容の増大,多義性の低下が生成したアイデアの成功を予測していることを示す。 これらの結果は、人間の問題解決における現実世界のプロセスを特定することによって認知科学を推し進める。
  論文  参考訳（メタデータ） (2021-06-18T13:47:56Z)
• Creativity of Deep Learning: Conceptualization and Assessment [1.5738019181349994]
  我々は,創造的領域における生成的深層学習の現在の応用を概念化し,評価するために,計算的創造性からの洞察を利用する。 私たちは、現在のシステムと、人間の創造性の異なるモデルと、その欠点の類似点を強調します。
  論文  参考訳（メタデータ） (2020-12-03T21:44:07Z)
• Dual Policy Distillation [58.43610940026261]
  教員政策を学生政策に転換する政策蒸留は、深層強化学習の課題において大きな成功を収めた。 本研究では,2人の学習者が同じ環境下で活動し,環境の異なる視点を探索する,学生学生による二重政策蒸留(DPD)を導入する。 この二重学習フレームワークを開発する上で重要な課題は、同時代の学習に基づく強化学習アルゴリズムにおいて、ピア学習者から有益な知識を特定することである。
  論文  参考訳（メタデータ） (2020-06-07T06:49:47Z)
• A Review on Intelligent Object Perception Methods Combining Knowledge-based Reasoning and Machine Learning [60.335974351919816]
  物体知覚はコンピュータビジョンの基本的なサブフィールドである。 最近の研究は、物体の視覚的解釈のインテリジェンスレベルを拡大するために、知識工学を統合する方法を模索している。
  論文  参考訳（メタデータ） (2019-12-26T13:26:49Z)

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。