論文の概要: A Framework for Undergraduate Data Collection Strategies for Student
Support Recommendation Systems in Higher Education
- arxiv url: http://arxiv.org/abs/2210.10657v1
- Date: Sun, 16 Oct 2022 13:39:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-20 13:43:49.684723
- Title: A Framework for Undergraduate Data Collection Strategies for Student
Support Recommendation Systems in Higher Education
- Title（参考訳）: 高等教育における学生支援レコメンデーションシステムのための大学データ収集戦略の枠組み
- Authors: Herkulaas MvE Combrink, Vukosi Marivate, Benjamin Rosman
- Abstract要約: 本稿では,高等教育における推薦システムに特化したデータ収集フレームワークについて概説する。
本研究の目的は、このコンテキスト内でのレコメンデータシステムに特化したデータ収集フレームワークの概要を明らかにすることである。
- 参考スコア（独自算出の注目度）: 12.358921226358133
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Understanding which student support strategies mitigate dropout and improve
student retention is an important part of modern higher educational research.
One of the largest challenges institutions of higher learning currently face is
the scalability of student support. Part of this is due to the shortage of
staff addressing the needs of students, and the subsequent referral pathways
associated to provide timeous student support strategies. This is further
complicated by the difficulty of these referrals, especially as students are
often faced with a combination of administrative, academic, social, and
socio-economic challenges. A possible solution to this problem can be a
combination of student outcome predictions and applying algorithmic recommender
systems within the context of higher education. While much effort and detail
has gone into the expansion of explaining algorithmic decision making in this
context, there is still a need to develop data collection strategies Therefore,
the purpose of this paper is to outline a data collection framework specific to
recommender systems within this context in order to reduce collection biases,
understand student characteristics, and find an ideal way to infer optimal
influences on the student journey. If confirmation biases, challenges in data
sparsity and the type of information to collect from students are not
addressed, it will have detrimental effects on attempts to assess and evaluate
the effects of these systems within higher education.
- Abstract（参考訳）: 学生支援戦略の理解が学生の退学を緩和し、学生の定着性を向上させることは、現代の高等教育研究の重要な部分である。
高等教育機関が直面する最大の課題の1つは、学生サポートのスケーラビリティである。
この要因の一部は、学生のニーズに対処するスタッフの不足と、時間的な学生支援戦略を提供するための紹介経路の欠如によるものである。
これは、特に学生が行政、学術、社会、社会経済的課題の組み合わせに直面しているため、これらの参照の難しさによってさらに複雑になる。
この問題に対する可能な解決策は、生徒の成果予測と、高等教育の文脈におけるアルゴリズムレコメンデータシステムの適用の組合せである。
この文脈でアルゴリズム的意思決定を説明することの拡張に多くの努力と細部が注がれているが、それでもデータ収集戦略を開発する必要があるため、本論文の目的は、収集バイアスを減らし、学生の特徴を理解し、学生旅行に最適な影響を推測するための理想的な方法を見つけるために、この文脈におけるレコメンダシステムに特化したデータ収集フレームワークを概説することである。
確証バイアス、データ空間の課題、学生から収集する情報のタイプに対処できない場合、高等教育におけるこれらのシステムの効果を評価し評価しようとする試みに有害な影響を与える。
関連論文リスト
- ClickTree: A Tree-based Method for Predicting Math Students' Performance Based on Clickstream Data [0.0]
我々は,学生のクリックストリームデータに基づいて,数学的課題における生徒のパフォーマンスを予測するための木ベースの手法であるClickTreeを開発した。
この手法は2023年の教育データマイニングカップで0.78844のAUCを達成し、大会では2位となった。
エンド・ユニット・アサイン問題への回答が良好であった学生は、イン・ユニット・アサイン問題により関与し、より多くの問題に正しく答えた。
論文 参考訳（メタデータ） (2024-03-01T23:39:03Z) - Towards Goal-oriented Intelligent Tutoring Systems in Online Education [69.06930979754627]
目標指向知能チューニングシステム(GITS)という新しいタスクを提案する。
GITSは,演習や評価のカスタマイズを戦略的に計画することで,学生の指定概念の習得を可能にすることを目的としている。
PAI(Planning-Assessment-Interaction)と呼ばれるグラフに基づく新しい強化学習フレームワークを提案する。
論文 参考訳（メタデータ） (2023-12-03T12:37:16Z) - Embedding in Recommender Systems: A Survey [67.67966158305603]
重要な側面は、ユーザやアイテムIDといった高次元の離散的な特徴を低次元連続ベクトルに包含する技法である。
埋め込み技術の適用は複雑なエンティティ関係を捉え、かなりの研究を刺激している。
この調査では、協調フィルタリング、自己教師付き学習、グラフベースのテクニックなどの埋め込み手法を取り上げている。
論文 参考訳（メタデータ） (2023-10-28T06:31:06Z) - Enhancing Student Performance Prediction on Learnersourced Questions
with SGNN-LLM Synergy [11.735587384038753]
本稿では,SGNN(Signed Graph Neural Networks)とLLM(Large Language Model)を統合化するための革新的な戦略を提案する。
提案手法では, 学生の回答を包括的にモデル化するための署名付き二部グラフを用いて, 雑音耐性を高めるコントラスト学習フレームワークを補完する。
論文 参考訳（メタデータ） (2023-09-23T23:37:55Z) - MathDial: A Dialogue Tutoring Dataset with Rich Pedagogical Properties
Grounded in Math Reasoning Problems [74.73881579517055]
そこで本稿では,一般学生の誤りを表現した大規模言語モデルを用いて,人間教師の対話を生成する枠組みを提案する。
このフレームワークを用いて3kの1対1の教師-学生対話のデータセットであるMathDialを収集する方法について述べる。
論文 参考訳（メタデータ） (2023-05-23T21:44:56Z) - Student-centric Model of Learning Management System Activity and
Academic Performance: from Correlation to Causation [2.169383034643496]
近年,学生の学習行動パターンを理解するために,学習管理システム(LMS)における学習者のデジタルトレースのモデル化に多くの関心が寄せられている。
本稿では,LMS活動データに対する学生中心の分析フレームワークについて検討し,観察データから抽出した相関性だけでなく因果的洞察も提供する。
これらの知見は、大学生支援団体が学生中心で標的とする介入を開始するための証拠となると期待している。
論文 参考訳（メタデータ） (2022-10-27T14:08:25Z) - Knowledge Tracing for Complex Problem Solving: Granular Rank-Based
Tensor Factorization [6.077274947471846]
グラニュラーRAnkに基づくTEnsor Factorization (GRATE) を用いた新しい学生知識追跡手法を提案する。
GRATEは、問題における生徒のパフォーマンスを予測し、それらに提示される概念を発見しながら集約できる学生の試みを選択する。
実世界の3つのデータセットに対する実験は、最先端のベースラインに比べてGRATEの性能が向上したことを示している。
論文 参考訳（メタデータ） (2022-10-06T06:22:46Z) - Disadvantaged students increase their academic performance through
collective intelligence exposure in emergency remote learning due to COVID 19 [105.54048699217668]
新型コロナウイルス(COVID-19)危機の間、世界中の教育機関が対面指導から緊急遠隔教育(ERT)へと移行した。
我々は,7,528人の大学生のデータを分析したところ,議論フォーラムにおける学生間の協調的・合意的ダイナミクスが最終GPAに肯定的な影響を及ぼすことがわかった。
自然言語処理を用いて,高校生の学習成績が低かった1年生が,議論フォーラムでよりコンテンツ集約的な投稿に晒されていることを示す。
論文 参考訳（メタデータ） (2022-03-10T20:23:38Z) - The Wits Intelligent Teaching System: Detecting Student Engagement
During Lectures Using Convolutional Neural Networks [0.30458514384586394]
Wits Intelligent Teaching System (WITS) は、学生の感情に関するリアルタイムフィードバックを講師に支援することを目的としている。
AlexNetベースのCNNはトレーニングが成功し、Support Vector Machineアプローチを大きく上回っている。
論文 参考訳（メタデータ） (2021-05-28T12:59:37Z) - The Challenges of Assessing and Evaluating the Students at Distance [77.34726150561087]
新型コロナウイルス(COVID-19)の感染拡大が高等教育機関に強い影響を及ぼし、教室の授業は中止された。
本論文は、ポルトガルの高等教育機関がもたらす課題を探求し、評価モデルにもたらす課題を分析することを目的としている。
論文 参考訳（メタデータ） (2021-01-30T13:13:45Z) - Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。
近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
論文 参考訳（メタデータ） (2021-01-19T12:23:32Z)
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。