論文の概要: A Combined Approach of Process Mining and Rule-based AI for Study
Planning and Monitoring in Higher Education
- arxiv url: http://arxiv.org/abs/2211.12190v1
- Date: Tue, 22 Nov 2022 11:32:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-23 18:54:43.985212
- Title: A Combined Approach of Process Mining and Rule-based AI for Study
Planning and Monitoring in Higher Education
- Title（参考訳）: 高等教育における学習計画とモニタリングのためのプロセスマイニングとルールベースAIの併用
- Authors: Miriam Wagner, Hayyan Helal, Rene Roepke, Sven Judel, Jens Doveren,
Sergej Goerzen, Pouya Soudmand, Gerhard Lakemeyer, Ulrik Schroeder, Wil van
der Aalst
- Abstract要約: 本稿では,プロセスマイニング手法とルールベース人工知能を用いて,キャンパス管理システムデータと学習プログラムモデルに基づいて,学生の学習経路を分析し,理解する手法を提案する。
プロセスマイニング技術は、成功した研究パスを特徴づけるだけでなく、期待される計画から逸脱を検出し、視覚化するためにも使われる。
これらの知見は、試験規則から抽出した対応する研究プログラムの勧告と要求とを組み合わさったものである。
- 参考スコア（独自算出の注目度）: 7.379617772613231
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents an approach of using methods of process mining and
rule-based artificial intelligence to analyze and understand study paths of
students based on campus management system data and study program models.
Process mining techniques are used to characterize successful study paths, as
well as to detect and visualize deviations from expected plans. These insights
are combined with recommendations and requirements of the corresponding study
programs extracted from examination regulations. Here, event calculus and
answer set programming are used to provide models of the study programs which
support planning and conformance checking while providing feedback on possible
study plan violations. In its combination, process mining and rule-based
artificial intelligence are used to support study planning and monitoring by
deriving rules and recommendations for guiding students to more suitable study
paths with higher success rates. Two applications will be implemented, one for
students and one for study program designers.
- Abstract（参考訳）: 本稿では,プロセスマイニングとルールベース人工知能を用いて,キャンパス管理システムデータと学習プログラムモデルに基づいて,学生の学習経路を分析し,理解する手法を提案する。
プロセスマイニング技術は、成功した学習パスを特徴付けるだけでなく、期待される計画からの逸脱を検知し可視化するために使われる。
これらの知見は、試験規則から抽出された対応する研究プログラムの勧告と要件とを組み合わせる。
ここでは,学習計画違反の可能性のあるフィードバックを提供しつつ,計画と適合性チェックを支援する研究プログラムのモデルを提供するために,イベント計算と回答セットプログラミングを用いる。
その組み合わせにおいて、プロセスマイニングとルールベースの人工知能は、より高い成功率で学生をより適切な学習経路に導くための規則と推奨を導出することにより、学習計画とモニタリングを支援するために使用される。
2つのアプリケーションが実装され、1つは学生向け、1つは学習プログラムデザイナー向けである。
関連論文リスト
- A Systematic Review on Process Mining for Curricular Analysis [0.9208007322096533]
教育プロセスマイニング(英: Educational Process Mining、EPM)は、教育プロセスを改善するために用いられるデータ分析技術である。
EPMの特定の応用の1つはカリキュラムマイニングであり、これは学生が学習目標を達成するための学習プログラムを理解することに焦点を当てている。
我々は系統的な文献レビューを行い、PMをカリキュラム解析に適用する作業を特定し、さらなる研究のための洞察を提供した。
論文 参考訳（メタデータ） (2024-09-13T21:35:11Z) - Reasoning about Study Regulations in Answer Set Programming [1.605808266512203]
本稿では,対応する学習計画を作成するAnswer Set Programmingにおける学習規則の符号化を提案する。
研究計画の探索のために,このアプローチを汎用ユーザインターフェースに拡張する方法を示す。
論文 参考訳（メタデータ） (2024-08-08T15:27:22Z) - Systematic Mapping Protocol -- UX Design role in software development
process [55.2480439325792]
ソフトウェア開発プロセスにおけるUXデザイナの役割を調べるための体系的なマッピングプロトコルを提案する。
本研究は,地図作成に使用する研究課題,スコープ,ソース,検索戦略,選択基準,データ抽出,分析方法を定義する。
論文 参考訳（メタデータ） (2024-02-20T16:56:46Z) - Learning Planning-based Reasoning by Trajectories Collection and Process Reward Synthesizing [61.98556945939045]
収集された軌道上でのDPO(Direct Preference Optimization)を通して計画に基づく推論を学習するフレームワークを提案する。
論理的推論ベンチマークの挑戦的な結果から,学習フレームワークの有効性が示された。
論文 参考訳（メタデータ） (2024-02-01T15:18:33Z) - 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) - Extracting Rules from Event Data for Study Planning [5.305245019481161]
我々は,授業の順序が学術的成功に与える影響を調べるために,プロセスとデータマイニング技術を採用している。
RWTH Aachen Universityのコンピュータサイエンス学士課程の学生を対象に評価を行った。
論文 参考訳（メタデータ） (2023-10-04T11:14:51Z) - Hierarchical Imitation Learning with Vector Quantized Models [77.67190661002691]
我々は,専門家の軌跡におけるサブゴールの同定に強化学習を用いることを提案する。
同定されたサブゴールに対するベクトル量子化生成モデルを構築し,サブゴールレベルの計画を行う。
実験では、このアルゴリズムは複雑な長い水平決定問題の解法に優れ、最先端のアルゴリズムよりも優れている。
論文 参考訳（メタデータ） (2023-01-30T15:04:39Z) - Hierarchical Programmatic Reinforcement Learning via Learning to Compose
Programs [58.94569213396991]
プログラムポリシーを作成するための階層型プログラム強化学習フレームワークを提案する。
提案するフレームワークは,プログラム作成の学習を通じて,アウト・オブ・ディストリビュータの複雑な動作を記述するプログラムポリシーを作成することができる。
Karel ドメインの実験結果から,提案するフレームワークがベースラインより優れていることが示された。
論文 参考訳（メタデータ） (2023-01-30T14:50:46Z) - Towards Automated Process Planning and Mining [77.34726150561087]
我々は、AIとBPM分野の研究者が共同で働く研究プロジェクトについて紹介する。
プロセスモデルを自動的に導出するための総合的な研究課題、研究の関連分野、および総合的な研究枠組みについて論じる。
論文 参考訳（メタデータ） (2022-08-18T16:41:22Z) - A Unifying Framework for Reinforcement Learning and Planning [2.564530030795554]
本稿では、強化学習計画(FRAP)のための統一的アルゴリズムフレームワークを提案する。
論文の最後には、これらの次元に沿って、よく知られたプランニング、モデルフリー、モデルベースRLアルゴリズムを比較した。
論文 参考訳（メタデータ） (2020-06-26T14:30:41Z)
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。