論文の概要: Learning Analytics from Spoken Discussion Dialogs in Flipped Classroom
- arxiv url: http://arxiv.org/abs/2301.12399v1
- Date: Sun, 29 Jan 2023 09:36:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 13:55:24.015437
- Title: Learning Analytics from Spoken Discussion Dialogs in Flipped Classroom
- Title（参考訳）: フリップ教室における音声対話からの学習分析
- Authors: Hang Su, Borislav Dzodzo, Changlun Li, Danyang Zhao, Hao Geng,
Yunxiang Li, Sidharth Jaggi, and Helen Meng
- Abstract要約: 本研究の目的は,グループ学習のプロセスや成果を知るために,授業中の議論の対話文を収集し,分析することである。
我々は最近,授業におけるグループベース問題解決の議論に先立ち,学生が家庭でビデオ録画講義を視聴する「フリップ型教室戦略」を用いて授業を転換した。
次に、その指標に機械学習アルゴリズムを適用して、グループ学習結果をHigh, Mid, Lowと予測する。
- 参考スコア（独自算出の注目度）: 36.53657088550011
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The flipped classroom is a new pedagogical strategy that has been gaining
increasing importance recently. Spoken discussion dialog commonly occurs in
flipped classroom, which embeds rich information indicating processes and
progression of students' learning. This study focuses on learning analytics
from spoken discussion dialog in the flipped classroom, which aims to collect
and analyze the discussion dialogs in flipped classroom in order to get to know
group learning processes and outcomes. We have recently transformed a course
using the flipped classroom strategy, where students watched video-recorded
lectures at home prior to group-based problem-solving discussions in class. The
in-class group discussions were recorded throughout the semester and then
transcribed manually. After features are extracted from the dialogs by multiple
tools and customized processing techniques, we performed statistical analyses
to explore the indicators that are related to the group learning outcomes from
face-to-face discussion dialogs in the flipped classroom. Then, machine
learning algorithms are applied to the indicators in order to predict the group
learning outcome as High, Mid or Low. The best prediction accuracy reaches
78.9%, which demonstrates the feasibility of achieving automatic learning
outcome prediction from group discussion dialog in flipped classroom.
- Abstract（参考訳）: ひっくり返された教室は、近年重要性を増している新しい教育戦略である。
学生の学習の過程や進行を示す豊富な情報を組み込んだ授業で、会話の会話が頻繁に行われる。
本研究は, グループ学習のプロセスや成果を知るために, 授業中の会話談話を収集し, 分析することを目的とした授業における会話談話からの学習分析に焦点を当てた。
我々は最近,授業におけるグループベースの問題解決議論に先立ち,家庭でビデオ録画講義を視聴する授業戦略を転換した。
クラス内での議論は学期を通して記録され、手書きで書き起こされた。
複数のツールとカスタマイズされた処理技術によってダイアログから特徴を抽出した後、フリップ教室における対面対話ダイアログからグループ学習結果に関連する指標を検討するために統計的分析を行った。
次に、その指標に機械学習アルゴリズムを適用して、グループ学習結果をHigh, Mid, Lowと予測する。
最良予測精度は78.9%に達し, 対向教室におけるグループディスカッション対話から自動学習結果予測の実現可能性を示した。
関連論文リスト
- CluCDD:Contrastive Dialogue Disentanglement via Clustering [18.06976502939079]
毎日、膨大な数の多人数の対話がオンラインで行われている。
対話の切り離しは、絡み合った対話を分離したセッションに分けることを目的としている。
コントラスト学習により発話を集約するCluCDDというモデルを提案する。
論文 参考訳（メタデータ） (2023-02-16T08:47:51Z) - Opportunities and Challenges in Neural Dialog Tutoring [54.07241332881601]
言語学習のための2つの対話学習データセットを用いて、様々な生成言語モデルを厳密に分析する。
現在のアプローチでは、制約のある学習シナリオでチューリングをモデル化できますが、制約の少ないシナリオではパフォーマンスが悪くなります。
人的品質評価では, モデルと接地木アノテーションの両方が, 同等のチュータリングの点で低い性能を示した。
論文 参考訳（メタデータ） (2023-01-24T11:00:17Z) - Channel-aware Decoupling Network for Multi-turn Dialogue Comprehension [81.47133615169203]
本稿では,PrLMの逐次文脈化を超えて,発話間の包括的相互作用のための合成学習を提案する。
私たちは、モデルが対話ドメインに適応するのを助けるために、ドメイン適応型トレーニング戦略を採用しています。
実験の結果,提案手法は4つの公開ベンチマークデータセットにおいて,強力なPrLMベースラインを著しく向上させることがわかった。
論文 参考訳（メタデータ） (2023-01-10T13:18:25Z) - The TalkMoves Dataset: K-12 Mathematics Lesson Transcripts Annotated for
Teacher and Student Discursive Moves [8.090330715662962]
本稿では、567人の人間によるK-12数学の授業書き起こしからなるTalkMovesデータセットについて述べる。
このデータセットは、教育者、政策立案者、研究者によってK-12の数学教室における教師と生徒の談話の性質を理解するために利用することができる。
論文 参考訳（メタデータ） (2022-04-06T18:12:30Z) - Advances in Multi-turn Dialogue Comprehension: A Survey [51.215629336320305]
自然言語を理解し、人間と対話するための訓練機械は、人工知能の解明と本質的なタスクである。
本稿では,対話理解タスクにおける対話モデリングの技術的視点から,過去の手法を概観する。
さらに,対話シナリオにおけるPrLMの強化に使用される対話関連事前学習手法を分類する。
論文 参考訳（メタデータ） (2021-10-11T03:52:37Z) - $C^3$: Compositional Counterfactual Contrastive Learning for
Video-grounded Dialogues [97.25466640240619]
映像対話システムの目的は、映像理解と対話理解を統合し、対話と映像コンテキストの両方に関連する応答を生成することである。
既存のアプローチのほとんどはディープラーニングモデルを採用しており、比較的小さなデータセットが利用可能であることを考えると、優れたパフォーマンスを実現している。
本稿では,映像対話における実例と反実例の対比学習を開発するために,合成対実的コントラスト学習の新たなアプローチを提案する。
論文 参考訳（メタデータ） (2021-06-16T16:05:27Z) - What Would a Teacher Do? Predicting Future Talk Moves [19.952531500315757]
未来話移動予測(FTMP)と呼ばれる新しいタスクを導入する。
会話履歴とそれに対応する会話の動きが与えられたとき、次の会話の動きを予測する。
このタスクのためのニューラルネットワークモデルを導入し、複数のベースラインを大きなマージンで上回ります。
論文 参考訳（メタデータ） (2021-06-09T17:45:16Z) - Using Transformers to Provide Teachers with Personalized Feedback on
their Classroom Discourse: The TalkMoves Application [14.851607363136978]
教室の記録を管理し処理するためのTalkMovesアプリケーションのクラウドベースのインフラストラクチャについて説明します。
本稿では,k-12教室における実世界音声と言語データを扱う際に取り組むべき技術的課題について考察する。
論文 参考訳（メタデータ） (2021-04-29T20:45:02Z) - Advances in Multi-turn Dialogue Comprehension: A Survey [51.215629336320305]
対話モデリングの観点から,従来の手法を検討した。
対話理解タスクで広く使用されている対話モデリングの3つの典型的なパターンについて議論します。
論文 参考訳（メタデータ） (2021-03-04T15:50:17Z) - Using Machine Learning and Natural Language Processing Techniques to
Analyze and Support Moderation of Student Book Discussions [0.0]
IMapBookプロジェクトは、小学生のリテラシー向上と理解能力向上を目的として、インタラクティブな電子書籍を提示し、中途半端な本議論に参加することを目的としている。
本研究の目的は、メッセージ分類に対する機械学習ベースのアプローチを開発し、介入の必要性を議論モデレーターに自動的に通知し、進行中の議論に関する他の有用な情報を収集することである。
論文 参考訳（メタデータ） (2020-11-23T20:33:09Z)
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。