論文の概要: Combining Gamification and Intelligent Tutoring Systems in a Serious
Game for Engineering Education
- arxiv url: http://arxiv.org/abs/2305.16568v1
- Date: Fri, 26 May 2023 01:24:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-29 17:29:14.180061
- Title: Combining Gamification and Intelligent Tutoring Systems in a Serious
Game for Engineering Education
- Title（参考訳）: 工学教育における本格的ゲームにおけるゲーミフィケーションと知的指導システムの組み合わせ
- Authors: Ying Tang and Ryan Hare
- Abstract要約: 本稿では,本ゲームに統合されたパーソナライズされた学習システムの開発から,現在進行中の結果について述べる。
コンピュータインテリジェンスを用いて,ゲーム内行動から収集したデータに基づいて,Webカメラ画像から感情状態を推定することにより,学生に適応的に支援を行う。
本研究では,個人化された学習システムを用いてプレイした学生の事前試験結果を通じて,システムの有効性を実証する。
- 参考スコア（独自算出の注目度）: 2.792030485253753
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We provide ongoing results from the development of a personalized learning
system integrated into a serious game. Given limited instructor resources, the
use of computerized systems to help tutor students offers a way to provide
higher quality education and to improve educational efficacy. Personalized
learning systems like the one proposed in this paper offer an accessible
solution. Furthermore, by combining such a system with a serious game, students
are further engaged in interacting with the system. The proposed learning
system combines expert-driven structure and lesson planning with computational
intelligence methods and gamification to provide students with a fun and
educational experience. As the project is ongoing from past years, numerous
design iterations have been made on the system based on feedback from students
and classroom observations. Using computational intelligence, the system
adaptively provides support to students based on data collected from both their
in-game actions and by estimating their emotional state from webcam images. For
our evaluation, we focus on student data gathered from in-classroom testing in
relevant courses, with both educational efficacy, results and student
observations. To demonstrate the effect of our proposed system, students in an
early electrical engineering course were instructed to interact with the system
in place of a standard lab assignment. The system would then measure and help
them improve their background knowledge before allowing them to complete the
lab assignment. As they played through the game, we observed their interactions
with the system to gather insights for future work. Additionally, we
demonstrate the system's educational efficacy through pre-post-test results
from students who played the game with and without the personalized learning
system.
- Abstract（参考訳）: 本研究は,本格的ゲームに統合したパーソナライズ学習システムの開発から,現在進行中の成果を提供する。
インストラクターのリソースが限られているため、教師の教育にコンピュータシステムを使うことは、より高品質な教育を提供し、教育効果を向上させる手段を提供する。
本論文で提案するパーソナライズドラーニングシステムは、アクセス可能なソリューションを提供する。
さらに、こうしたシステムを本格的なゲームと組み合わせることで、学生はさらにシステムとのインタラクションに携わるようになる。
提案する学習システムは,専門家主導型の構造と授業計画と,コンピュータ知能の手法とゲーミフィケーションを組み合わせることで,学生に楽しい学習体験を提供する。
近年, 学生からのフィードバックや教室での観察をもとに, 多数のデザインイテレーションが実施されている。
計算知を用いて,ゲーム内行動とwebカメラ画像からの感情状態の推定から収集したデータに基づいて,学生に適応的に支援を行う。
評価のために,授業内テストから収集した学生データに着目し,教育効果,結果,学生観察について検討した。
提案システムの効果を実証するために,電気工学初期課程の学生に対して,標準研究室の課題に代えてシステムとのインタラクションを指示した。
そしてシステムは、実験室の割り当てを完了する前に、彼らのバックグラウンド知識を計測し、改善する手助けをする。
ゲーム中、私たちはシステムとのインタラクションを観察し、将来の作業についての洞察を集めました。
また,パーソナライズされた学習システムの有無に関わらずゲームをプレイした学生によるプレテスト結果を通じて,システムの教育効果を示す。
関連論文リスト
- Intelligent Tutor: Leveraging ChatGPT and Microsoft Copilot Studio to Deliver a Generative AI Student Support and Feedback System within Teams [9.135741308567317]
本稿では,Microsoft Teamsプラットフォーム上でのChatGPT APIとGPT-4モデル,Microsoft Copilot Studioの統合について検討する。
本システムは,学習者の進捗状況やフィードバックに応じて,教育内容の動的調整を行う。
論文 参考訳（メタデータ） (2024-05-15T15:09:41Z) - 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) - Empowering Private Tutoring by Chaining Large Language Models [87.76985829144834]
本研究は,最先端の大規模言語モデル(LLM)を活用した,本格的な知的チューリングシステムの開発を探求する。
このシステムは、相互に接続された3つのコアプロセス(相互作用、反射、反応)に分けられる。
各プロセスは LLM ベースのツールと動的に更新されたメモリモジュールによって実装される。
論文 参考訳（メタデータ） (2023-09-15T02:42:03Z) - A Machine Learning system to monitor student progress in educational
institutes [0.0]
本稿では、機械学習技術を用いて、クレジットスコアと呼ばれる分類器を生成するデータ駆動手法を提案する。
信用スコアを進捗指標として使うという提案は、学習管理システムで使うのに適している。
論文 参考訳（メタデータ） (2022-11-02T08:24:08Z) - Learning Knowledge Representation with Meta Knowledge Distillation for
Single Image Super-Resolution [82.89021683451432]
単一画像超解像課題に対する教師/学生アーキテクチャに基づくモデルに依存しないメタ知識蒸留法を提案する。
種々の単一画像超解像データセットを用いた実験により,提案手法は既存の知識表現関連蒸留法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2022-07-18T02:41:04Z) - Real-time Attention Span Tracking in Online Education [0.0]
本稿では,オンライン授業中の学生のリアルタイムの注意レベルを監視するために,カメラフィードとマイクロホン入力を利用するメカニズムを提案する。
我々は,5つの異なる非言語的特徴を用いて,コンピュータによるタスク中の学生の注意スコアを計算し,学生と組織の両方に対してリアルタイムのフィードバックを生成するシステムを提案する。
論文 参考訳（メタデータ） (2021-11-29T17:05:59Z) - Adding Interactivity to Education of Complex Wireless Networks Using
Digital Game-Based Learning [0.6091702876917279]
デジタルゲームベース学習(DGBL)は,工学的授業に適用した場合の学習効果を高めることが確認されている。
本研究は、視覚的かつ体系的なビューを特徴とするDGBLプラットフォームを設計することを提案する。
論文 参考訳（メタデータ） (2021-06-28T14:09:57Z) - 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) - Point Adversarial Self Mining: A Simple Method for Facial Expression
Recognition [79.75964372862279]
本稿では,表情認識における認識精度を向上させるために,PASM(Point Adversarial Self Mining)を提案する。
PASMは、目標タスクに関連する最も情報性の高い位置を見つけるために、ポイント敵攻撃法と訓練された教師ネットワークを使用する。
適応学習教材の生成と教師/学生の更新を複数回行うことができ、ネットワーク能力が反復的に向上する。
論文 参考訳（メタデータ） (2020-08-26T06:39:24Z) - Interactive Knowledge Distillation [79.12866404907506]
本稿では,効率的な知識蒸留のための対話型指導戦略を活用するために,対話型知識蒸留方式を提案する。
蒸留工程では,教師と学生のネットワーク間の相互作用を交換操作により行う。
教員ネットワークの典型的な設定による実験により,IAKDで訓練された学生ネットワークは,従来の知識蒸留法で訓練された学生ネットワークよりも優れた性能を示した。
論文 参考訳（メタデータ） (2020-07-03T03:22:04Z) - Automated Personalized Feedback Improves Learning Gains in an
Intelligent Tutoring System [34.19909376464836]
大規模知的学習システム(ITS)における自動的、データ駆動型、パーソナライズされたフィードバックが、学生の学習結果をいかに改善するかを検討する。
本稿では,個別の学生のニーズを考慮に入れたパーソナライズされたフィードバックを生成する機械学習手法を提案する。
我々は、最先端の機械学習と自然言語処理技術を利用して、学生にパーソナライズされたヒント、ウィキペディアに基づく説明、数学的ヒントを提供する。
論文 参考訳（メタデータ） (2020-05-05T18:30:08Z)
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。