論文の概要: Visualizing Self-Regulated Learner Profiles in Dashboards: Design Insights from Teachers

• arxiv url: http://arxiv.org/abs/2305.16851v1
• Date: Fri, 26 May 2023 12:03:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-29 15:24:17.231834
• Title: Visualizing Self-Regulated Learner Profiles in Dashboards: Design Insights from Teachers
• Title（参考訳）: ダッシュボードにおける自己統制型学習者プロファイルの可視化 : 教師のデザイン視点
• Authors: Paola Mejia-Domenzain, Eva Laini, Seyed Parsa Neshaei, Thiemo Wambsganss and Tanja K\"aser
• Abstract要約: 学生の自己統制学習(SRL)行動を監視するダッシュボードであるFlippEDの設計と実装を行う。 10人の大学教員を対象としたセミ構造化インタビューにおいて,ツールのユーザビリティと動作性を評価した。
• 参考スコア（独自算出の注目度）: 9.227158301570787
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Flipped Classrooms (FC) are a promising teaching strategy, where students engage with the learning material before attending face-to-face sessions. While pre-class activities are critical for course success, many students struggle to engage effectively in them due to inadequate of self-regulated learning (SRL) skills. Thus, tools enabling teachers to monitor students' SRL and provide personalized guidance have the potential to improve learning outcomes. However, existing dashboards mostly focus on aggregated information, disregarding recent work leveraging machine learning (ML) approaches that have identified comprehensive, multi-dimensional SRL behaviors. Unfortunately, the complexity of such findings makes them difficult to communicate and act on. In this paper, we follow a teacher-centered approach to study how to make thorough findings accessible to teachers. We design and implement FlippED, a dashboard for monitoring students' SRL behavior. We evaluate the usability and actionability of the tool in semi-structured interviews with ten university teachers. We find that communicating ML-based profiles spark a range of potential interventions for students and course modifications.
• Abstract（参考訳）: Flipped Classrooms (FC) は、学生が対面セッションに出席する前に学習材料に携わる、有望な教育戦略である。 プレクラス活動はコースの成功に不可欠であるが、多くの学生は自己統制学習(SRL)スキルが不十分なため、効果的に授業に参加するのに苦労している。 したがって、教師が生徒のsrlを監視し、パーソナライズされた指導を提供するためのツールは、学習結果を改善する可能性を秘めている。 しかし、既存のダッシュボードは主に集約された情報に焦点を当てており、包括的な多次元SRLの振る舞いを識別する機械学習(ML)アプローチを活用する最近の作業を無視している。 残念ながら、そのような発見の複雑さにより、コミュニケーションや行動が困難になる。 本稿では,教師中心のアプローチを用いて,教師に詳細な発見を届ける方法について検討する。 学生のSRL行動を監視するダッシュボードFlippEDの設計と実装を行う。 大学教員10名に対する半構造化面接において,ツールの使いやすさと動作性を評価する。 MLに基づくプロファイルのコミュニケーションは、学生やコース修正の潜在的な介入を引き起こす。

関連論文リスト

• What Makes CLIP More Robust to Long-Tailed Pre-Training Data? A Controlled Study for Transferable Insights [67.72413262980272]
  大規模なデータ不均衡は、Webスケールの視覚言語データセットの間に自然に存在する。 事前学習したCLIPは、教師付き学習と比較してデータ不均衡に顕著な堅牢性を示す。 CLIPの堅牢性と差別性は、より記述的な言語監督、より大きなデータスケール、より広いオープンワールドの概念によって改善される。
  論文  参考訳（メタデータ） (2024-05-31T17:57:24Z)
• Evaluating and Optimizing Educational Content with Large Language Model Judgments [52.33701672559594]
  言語モデル(LM)を教育専門家として活用し,学習結果に対する様々な指導の影響を評価する。 本稿では,一方のLMが他方のLMの判断を報酬関数として利用して命令材料を生成する命令最適化手法を提案する。 ヒトの教師によるこれらのLM生成ワークシートの評価は、LM判定と人間の教師の嗜好との間に有意な整合性を示す。
  論文  参考訳（メタデータ） (2024-03-05T09:09:15Z)
• Impact of Guidance and Interaction Strategies for LLM Use on Learner Performance and Perception [19.335003380399527]
  大規模言語モデル(LLM)は、その教育的有用性を探求する研究の増加とともに、有望な道を提供する。 本研究は,LLM支援学習環境の形成において,教師が果たす役割を強調した。
  論文  参考訳（メタデータ） (2023-10-13T01:21:52Z)
• 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)
• Responsible Active Learning via Human-in-the-loop Peer Study [88.01358655203441]
  我々は,データプライバシを同時に保持し,モデルの安定性を向上させるために,Pear Study Learning (PSL) と呼ばれる責任あるアクティブラーニング手法を提案する。 まず,クラウドサイドのタスク学習者(教師)から未学習データを分離する。 トレーニング中、タスク学習者は軽量なアクティブ学習者に指示し、アクティブサンプリング基準に対するフィードバックを提供する。
  論文  参考訳（メタデータ） (2022-11-24T13:18:27Z)
• 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)
• Implicit Offline Reinforcement Learning via Supervised Learning [83.8241505499762]
  監視学習によるオフライン強化学習(RL)は、さまざまな専門レベルのポリシーによって収集されたデータセットからロボットスキルを学ぶための、シンプルで効果的な方法である。 我々は、暗黙的なモデルが返却情報を利用して、固定されたデータセットからロボットスキルを取得するために、明示的なアルゴリズムにマッチするか、あるいは性能を向上するかを示す。
  論文  参考訳（メタデータ） (2022-10-21T21:59:42Z)
• Demonstrating REACT: a Real-time Educational AI-powered Classroom Tool [0.9899017174990579]
  本稿では,教育者の意思決定プロセスを支援するために,EDM技術を用いたリアルタイムAIを活用した新しい教室ツールを提案する。 ReACTは、ユーザフレンドリなグラフィカルインターフェースを備えたデータ駆動ツールである。 学生のパフォーマンスデータを分析し、コンテキストベースのアラートとコースプランニングのための教育者へのレコメンデーションを提供する。
  論文  参考訳（メタデータ） (2021-07-30T03:09:59Z)
• 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)
• MOLAM: A Mobile Multimodal Learning Analytics Conceptual Framework to Support Student Self-Regulated Learning [0.0]
  この章では、MOLAM(Mobile Multimodal Learning Analytics)アプローチを紹介します。 学生の自己統制型学習の発展は、このアプローチの採用の恩恵を受けるだろうと私は主張する。
  論文  参考訳（メタデータ） (2020-12-18T18:55:33Z)
• Interaction-limited Inverse Reinforcement Learning [50.201765937436654]
  本稿では,教師の視点をカバーしたカリキュラム逆強化学習(CIRL)と,学習者の視点に着目した自己適用逆強化学習(SPIRL)の2つの訓練戦略を提案する。 シミュレーション実験と実ロボットを用いた実験により,CIRLの無作為教師やSPIRLのバッチ学習者よりも高速な学習が可能であることを示す。
  論文  参考訳（メタデータ） (2020-07-01T12:31:52Z)

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。