論文の概要: Tendencies in Database Learning for Undergraduate Students: Learning
In-Depth or Getting the Work Done?
- arxiv url: http://arxiv.org/abs/2307.03806v1
- Date: Fri, 7 Jul 2023 19:27:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-11 17:26:54.458758
- Title: Tendencies in Database Learning for Undergraduate Students: Learning
In-Depth or Getting the Work Done?
- Title（参考訳）: 大学生のデータベース学習の傾向--深層学習か,それとも成果の獲得か
- Authors: Emilia Pop, Manuela Petrescu
- Abstract要約: 本研究は,2年生の学習傾向をデータベース・コースに関連づけて調査し,分析した。
191名の学生から79名の回答が得られた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This study explores and analyzes the learning tendencies of second-year
students enrolled in different lines of study related to the Databases course.
There were 79 answers collected from 191 enrolled students that were analyzed
and interpreted using thematic analysis. The participants in the study provided
two sets of answers, anonymously collected (at the beginning and at the end of
the course), thus allowing us to have clear data regarding their interests and
to find out their tendencies. We looked into their expectations and if they
were met; we concluded that the students want to learn only database basics.
Their main challenges were related to the course homework. We combined the
information and the answers related to 1) other database-related topics that
they would like to learn, 2) how they plan to use the acquired information, and
3) overall interest in learning other database-related topics. The conclusion
was that students prefer learning only the basic information that could help
them achieve their goals: creating an application or using it at work. For
these students, Getting the work done is preferred to Learning in-depth.
- Abstract（参考訳）: 本研究は,2年生の学習傾向をデータベースコースに関連づけて調査し,分析するものである。
191人の学生から79の回答が集まり、その回答はテーマ分析によって分析され、解釈された。
この研究の参加者は、2つの回答セットを提供し、匿名で収集した(コースの始めと終わりに)。
学生たちはデータベースの基礎だけを学びたいと結論づけました。
彼らの主な課題はコースの宿題に関するものだった。
私たちはその情報と関連する回答を組み合わせた。
1) 学習したい他のデータベース関連トピック。
2)取得した情報をどのように利用するか、及び
3) 他のデータベース関連トピックの学習に対する全体的な関心。
結論は、学生は目標を達成するのに役立つ基本的な情報のみを学ぶことを好む、というものだった。
これらの学生にとって、仕事のやり直しは深く学ぶことよりも望ましい。
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) - YODA: Teacher-Student Progressive Learning for Language Models [82.0172215948963]
本稿では,教師が指導するプログレッシブ・ラーニング・フレームワークであるYodaを紹介する。
モデルファインチューニングの有効性を向上させるために,教師の教育過程をエミュレートする。
実験の結果, YODAのデータによるLLaMA2のトレーニングにより, SFTは大幅に向上した。
論文 参考訳（メタデータ） (2024-01-28T14:32:15Z) - TOFU: A Task of Fictitious Unlearning for LLMs [99.92305790945507]
Webからの大量のコーパスに基づいてトレーニングされた大規模な言語モデルは、法的および倫理的懸念を提起する機密データやプライベートデータを再現することができる。
トレーニングデータに存在する情報を忘れるためにモデルをチューニングするアンラーニングは、トレーニング後のプライベートデータを保護する手段を提供する。
未学習の理解を深めるためのベンチマークであるTOFUを紹介する。
論文 参考訳（メタデータ） (2024-01-11T18:57:12Z) - Student's Attraction for a Carrier Path Related to Databases and SQL:
Usability vs Efficiency in Students' Perception -Case Study [0.0]
本研究は,データベース・コースに関連する異なる研究分野に入学した2年生の期待度を調査し,分析する。
対象は, 対象学生191名のうち87名であり, テーマ分析を用いて分析, 解釈を行った。
論文 参考訳（メタデータ） (2023-07-07T19:19:31Z) - Process-BERT: A Framework for Representation Learning on Educational
Process Data [68.8204255655161]
本稿では,教育プロセスデータの表現を学習するためのフレームワークを提案する。
我々のフレームワークは、BERT型の目的を用いて、シーケンシャルなプロセスデータから表現を学習する事前学習ステップで構成されています。
当社のフレームワークは,2019年国のレポートカードデータマイニングコンペティションデータセットに適用しています。
論文 参考訳（メタデータ） (2022-04-28T16:07:28Z) - Deep Neural Networks and Tabular Data: A Survey [6.940394595795544]
この研究は、表形式のデータに対する最先端のディープラーニング手法の概要を提供する。
データ変換、特殊なアーキテクチャ、正規化モデルという3つのグループに分類することから始めます。
次に、各グループの主なアプローチについて概観する。
論文 参考訳（メタデータ） (2021-10-05T09:22:39Z) - Identifying rote learning and the supporting effects of hints in drills [0.0]
チューターウェブはオンラインドリルシステムであり,システムの設計目的は,評価よりも学習にある。
分析の結果,非論理的な学習結果が得られたが,質問データベースが大きければ,これまで見てきた解答オプションが提示されれば,学生のパフォーマンスが向上することがわかった。
論文 参考訳（メタデータ） (2021-08-19T16:29:50Z) - Graph-based Exercise- and Knowledge-Aware Learning Network for Student
Performance Prediction [8.21303828329009]
学生のスコアを正確に予測するためのグラフベースのエクササイズ・アンド・ナレッジ・アウェアラーニングネットワークを提案する。
我々は,エクササイズとナレッジ概念の熟達度を学習し,エクササイズとナレッジ概念の2倍の効果をモデル化する。
論文 参考訳（メタデータ） (2021-06-01T06:53:17Z) - 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) - Peer-inspired Student Performance Prediction in Interactive Online
Question Pools with Graph Neural Network [56.62345811216183]
本稿では,対話型オンライン質問プールにおいて,より優れた生徒のパフォーマンス予測を実現するために,グラフニューラルネットワーク(GNN)を用いた新しいアプローチを提案する。
具体的には,学生のインタラクションを用いた学生と質問の関係をモデル化し,学生のインタラクション・クエストネットワークを構築する。
1631の質問に対して4000人以上の学生の問題解決過程において生成した104,113個のマウス軌跡からなる実世界のデータセットに対するアプローチの有効性を評価した。
論文 参考訳（メタデータ） (2020-08-04T14:55:32Z) - dMelodies: A Music Dataset for Disentanglement Learning [70.90415511736089]
我々は、研究者が様々な領域でアルゴリズムの有効性を実証するのに役立つ新しいシンボリック・ミュージック・データセットを提案する。
これはまた、音楽用に特別に設計されたアルゴリズムを評価する手段を提供する。
データセットは、遠絡学習のためのディープネットワークのトレーニングとテストに十分な大きさ(約13万データポイント)である。
論文 参考訳（メタデータ） (2020-07-29T19:20:07Z)
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。