論文の概要: Level of Awareness of PSU Bayambang Campus Students towards E learning
Technologies
- arxiv url: http://arxiv.org/abs/2308.03118v1
- Date: Sun, 6 Aug 2023 13:54:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-08 16:29:20.470344
- Title: Level of Awareness of PSU Bayambang Campus Students towards E learning
Technologies
- Title(参考訳): PSUベイアンバン校生のeラーニング技術に対する意識レベル
- Authors: Matthew John F. Sino Cruz, Kim Eric B. Nanlabi, and Michael Ryan C.
Peoro
- Abstract要約: 本研究は,eラーニング技術に関するPSU Bayambang Campus学生の意識を評価する。
回答者の約52.50%はeラーニングの概念に精通していたが、その露出と利用レベルは考慮する必要がある。
技術,支援,利用者は,学生の意識に影響を及ぼす重要な要因として認識された。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The study assesses the awareness of PSU Bayambang Campus students regarding
e-learning technologies. A Quantitative Research Approach was used, gathering
data through a demographic questionnaire and ICT Resources assessment. The
survey measured students' familiarity and knowledge of existing e-learning
technologies. Around 52.50% of respondents were familiar with e learning
concepts, but their exposure and utilization levels need consideration.
Technology, Support, and Users were identified as key factors influencing
student awareness. Implementation can be improved through policies and resource
provision. The researchers recommend integrating e learning policies, providing
ICT Resources and Infrastructure, and offering training for students and
teachers. This research serves as a guide for policy design, enhancing the
University's learning process and facilitating better learning and interaction.
- Abstract(参考訳): 本研究は,eラーニング技術に関するPSU Bayambang Campus学生の意識を評価する。
人口統計調査とICTリソースアセスメントを通じてデータを収集する定量的研究手法が用いられた。
この調査は、既存のeラーニング技術の学生の親しみと知識を測定した。
回答者の約52.50%はeラーニングの概念に精通していたが、エクスポージャーと利用レベルを考慮する必要がある。
学生の意識に影響を与える要因として,技術,サポート,ユーザなどが挙げられた。
ポリシーやリソース提供を通じて実装を改善することができる。
研究者たちは、eラーニングポリシの統合、ICTリソースとインフラストラクチャの提供、学生と教師のトレーニングの提供を推奨している。
この研究は、政策設計のガイドとなり、大学の学習プロセスを強化し、より良い学習と相互作用を促進する。
関連論文リスト
- Integrating AI and Learning Analytics for Data-Driven Pedagogical Decisions and Personalized Interventions in Education [0.2812395851874055]
本研究では,革新的な学習分析ツールの概念化,開発,展開について検討する。
学生のストレスレベル、好奇心、混乱、扇動、トピックの嗜好、学習方法などの重要なデータポイントを分析し、学習環境の総合的なビューを提供する。
この研究は、パーソナライズされたデータ駆動型教育を形成する上で、AIが果たす役割を浮き彫りにする。
論文 参考訳(メタデータ) (2023-12-15T06:00:26Z) - Knowledge Tracing Challenge: Optimal Activity Sequencing for Students [0.9814642627359286]
知識追跡(きゅうがく、英: Knowledge Trace)は、個々の学習者による知識の獲得を評価・追跡する教育において用いられる手法である。
我々は,AAAI2023 Global Knowledge Tracing Challengeの一環として,新たにリリースされたデータセット上に2つの知識追跡アルゴリズムを実装した結果を示す。
論文 参考訳(メタデータ) (2023-11-13T16:28:34Z) - Deep Active Learning for Computer Vision: Past and Future [50.19394935978135]
AIモデルの開発に欠かせない役割にもかかわらず、アクティブラーニングの研究は他の研究の方向性ほど集中的ではない。
データ自動化の課題に対処し、自動化された機械学習システムに対処することによって、アクティブな学習はAI技術の民主化を促進する。
論文 参考訳(メタデータ) (2022-11-27T13:07:14Z) - 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) - Assessment on LSPU-SPCC Students Readiness towards M-learning [0.0]
高等教育委員会は、新暦の後の大学や大学は、生徒が対面の授業に出席する必要がなくなると述べた。
本研究は,m-ラーニングに移行した学生の即応性を明らかにすることを目的とする。
学生のほとんど全員がモバイル機器を所有し、アプリケーションを完全に装備し、高度な技術を持ち、心理的準備が整っていると判断された。
論文 参考訳(メタデータ) (2022-04-04T09:07:11Z) - Transferability in Deep Learning: A Survey [80.67296873915176]
知識を習得し再利用する能力は、ディープラーニングにおける伝達可能性として知られている。
本研究は,深層学習における異なる孤立領域と伝達可能性との関係を関連付けるための調査である。
我々はベンチマークとオープンソースライブラリを実装し、転送可能性の観点からディープラーニング手法の公平な評価を可能にする。
論文 参考訳(メタデータ) (2022-01-15T15:03:17Z) - Measuring the technological pedagogical content knowledge (TPACK) of
in-service teachers of computer science who teach algorithms and programming
in upper secondary education [55.41644538483948]
本研究では,コンピュータサイエンスの上級教員1032名を対象に,全国調査を行った。
技術、教育、コンテンツに関する知識を計測し、それぞれの分野の組み合わせを計測する。
論文 参考訳(メタデータ) (2021-05-17T17:54:19Z) - 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) - KnowledgeCheckR: Intelligent Techniques for Counteracting Forgetting [52.623349754076024]
KnowledgeCheckRに統合された推奨アプローチの概要を提供します。
その例としては,将来的に繰り返される学習内容の識別を支援するユーティリティベースのレコメンデーション,セッションベースのレコメンデーションを実装するための協調フィルタリングアプローチ,インテリジェントな質問応答を支援するコンテントベースのレコメンデーションなどがある。
論文 参考訳(メタデータ) (2021-02-15T20:06:28Z) - Canvas Adoption Assessment and Acceptance of the Learning Management
System on a Web-Based Platform [0.0]
本研究の目的は,新しい学習管理システムとしてのCanvasの採用と,東方大学のeラーニングプログラムにおけるWebベースのプラットフォームとしての可能性を評価することである。
学生は使いやすさが有用性に有意な影響を及ぼすが,Canvasの使用に対する態度に有意な影響を与えない。
論文 参考訳(メタデータ) (2021-01-29T01:30:55Z) - Redesign of web-based exam for knowledge evaluation in Advanced
Mathematics for pharmaceutical students based on analysis of the results [0.0]
本稿では,学生の知識評価のために実装された電子テストの詳細な分析を行う。
テストに含まれる質問と学生が与える回答を推定して分析する。
論文 参考訳(メタデータ) (2020-04-06T16:20:32Z)
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。