論文の概要: A Hierarchy-based Analysis Approach for Blended Learning: A Case Study
with Chinese Students
- arxiv url: http://arxiv.org/abs/2309.10218v1
- Date: Tue, 19 Sep 2023 00:09:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-20 16:56:01.246028
- Title: A Hierarchy-based Analysis Approach for Blended Learning: A Case Study
with Chinese Students
- Title(参考訳): ブレンド学習のための階層ベース分析手法--中国人学生を事例として
- Authors: Yu Ye and Gongjin Zhang and Hongbiao Si and Liang Xu and Shenghua Hu
and Yong Li and Xulong Zhang and Kaiyu Hu and Fangzhou Ye
- Abstract要約: 本稿では,混合学習評価のための階層型評価手法を提案する。
その結果、混合学習評価において、認知的エンゲージメントと感情的エンゲージメントがより重要であることが示された。
- 参考スコア(独自算出の注目度): 12.533646830917213
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Blended learning is generally defined as the combination of traditional
face-to-face learning and online learning. This learning mode has been widely
used in advanced education across the globe due to the COVID-19 pandemic's
social distance restriction as well as the development of technology. Online
learning plays an important role in blended learning, and as it requires more
student autonomy, the quality of blended learning in advanced education has
been a persistent concern. Existing literature offers several elements and
frameworks regarding evaluating the quality of blended learning. However, most
of them either have different favours for evaluation perspectives or simply
offer general guidance for evaluation, reducing the completeness, objectivity
and practicalness of related works. In order to carry out a more intuitive and
comprehensive evaluation framework, this paper proposes a hierarchy-based
analysis approach. Applying gradient boosting model and feature importance
evaluation method, this approach mainly analyses student engagement and its
three identified dimensions (behavioral engagement, emotional engagement,
cognitive engagement) to eliminate some existing stubborn problems when it
comes to blended learning evaluation. The results show that cognitive
engagement and emotional engagement play a more important role in blended
learning evaluation, implying that these two should be considered to improve
for better learning as well as teaching quality.
- Abstract(参考訳): ブレンド学習は一般的に、従来の対面学習とオンライン学習の組み合わせとして定義される。
この学習モードは、新型コロナウイルス(covid-19)パンデミックによる社会的距離制限や技術の発展により、世界中の先進教育で広く使われている。
オンライン学習はブレンド学習において重要な役割を担っており、さらに学生の自律性を必要としているため、先進教育におけるブレンド学習の質が常に懸念されている。
既存の文献はブレンド学習の質を評価するためのいくつかの要素とフレームワークを提供している。
しかし、それらの多くは、評価の観点で異なるか、単に評価のための一般的なガイダンスを提供し、関連する作品の完全性、客観性、実用性を減らすかのどちらかである。
本稿では,より直感的で包括的な評価フレームワークを実現するために,階層ベースの分析手法を提案する。
グラデーション・ブースティング・モデルと特徴重要度評価法を用いて,学生の参加度とその3次元(行動的関与,感情的関与,認知的関与)を分析し,ブレンド学習評価において既存の頑固な問題を解消する。
その結果,認知的エンゲージメントと情緒的エンゲージメントが混合学習評価においてより重要な役割を担い,これらの2つが学習の質の向上だけでなく,学習の質向上にも寄与することが示唆された。
関連論文リスト
- Evaluating and Optimizing Educational Content with Large Language Model
Judgments [58.82156185222133]
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) - Evaluating and Improving Continual Learning in Spoken Language
Understanding [58.723320551761525]
本研究では,連続学習における安定性,可塑性,一般化性に関する統一的な評価手法を提案する。
提案手法を用いることで,SLUモデルのこれらの3つの特性の異なる側面を,様々な知識蒸留の導入によってどのように改善するかを実証する。
論文 参考訳(メタデータ) (2024-02-16T03:30:27Z) - Harnessing Transparent Learning Analytics for Individualized Support
through Auto-detection of Engagement in Face-to-Face Collaborative Learning [3.0184625301151833]
本稿では,共同作業における学生の個人参加を自動的に検出する透過的アプローチを提案する。
提案手法は,学生の個人的関与を反映し,異なる協調学習課題を持つ生徒を識別する指標として利用することができる。
論文 参考訳(メタデータ) (2024-01-03T12:20:28Z) - Causal Reinforcement Learning: A Survey [57.368108154871]
強化学習は、不確実性の下でのシーケンシャルな決定問題の解決に不可欠なパラダイムである。
主な障害の1つは、強化学習エージェントが世界に対する根本的な理解を欠いていることである。
因果性は、体系的な方法で知識を形式化できるという点で顕著な利点がある。
論文 参考訳(メタデータ) (2023-07-04T03:00:43Z) - Towards a General Pre-training Framework for Adaptive Learning in MOOCs [37.570119583573955]
異種学習要素を適切に活用した,データ観測と学習スタイル分析に基づく統合フレームワークを提案する。
授業の構造やテキスト,知識は,学生の非逐次学習行動に本質的に整合性があり,モデリングに有用であることがわかった。
論文 参考訳(メタデータ) (2022-07-18T13:18:39Z) - Dynamic Diagnosis of the Progress and Shortcomings of Student Learning
using Machine Learning based on Cognitive, Social, and Emotional Features [0.06999740786886534]
学生の多様性は、学生が時間とともに学び、進歩していく方法に多様性を追加するため、困難である。
単一の教育アプローチは効果がなく、結果として学生は彼らの潜在能力を満たさない。
本稿では,データ分析と機械学習に基づく新しい手法について論じる。
論文 参考訳(メタデータ) (2022-04-13T21:14:58Z) - Constructing a personalized learning path using genetic algorithms
approach [0.0]
本稿では,遺伝的アルゴリズムに基づくモデルを用いたパーソナライズ学習パスの構築の可能性について述べる。
実験の結果, 遺伝的アルゴリズムは学習対象の難易度, 期間, 評価, 関係度に基づいて最適な学習経路を生成するのに適していることがわかった。
論文 参考訳(メタデータ) (2021-04-22T18:43:47Z) - Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。
近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
論文 参考訳(メタデータ) (2021-01-19T12:23:32Z) - Importance Weighted Policy Learning and Adaptation [89.46467771037054]
政治外学習の最近の進歩の上に構築された,概念的にシンプルで,汎用的で,モジュール的な補完的アプローチについて検討する。
このフレームワークは確率論的推論文学のアイデアにインスパイアされ、堅牢な非政治学習と事前の行動を組み合わせる。
提案手法は,メタ強化学習ベースラインと比較して,ホールドアウトタスクにおける競合適応性能を実現し,複雑なスパース・リワードシナリオにスケールすることができる。
論文 参考訳(メタデータ) (2020-09-10T14:16:58Z) - Dual Policy Distillation [58.43610940026261]
教員政策を学生政策に転換する政策蒸留は、深層強化学習の課題において大きな成功を収めた。
本研究では,2人の学習者が同じ環境下で活動し,環境の異なる視点を探索する,学生学生による二重政策蒸留(DPD)を導入する。
この二重学習フレームワークを開発する上で重要な課題は、同時代の学習に基づく強化学習アルゴリズムにおいて、ピア学習者から有益な知識を特定することである。
論文 参考訳(メタデータ) (2020-06-07T06:49:47Z)
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。