論文の概要: SOS TUTORIA UC: A Diversity-Aware Application for Tutor Recommendation
Based on Competence and Personality
- arxiv url: http://arxiv.org/abs/2309.10869v1
- Date: Tue, 19 Sep 2023 18:27:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-21 18:02:59.346635
- Title: SOS TUTORIA UC: A Diversity-Aware Application for Tutor Recommendation
Based on Competence and Personality
- Title（参考訳）: sos tutoria uc: 能力と性格に基づく教師推薦のための多様性対応アプリケーション
- Authors: Laura Achon, Ana De Souza, Alethia Hume, Ronald Chenu-Abente, Amalia
De Gotzen and Luca Cernuzzi
- Abstract要約: 本研究は,アプリケーションにおける経験の発達と妥当性について述べる。
WeNetプラットフォームとの統合は、コンポーネントの点で成功した。
レコメンデーションシステムテストの結果は肯定的だが改善の余地はあった。
- 参考スコア（独自算出の注目度）: 1.0351140137680235
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: SOS TUTORIA UC is a student connection application aimed at facilitating
academic assistance between students through external tutoring outside of the
application. To achieve this, a responsive web application was designed and
implemented, integrated with the WeNet platform, which provides various
services for user management and user recommendation algorithms. This study
presents the development and validation of the experience in the application by
evaluating the importance of incorporating the dimension of personality traits,
according to the Big Five model, in the process of recommending students for
academic tutoring. The goal is to provide support for students to find others
with greater knowledge and with a personality that is \'different\',
\'similar\' or \'indifferent\' to their own preferences for receiving academic
assistance on a specific topic. The integration with the WeNet platform was
successful in terms of components, and the results of the recommendation system
testing were positive but have room for improvement.
- Abstract（参考訳）: sos tutoria ucは、学生間の学術的支援を促進することを目的とした学生接続アプリケーションである。
これを実現するために、レスポンシブwebアプリケーションが設計・実装され、wenetプラットフォームと統合され、ユーザ管理とユーザのレコメンデーションアルゴリズムのための様々なサービスを提供する。
本研究は,学生に授業を勧める過程において,人格特性の次元をビッグファイブモデルに則って取り入れることの重要性を評価することにより,応用経験の発達と妥当性を示す。
目的は、学生がより深い知識を持ち、特定のトピックで学術的援助を受けるための自身の好みに、'different\'、''similar\'、''indifferent\'という個性を持たせるための支援を提供することである。
WeNetプラットフォームとの統合はコンポーネントという点で成功し、レコメンデーションシステムテストの結果は肯定的なものだったが、改善の余地はあった。
関連論文リスト
- Personalised Feedback Framework for Online Education Programmes Using Generative AI [0.0]
本稿では,埋め込みを組み込むことでChatGPTの機能を拡張したフィードバックフレームワークを提案する。
本研究の一環として,オープンエンドおよび複数選択質問に対する有効率90%と100%を達成できる概念解の証明を提案し,開発した。
論文 参考訳（メタデータ） (2024-10-14T22:35:40Z) - Pensieve Discuss: Scalable Small-Group CS Tutoring System with AI [5.710205207397618]
Pensieve Discussは、足場のあるプログラミング問題の同期編集を、オンラインの人間とAIの家庭教師と統合するソフトウェアプラットフォームである。
CS1コースの学生800名を対象に, 学期間展開を行ったところ, 常に高いコラボレーション率を示した。
論文 参考訳（メタデータ） (2024-07-24T05:07:53Z) - Ontology-driven Reinforcement Learning for Personalized Student Support [1.8972913066829966]
本稿では,バーチャル教育システムに適用可能な,パーソナライズされた学生支援のための汎用フレームワークを提案する。
データ収集とマルチエージェント強化学習を組み合わせたセマンティックな組織に応用する。
その結果、学生にパーソナライズされた支援を提供するために、どんなバーチャル教育ソフトウェアにも適応できるモジュールシステムとなった。
論文 参考訳（メタデータ） (2024-07-14T21:11:44Z) - Enhanced User Interaction in Operating Systems through Machine Learning
Language Models [17.09116903102371]
本稿では,大規模言語モデル,機械学習,ユーザインタラクション設計のレコメンデーションシステムやオペレーティングシステムへの応用の可能性について検討する。
インタラクション設計と機械学習の組み合わせは、製品やサービスのより効率的でパーソナライズされたユーザエクスペリエンスを提供する。
論文 参考訳（メタデータ） (2024-02-24T12:17:06Z) - 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) - A Design and Development of Rubrics System for Android Applications [0.0]
本アプリケーションは,学生のパフォーマンスを視聴するためのユーザフレンドリーなインターフェースを提供することを目的としている。
我々のアプリケーションは、グレーティングシステムを容易にし、時間とリソースの面での有効性を高めることを約束します。
論文 参考訳（メタデータ） (2023-09-23T16:14:27Z) - FEBR: Expert-Based Recommendation Framework for beneficial and
personalized content [77.86290991564829]
推奨コンテンツの質を評価するための見習い学習フレームワークであるFEBR(Expert-Based Recommendation Framework)を提案する。
このフレームワークは、推奨評価環境において専門家(信頼できると仮定される)の実証された軌跡を利用して、未知のユーティリティ機能を回復する。
ユーザ関心シミュレーション環境(RecSim)によるソリューションの性能評価を行う。
論文 参考訳（メタデータ） (2021-07-17T18:21:31Z) - 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) - Generative Inverse Deep Reinforcement Learning for Online Recommendation [62.09946317831129]
オンラインレコメンデーションのための新しい逆強化学習手法InvRecを提案する。
InvRecは、オンラインレコメンデーションのために、ユーザの行動から報酬関数を自動的に抽出する。
論文 参考訳（メタデータ） (2020-11-04T12:12:25Z) - Attentional Graph Convolutional Networks for Knowledge Concept
Recommendation in MOOCs in a Heterogeneous View [72.98388321383989]
大規模なオープンオンラインコース(MOOC)は、学生が知識を習得するための大規模かつオープンな学習機会を提供する。
学生の関心を惹きつけるため、MOOCsプロバイダによる推薦制度が採用され、学生にコースを推薦する。
そこで本研究では,MOOCにおける知識概念レコメンデーションのために,Attentional Heterogeneous Graph Convolutional Deep Knowledge Recommender (ACKRec) という,エンドツーエンドのグラフニューラルネットワークに基づくアプローチを提案する。
論文 参考訳（メタデータ） (2020-06-23T18:28:08Z) - Knowledge-guided Deep Reinforcement Learning for Interactive
Recommendation [49.32287384774351]
インタラクティブレコメンデーションは、アイテムとユーザ間の動的インタラクションから学び、応答性と精度を達成することを目的としている。
本稿では,知識指導型深層強化学習を提案する。
論文 参考訳（メタデータ） (2020-04-17T05:26:47Z)
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。