論文の概要: Does Starting Deep Learning Homework Earlier Improve Grades?

• arxiv url: http://arxiv.org/abs/2311.09228v1
• Date: Sat, 30 Sep 2023 09:34:30 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-15 16:10:15.167691
• Title: Does Starting Deep Learning Homework Earlier Improve Grades?
• Title（参考訳）: ディープラーニングの宿題はもっと早く改善されるか?
• Authors: Edward Raff, Cynthia Matuszek
• Abstract要約: 宿題を早く始め、より多くの時間を費やしている学生は、宿題の成績が良くなるはずだ。 既存の文献が宿題に費やした時間の影響は明確ではなく、主にK-12教育から来ている。 我々は,学生の成功に対する影響を原則的に結論付けるために,階層的ベイズモデルを構築した。
• 参考スコア（独自算出の注目度）: 63.20583929886827
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Intuitively, students who start a homework assignment earlier and spend more time on it should receive better grades on the assignment. However, existing literature on the impact of time spent on homework is not clear-cut and comes mostly from K-12 education. It is not clear that these prior studies can inform coursework in deep learning due to differences in demographics, as well as the computational time needed for assignments to be completed. We study this problem in a post-hoc study of three semesters of a deep learning course at the University of Maryland, Baltimore County (UMBC), and develop a hierarchical Bayesian model to help make principled conclusions about the impact on student success given an approximate measure of the total time spent on the homework, and how early they submitted the assignment. Our results show that both submitting early and spending more time positively relate with final grade. Surprisingly, the value of an additional day of work is apparently equal across students, even when some require less total time to complete an assignment.
• Abstract（参考訳）: 直感的には、宿題の割り当てを早く開始し、より多くの時間を費やしている学生は、宿題の成績が良くなるべきである。 しかし、宿題に費やす時間の影響に関する既存の文献は明確ではなく、主にK-12教育に由来する。 これらの先行研究が、人口動態の違いや課題の完了に要する計算時間によって、ディープラーニングのコースワークに影響を及ぼすかどうかは不明だ。 本稿は,メリーランド大学ボルチモア郡ディープラーニングコース(UMBC)の3学年を対象としたポストホック研究において,宿題に費やした合計時間の近似値から,学生の成功への影響に関する理論的結論を得るための階層的ベイズモデルを構築したものである。 結果から,早期提出と在学期間延長は最終学年と正の相関を示した。 驚くべきことに、追加の作業日の価値は、課題を完了するのに合計時間が少なくても、学生間で等しいようである。

関連論文リスト

• GPT-4 as a Homework Tutor can Improve Student Engagement and Learning Outcomes [80.60912258178045]
  我々は,中学生が第二言語として英語を学習するための対話型宿題セッションを,GPT-4で実施できるプロンプト戦略を開発した。 従来の宿題を GPT-4 の宿題に置き換え,4つの高校生の授業でランダム化比較試験(RCT)を行った。 学習結果の大幅な改善,特に文法の増大,学生のエンゲージメントについて検討した。
  論文  参考訳（メタデータ） (2024-09-24T11:22:55Z)
• 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)
• Using Assignment Incentives to Reduce Student Procrastination and Encourage Code Review Interactions [2.1684358357001465]
  この研究は、学生に期限の何日も前に課題を完了するよう促すインセンティブシステムを示す。 完成した課題は、正しさとフィードバックを提供するためにスタッフによってコードレビューされ、結果としてより多くの学生と教師の相互作用がもたらされる。 インセンティブによって学生の行動が変化し、45%の割り当てが早期に完了し、期限の4日前まで30%が完了した。
  論文  参考訳（メタデータ） (2023-11-25T22:17:40Z)
• Improving Students With Rubric-Based Self-Assessment and Oral Feedback [2.808134646037882]
  ルーブリックと口頭フィードバックは、学生のパフォーマンス向上と学習結果の達成を支援するアプローチである。 本稿では,ルーブリックと口頭フィードバックが学生の学習成績に及ぼす影響について検討する。
  論文  参考訳（メタデータ） (2023-07-24T14:48:28Z)
• Identifying Different Student Clusters in Functional Programming Assignments: From Quick Learners to Struggling Students [2.0386745041807033]
  我々は、マギル大学で教えられた関数型プログラミングコースから収集された学生の課題データを分析する。 これにより、「Quick-learning」、「Hardworking」、「Satisficing」、「Struggling」の4つのクラスタを特定できる。 次に、作業習慣、作業期間、エラーの範囲、エラーを修正する能力が、学生の異なるクラスタに与える影響を分析する。
  論文  参考訳（メタデータ） (2023-01-06T17:15:58Z)
• Distantly-Supervised Named Entity Recognition with Adaptive Teacher Learning and Fine-grained Student Ensemble [56.705249154629264]
  NERモデルの堅牢性を改善するために,自己学習型教員学生フレームワークを提案する。 本稿では,2つの教員ネットワークからなる適応型教員学習を提案する。 微粒な学生アンサンブルは、教師モデルの各フラグメントを、生徒の対応するフラグメントの時間移動平均で更新し、各モデルフラグメントのノイズに対する一貫した予測を強化する。
  論文  参考訳（メタデータ） (2022-12-13T12:14:09Z)
• Better Teacher Better Student: Dynamic Prior Knowledge for Knowledge Distillation [70.92135839545314]
  本研究では,教師の持つ特徴の一部を,特徴蒸留前の先行知識として統合した動的事前知識(DPK)を提案する。 DPKは,教員モデルと生徒モデルのパフォーマンスを正に相関させ,より大きな教員を適用することで生徒の精度をさらに高めることができる。
  論文  参考訳（メタデータ） (2022-06-13T11:52:13Z)
• Continual Learning in the Teacher-Student Setup: Impact of Task Similarity [5.1135133995376085]
  教師-学生設定における2層ネットワークにおける破滅的忘れについて検討する。 タスクが類似した機能に依存する場合、中間タスクの類似性が最大の忘れ物となる。 両者の類似性、初期転送/鍛造率、最大転送/鍛造率、長期転送/鍛造率の複雑な相互作用を見出した。
  論文  参考訳（メタデータ） (2021-07-09T12:30:39Z)
• Does Knowledge Distillation Really Work? [106.38447017262183]
  知識蒸留は学生の一般化を改善することができるが、一般的に理解されているようには機能しない。 学生が教師に合わない理由として,最適化の難しさがあげられる。
  論文  参考訳（メタデータ） (2021-06-10T17:44:02Z)
• Graduate Employment Prediction with Bias [44.38256197478875]
  大学生への就職の失敗は、飲酒や自殺などの深刻な社会的結果を引き起こす可能性がある。 偏見を考慮しつつ,学生の就業状況を予測する枠組み,すなわちMAYAを開発する。
  論文  参考訳（メタデータ） (2019-12-27T07:30:28Z)

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。