論文の概要: Using Analytics on Student Created Data to Content Validate Pedagogical
Tools
- arxiv url: http://arxiv.org/abs/2312.06871v1
- Date: Mon, 11 Dec 2023 22:39:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-13 17:59:03.652075
- Title: Using Analytics on Student Created Data to Content Validate Pedagogical
Tools
- Title(参考訳): 学生が作成したデータを用いた教育ツールのコンテンツ検証
- Authors: John Kos, Kenneth Eaton, Sareen Zhang, Rahul Dass, Stephen Buckley,
Sungeun An, Ashok Goel
- Abstract要約: VERAは、生態系における抗生物質と抗生物質の相互作用をシミュレートする概念モデリングソフトウェアである。
この時系列を、階層的クラスタリングと曲線フィッティングという2つの手法により、生態モデリングの領域で見られる共通パターンに分類する。
その結果, 試料曲線の89.38%に対して, いずれの分類法も一致した。
- 参考スコア(独自算出の注目度): 0.6597195879147557
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Conceptual and simulation models can function as useful pedagogical tools,
however it is important to categorize different outcomes when evaluating them
in order to more meaningfully interpret results. VERA is a ecology-based
conceptual modeling software that enables users to simulate interactions
between biotics and abiotics in an ecosystem, allowing users to form and then
verify hypothesis through observing a time series of the species populations.
In this paper, we classify this time series into common patterns found in the
domain of ecological modeling through two methods, hierarchical clustering and
curve fitting, illustrating a general methodology for showing content validity
when combining different pedagogical tools. When applied to a diverse sample of
263 models containing 971 time series collected from three different VERA user
categories: a Georgia Tech (GATECH), North Georgia Technical College (NGTC),
and ``Self Directed Learners'', results showed agreement between both
classification methods on 89.38\% of the sample curves in the test set. This
serves as a good indication that our methodology for determining content
validity was successful.
- Abstract(参考訳): 概念モデルとシミュレーションモデルは有用な教育ツールとして機能するが、結果をより有意義に解釈するために評価する際に異なる結果を分類することが重要である。
VERAは生態に基づく概念モデリングソフトウェアで、生態系内の抗生物質と抗生物質の相互作用をシミュレートし、個体群の時系列を観察することで仮説を形成、検証することができる。
本稿では,この時系列を階層的クラスタリングと曲線フィッティングという2つの手法を用いて生態モデリングの領域で見られる共通パターンに分類し,異なる教育用ツールを組み合わせた場合のコンテンツ妥当性を示す一般的な方法を示す。
A Georgia Tech (GATECH)、North Georgia Technical College (NGTC)、および '`Self Directed Learners'' の3つのVERAユーザカテゴリから収集された971の時系列を含む263モデルの多種多様なサンプルに適用すると、テストセット内のサンプル曲線の89.38\%に対して、両方の分類方法の一致が示された。
これは,コンテンツ妥当性を判定する手法が成功したことを示す良い指標である。
関連論文リスト
- Diffusion Models Beat GANs on Image Classification [37.70821298392606]
拡散モデルは、画像生成、復調、塗装、超解像、操作などの最先端の手法として注目されている。
本稿では,これらの埋め込みは識別情報を含むため,ノイズ予測タスクを超えて有用であり,分類にも活用できることを示す。
注意深い特徴選択とプーリングにより、拡散モデルは、分類タスクにおいて同等な生成的識別的手法より優れていることが判明した。
論文 参考訳(メタデータ) (2023-07-17T17:59:40Z) - Revisiting the Evaluation of Image Synthesis with GANs [55.72247435112475]
本研究では, 合成性能の評価に関する実証的研究を行い, 生成モデルの代表としてGAN(Generative Adversarial Network)を用いた。
特に、表現空間におけるデータポイントの表現方法、選択したサンプルを用いた公平距離の計算方法、各集合から使用可能なインスタンス数など、さまざまな要素の詳細な分析を行う。
論文 参考訳(メタデータ) (2023-04-04T17:54:32Z) - Multi-Layer Personalized Federated Learning for Mitigating Biases in
Student Predictive Analytics [7.040747348755578]
従来の学習に基づく学生モデリングのアプローチは、データの可用性のバイアスにより、表現不足/マイノリティの学生グループにあまり一般化しない。
本稿では,学生グループ化基準の異なる層にまたがる推論精度を最適化する多層パーソナライズドフェデレーションラーニング(MLPFL)手法を提案する。
論文 参考訳(メタデータ) (2022-12-05T17:27:28Z) - An Empirical Investigation of Commonsense Self-Supervision with
Knowledge Graphs [67.23285413610243]
大規模知識グラフから抽出した情報に基づく自己監督は、言語モデルの一般化を改善することが示されている。
本研究では,言語モデルに適用可能な合成データを生成するための知識サンプリング戦略とサイズの影響について検討する。
論文 参考訳(メタデータ) (2022-05-21T19:49:04Z) - ECKPN: Explicit Class Knowledge Propagation Network for Transductive
Few-shot Learning [53.09923823663554]
クラスレベルの知識は、ほんの一握りのサンプルから人間が容易に学習することができる。
本稿では,この問題に対処する明示的クラス知識伝達ネットワーク(ECKPN)を提案する。
筆者らは,4つの数ショット分類ベンチマークについて広範な実験を行い,提案したECKPNが最先端の手法よりも優れていることを示す実験結果を得た。
論文 参考訳(メタデータ) (2021-06-16T02:29:43Z) - Exploiting Emotional Dependencies with Graph Convolutional Networks for
Facial Expression Recognition [31.40575057347465]
本稿では,視覚における表情認識のためのマルチタスク学習フレームワークを提案する。
MTL設定において、離散認識と連続認識の両方のために共有特徴表現が学習される。
実験の結果,本手法は離散FER上での最先端手法よりも優れていた。
論文 参考訳(メタデータ) (2021-06-07T10:20:05Z) - Learning Gaussian Graphical Models with Latent Confounders [74.72998362041088]
我々は、グラフィカルモデルにおける推論のための2つの戦略を、潜伏した共同創設者と比較し、対比する。
これら2つのアプローチは、類似した目標を持っているが、それらは共起に関する異なる仮定によって動機付けられている。
これら2つのアプローチの強みを組み合わせた新しい手法を提案する。
論文 参考訳(メタデータ) (2021-05-14T00:53:03Z) - Unified Graph Structured Models for Video Understanding [93.72081456202672]
リレーショナル・テンポラル関係を明示的にモデル化するメッセージパッシンググラフニューラルネットワークを提案する。
本手法は,シーン内の関連エンティティ間の関係をより効果的にモデル化できることを示す。
論文 参考訳(メタデータ) (2021-03-29T14:37:35Z) - Interpretable Multi-dataset Evaluation for Named Entity Recognition [110.64368106131062]
本稿では,名前付きエンティティ認識(NER)タスクに対する一般的な評価手法を提案する。
提案手法は,モデルとデータセットの違いと,それらの間の相互作用を解釈することを可能にする。
分析ツールを利用可能にすることで、将来の研究者が同様の分析を実行し、この分野の進歩を促進することができる。
論文 参考訳(メタデータ) (2020-11-13T10:53:27Z) - PK-GCN: Prior Knowledge Assisted Image Classification using Graph
Convolution Networks [3.4129083593356433]
クラス間の類似性は、分類のパフォーマンスに影響を与える可能性がある。
本稿では,クラス類似性の知識を畳み込みニューラルネットワークモデルに組み込む手法を提案する。
実験結果から, 利用可能なデータの量が少ない場合には, 分類精度が向上することが示唆された。
論文 参考訳(メタデータ) (2020-09-24T18:31:35Z)
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。