論文の概要: Revealing Networks: Understanding Effective Teacher Practices in
AI-Supported Classrooms using Transmodal Ordered Network Analysis
- arxiv url: http://arxiv.org/abs/2312.10826v1
- Date: Sun, 17 Dec 2023 21:50:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-19 14:22:28.349670
- Title: Revealing Networks: Understanding Effective Teacher Practices in
AI-Supported Classrooms using Transmodal Ordered Network Analysis
- Title(参考訳): Revealing Networks: Transmodal Ordered Network Analysis を用いたAI支援教室における効果的な教員の実践理解
- Authors: Conrad Borchers, Yeyu Wang, Shamya Karumbaiah, Muhammad Ashiq, David
Williamson Shaffer, Vincent Aleven
- Abstract要約: 本研究は,AI教師と連携した数学教室において,システム内学習の伝統的な指標に関連する効果的な教員の実践を理解するために,トランスモーダル順序ネットワーク分析を用いた。
教師の実践を学生の学習率で比較すると,低学率の生徒はモニタリング後,より有意な使用感を示した。
学習率の低い生徒は、高学率の学生と同様の学習行動を示し、教師の正しい試みを繰り返した。
- 参考スコア(独自算出の注目度): 0.9187505256430948
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Learning analytics research increasingly studies classroom learning with
AI-based systems through rich contextual data from outside these systems,
especially student-teacher interactions. One key challenge in leveraging such
data is generating meaningful insights into effective teacher practices.
Quantitative ethnography bears the potential to close this gap by combining
multimodal data streams into networks of co-occurring behavior that drive
insight into favorable learning conditions. The present study uses transmodal
ordered network analysis to understand effective teacher practices in
relationship to traditional metrics of in-system learning in a mathematics
classroom working with AI tutors. Incorporating teacher practices captured by
position tracking and human observation codes into modeling significantly
improved the inference of how efficiently students improved in the AI tutor
beyond a model with tutor log data features only. Comparing teacher practices
by student learning rates, we find that students with low learning rates
exhibited more hint use after monitoring. However, after an extended visit,
students with low learning rates showed learning behavior similar to their high
learning rate peers, achieving repeated correct attempts in the tutor.
Observation notes suggest conceptual and procedural support differences can
help explain visit effectiveness. Taken together, offering early conceptual
support to students with low learning rates could make classroom practice with
AI tutors more effective. This study advances the scientific understanding of
effective teacher practice in classrooms learning with AI tutors and
methodologies to make such practices visible.
- Abstract(参考訳): 学習分析研究は、これらのシステム外のリッチなコンテキストデータ、特に学生と教師の相互作用を通じて、aiベースのシステムによる教室学習をますます研究している。
このようなデータを活用する上で重要な課題のひとつは、効果的な教師の実践に関する有意義な洞察を生み出すことだ。
定量的ethnographyは、マルチモーダルなデータストリームを、適切な学習条件への洞察を促す共起行動のネットワークに組み合わせることで、このギャップを埋める可能性を秘めている。
本研究は,AI教師と連携した数学教室において,システム内学習の伝統的な指標に関連する効果的な教員の実践を理解するために,トランスモーダル順序ネットワーク分析を用いた。
位置追跡と人間の観察コードから取得した教師のプラクティスをモデリングに組み込むことで、aiチューターにおける生徒の効率が、チューターログデータのみのモデルよりも大幅に向上した。
生徒の学習率による教師の慣行を比較すると,学習率の低い生徒はモニタリング後のヒントがより多く示された。
しかし, 長期訪問後, 学習率の低い生徒は, 高学率の学生と同様の学習行動を示し, 繰り返し, 学習者の正しい試みを行った。
観察ノートは、概念的および手続き的サポートの違いが訪問の有効性を説明するのに役立つことを示唆している。
学習率の低い学生に早期の概念的支援を提供することで、ai教師による授業実践をより効果的にすることができる。
本研究は,AI教師と方法論を用いた授業における効果的な教員の実践の科学的理解を深め,その実践を可視化するものである。
関連論文リスト
- 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) - A Machine Learning system to monitor student progress in educational
institutes [0.0]
本稿では、機械学習技術を用いて、クレジットスコアと呼ばれる分類器を生成するデータ駆動手法を提案する。
信用スコアを進捗指標として使うという提案は、学習管理システムで使うのに適している。
論文 参考訳(メタデータ) (2022-11-02T08:24:08Z) - Learning Data Teaching Strategies Via Knowledge Tracing [5.648636668261282]
本稿では,学生モデルのためのデータ教育戦略を最適化する,知識強化データ教育(KADT)と呼ばれる新しい手法を提案する。
KADT法は、潜在学習概念の観点から、学生モデルの知識進捗を動的に捉えるための知識追跡モデルを含む。
我々は、知識追跡、感情分析、映画レコメンデーション、画像分類を含む4つの機械学習タスクにおいて、KADT法の性能を評価した。
論文 参考訳(メタデータ) (2021-11-13T10:10:48Z) - Iterative Teacher-Aware Learning [136.05341445369265]
人間の教育において、教師と学生はコミュニケーション効率を最大化するために適応的に交流することができる。
本稿では,教師の協調意図を可能性関数に組み込むことができる,勾配最適化に基づく教師認識学習者を提案する。
論文 参考訳(メタデータ) (2021-10-01T00:27:47Z) - RLTutor: Reinforcement Learning Based Adaptive Tutoring System by
Modeling Virtual Student with Fewer Interactions [10.34673089426247]
本稿では,学生の仮想モデルを構築し,指導戦略を最適化する枠組みを提案する。
この結果は,eラーニングシステムにおける理論的指導最適化と実践的応用のバッファとして機能する。
論文 参考訳(メタデータ) (2021-07-31T15:42:03Z) - Student Network Learning via Evolutionary Knowledge Distillation [22.030934154498205]
教師知識の伝達効率を改善するための進化的知識蒸留手法を提案する。
進化的教師は、固定された予習教師の代わりにオンラインで学習され、学生ネットワーク学習を監督するために、中間的知識を継続的に伝達する。
このようにして、学生は豊富な内部知識を同時に獲得し、その成長過程を捉え、効果的なネットワーク学習につながる。
論文 参考訳(メタデータ) (2021-03-23T02:07:15Z) - Learning Student-Friendly Teacher Networks for Knowledge Distillation [50.11640959363315]
本研究では,教師から学生への暗黒知識の伝達を容易にする新しい知識蒸留手法を提案する。
事前教育を受けた教師に与えた学習モデルの効果的な学習方法のほとんどとは対照的に,学生に親しみやすい教師モデルを学ぶことを目的とする。
論文 参考訳(メタデータ) (2021-02-12T07:00:17Z) - Point Adversarial Self Mining: A Simple Method for Facial Expression
Recognition [79.75964372862279]
本稿では,表情認識における認識精度を向上させるために,PASM(Point Adversarial Self Mining)を提案する。
PASMは、目標タスクに関連する最も情報性の高い位置を見つけるために、ポイント敵攻撃法と訓練された教師ネットワークを使用する。
適応学習教材の生成と教師/学生の更新を複数回行うことができ、ネットワーク能力が反復的に向上する。
論文 参考訳(メタデータ) (2020-08-26T06:39:24Z) - Interactive Knowledge Distillation [79.12866404907506]
本稿では,効率的な知識蒸留のための対話型指導戦略を活用するために,対話型知識蒸留方式を提案する。
蒸留工程では,教師と学生のネットワーク間の相互作用を交換操作により行う。
教員ネットワークの典型的な設定による実験により,IAKDで訓練された学生ネットワークは,従来の知識蒸留法で訓練された学生ネットワークよりも優れた性能を示した。
論文 参考訳(メタデータ) (2020-07-03T03:22:04Z) - Neural Multi-Task Learning for Teacher Question Detection in Online
Classrooms [50.19997675066203]
教師の音声記録から質問を自動的に検出するエンドツーエンドのニューラルネットワークフレームワークを構築している。
マルチタスク学習手法を取り入れることで,質問の種類によって意味的関係の理解を深めることが可能となる。
論文 参考訳(メタデータ) (2020-05-16T02:17:04Z)
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。