論文の概要: Have Learning Analytics Dashboards Lived Up to the Hype? A Systematic
Review of Impact on Students' Achievement, Motivation, Participation and
Attitude
- arxiv url: http://arxiv.org/abs/2312.15042v1
- Date: Fri, 22 Dec 2023 20:12:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-27 20:14:24.152066
- Title: Have Learning Analytics Dashboards Lived Up to the Hype? A Systematic
Review of Impact on Students' Achievement, Motivation, Participation and
Attitude
- Title（参考訳）: 学習分析ダッシュボードはハイプに耐えただろうか?
学生の達成、モチベーション、参加、態度への影響に関する体系的考察
- Authors: Rogers Kaliisa, Kamila Misiejuk, Sonsoles L\'opez-Pernas, Mohammad
Khalil, Mohammed Saqr
- Abstract要約: 学習分析ダッシュボード(LAD)が、学業成績を改善するという約束まで生きてきたという結論を支持する証拠はない。
LADは学生参加に比較的大きな影響を及ぼした。
LADの研究を前進させるためには、厳密な評価手法を使用し、学習構造を評価するための明確な基準を確立する必要がある。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While learning analytics dashboards (LADs) are the most common form of LA
intervention, there is limited evidence regarding their impact on students
learning outcomes. This systematic review synthesizes the findings of 38
research studies to investigate the impact of LADs on students' learning
outcomes, encompassing achievement, participation, motivation, and attitudes.
As we currently stand, there is no evidence to support the conclusion that LADs
have lived up to the promise of improving academic achievement. Most studies
reported negligible or small effects, with limited evidence from well-powered
controlled experiments. Many studies merely compared users and non-users of
LADs, confounding the dashboard effect with student engagement levels.
Similarly, the impact of LADs on motivation and attitudes appeared modest, with
only a few exceptions demonstrating significant effects. Small sample sizes in
these studies highlight the need for larger-scale investigations to validate
these findings. Notably, LADs showed a relatively substantial impact on student
participation. Several studies reported medium to large effect sizes,
suggesting that LADs can promote engagement and interaction in online learning
environments. However, methodological shortcomings, such as reliance on
traditional evaluation methods, self-selection bias, the assumption that access
equates to usage, and a lack of standardized assessment tools, emerged as
recurring issues. To advance the research line for LADs, researchers should use
rigorous assessment methods and establish clear standards for evaluating
learning constructs. Such efforts will advance our understanding of the
potential of LADs to enhance learning outcomes and provide valuable insights
for educators and researchers alike.
- Abstract（参考訳）: 学習分析ダッシュボード(LAD)はLA介入の最も一般的な形態であるが、学生の学習結果への影響については限定的な証拠がある。
本研究は,学生の学習成果,達成,参加,モチベーション,態度にLADが与える影響を総合的に調査するために,38件の研究成果を総合するものである。
私たちが現在立っているように、LADが学術的業績を改善するという約束を果たすまで生きてきたという結論を支持する証拠はない。
ほとんどの研究は無視または小さな効果を報告し、十分に制御された実験の限られた証拠を報告した。
多くの研究は、ladのユーザと非ユーザを比較し、ダッシュボード効果を学生のエンゲージメントレベルと組み合わせている。
同様に、LADがモチベーションや態度に与える影響は、わずかに例外的に顕著な効果を示した。
これらの研究の小さなサンプルサイズは、これらの発見を検証するための大規模な調査の必要性を強調している。
特に、LADは学生参加に比較的大きな影響を及ぼした。
いくつかの研究は中～大きな効果の大きさを報告し、LADがオンライン学習環境におけるエンゲージメントと相互作用を促進することを示唆している。
しかし, 従来の評価手法への依存, 自己選択バイアス, 利用に等しいという仮定, 標準化された評価ツールの欠如など, 方法論上の欠点が繰り返し発生する。
ladの研究ラインを前進させるために、研究者は厳密な評価手法を使い、学習構成を評価するための明確な基準を確立する必要がある。
このような取り組みは、LADの可能性の理解を深め、学習成果を高め、教育者や研究者にも貴重な洞察を提供する。
関連論文リスト
- Enhancing Training Data Attribution for Large Language Models with Fitting Error Consideration [74.09687562334682]
Debias and Denoise Attribution (DDA) と呼ばれる新しいトレーニングデータ属性法を導入する。
提案手法は既存のアプローチよりも優れており,平均91.64%のAUCを実現している。
DDAは、様々なソースとLLaMA2、QWEN2、Mistralのような異なるスケールのモデルに対して、強力な汎用性とスケーラビリティを示す。
論文 参考訳（メタデータ） (2024-10-02T07:14:26Z) - AI Can Be Cognitively Biased: An Exploratory Study on Threshold Priming in LLM-Based Batch Relevance Assessment [37.985947029716016]
大規模言語モデル(LLM)は高度な理解能力を示しているが、トレーニングデータから人間のバイアスを継承する可能性がある。
関連判定におけるしきい値プライミング効果の影響について検討した。
論文 参考訳（メタデータ） (2024-09-24T12:23:15Z) - PICA: A Data-driven Synthesis of Peer Instruction and Continuous Assessment [0.0]
ここでは、PIとCAを組み合わせて、学生をペアにして、CAタスクで協力するPIセッションを行う。
このデータ駆動型協調学習の動機は、学生の学習、コミュニケーション、エンゲージメントを改善することである。
論文 参考訳（メタデータ） (2024-07-24T20:50:32Z) - Bayesian Causal Forests for Longitudinal Data: Assessing the Impact of Part-Time Work on Growth in High School Mathematics Achievement [0.0]
ベイジアンカウサル林の長手延長について紹介する。
このモデルは、数学的能力における個々の成長と、パートタイム作業への参加の影響の両方を柔軟に識別することができる。
その結果、ほとんどの学生にとってパートタイムワークの負の影響が明らかとなったが、当初は学校所有感が低い学生にとって潜在的利益が示唆された。
論文 参考訳（メタデータ） (2024-07-16T17:18:33Z) - Exploring Factors Affecting Student Learning Satisfaction during COVID-19 in South Korea [0.0]
本研究は,パンデミックにおける学生の学習嗜好と満足度に関連するいくつかの側面を理解することを目的とした。
収集したデータには、学生の性別、専攻、学習時の満足度、モチベーションレベル、パフォーマンス、感情状態、学習環境が含まれていた。
論文 参考訳（メタデータ） (2024-07-12T14:28:11Z) - Evaluating Interventional Reasoning Capabilities of Large Language Models [58.52919374786108]
大規模言語モデル(LLM)は、システムの異なる部分への介入の下で因果効果を推定することができる。
LLMが介入に応じてデータ生成プロセスの知識を正確に更新できるかどうかを実証分析して評価する。
我々は、様々な因果グラフ(例えば、コンバウンディング、仲介)と変数タイプにまたがるベンチマークを作成し、介入に基づく推論の研究を可能にする。
論文 参考訳（メタデータ） (2024-04-08T14:15:56Z) - Evaluating and Optimizing Educational Content with Large Language Model Judgments [52.33701672559594]
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) - Sensitivity, Performance, Robustness: Deconstructing the Effect of
Sociodemographic Prompting [64.80538055623842]
社会デマトグラフィープロンプトは、特定の社会デマトグラフィープロファイルを持つ人間が与える答えに向けて、プロンプトベースのモデルの出力を操縦する技術である。
ソシオデマトグラフィー情報はモデル予測に影響を及ぼし、主観的NLPタスクにおけるゼロショット学習を改善するのに有用であることを示す。
論文 参考訳（メタデータ） (2023-09-13T15:42:06Z) - Susceptibility to Influence of Large Language Models [5.931099001882958]
2つの研究は、大きな言語モデル(LLM)が、影響力のある入力への暴露後の心理的変化をモデル化できるという仮説を検証した。
最初の研究では、Illusory Truth Effect(ITE)という一般的な影響のモードがテストされた。
第2の研究では、その説得力と政治的動員力を高めるために、ニュースの大衆的なフレーミングという、特定の影響の態勢について論じている。
論文 参考訳（メタデータ） (2023-03-10T16:53:30Z) - Social Engagement versus Learning Engagement -- An Exploratory Study of
FutureLearn Learners [61.58283466715385]
大規模なオープンオンラインコース (MOOCs) は増加傾向にあるが、エンロリーのごく一部しかMOOCsを完了していない。
この研究は、MOOCにおける研究の進展とともに、学習者がピアとどのように相互作用するかに特に関係している。
この研究は、社会的構成主義的アプローチを採用し、協調学習を促進するFutureLearnプラットフォーム上で行われた。
論文 参考訳（メタデータ） (2020-08-11T16:09:10Z) - Sentiment Analysis Based on Deep Learning: A Comparative Study [69.09570726777817]
世論の研究は我々に貴重な情報を提供することができる。
感情分析の効率性と正確性は、自然言語処理で直面する課題によって妨げられている。
本稿では、感情分析の問題を解決するためにディープラーニングを用いた最新の研究をレビューする。
論文 参考訳（メタデータ） (2020-06-05T16:28:10Z)
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。