論文の概要: Learning Analytics in Higher Education -- Exploring Students and
Teachers Expectations in Germany
- arxiv url: http://arxiv.org/abs/2401.11981v1
- Date: Mon, 22 Jan 2024 14:32:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-23 13:45:11.658828
- Title: Learning Analytics in Higher Education -- Exploring Students and
Teachers Expectations in Germany
- Title（参考訳）: 高等教育における学習分析 -ドイツにおける学生と教師の期待-
- Authors: Birthe Fritz, Dana Kube, Sonja Scherer, Hendrik Drachsler
- Abstract要約: シーラフレームワークは、技術に対するステークホルダーの願望について探索的な知識を得るための手段を提供する。
この研究のサンプルは、ドイツの高等教育機関の学生(N = 1169)と教師(N = 497)で構成されている。
自記式アンケートを用いて,高校生の学習分析に対する学生や教師の態度を調査した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Technology enhanced learning analytics has the potential to play a
significant role in higher education in the future. Opinions and expectations
towards technology and learning analytics, thus, are vital to consider for
institutional developments in higher education institutions. The Sheila
framework offers instruments to yield exploratory knowledge about stakeholder
aspirations towards technology, such as learning analytics in higher education.
The sample of the study consists of students (N = 1169) and teachers (N = 497)
at a higher education institution in Germany. Using self-report questionnaires,
we assessed students and teachers attitudes towards learning analytics in
higher education teaching, comparing ideal and expected circumstances. We
report results on the attitudes of students, teachers, as well as comparisons
of the two groups and different disciplines. We discuss the results with regard
to practical implications for the implementation and further developments of
learning analytics in higher education.
- Abstract（参考訳）: 技術強化学習分析は、将来高等教育において重要な役割を果たす可能性がある。
技術と学習分析に対する意見と期待は、高等教育機関における機関の発展を検討する上で不可欠である。
sheilaフレームワークは、高等教育における学習分析のような技術に対するステークホルダーの願望に関する探索的な知識を提供する。
この研究のサンプルは、ドイツの高等教育機関の学生(N = 1169)と教師(N = 497)で構成されている。
自己報告質問紙を用いて, 学生と教員の学習分析に対する態度を, 理想と期待状況を比較して評価した。
本報告では,学生,教師の態度,および2つのグループと異なる分野の比較について報告する。
本研究は,高等教育におけるラーニングアナリティクスの実践とさらなる発展に関する実践的意義について考察する。
関連論文リスト
- Perceived Importance of ICT Proficiency for Teaching, Learning, and Career Progression among Physical Education Teachers in Pampanga [0.0]
この研究は、フィリピンのパンパンガ州メキシコの高等学校PE教師のICT統合の現状を垣間見ることができる。
本研究は,政策立案者,管理者,研修プログラム開発者が,PE教師のICT能力の向上に重点を置くことを示唆している。
論文 参考訳（メタデータ） (2024-07-16T04:14:48Z) - The Perceived Learning Behaviors and Assessment Techniques of First-Year Students in Computer Science: An Empirical Study [0.0]
学生は、直接指導が学習する最も効果的な方法であると信じている。
評価方法としては、実践的・書面的な試験が好まれる。
論文 参考訳（メタデータ） (2024-05-10T08:45:32Z) - Large Language Models for Education: A Survey and Outlook [69.02214694865229]
各視点の技術的進歩を体系的にレビューし、関連するデータセットとベンチマークを整理し、教育におけるLSMの展開に伴うリスクと課題を特定する。
本調査は、LLMの力を利用して教育実践を変革し、より効果的なパーソナライズされた学習環境を育むための、教育者、研究者、政策立案者のための総合的な技術図を提供することを目的とする。
論文 参考訳（メタデータ） (2024-03-26T21:04:29Z) - Generative AI in Education: A Study of Educators' Awareness, Sentiments, and Influencing Factors [2.217351976766501]
本研究は,AI言語モデルに対する教員の経験と態度について考察する。
学習スタイルと生成AIに対する態度の相関は見つからない。
CS教育者は、生成するAIツールの技術的理解にはるかに自信を持っているが、AI生成された仕事を検出する能力にこれ以上自信がない。
論文 参考訳（メタデータ） (2024-03-22T19:21:29Z) - 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) - Chatbots and messaging platforms in the classroom: an analysis from the
teacher's perspective [0.4310167974376403]
スペイン(主に)とスペイン語圏を母国とする第三次教育教員の意見を調査した。
これらの調査の焦点は、授業におけるメッセージングプラットフォームとチャットボットの導入について、教師の意見に対するフィードバックを集めることである。
これらのツールの使用に関する教師の意見が、性別、経験、専門化の規律によってどのように、いつ、どのように異なるか分析する。
論文 参考訳（メタデータ） (2022-01-25T13:04:45Z) - Desperately seeking the impact of learning analytics in education at
scale: Marrying data analysis with teaching and learning [0.0]
学習分析(LA)は、学習成果、学習者支援、教育を改善することができると主張されている。
教育環境におけるLAの有効性を示す実践への影響の実証的な証拠はいまだ少ない。
学生の大規模学習改善を目的としたデータ駆動意思決定の効果を高めるためには,教育者のニーズをよりよく理解する必要がある。
論文 参考訳（メタデータ） (2021-05-14T07:33:17Z) - The Challenges of Assessing and Evaluating the Students at Distance [77.34726150561087]
新型コロナウイルス(COVID-19)の感染拡大が高等教育機関に強い影響を及ぼし、教室の授業は中止された。
本論文は、ポルトガルの高等教育機関がもたらす課題を探求し、評価モデルにもたらす課題を分析することを目的としている。
論文 参考訳（メタデータ） (2021-01-30T13:13:45Z) - Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。
近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
論文 参考訳（メタデータ） (2021-01-19T12:23:32Z) - Creation and Evaluation of a Pre-tertiary Artificial Intelligence (AI)
Curriculum [58.86139968005518]
香港大学(CUHK)-Jockey Club AI for the Future Project(AI4Future)は、第3次教育のためのAIカリキュラムを共同開発した。
工学と教育を専門とする14人の教授が、6つの中学校の17の校長と教師と協力してカリキュラムを共同作成した。
共同創造プロセスは、AIにおける教師の知識を高める様々なリソースを生み出し、その課題を教室に持ち込むための教師の自主性を育んだ。
論文 参考訳（メタデータ） (2021-01-19T11:26:19Z) - Dual Policy Distillation [58.43610940026261]
教員政策を学生政策に転換する政策蒸留は、深層強化学習の課題において大きな成功を収めた。
本研究では,2人の学習者が同じ環境下で活動し,環境の異なる視点を探索する,学生学生による二重政策蒸留(DPD)を導入する。
この二重学習フレームワークを開発する上で重要な課題は、同時代の学習に基づく強化学習アルゴリズムにおいて、ピア学習者から有益な知識を特定することである。
論文 参考訳（メタデータ） (2020-06-07T06:49:47Z)
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。