論文の概要: A Comprehensive Exploration of Personalized Learning in Smart Education:
From Student Modeling to Personalized Recommendations
- arxiv url: http://arxiv.org/abs/2402.01666v1
- Date: Mon, 15 Jan 2024 08:49:25 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-11 17:18:59.589781
- Title: A Comprehensive Exploration of Personalized Learning in Smart Education:
From Student Modeling to Personalized Recommendations
- Title（参考訳）: スマート教育におけるパーソナライズ学習の包括的探索--学生のモデリングからパーソナライズドレコメンデーションへ
- Authors: Siyu Wu, Yang Cao, Jiajun Cui, Runze Li, Hong Qian, Bo Jiang, Wei
Zhang
- Abstract要約: 中国、米国、欧州連合等はパーソナライズされた学習の重要性を推し進めてきた。
このレビューは、パーソナライズされた学習の現在の状況とその教育における重要な役割を包括的に分析する。
- 参考スコア（独自算出の注目度）: 19.064610936977402
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the development of artificial intelligence, personalized learning has
attracted much attention as an integral part of intelligent education. China,
the United States, the European Union, and others have put forward the
importance of personalized learning in recent years, emphasizing the
realization of the organic combination of large-scale education and
personalized training. The development of a personalized learning system
oriented to learners' preferences and suited to learners' needs should be
accelerated. This review provides a comprehensive analysis of the current
situation of personalized learning and its key role in education. It discusses
the research on personalized learning from multiple perspectives, combining
definitions, goals, and related educational theories to provide an in-depth
understanding of personalized learning from an educational perspective,
analyzing the implications of different theories on personalized learning, and
highlighting the potential of personalized learning to meet the needs of
individuals and to enhance their abilities. Data applications and assessment
indicators in personalized learning are described in detail, providing a solid
data foundation and evaluation system for subsequent research. Meanwhile, we
start from both student modeling and recommendation algorithms and deeply
analyze the cognitive and non-cognitive perspectives and the contribution of
personalized recommendations to personalized learning. Finally, we explore the
challenges and future trajectories of personalized learning. This review
provides a multidimensional analysis of personalized learning through a more
comprehensive study, providing academics and practitioners with cutting-edge
explorations to promote continuous progress in the field of personalized
learning.
- Abstract（参考訳）: 人工知能の開発により、パーソナライズド・ラーニングは知的教育の不可欠な部分として注目を集めている。
中国、米国、欧州連合(eu)など近年、パーソナライズ学習の重要性が強調され、大規模教育とパーソナライズトレーニングの有機的な組み合わせの実現が強調されている。
学習者の好みを指向し、学習者のニーズに合ったパーソナライズされた学習システムの開発を促進すべきである。
本稿では,パーソナライズ学習の現状と教育における重要な役割について総合的な分析を行う。
複数の視点からパーソナライズ学習の研究、定義、目標、関連する教育理論を組み合わせて、教育的観点からパーソナライズ学習の深い理解を提供し、パーソナライズ学習における異なる理論の影響を分析し、個人のニーズを満たすパーソナライズ学習の可能性を強調し、能力を高める。
パーソナライズドラーニングにおけるデータ応用と評価指標を詳述し、その後の研究に確かなデータ基盤と評価システムを提供する。
一方,学生モデルとレコメンデーションアルゴリズムの両方から始めて,認知的・非認知的視点とパーソナライズドレコメンデーションのパーソナライズ学習への貢献を深く分析する。
最後に,パーソナライズ学習の課題と今後の展望について考察する。
このレビューは、より包括的な研究を通じてパーソナライズドラーニングの多次元的分析を提供し、学術者や実践者は、パーソナライズドラーニングの分野における継続的な進歩を促進するために最先端の探索を行う。
関連論文リスト
- 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) - 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) - A Review of Data Mining in Personalized Education: Current Trends and
Future Prospects [30.033926908231297]
本稿では,教育推薦,認知診断,知識追跡,学習分析の4つのシナリオに焦点をあてる。
教育プラットフォームにおけるAIの統合は、学術的パフォーマンス、学習の好み、行動に関する洞察を提供し、個人の学習プロセスを最適化する。
論文 参考訳（メタデータ） (2024-02-27T06:09:48Z) - Integrating AI and Learning Analytics for Data-Driven Pedagogical
Decisions and Personalized Interventions in Education [0.30723404270319693]
本研究は,革新的な学習分析ツールの概念化,開発,展開について考察する。
本ツールは,学生のエンゲージメントの定量化,学習進行のマップ化,および多様な指導戦略の有効性の評価を目的としている。
論文 参考訳（メタデータ） (2023-12-15T06:00:26Z) - Personalization, Cognition, and Gamification-based Programming Language
Learning: A State-of-the-Art Systematic Literature Review [0.13053649021965597]
計算機科学におけるプログラミングコースは、多くの学生にとって最初のコンピュータプログラミング入門であることが多いため、重要である。
現在の大学講堂でよく使われている学習モデルでは、モチベーションや学習への参加が欠如していることが多い。
本稿では,プログラミングコースにおける効果的パーソナライズされたゲーミフィケーション介入の設計と実装に関する知見を提供する。
論文 参考訳（メタデータ） (2023-09-05T05:14:23Z) - Knowledge-augmented Deep Learning and Its Applications: A Survey [60.221292040710885]
知識強化ディープラーニング(KADL)は、ドメイン知識を特定し、それをデータ効率、一般化可能、解釈可能なディープラーニングのためのディープモデルに統合することを目的としている。
本調査は,既存の研究成果を補足し,知識強化深層学習の一般分野における鳥眼研究の展望を提供する。
論文 参考訳（メタデータ） (2022-11-30T03:44:15Z) - Unsupervised Domain Adaptive Person Re-Identification via Human Learning
Imitation [67.52229938775294]
近年、研究者は、異なる人物の再識別データセット間のドメインギャップを減らすために、教師学生フレームワークを彼らの手法に活用することを提案している。
近年の教員中心の枠組みに基づく手法に着想を得て,異なる側面から人間の学習過程を模倣するためのさらなる探究を提案する。
論文 参考訳（メタデータ） (2021-11-28T01:14:29Z) - A Network Science Perspective to Personalized Learning [0.0]
コンテンツ選択とマルチモーダルなエンゲージメントを提供する学習プラットフォームを用いて,学習目標の達成方法を検討する。
このフレームワークは、知識のネットワークによって支持される学習者のエンゲージメントとコンテンツ選択を提供することによって、経験を教えるのではなく、学習経験に注意を向ける。
論文 参考訳（メタデータ） (2021-11-02T01:50:01Z) - 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) - Self-supervised Learning from a Multi-view Perspective [121.63655399591681]
自己教師型表現はタスク関連情報を抽出し,タスク関連情報を破棄することができることを示す。
我々の理論的枠組みは、自己教師型学習目標設計のより広い空間への道を開くものである。
論文 参考訳（メタデータ） (2020-06-10T00:21:35Z)
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。