論文の概要: Remote Possibilities: Where there is a WIL, is there a Way? AI Education
for Remote Learners in a New Era of Work-Integrated-Learning
- arxiv url: http://arxiv.org/abs/2402.12667v1
- Date: Tue, 20 Feb 2024 02:35:15 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-21 17:21:06.482019
- Title: Remote Possibilities: Where there is a WIL, is there a Way? AI Education
for Remote Learners in a New Era of Work-Integrated-Learning
- Title（参考訳）: リモートの可能性:wildがあるところには、方法がありますか?
ワークインテグレート学習における遠隔学習者のためのAI教育
- Authors: Derek Jacoby, Saiph Savage, Yvonne Coady
- Abstract要約: ポストパンデミックプラットフォームは、リモートとハイブリッドの学習に特化して設計されている。
本稿では、これまでの経験を概説し、コミュニティ主導のアプリケーションにAI教育をさらに統合する方法を提案する。
- 参考スコア（独自算出の注目度）: 1.547622875672718
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Increasing diversity in educational settings is challenging in part due to
the lack of access to resources for non-traditional learners in remote
communities. Post-pandemic platforms designed specifically for remote and
hybrid learning -- supporting team-based collaboration online -- are positioned
to bridge this gap. Our work combines the use of these new platforms with
co-creation and collaboration tools for AI assisted remote
Work-Integrated-Learning (WIL) opportunities, including efforts in community
and with the public library system. This paper outlines some of our experiences
to date, and proposes methods to further integrate AI education into
community-driven applications for remote WIL.
- Abstract（参考訳）: 遠隔地における非伝統的学習者のリソースへのアクセスが不足していることから,教育環境における多様性の高まりが課題となっている。
リモートおよびハイブリッド学習に特化したポストパンデミックプラットフォーム -- チームベースのコラボレーションをサポートする -- は、このギャップを埋める位置にある。
私たちの研究は、これらの新しいプラットフォームと、コミュニティと公共図書館システムへの取り組みを含む、ai支援リモートワーク統合学習(wil)機会のための共同制作およびコラボレーションツールの使用を組み合わせる。
本稿では,これまでの経験を概説し,コミュニティ主導のリモートWILアプリケーションにAI教育をさらに統合する方法を提案する。
関連論文リスト
- From MOOC to MAIC: Reshaping Online Teaching and Learning through LLM-driven Agents [78.15899922698631]
MAIC(Massive AI-empowered Course)は、LLM駆動のマルチエージェントシステムを活用して、AIが強化された教室を構築するオンライン教育の新たな形態である。
中国一の大学である清華大学で予備的な実験を行う。
論文 参考訳（メタデータ） (2024-09-05T13:22:51Z) - Investigating Remote Hands-On Assistance for Collaborative Development of Embedded Systems [3.9877913211157843]
本研究では,組み込みシステム開発に特化して設計された遠隔支援ツールの可能性を検討する。
12人の経験豊富な組み込みシステム開発者へのインタビューを通じて、既存のリモートワークプラクティスや課題、要件を調査しました。
本研究は,遠隔作業におけるシナリオと戦略,特定の支援ニーズ,情報交換,調整,実行に関わる課題を明らかにする。
論文 参考訳（メタデータ） (2024-04-24T20:28:20Z) - Design and Development of a Multi-Purpose Collaborative Remote
Laboratory Platform [0.0]
このワーク・イン・プログレス・ペーパーでは,新しい遠隔実験プラットフォームの開発の現状について述べる。
研究成果は,遠隔実験室における今後の共同研究の基盤となることを目的としている。
論文 参考訳（メタデータ） (2024-03-10T13:04:48Z) - Private Knowledge Sharing in Distributed Learning: A Survey [50.51431815732716]
人工知能の台頭は多くの産業に革命をもたらし、社会の働き方を変えた。
異なるエンティティが分散または所有する学習プロセスにおいて、情報を活用することが不可欠である。
現代のデータ駆動サービスは、分散知識エンティティを結果に統合するために開発されています。
論文 参考訳（メタデータ） (2024-02-08T07:18:23Z) - Uncertainty Estimation in Multi-Agent Distributed Learning [0.0]
KDT NEUROKIT2Eプロジェクトは、エッジデバイス上のAIアプリケーションを容易にするための、新たなオープンソースフレームワークを確立することを目的としている。
本研究は,エッジネットワーク対応エージェントが分散環境における協調学習に携わることを可能にするメカニズムと方法論に焦点をあてる。
論文 参考訳（メタデータ） (2023-11-22T12:48:20Z) - Combined Federated and Split Learning in Edge Computing for Ubiquitous
Intelligence in Internet of Things: State of the Art and Future Directions [1.8259323824078306]
フェデレートラーニング(FL)とスプリットラーニング(SL)は、IoT(Internet of Things)におけるユビキタスインテリジェンスを大幅に促進する2つの新しいコラボレーティブラーニング手法である。
フェデレートラーニングと分割ラーニングの最新の展開をレビューし、エッジコンピューティングベースのIoT環境においてこれらの2つのラーニング手法を組み合わせるための最先端技術について調査する。
論文 参考訳（メタデータ） (2022-07-20T01:31:22Z) - Distributed Deep Learning in Open Collaborations [49.240611132653456]
協調学習に特化して設計された新しいアルゴリズムフレームワークを提案する。
現実的な条件下でのSwaVとALBERTの事前学習に対するアプローチの有効性を実証し,コストのごく一部で従来の設定に匹敵する性能を実現する。
論文 参考訳（メタデータ） (2021-06-18T16:23:13Z) - Toward Multiple Federated Learning Services Resource Sharing in Mobile
Edge Networks [88.15736037284408]
本稿では,マルチアクセスエッジコンピューティングサーバにおいて,複数のフェデレーション付き学習サービスの新たなモデルについて検討する。
共同資源最適化とハイパーラーニング率制御の問題,すなわちMS-FEDLを提案する。
シミュレーションの結果,提案アルゴリズムの収束性能を実証した。
論文 参考訳（メタデータ） (2020-11-25T01:29:41Z) - Exploring Zero-Shot Emergent Communication in Embodied Multi-Agent
Populations [59.608216900601384]
本研究では,3次元環境下で関節を作動させることでコミュニケーションを学ぶエージェントについて検討する。
現実的な仮定、意図の非一様分布、共通知識エネルギーコストにおいて、これらのエージェントは新規パートナーに一般化するプロトコルを見つけることができることを示す。
論文 参考訳（メタデータ） (2020-10-29T19:23:10Z) - Federated and continual learning for classification tasks in a society
of devices [59.45414406974091]
Light Federated and Continual Consensus (LFedCon2)は、軽量で伝統的な学習者を用いた新しいフェデレーションおよび継続アーキテクチャである。
我々の方法では、スマートフォンやロボットのような無力デバイスが、リアルタイムで、ローカルで、継続的に、自律的に、そしてユーザーから学習することができる。
提案手法をスマートフォン利用者の異種コミュニティに適用し,歩行認識の課題を解決した。
論文 参考訳（メタデータ） (2020-06-12T12:37:03Z)
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。