論文の概要: FATE in MMLA: A Student-Centred Exploration of Fairness, Accountability,
Transparency, and Ethics in Multimodal Learning Analytics
- arxiv url: http://arxiv.org/abs/2402.19071v1
- Date: Thu, 29 Feb 2024 11:52:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-01 15:02:19.031674
- Title: FATE in MMLA: A Student-Centred Exploration of Fairness, Accountability,
Transparency, and Ethics in Multimodal Learning Analytics
- Title（参考訳）: MMLAにおけるFATE:マルチモーダル学習分析における学生中心による公正性・説明責任・透明性・倫理調査
- Authors: Yueqiao Jin, Vanessa Echeverria, Lixiang Yan, Linxuan Zhao, Riordan
Alfredo, Yi-Shan Tsai, Dragan Ga\v{s}evi\'c, Roberto Martinez-Maldonado
- Abstract要約: 本研究は,MMLAビジュアライゼーションを用いて,学生の公正さ,説明責任,透明性,倫理(FATE)を評価した。
発見は、視覚的公正性を保証するために、正確で包括的なデータ表現の重要性を強調した。
学生は倫理的配慮の重要性も強調し、FATE問題を積極的に調査し対処するためにLAとMMLAのコミュニティに圧力をかける必要性を強調している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multimodal Learning Analytics (MMLA) integrates novel sensing technologies
and artificial intelligence algorithms, providing opportunities to enhance
student reflection during complex, collaborative learning experiences. Although
recent advancements in MMLA have shown its capability to generate insights into
diverse learning behaviours across various learning settings, little research
has been conducted to evaluate these systems in authentic learning contexts,
particularly regarding students' perceived fairness, accountability,
transparency, and ethics (FATE). Understanding these perceptions is essential
to using MMLA effectively without introducing ethical complications or
negatively affecting how students learn. This study aimed to address this gap
by assessing the FATE of MMLA in an authentic, collaborative learning context.
We conducted semi-structured interviews with 14 undergraduate students who used
MMLA visualisations for post-activity reflection. The findings highlighted the
significance of accurate and comprehensive data representation to ensure
visualisation fairness, the need for different levels of data access to foster
accountability, the imperative of measuring and cultivating transparency with
students, and the necessity of transforming informed consent from dichotomous
to continuous and measurable scales. While students value the benefits of MMLA,
they also emphasise the importance of ethical considerations, highlighting a
pressing need for the LA and MMLA community to investigate and address FATE
issues actively.
- Abstract（参考訳）: MMLA(Multimodal Learning Analytics)は、新しいセンシング技術と人工知能アルゴリズムを統合し、複雑で協調的な学習経験において学生の反射を高める機会を提供する。
MMLAの最近の進歩は、様々な学習環境における多様な学習行動に関する洞察を生み出す能力を示しているが、学生の認識公正性、説明責任、透明性、倫理(FATE)に関して、これらのシステムを真に学習の文脈で評価する研究はほとんど行われていない。
これらの認識を理解することは、mmlaを効果的に使用するために、倫理的な合併症や学生の学習方法に悪影響を及ぼすことなく必要不可欠である。
本研究は,MMLAのFATEを真に協調的な学習コンテキストで評価することにより,このギャップに対処することを目的とした。
MMLAヴィジュアライゼーションをポストアクティブリフレクションに用いた14人の大学生を対象に半構造化面接を行った。
その結果,視覚的公正性を確保するための正確かつ包括的なデータ表現の重要性,説明責任を育むためのデータアクセスのレベルの違いの必要性,学生との透明性の測定・育成の規範,ディコトコスから連続的かつ測定可能な尺度への情報同意の転換の必要性が明らかになった。
学生はMMLAの利点を尊重する一方で、倫理的考察の重要性を強調し、FATE問題を積極的に調査し対処するために、LAとMMLAコミュニティが強く求めていることを強調する。
関連論文リスト
- From Complexity to Parsimony: Integrating Latent Class Analysis to Uncover Multimodal Learning Patterns in Collaborative Learning [0.0]
本研究では,Multimodal Learning Analytics(MMLA)に潜在クラス分析(LCA)を統合する新しい手法を提案する。
LCAは、協調コミュニケーション(Collaborative Communication)、身体的コラボレーション(Embodied Collaboration)、遠隔インタラクション(Distant Interaction)、孤独エンゲージメント(Solitary Engagement)の4つの異なるクラスを特定した。
疫学ネットワーク分析は、これらのマルチモーダル指標を元のモノモーダル指標と比較し、マルチモーダルアプローチがより相似であることを発見した。
論文 参考訳（メタデータ） (2024-11-23T15:36:35Z) - Exploring Accuracy-Fairness Trade-off in Large Language Models [10.5817207739373]
本研究では,大規模言語モデルの拡張において,精度と公平性を調和させることの難しさについて検討する。
1つの計量の過度な最適化は、必然的にもう1つの計量を著しく劣化させる。
本研究は,多目的進化学習(MOEL)手法が,この課題に対処するための有望な方法であることを明らかにした。
論文 参考訳（メタデータ） (2024-11-21T04:40:35Z) - Benchmarking Vision Language Model Unlearning via Fictitious Facial Identity Dataset [94.13848736705575]
我々は、未学習アルゴリズムの有効性を頑健に評価するために設計された新しいVLMアンラーニングベンチマークであるFacial Identity Unlearning Benchmark (FIUBench)を紹介する。
情報ソースとその露出レベルを正確に制御する2段階評価パイプラインを適用した。
FIUBench 内の 4 つのベースライン VLM アンラーニングアルゴリズムの評価により,すべての手法がアンラーニング性能に制限されていることが明らかとなった。
論文 参考訳（メタデータ） (2024-11-05T23:26:10Z) - Exploring Knowledge Tracing in Tutor-Student Dialogues [53.52699766206808]
本稿では,教師と学生の対話における知識追跡(KT)の最初の試みについて述べる。
そこで本研究では,対話の各ターンに係わる知識コンポーネントやスキルを同定する手法を提案する。
次に,得られたラベル付きデータに様々なKT手法を適用し,対話全体を通して学生の知識レベルを追跡する。
論文 参考訳（メタデータ） (2024-09-24T22:31:39Z) - Exploring Engagement and Perceived Learning Outcomes in an Immersive Flipped Learning Context [0.195804735329484]
本研究の目的は,学生のオンラインエンゲージメントと学習成果に対する没入型フリップ学習アプローチのメリットと課題を検討することである。
この研究は、高レベルの学生エンゲージメントと学習結果の認知を明らかにしたが、改善が必要な領域も明らかにした。
この研究の成果は、有意義で効果的な遠隔学習体験をデザインしようとする教育者にとって貴重な情報源となる可能性がある。
論文 参考訳（メタデータ） (2024-09-19T11:38:48Z) - I don't trust you (anymore)! -- The effect of students' LLM use on Lecturer-Student-Trust in Higher Education [0.0]
Open AIのChatGPTのようなプラットフォームにおける大規模言語モデル(LLM)は、大学生の間で急速に採用されている。
学生によるLLMの使用は、情報と手続きの正義にどのように影響し、チーム信頼と期待されるチームパフォーマンスに影響を与えるか?
本研究は,LLM使用の公平さよりも,学生利用の透明性に重点を置いていることを示唆する。
論文 参考訳（メタデータ） (2024-06-21T05:35:57Z) - Student Data Paradox and Curious Case of Single Student-Tutor Model: Regressive Side Effects of Training LLMs for Personalized Learning [25.90420385230675]
パーソナライズされた教育の追求は、知的学習システムの開発におけるLarge Language Models(LLM)の統合につながった。
我々の研究は、このアプローチの根本的な課題を明らかにする:学生データパラドックス」
このパラドックスは、学習者の行動を理解するために学生データに基づいて訓練されたLLMが、故意に自身の事実的知識と推論能力を損なうときに現れる。
論文 参考訳（メタデータ） (2024-04-23T15:57:55Z) - C-ICL: Contrastive In-context Learning for Information Extraction [54.39470114243744]
c-ICLは、正しいサンプル構築と間違ったサンプル構築の両方を活用して、コンテキスト内学習のデモを作成する、新しい数ショット技術である。
各種データセットに対する実験により,c-ICLは従来の数発のインコンテキスト学習法よりも優れていたことが示唆された。
論文 参考訳（メタデータ） (2024-02-17T11:28:08Z) - Rethinking Machine Unlearning for Large Language Models [85.92660644100582]
大規模言語モデル(LLM)の領域における機械学習の研究
このイニシアチブは、望ましくないデータの影響(機密情報や違法情報など)と関連するモデル機能を排除することを目的としている。
論文 参考訳（メタデータ） (2024-02-13T20:51:58Z) - MAML is a Noisy Contrastive Learner [72.04430033118426]
モデルに依存しないメタラーニング(MAML)は、今日では最も人気があり広く採用されているメタラーニングアルゴリズムの1つである。
我々は、MAMLの動作メカニズムに対する新たな視点を提供し、以下に示すように、MAMLは、教師付きコントラスト目的関数を用いたメタラーナーに類似している。
このような干渉を軽減するため, 単純だが効果的な手法であるゼロ化手法を提案する。
論文 参考訳（メタデータ） (2021-06-29T12:52:26Z) - Which Mutual-Information Representation Learning Objectives are
Sufficient for Control? [80.2534918595143]
相互情報は、データの表現を学習するために魅力的な形式を提供する。
本稿では,最適政策の学習と表現のための状態表現の十分性について定式化する。
意外なことに、これらの2つの目的は、MDPの構造に関する軽度で一般的な仮定を前提に、不十分な表現をもたらす可能性がある。
論文 参考訳（メタデータ） (2021-06-14T10:12:34Z)
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。