論文の概要: Inductive Cognitive Diagnosis for Fast Student Learning in Web-Based Online Intelligent Education Systems
- arxiv url: http://arxiv.org/abs/2404.11290v1
- Date: Wed, 17 Apr 2024 11:55:43 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-18 14:14:33.741371
- Title: Inductive Cognitive Diagnosis for Fast Student Learning in Web-Based Online Intelligent Education Systems
- Title（参考訳）: Webを用いたオンライン知能教育システムにおける高速学習のための帰納的認知診断
- Authors: Shuo Liu, Junhao Shen, Hong Qian, Aimin Zhou,
- Abstract要約: 本稿では,WOIESにおける学習者の素早い熟達度推定のための帰納的認知診断モデルを提案する。
この表現を得るために、ICDMは、構築集約世代変換プロセスからなる。
実世界のデータセットにまたがる実験では、常にトランスダクティブである既存の認知診断手法と比較して、ICDMの方がはるかに高速であることが示されている。
- 参考スコア（独自算出の注目度）: 9.907875032214996
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cognitive diagnosis aims to gauge students' mastery levels based on their response logs. Serving as a pivotal module in web-based online intelligent education systems (WOIESs), it plays an upstream and fundamental role in downstream tasks like learning item recommendation and computerized adaptive testing. WOIESs are open learning environment where numerous new students constantly register and complete exercises. In WOIESs, efficient cognitive diagnosis is crucial to fast feedback and accelerating student learning. However, the existing cognitive diagnosis methods always employ intrinsically transductive student-specific embeddings, which become slow and costly due to retraining when dealing with new students who are unseen during training. To this end, this paper proposes an inductive cognitive diagnosis model (ICDM) for fast new students' mastery levels inference in WOIESs. Specifically, in ICDM, we propose a novel student-centered graph (SCG). Rather than inferring mastery levels through updating student-specific embedding, we derive the inductive mastery levels as the aggregated outcomes of students' neighbors in SCG. Namely, SCG enables to shift the task from finding the most suitable student-specific embedding that fits the response logs to finding the most suitable representations for different node types in SCG, and the latter is more efficient since it no longer requires retraining. To obtain this representation, ICDM consists of a construction-aggregation-generation-transformation process to learn the final representation of students, exercises and concepts. Extensive experiments across real-world datasets show that, compared with the existing cognitive diagnosis methods that are always transductive, ICDM is much more faster while maintains the competitive inference performance for new students.
- Abstract（参考訳）: 認知診断は、生徒の反応ログに基づいて、生徒の熟達度を測定することを目的としている。
Webベースのオンラインインテリジェント教育システム(WOIES)において重要なモジュールとして機能し、アイテムレコメンデーションの学習やコンピュータ化された適応テストといった下流タスクにおいて、上流と基本的な役割を担っている。
WOIESはオープンな学習環境であり、多くの新入生が常にトレーニングを登録し完了している。
WOIESでは、フィードバックの迅速化と学習の促進に効果的な認知診断が不可欠である。
しかし,既存の認知診断手法では,学習中に見つからない新入生の扱いにおいて,再学習が遅れてコストがかかるため,内在的に生徒固有の埋め込みが採用されている。
そこで本研究では,WOIESにおける学習者の素早い熟達レベル推論のための帰納的認知診断モデル(ICDM)を提案する。
具体的には、ICDMにおいて、新しい学生中心グラフ(SCG)を提案する。
学生固有の埋め込みを更新することで、熟達レベルを推定するのではなく、SCGにおける生徒の隣人の集合結果として帰納的熟達レベルを導出する。
すなわち、SCGはタスクを、レスポンスログに適合する最も適した生徒固有の埋め込みを見つけることから、SCGの異なるノードタイプに最も適した表現を見つけること、そして後者は、もはや再トレーニングを必要としないため、より効率的である。
この表現を得るために、ICDMは、学生、運動、概念の最終的な表現を学習する構築集約世代変換プロセスから構成される。
実世界のデータセットにまたがる大規模な実験により、ICDMは、常にトランスダクティブである既存の認知診断手法と比較して、新しい学生にとっての競合推論性能を維持しながら、はるかに高速であることが示された。
関連論文リスト
- ORCDF: An Oversmoothing-Resistant Cognitive Diagnosis Framework for Student Learning in Online Education Systems [14.453681018572977]
認知診断モデル(CDM)は、生徒の反応ログを用いて、生徒の熟達度を学習するように設計されている。
既存のCDMによって達成された成功にもかかわらず、学習者の熟達レベルが似すぎているという厄介な問題に悩まされていることがわかった。
本稿では,既存のCDMを増強するために,過平滑化耐性認知診断フレームワーク(ORCDF)を提案する。
論文 参考訳（メタデータ） (2024-06-28T16:42:53Z) - Joint-Embedding Masked Autoencoder for Self-supervised Learning of
Dynamic Functional Connectivity from the Human Brain [18.165807360855435]
グラフニューラルネットワーク(GNN)は、人間の脳ネットワークと表現型を区別するための動的機能接続の学習において、有望であることを示している。
本稿では,計算機ビジョンにおけるJEPA(Joint Embedding Predictive Architecture)からインスピレーションを得た,時空間連成型自動エンコーダ(ST-JEMA)について紹介する。
論文 参考訳（メタデータ） (2024-03-11T04:49:41Z) - Symbolic Cognitive Diagnosis via Hybrid Optimization for Intelligent
Education Systems [11.068126651925425]
本稿では,一般化と解釈性を同時に向上するシンボリック認知診断(SCD)フレームワークを提案する。
SCDフレームワークはシンボリックツリーを組み込んで、複雑な学生-運動相互作用関数を明示的に表現する。
交互にデリバティブな遺伝的プログラミングによってシンボルツリーを学習し、勾配に基づくアダムを通じて学生と運動パラメータを学習する。
論文 参考訳（メタデータ） (2023-12-30T09:40:10Z) - Towards Goal-oriented Intelligent Tutoring Systems in Online Education [69.06930979754627]
目標指向知能チューニングシステム(GITS)という新しいタスクを提案する。
GITSは,演習や評価のカスタマイズを戦略的に計画することで,学生の指定概念の習得を可能にすることを目的としている。
PAI(Planning-Assessment-Interaction)と呼ばれるグラフに基づく新しい強化学習フレームワークを提案する。
論文 参考訳（メタデータ） (2023-12-03T12:37:16Z) - Empowering Private Tutoring by Chaining Large Language Models [87.76985829144834]
本研究は,最先端の大規模言語モデル(LLM)を活用した,本格的な知的チューリングシステムの開発を探求する。
このシステムは、相互に接続された3つのコアプロセス(相互作用、反射、反応)に分けられる。
各プロセスは LLM ベースのツールと動的に更新されたメモリモジュールによって実装される。
論文 参考訳（メタデータ） (2023-09-15T02:42:03Z) - Distantly-Supervised Named Entity Recognition with Adaptive Teacher
Learning and Fine-grained Student Ensemble [56.705249154629264]
NERモデルの堅牢性を改善するために,自己学習型教員学生フレームワークを提案する。
本稿では,2つの教員ネットワークからなる適応型教員学習を提案する。
微粒な学生アンサンブルは、教師モデルの各フラグメントを、生徒の対応するフラグメントの時間移動平均で更新し、各モデルフラグメントのノイズに対する一貫した予測を強化する。
論文 参考訳（メタデータ） (2022-12-13T12:14:09Z) - CTDS: Centralized Teacher with Decentralized Student for Multi-Agent
Reinforcement Learning [114.69155066932046]
この作品は小説を提案している。
教師モデルと学生モデルからなる分散学生(C TDS)フレームワーク。
具体的には、教師モデルは、グローバルな観察で条件付けられた個別のQ値を学ぶことで、チームの報酬を割り当てる。
学生モデルは、部分的な観察を利用して、教師モデルによって推定されるQ値を近似する。
論文 参考訳（メタデータ） (2022-03-16T06:03:14Z) - Improved Speech Emotion Recognition using Transfer Learning and
Spectrogram Augmentation [56.264157127549446]
音声感情認識(SER)は、人間とコンピュータの相互作用において重要な役割を果たす課題である。
SERの主な課題の1つは、データの不足である。
本稿では,スペクトログラム拡張と併用した移動学習戦略を提案する。
論文 参考訳（メタデータ） (2021-08-05T10:39:39Z) - The Wits Intelligent Teaching System: Detecting Student Engagement
During Lectures Using Convolutional Neural Networks [0.30458514384586394]
Wits Intelligent Teaching System (WITS) は、学生の感情に関するリアルタイムフィードバックを講師に支援することを目的としている。
AlexNetベースのCNNはトレーニングが成功し、Support Vector Machineアプローチを大きく上回っている。
論文 参考訳（メタデータ） (2021-05-28T12:59:37Z) - LANA: Towards Personalized Deep Knowledge Tracing Through
Distinguishable Interactive Sequences [21.67751919579854]
今後の質問に対する学生の回答を予測するために、Leveled Attentive KNowledge TrAcing(LANA)を提案します。
新しい学生関連特徴抽出装置(SRFE)を使用して、学生固有の特性をそれぞれのインタラクティブシーケンスから蒸留します。
ピボットモジュールは、個々の学生のためのデコーダを再構築し、グループのためのレベル付き学習特化エンコーダにより、パーソナライズされたDKTを実現した。
論文 参考訳（メタデータ） (2021-04-21T02:57:42Z) - Point Adversarial Self Mining: A Simple Method for Facial Expression
Recognition [79.75964372862279]
本稿では,表情認識における認識精度を向上させるために,PASM(Point Adversarial Self Mining)を提案する。
PASMは、目標タスクに関連する最も情報性の高い位置を見つけるために、ポイント敵攻撃法と訓練された教師ネットワークを使用する。
適応学習教材の生成と教師/学生の更新を複数回行うことができ、ネットワーク能力が反復的に向上する。
論文 参考訳（メタデータ） (2020-08-26T06:39:24Z)
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。