論文の概要: TeachNow: Enabling Teachers to Provide Spontaneous, Realtime 1:1 Help in Massive Online Courses
- arxiv url: http://arxiv.org/abs/2404.11918v1
- Date: Thu, 18 Apr 2024 05:50:21 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-19 19:41:09.829184
- Title: TeachNow: Enabling Teachers to Provide Spontaneous, Realtime 1:1 Help in Massive Online Courses
- Title（参考訳）: TeachNow:大規模オンラインコースで教師に自然にリアルタイム1:1のヘルプを提供する
- Authors: Ali Malik, Juliette Woodrow, Chao Wang, Chris Piech,
- Abstract要約: TeachNowは、世界中のボランティア教師がMOOCの学生に1対1のヘルプセッションを即座に提供できるシステムだ。
TeachNowの自発的でオンデマンドな性質は、教師にスケジュールが許されるたびに助ける柔軟性を与えてくれる。
TeachNowのセッションは,学生のコース保持率を約15%向上させた。
- 参考スコア（独自算出の注目度）: 9.834456670871276
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: One-on-one help from a teacher is highly impactful for students, yet extremely challenging to support in massive online courses (MOOCs). In this work, we present TeachNow: a novel system that lets volunteer teachers from anywhere in the world instantly provide 1:1 help sessions to students in MOOCs, without any scheduling or coordination overhead. TeachNow works by quickly finding an online student to help and putting them in a collaborative working session with the teacher. The spontaneous, on-demand nature of TeachNow gives teachers the flexibility to help whenever their schedule allows. We share our experiences deploying TeachNow as an experimental feature in a six week online CS1 course with 9,000 students and 600 volunteer teachers. Even as an optional activity, TeachNow was used by teachers to provide over 12,300 minutes of 1:1 help to 375 unique students. Through a carefully designed randomised control trial, we show that TeachNow sessions increased student course retention rate by almost 15%. Moreover, the flexibility of our system captured valuable volunteer time that would otherwise go to waste. Lastly, TeachNow was rated by teachers as one of the most enjoyable and impactful aspects of their involvement in the course. We believe TeachNow is an important step towards providing more human-centered support in massive online courses.
- Abstract（参考訳）: 教師の1対1の援助は、学生にとって非常に影響が大きいが、大規模なオンラインコース(MOOC)をサポートすることは極めて困難である。
本研究では,MOOCの学生に対して,スケジューリングや調整のオーバーヘッドを伴わずに,世界中のボランティア教師が即時1:1ヘルプセッションを提供する新システムTeachNowを紹介する。
TeachNowは、オンラインの学生を素早く見つけて、教師と共同作業する。
TeachNowの自発的でオンデマンドな性質は、教師にスケジュールが許されるたびに助ける柔軟性を与えてくれる。
6週間のオンラインCS1コースで、9000人の学生と600人のボランティア教師が、TeachNowを実験的な機能としてデプロイした経験を共有します。
オプションのアクティビティとしても、TeachNowは教師が375人のユニークな学生に1:1の助けを12,300分以上提供するために利用した。
慎重に設計したランダム化制御試験により,TeachNowセッションは学生のコース保持率を約15%向上させた。
さらに、システムの柔軟性は、無駄になる貴重なボランティアタイムを捉えました。
最後に、TeachNowは、教師たちがコースに関わった最も楽しく影響のある側面の1つとして評価された。
TeachNowは、大規模なオンラインコースでより人間中心のサポートを提供するための重要なステップだと考えています。
関連論文リスト
- YODA: Teacher-Student Progressive Learning for Language Models [82.0172215948963]
本稿では,教師が指導するプログレッシブ・ラーニング・フレームワークであるYodaを紹介する。
モデルファインチューニングの有効性を向上させるために,教師の教育過程をエミュレートする。
実験の結果, YODAのデータによるLLaMA2のトレーニングにより, SFTは大幅に向上した。
論文 参考訳（メタデータ） (2024-01-28T14:32:15Z) - Iterative Teacher-Aware Learning [136.05341445369265]
人間の教育において、教師と学生はコミュニケーション効率を最大化するために適応的に交流することができる。
本稿では,教師の協調意図を可能性関数に組み込むことができる,勾配最適化に基づく教師認識学習者を提案する。
論文 参考訳（メタデータ） (2021-10-01T00:27:47Z) - The Evaluation Case Study of Online Course During Pandemic Period in
Mongolia [0.0]
本稿では,パンデミック期におけるオンラインコースの自己評価試験とケーススタディについて述べる。
教育開発を継続するためには、従来の対面授業からオンラインコースに切り替える必要があった。
本研究の目的は,構造指向評価モデルに基づくeラーニングの評価プロセスを共有することである。
論文 参考訳（メタデータ） (2021-05-26T09:35:40Z) - What Makes a Star Teacher? A Hierarchical BERT Model for Evaluating
Teacher's Performance in Online Education [9.849385259376524]
我々は,1,085のオンラインコースのサブタイトルを用いて,教師のパフォーマンスを理解し,効果的に予測する体系的な研究を行う。
これらの知見に基づいて,オンライン教育における教師のパフォーマンスを予測するための階層的なBERTモデルを提案する。
提案モデルでは,各コース内の階層構造と,コース内容から抽出した深い意味的特徴を抽出することができる。
論文 参考訳（メタデータ） (2020-12-03T01:51:20Z) - What's the worth of having a single CS teacher program aimed at teachers
with heterogeneous profiles? [68.8204255655161]
アルゼンチンのK-12教師を対象とした400時間の教員養成プログラムの結果について検討した。
本研究の目的は,教師にCSの内容や具体的教育を指導する上で,教師一人ひとりの教育プログラムが有効であるかどうかを,多種多様なプロファイルを持つ教師に理解することである。
論文 参考訳（メタデータ） (2020-11-09T15:03:31Z) - Designing learning experiences for online teaching and learning [0.0]
SUTDは様々な学生中心の教育と学習の方法とアプローチを採用している。
つまり、大学院・大学院の講師は、これらの学生中心の教育と学習の教育を学ばなければならない。
私は、この授業コースを、同期オンラインコースと対面で行うのが一般的である、という私の経験を共有します。
論文 参考訳（メタデータ） (2020-10-26T07:03:49Z) - Densely Guided Knowledge Distillation using Multiple Teacher Assistants [5.169724825219126]
モデルサイズを徐々に小さくする複数の教師アシスタントを用いた知識蒸留法を提案する。
また,ミニバッチ毎に,教師や教師のアシスタントがランダムにドロップされるような授業も設計する。
これは、学生ネットワークの教育効率を向上させるために、レギュラーライザとして機能する。
論文 参考訳（メタデータ） (2020-09-18T13:12:52Z) - Interactive Knowledge Distillation [79.12866404907506]
本稿では,効率的な知識蒸留のための対話型指導戦略を活用するために,対話型知識蒸留方式を提案する。
蒸留工程では,教師と学生のネットワーク間の相互作用を交換操作により行う。
教員ネットワークの典型的な設定による実験により,IAKDで訓練された学生ネットワークは,従来の知識蒸留法で訓練された学生ネットワークよりも優れた性能を示した。
論文 参考訳（メタデータ） (2020-07-03T03:22:04Z) - Interaction-limited Inverse Reinforcement Learning [50.201765937436654]
本稿では,教師の視点をカバーしたカリキュラム逆強化学習(CIRL)と,学習者の視点に着目した自己適用逆強化学習(SPIRL)の2つの訓練戦略を提案する。
シミュレーション実験と実ロボットを用いた実験により,CIRLの無作為教師やSPIRLのバッチ学習者よりも高速な学習が可能であることを示す。
論文 参考訳（メタデータ） (2020-07-01T12:31:52Z) - Neural Multi-Task Learning for Teacher Question Detection in Online
Classrooms [50.19997675066203]
教師の音声記録から質問を自動的に検出するエンドツーエンドのニューラルネットワークフレームワークを構築している。
マルチタスク学習手法を取り入れることで,質問の種類によって意味的関係の理解を深めることが可能となる。
論文 参考訳（メタデータ） (2020-05-16T02:17:04Z)
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。