Fugu-MT 論文翻訳(概要): Ordinal Behavior Classification of Student Online Course Interactions

論文の概要: Ordinal Behavior Classification of Student Online Course Interactions

arxiv url: http://arxiv.org/abs/2405.05142v1
Date: Sat, 20 Apr 2024 02:34:03 GMT
ステータス: 処理完了
システム内更新日: 2024-05-12 15:40:48.827298
Title: Ordinal Behavior Classification of Student Online Course Interactions
Title（参考訳）: 学生オンライン授業間相互作用の日常的行動分類
Authors: Thomas Trask,
Abstract要約: オンライン授業とMOOCスタイルのオンライン授業における学生のインタラクションパターンに関する研究は,過去11年間にわたって広く研究されてきた。本研究は、ジョージア工科大学CS1301 edxコースの学生を対象に、オンラインコースとMOOCスタイルコースの両方でブラウザベースの利用パターンを調べ、この2つのコースの間にどのようなパターンが存在するかを決定する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The study in interaction patterns between students in on-campus and MOOC-style online courses has been broadly studied for the last 11 years. Yet there remains a gap in the literature comparing the habits of students completing the same course offered in both on-campus and MOOC-style online formats. This study will look at browser-based usage patterns for students in the Georgia Tech CS1301 edx course for both the online course offered to on-campus students and the MOOCstyle course offered to anyone to determine what, if any, patterns exist between the two cohorts.
Abstract（参考訳）: オンライン授業とMOOCスタイルのオンライン授業における学生のインタラクションパターンに関する研究は,過去11年間にわたって広く研究されてきた。しかし、オンライン・コースとMOOCスタイルのオンライン・フォーマットで提供されるのと同じコースを修了する学生の習慣を比較した文献の差は依然として残っている。本研究は、ジョージア工科大学CS1301 edxコースの学生を対象に、オンラインコースとMOOCスタイルコースの両方でブラウザベースの利用パターンを調べ、この2つのコースの間にどのようなパターンが存在するかを決定する。

関連論文リスト

A Personalized MOOC Learning Group and Course Recommendation Method Based on Graph Neural Network and Social Network Analysis [9.069543885639245]
このモデルは、様々な高等教育MOOCプラットフォームから4万人近いユーザーと数万のコースに関するデータを利用している。収集したデータを利用して、学生のためのコースや学習グループに関するパーソナライズされたレコメンデーションを提供するAIベースのアシスタントが開発された。
論文参考訳（メタデータ） (2024-10-14T16:06:56Z)
A Comparative Analysis of Student Performance Predictions in Online Courses using Heterogeneous Knowledge Graphs [0.0]
学生,コースビデオ,フォーマティブアセスメント,および学生のパフォーマンス予測のためのインタラクションからなる異種知識グラフを分析した。次に、同一コースの5つのオンラインMOOCスタイルインスタンスと2つの完全オンラインMOOCスタイルインスタンスを比較した。このモデルは、生徒が消費したコンテンツ、コース、モダリティに基づいて、特定の問題に合格するかどうかを予測する精度を70～90%向上した。
論文参考訳（メタデータ） (2024-05-19T03:33:59Z)
Improving Teacher-Student Interactions in Online Educational Forums using a Markov Chain based Stackelberg Game Model [5.004814662623874]
オンラインフォーラム(OEF)におけるインストラクターと学生のインタラクションをキャプチャするための連続時間マルコフ連鎖(CTMC)に基づく分析モデルを提案する。学生はインストラクターの関与が増大する中で,非単調性の程度が多様であることが観察された。本モデルは,特定のパラメータ構成下で経験的に観察された超ポスター現象を示し,OEFの学生参加を最大化するためのインストラクターに最適なプランを推奨する。
論文参考訳（メタデータ） (2021-11-25T09:48:20Z)
Seminar Learning for Click-Level Weakly Supervised Semantic Segmentation [149.9226057885554]
クリックレベルの監視を伴う意味的セグメンテーションのための新しい学習パラダイムであるセミナー学習を提案する。セミナー学習の理論的根拠は、異なるネットワークからの知識を活用して、クリックレベルのアノテーションで提供される不十分な情報を補うことである。実験により,72.51%の新たな最先端性能を実現するセミナー学習の有効性が示された。
論文参考訳（メタデータ） (2021-08-30T17:27:43Z)
Identifying Hubs in Undergraduate Course Networks Based on Scaled Co-Enrollments: Extended Version [2.0796330979420836]
本研究では、学生の学生登録データを用いて、学生共同登録に基づいて接続するコースのネットワークを形成する。ネットワークは分析され、しばしば他の多くのコースで取られる「ハブ」コースを特定する。
論文参考訳（メタデータ） (2021-04-27T16:26:29Z)
Comparative Study of Learning Outcomes for Online Learning Platforms [47.5164159412965]
パーソナライゼーションとアクティブラーニングは、学習の成功の鍵となる側面です。私たちは2つの人気のあるオンライン学習プラットフォームの学習結果の比較正面調査を実施します。
論文参考訳（メタデータ） (2021-04-15T20:40:24Z)
Revealing the Hidden Patterns: A Comparative Study on Profiling Subpopulations of MOOC Students [61.58283466715385]
MOOC(Massive Open Online Courses)は、学生の異質性を示す。 MOOCプラットフォームからの複雑な“ビッグデータ”の出現は、学生がMOOCにどのように従事しているかを深く理解する上で、難しいが報われる機会である。本報告では,MOOCにおける学生活動のクラスタリング分析と,学生集団間の行動パターンと人口動態の比較分析について述べる。
論文参考訳（メタデータ） (2020-08-12T10:38:50Z)
Social Interactions Clustering MOOC Students: An Exploratory Study [57.822523354358665]
コメントは、学生が学生とどのように交流したか、例えば学生のコメントが同僚から返信を受けたかに基づいて分類された。統計的モデリングと機械学習はコメント分類の分析に用いられ、3つの強く安定したクラスタが生成される。
論文参考訳（メタデータ） (2020-08-10T09:32:38Z)
Peer-inspired Student Performance Prediction in Interactive Online Question Pools with Graph Neural Network [56.62345811216183]
本稿では,対話型オンライン質問プールにおいて,より優れた生徒のパフォーマンス予測を実現するために,グラフニューラルネットワーク(GNN)を用いた新しいアプローチを提案する。具体的には,学生のインタラクションを用いた学生と質問の関係をモデル化し,学生のインタラクション・クエストネットワークを構築する。 1631の質問に対して4000人以上の学生の問題解決過程において生成した104,113個のマウス軌跡からなる実世界のデータセットに対するアプローチの有効性を評価した。
論文参考訳（メタデータ） (2020-08-04T14:55:32Z)
A Large-Scale, Open-Domain, Mixed-Interface Dialogue-Based ITS for STEM [84.60813413413402]
Korbitは、大規模な、オープンドメイン、複合インターフェース、対話ベースのインテリジェントチューリングシステム(ITS)である。機械学習、自然言語処理、強化学習を利用して、インタラクティブでパーソナライズされた学習をオンラインで提供する。他のITSとは異なり、教師はKorbitの新しい学習モジュールを数時間で開発することができる。
論文参考訳（メタデータ） (2020-05-06T02:45:43Z)

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。