論文の概要: Aligning Tutor Discourse Supporting Rigorous Thinking with Tutee Content Mastery for Predicting Math Achievement
- arxiv url: http://arxiv.org/abs/2405.06218v1
- Date: Fri, 10 May 2024 03:04:59 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-13 16:47:25.796685
- Title: Aligning Tutor Discourse Supporting Rigorous Thinking with Tutee Content Mastery for Predicting Math Achievement
- Title（参考訳）: 数学の達成度予測のためのチューテ内容の熟達による厳密な思考を支援するテュータ談話の調整
- Authors: Mark Abdelshiheed, Jennifer K. Jacobs, Sidney K. D'Mello,
- Abstract要約: 我々は,教師話の動き,学生のITSパフォーマンス指標,それらの組み合わせに基づいて,高い評価スコアと低い評価スコアを区別するためにランダムフォレストを訓練した。
最高の決定木は、厳格な思考と学生のその熟達を奨励する家庭教師の話し方の組み合わせから生まれた。
- 参考スコア（独自算出の注目度）: 3.0858231534624543
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work investigates how tutoring discourse interacts with students' proximal knowledge to explain and predict students' learning outcomes. Our work is conducted in the context of high-dosage human tutoring where 9th-grade students (N= 1080) attended small group tutorials and individually practiced problems on an Intelligent Tutoring System (ITS). We analyzed whether tutors' talk moves and students' performance on the ITS predicted scores on math learning assessments. We trained Random Forest Classifiers (RFCs) to distinguish high and low assessment scores based on tutor talk moves, student's ITS performance metrics, and their combination. A decision tree was extracted from each RFC to yield an interpretable model. We found AUCs of 0.63 for talk moves, 0.66 for ITS, and 0.77 for their combination, suggesting interactivity among the two feature sources. Specifically, the best decision tree emerged from combining the tutor talk moves that encouraged rigorous thinking and students' ITS mastery. In essence, tutor talk that encouraged mathematical reasoning predicted achievement for students who demonstrated high mastery on the ITS, whereas tutors' revoicing of students' mathematical ideas and contributions was predictive for students with low ITS mastery. Implications for practice are discussed.
- Abstract（参考訳）: 本研究は,学習者の学習成果の説明と予測のために,授業内容が生徒の近位的知識とどのように相互作用するかを考察する。
本研究は,9年生(1080)が小グループチュートリアルに出席し,知能学習システム(ITS)上で個別に課題を実践する,高用量人体学習の文脈で実施する。
我々は,教師の講演の移動と学生の成績が,数学学習評価におけるITS予測得点に与える影響を分析した。
我々は,教師話の動き,学生のITSパフォーマンス指標,それらの組み合わせに基づいて,高い評価スコアと低い評価スコアを区別するために,ランダムフォレスト分類器(RFC)を訓練した。
各RFCから決定木を抽出し、解釈可能なモデルを生成する。
AUCは話の移動で0.63、ITSで0.66、それらの組み合わせで0.77となり、2つの特徴源間での相互作用が示唆された。
具体的には、厳格な思考と学生の教養を奨励する家庭教師の話し方の組み合わせから、最良の決定木が出現した。
本質的には、数学的推論を奨励する教師の話は、ITSに高度な熟達を示す学生の達成を予言する一方で、学生の数学的考えや貢献の無効化は、ITSの熟達度が低い学生にとっては予測的であった。
実践の意味について論じる。
関連論文リスト
- Enhancing Students' Learning Process Through Self-Generated Tests [0.0]
本稿では,学生の自律学習の促進を目的とした教育実験について述べる。
本研究の主目的は,評価試験に学生の質問を含めることによって,評価プロセスに学生を参加させることである。
学生がアップロードした質問は、登録された生徒全員と、関連する教師全員に表示される。
論文 参考訳（メタデータ） (2024-03-21T09:49:33Z) - Evaluating and Optimizing Educational Content with Large Language Model Judgments [52.33701672559594]
言語モデル(LM)を教育専門家として活用し,学習結果に対する様々な指導の影響を評価する。
本稿では,一方のLMが他方のLMの判断を報酬関数として利用して命令材料を生成する命令最適化手法を提案する。
ヒトの教師によるこれらのLM生成ワークシートの評価は、LM判定と人間の教師の嗜好との間に有意な整合性を示す。
論文 参考訳（メタデータ） (2024-03-05T09:09:15Z) - ClickTree: A Tree-based Method for Predicting Math Students' Performance Based on Clickstream Data [0.0]
我々は,学生のクリックストリームデータに基づいて,数学的課題における生徒のパフォーマンスを予測するための木ベースの手法であるClickTreeを開発した。
この手法は2023年の教育データマイニングカップで0.78844のAUCを達成し、大会では2位となった。
エンド・ユニット・アサイン問題への回答が良好であった学生は、イン・ユニット・アサイン問題により関与し、より多くの問題に正しく答えた。
論文 参考訳（メタデータ） (2024-03-01T23:39:03Z) - Can Language Models Teach Weaker Agents? Teacher Explanations Improve
Students via Personalization [84.86241161706911]
教師のLLMは、実際に生徒の推論に介入し、パフォーマンスを向上させることができることを示す。
また,マルチターンインタラクションでは,教師による説明が一般化され,説明データから学習されることを示す。
教師のミスアライメントが学生の成績をランダムな確率に低下させることを、意図的に誤解させることで検証する。
論文 参考訳（メタデータ） (2023-06-15T17:27:20Z) - MathDial: A Dialogue Tutoring Dataset with Rich Pedagogical Properties
Grounded in Math Reasoning Problems [74.73881579517055]
そこで本稿では,一般学生の誤りを表現した大規模言語モデルを用いて,人間教師の対話を生成する枠組みを提案する。
このフレームワークを用いて3kの1対1の教師-学生対話のデータセットであるMathDialを収集する方法について述べる。
論文 参考訳（メタデータ） (2023-05-23T21:44:56Z) - 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) - Computationally Identifying Funneling and Focusing Questions in
Classroom Discourse [24.279653100481863]
本稿では,授業談話におけるファネリングと集中型質問を計算的に検出するタスクを提案する。
ファネリングと集中型質問にラベル付けされた2,348の教師発話の注釈付きデータセットをリリースする。
我々の最高のモデルである教師付きRoBERTaモデルは、データセットに微調整され、人間の専門家ラベルと.76の強い線形相関と、ポジティブな教育結果を持つ。
論文 参考訳（メタデータ） (2022-07-08T01:28:29Z) - Disadvantaged students increase their academic performance through
collective intelligence exposure in emergency remote learning due to COVID 19 [105.54048699217668]
新型コロナウイルス(COVID-19)危機の間、世界中の教育機関が対面指導から緊急遠隔教育(ERT)へと移行した。
我々は,7,528人の大学生のデータを分析したところ,議論フォーラムにおける学生間の協調的・合意的ダイナミクスが最終GPAに肯定的な影響を及ぼすことがわかった。
自然言語処理を用いて,高校生の学習成績が低かった1年生が,議論フォーラムでよりコンテンツ集約的な投稿に晒されていることを示す。
論文 参考訳（メタデータ） (2022-03-10T20:23:38Z) - 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) - Graph-based Exercise- and Knowledge-Aware Learning Network for Student
Performance Prediction [8.21303828329009]
学生のスコアを正確に予測するためのグラフベースのエクササイズ・アンド・ナレッジ・アウェアラーニングネットワークを提案する。
我々は,エクササイズとナレッジ概念の熟達度を学習し,エクササイズとナレッジ概念の2倍の効果をモデル化する。
論文 参考訳（メタデータ） (2021-06-01T06:53:17Z) - Leveraging Affect Transfer Learning for Behavior Prediction in an
Intelligent Tutoring System [32.63911260416332]
知的学習システム(ITS)で作業する学生の問題点を予測するためのビデオベースの転帰学習手法を提案する。
学生の顔やジェスチャーを分析して、ビデオフィードからITSの課題に答える学生の結果を予測する。
論文 参考訳（メタデータ） (2020-02-12T21:30:34Z)
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。