論文の概要: Enhancing Student Feedback Using Predictive Models in Visual Literacy Courses
- arxiv url: http://arxiv.org/abs/2405.15026v1
- Date: Thu, 23 May 2024 20:02:36 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-27 19:07:30.326582
- Title: Enhancing Student Feedback Using Predictive Models in Visual Literacy Courses
- Title（参考訳）: 視覚リテラシーコースにおける予測モデルを用いた学生のフィードバック向上
- Authors: Alon Friedman, Kevin Hawley, Paul Rosen, Md Dilshadur Rahman,
- Abstract要約: 本研究では,5年以上にわたる大学生の視覚リテラシーコースから得られたピアレビューデータを,Na"ive Bayesモデルを用いて分析した。
本研究は,ナイーブベイズモデルの有用性,特に音声による学生のコメントの分析における有用性に注目した。
- 参考スコア（独自算出の注目度）: 2.366162376710038
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Peer review is a popular feedback mechanism in higher education that actively engages students and provides researchers with a means to assess student engagement. However, there is little empirical support for the durability of peer review, particularly when using data predictive modeling to analyze student comments. This study uses Na\"ive Bayes modeling to analyze peer review data obtained from an undergraduate visual literacy course over five years. We expand on the research of Friedman and Rosen and Beasley et al. by focusing on the Na\"ive Bayes model of students' remarks. Our findings highlight the utility of Na\"ive Bayes modeling, particularly in the analysis of student comments based on parts of speech, where nouns emerged as the prominent category. Additionally, when examining students' comments using the visual peer review rubric, the lie factor emerged as the predominant factor. Comparing Na\"ive Bayes model to Beasley's approach, we found both help instructors map directions taken in the class, but the Na\"ive Bayes model provides a more specific outline for forecasting with a more detailed framework for identifying core topics within the course, enhancing the forecasting of educational directions. Through the application of the Holdout Method and $\mathrm{k}$-fold cross-validation with continuity correction, we have validated the model's predictive accuracy, underscoring its effectiveness in offering deep insights into peer review mechanisms. Our study findings suggest that using predictive modeling to assess student comments can provide a new way to better serve the students' classroom comments on their visual peer work. This can benefit courses by inspiring changes to course content, reinforcement of course content, modification of projects, or modifications to the rubric itself.
- Abstract（参考訳）: ピアレビューは高等教育における一般的なフィードバックメカニズムであり、学生に積極的に関与し、研究者に学生のエンゲージメントを評価する手段を提供する。
しかし、特にデータ予測モデルを用いて学生のコメントを分析する場合、ピアレビューの耐久性に対する実証的な支援はほとんどない。
本研究では,5年以上にわたる大学生の視覚リテラシーコースから得られたピアレビューデータをNa\ive Bayesモデルを用いて分析した。
我々は,Friedman,Rosen,Beasleyらの研究を,学生の発言のNa\"ive Bayesモデルに焦点をあてて拡大する。
本研究は,特に,名詞が顕著なカテゴリーとして出現する言語の一部に基づく学生のコメントの分析において,Na\"ive Bayes"モデリングの有用性を強調した。
また,視覚的ピアレビュールーブリックを用いた学生のコメント調査では,嘘要因が主要因として浮上した。
Na\"ive Bayes" モデルと Beasley のアプローチを比較して,教師が授業の方向をマッピングするのに対して,Na\"ive Bayes" モデルは,コース内の中核トピックを特定するためのより詳細なフレームワークを用いて,より具体的な予測アウトラインを提供する。
Holdout Method と $\mathrm{k}$-fold cross-validation with continuity correct を応用することにより、モデルの予測精度を検証し、ピアレビューメカニズムに対する深い洞察を提供することの有効性を実証した。
本研究は,学生の視覚的ピアワークにおいて,予測モデルを用いて学生のコメントを評価することによって,生徒の教室でのコメントをより良く提供できることを示す。
これはコース内容の変更、コース内容の強化、プロジェクトの修正、ルーブリック自体の変更によってコースの恩恵を受けることができる。
関連論文リスト
- Revisiting Self-supervised Learning of Speech Representation from a
Mutual Information Perspective [68.20531518525273]
我々は、情報理論の観点から、既存の自己教師型音声の手法を詳しく検討する。
我々は線形プローブを用いて、対象情報と学習された表現の間の相互情報を推定する。
我々は、ラベルを使わずに、データの異なる部分間の相互情報を見積もる自己教師型の表現を評価する可能性を探る。
論文 参考訳（メタデータ） (2024-01-16T21:13:22Z) - Scalable Two-Minute Feedback: Digital, Lecture-Accompanying Survey as a Continuous Feedback Instrument [0.0]
コースや講義の内容に関する詳細なフィードバックは、改善に不可欠であり、またリフレクションのツールとしても機能します。
本論文は,学生のストレスを定量的に測定し,質的部分における参加者の反射に対処するための形式的フィードバックとして,デジタルサーベイ形式を用いた。
回答は、主に講義内容や組織的側面のトピックをカバーし、講義内の問題を報告するために集中的に使用された。
論文 参考訳（メタデータ） (2023-10-30T08:14:26Z) - Fairness-guided Few-shot Prompting for Large Language Models [93.05624064699965]
インコンテキスト学習は、トレーニング例、例えば順、プロンプトフォーマットのバリエーションによって、高い不安定性に悩まされる可能性がある。
ラベルや属性に対する固定的なプロンプトの予測バイアスを評価するための指標を導入する。
そこで本研究では,テキスト内学習の性能向上のための最寄りのプロンプトを特定するための,欲求探索に基づく新しい探索手法を提案する。
論文 参考訳（メタデータ） (2023-03-23T12:28:25Z) - Predicting Desirable Revisions of Evidence and Reasoning in
Argumentative Writing [1.0878040851638]
我々は,学生の議論的文章における望ましい証拠と望ましい推論の修正を分類するモデルを開発する。
本研究は,改訂のエッセイコンテキストと,改訂前の学生のフィードバックを用いて,パフォーマンスを改善するための2つの方法を検討する。
その結果,フィードバック情報を用いたモデルがベースラインモデルよりも改善する一方で,コンテキストを利用したモデルが望ましいリビジョンを特定する上で最も有効であることが示唆された。
論文 参考訳（メタデータ） (2023-02-10T03:59:59Z) - Investigating Fairness Disparities in Peer Review: A Language Model
Enhanced Approach [77.61131357420201]
我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。
我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。
我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
論文 参考訳（メタデータ） (2022-11-07T16:19:42Z) - Explain, Edit, and Understand: Rethinking User Study Design for
Evaluating Model Explanations [97.91630330328815]
我々はクラウドソーシング研究を行い、真偽のホテルレビューと偽のホテルレビューを区別するために訓練された詐欺検出モデルと対話する。
単語の線形バッグモデルでは、トレーニング中に特徴係数にアクセスした参加者は、非説明制御と比較して、テストフェーズにおいてモデルの信頼性が大幅に低下する可能性があることを観察する。
論文 参考訳（メタデータ） (2021-12-17T18:29:56Z) - Aspect Based Sentiment Analysis with Aspect-Specific Opinion Spans [66.77264982885086]
複数のリニアチェインCRFを集約することで、きれいで効果的な構造化されたアテンションモデルを提案する。
このような設計により、モデルはアスペクト固有の意見空間を抽出し、抽出した意見特徴を利用して感情極性を評価することができる。
論文 参考訳（メタデータ） (2020-10-06T13:18:35Z) - Evaluations and Methods for Explanation through Robustness Analysis [117.7235152610957]
分析による特徴に基づく説明の新たな評価基準を確立する。
我々は、緩やかに必要であり、予測に十分である新しい説明を得る。
我々は、現在の予測をターゲットクラスに移動させる一連の特徴を抽出するために、説明を拡張します。
論文 参考訳（メタデータ） (2020-05-31T05:52:05Z) - Leveraging Peer Feedback to Improve Visualization Education [4.679788938455095]
コンピュータ科学の可視化コースにおけるピアレビューの構築と適用について論じる。
大学生と大学院の混成科目3学年を対象に, 学生プロジェクト, ピアレビューテキスト, ポストコース質問紙の評価を行った。
論文 参考訳（メタデータ） (2020-01-12T21:46:58Z)
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。