論文の概要: Gaining Insights into Group-Level Course Difficulty via Differential Course Functioning

• arxiv url: http://arxiv.org/abs/2406.04348v1
• Date: Tue, 7 May 2024 14:19:11 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-01 08:10:07.865238
• Title: Gaining Insights into Group-Level Course Difficulty via Differential Course Functioning
• Title（参考訳）: 差分コース機能によるグループレベルコースの難易度評価
• Authors: Frederik Baucks, Robin Schmucker, Conrad Borchers, Zachary A. Pardos, Laurenz Wiskott,
• Abstract要約: 本研究は,項目応答理論(IRT)に基づくCA手法として,DCF(differial Course Functioning)を導入している。 DCFは、学生のパフォーマンスレベルを制御し、あるコースでどのように異なる学生グループが成功するかに有意な違いがあるかどうかを調べる。
• 参考スコア（独自算出の注目度）: 3.9829166809129095
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Curriculum Analytics (CA) studies curriculum structure and student data to ensure the quality of educational programs. One desirable property of courses within curricula is that they are not unexpectedly more difficult for students of different backgrounds. While prior work points to likely variations in course difficulty across student groups, robust methodologies for capturing such variations are scarce, and existing approaches do not adequately decouple course-specific difficulty from students' general performance levels. The present study introduces Differential Course Functioning (DCF) as an Item Response Theory (IRT)-based CA methodology. DCF controls for student performance levels and examines whether significant differences exist in how distinct student groups succeed in a given course. Leveraging data from over 20,000 students at a large public university, we demonstrate DCF's ability to detect inequities in undergraduate course difficulty across student groups described by grade achievement. We compare major pairs with high co-enrollment and transfer students to their non-transfer peers. For the former, our findings suggest a link between DCF effect sizes and the alignment of course content to student home department motivating interventions targeted towards improving course preparedness. For the latter, results suggest minor variations in course-specific difficulty between transfer and non-transfer students. While this is desirable, it also suggests that interventions targeted toward mitigating grade achievement gaps in transfer students should encompass comprehensive support beyond enhancing preparedness for individual courses. By providing more nuanced and equitable assessments of academic performance and difficulties experienced by diverse student populations, DCF could support policymakers, course articulation officers, and student advisors.
• Abstract（参考訳）: カリキュラム分析(CA)は、カリキュラムの構造と学生データを研究し、教育プログラムの品質を保証する。 カリキュラム内のコースの望ましい特性の1つは、異なる背景を持つ学生にとって予期せぬほど困難ではないことである。 従来の作業ポイントは、学生グループ間でコースの難易度が変動する可能性があるが、そのようなばらつきを捉えるための堅牢な方法論は乏しく、既存のアプローチは、コース固有の難易度を学生の一般的なパフォーマンスレベルから適切に分離しない。 本研究は,項目応答理論(IRT)に基づくCA手法として,DCF(differial Course Functioning)を紹介する。 DCFは、学生のパフォーマンスレベルを制御し、特定のコースでどのように異なる学生グループが成功するかに有意な違いがあるかどうかを調べる。 大規模公立大学における2万人以上の学生のデータを活用し,大学院生の学業難易度におけるDCFの不等式を検出する能力を示す。 主要なペアを高学歴で比較し,転校生を非転校者へ転校させる。 前者については,DCF効果量と授業内容の整合性との関連が示唆された。 後者の場合, 転校生と非転校生の間では, コース固有の難易度が小さかったことが示唆された。 これは望ましいことではあるが、転校生の成績格差軽減を目的とした介入は、個別のコースの準備性の向上以上の包括的支援を包含すべきであることも示唆している。 多様な学生が経験した学業成績と難易度を公平かつ公平に評価することで、DCFは政策立案者、講習官、学生顧問を支援することができた。

関連論文リスト

• Speculative Knowledge Distillation: Bridging the Teacher-Student Gap Through Interleaved Sampling [81.00825302340984]
  本研究では,高品質なトレーニングデータを生成するために,投機的知識蒸留(SKD)を導入する。 SKDでは、学生はトークンを提案し、教師はそれ自身の分布に基づいて低いランクのトークンを置き換える。 翻訳,要約,数学,指示文など,各種テキスト生成タスクにおけるSKDの評価を行った。
  論文  参考訳（メタデータ） (2024-10-15T06:51:25Z)
• CLOSER: Towards Better Representation Learning for Few-Shot Class-Incremental Learning [52.63674911541416]
  FSCIL(Few-shot class-incremental Learning)は、過剰適合や忘れなど、いくつかの課題に直面している。 FSCILの独特な課題に取り組むため、ベースクラスでの表現学習に重点を置いている。 より制限された機能空間内で機能の拡散を確保することで、学習された表現が、伝達可能性と識別可能性のバランスを良くすることが可能になることが分かりました。
  論文  参考訳（メタデータ） (2024-10-08T02:23:16Z)
• Relative Difficulty Distillation for Semantic Segmentation [54.76143187709987]
  我々は,Relative Difficulty Distillation (RDD) というセマンティックセグメンテーションのための画素レベルのKDパラダイムを提案する。 RDDにより、教師ネットワークは、追加の最適化目標を伴わずに、学習焦点に対する効果的なガイダンスを提供することができる。 我々の研究は、RDDが既存のKDメソッドと統合して、上位パフォーマンスバウンダリを改善できることを示します。
  論文  参考訳（メタデータ） (2024-07-04T08:08:25Z)
• 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)
• Students Success Modeling: Most Important Factors [0.47829670123819784]
  モデルは、卒業する確率の高い生徒、転校する確率の高い生徒、退学して高等教育を終了させる確率の高い生徒を識別する。 実験の結果,初等期において,大学生とリスクの高い学生の区別が合理的に達成できることが示唆された。 このモデルは、学校に3年間滞在する学生の運命を著しく予測している。
  論文  参考訳（メタデータ） (2023-09-06T19:23:10Z)
• Fair and skill-diverse student group formation via constrained k-way graph partitioning [65.29889537564455]
  本研究は、公正かつ多様な学生グループ形成のための教師なしアルゴリズムを導入する。 学生のスキルセットは、ラプラシア固有写像を用いて、コースマークデータの教師なし次元削減を用いて決定される。 この問題は制約付きグラフ分割問題として定式化され、各グループのスキルセットの多様性が最大化される。
  論文  参考訳（メタデータ） (2023-01-12T14:02:49Z)
• When Do Curricula Work in Federated Learning? [56.88941905240137]
  カリキュラム学習は非IID性を大幅に軽減する。 クライアント間でデータ配布を多様化すればするほど、学習の恩恵を受けるようになる。 本稿では,クライアントの現実的格差を生かした新しいクライアント選択手法を提案する。
  論文  参考訳（メタデータ） (2022-12-24T11:02:35Z)
• 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)
• Impacts of Students Academic Performance Trajectories on Final Academic Success [0.0]
  本研究では,HMM(Hidden Markov Model)を用いて,学生の学業成績の標準的,直感的な分類を行う。 中央フロリダ大学の学生書き起こしデータに基づいて,本提案したHMMは,各学期毎の学生の授業成績のシーケンスを用いて訓練されている。
  論文  参考訳（メタデータ） (2022-01-21T15:32:35Z)
• Course Difficulty Estimation Based on Mapping of Bloom's Taxonomy and ABET Criteria [0.0]
  コースの難易度を推定する手法を提案する。 評価難易度は,学生の学歴に基づいて評価される。
  論文  参考訳（メタデータ） (2021-11-16T12:53:21Z)
• Towards Equity and Algorithmic Fairness in Student Grade Prediction [2.9189409618561966]
  この研究は、人種に関するAIの教育的成果と公平性に対処する。 ラベルとインスタンスのバランスに関するいくつかの戦略を試行し、レースにおけるアルゴリズム性能の違いを最小化しようと試みる。 逆学習アプローチとグレードラベルのバランスが組み合わさって,最も公平な結果が得られることが分かりました。
  論文  参考訳（メタデータ） (2021-05-14T01:12:01Z)

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。