論文の概要: Gender Differences in Class Participation in Online versus In-Person Core CS Courses
- arxiv url: http://arxiv.org/abs/2406.11864v1
- Date: Thu, 11 Apr 2024 22:36:36 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-01 07:30:49.456196
- Title: Gender Differences in Class Participation in Online versus In-Person Core CS Courses
- Title（参考訳）: オンライン・イン・パーソン・コアCS授業における授業参加の性差
- Authors: Madison Brigham, Joël Porquet-Lupine,
- Abstract要約: 主に非同期オンライン学習への移行は,学生参加スコアの男女差や,学生の自己や仲間に対する態度に影響を与えている。
オンラインの授業では、男性と女性の学生がほぼ同じ割合で授業に参加する間、平均で得点が上がり、トップスコアを独占する。
典型的な個人クラスにおける女性の参加習慣は、固有の性差ではなく、むしろ環境の産物である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The COVID-19 pandemic significantly altered how post-secondary students receive their education. Namely, the transition from an in-person to an online class format changed how students interact with their instructors and their classmates. In this paper, we use student participation scores from two core computer science classes across ten in-person and three online quarters at a public research university to analyze whether the shift to primarily asynchronous online learning has impacted the gender gap in student participation scores and students' attitudes towards themselves and their peers. We observe a shift on the online class forum: in in-person classes, males score higher on average and dominate the top scores while in online classes, male and female students participate at approximately the same rate classwide. To understand what might be driving changes in participation behavior, we analyze survey responses from over a quarter of the students enrolled in the online classes. While we find that students of both genders tend to compare themselves to their peers less when classes are online, we also find that this trend is much more accentuated for females than males. This data suggests that observed female participation habits in typical in-person classes are not inherent gender differences, but rather, a product of the environment. Therefore, it is critical the community investigates the root causes of these behavioral differences, and experiments with ways to mitigate them, before we soon return to an in-person format.
- Abstract（参考訳）: 新型コロナウイルスのパンデミックは、中等教育の受け方を大きく変えた。
すなわち、個人からオンラインのクラスフォーマットへの移行によって、学生がインストラクターやクラスメートと対話する方法が変わりました。
本稿では,公立大学における10人中3校のコンピュータサイエンス科中2学級の学生参加スコアを用いて,主に非同期オンライン学習への移行が,学生参加スコアの男女差や,学生の自己や仲間に対する態度に影響を与えているかどうかを分析した。
オンライン・クラス・フォーラムへのシフトを観察し、オンライン・クラスでは男性の方が平均より高く、トップ・スコアを独占し、オンライン・クラスでは男女がほぼ同じ割合で参加する。
参加行動の変化の要因を明らかにするため,オンライン授業に入学した学生の4分の1以上を対象に,調査回答の分析を行った。
両方の性別の学生は、オンラインの授業で自分とペアを比べる傾向が低いのに、この傾向は男性よりも女性の方がずっとアクセントが強いこともわかりました。
このデータから、典型的な個人クラスにおける観察された女性の参加習慣は、性差ではなく、環境の産物であることを示唆している。
したがって、コミュニティはこれらの行動の違いの根本原因を調査し、それらを緩和する方法の実験を行い、すぐに個人的形式に戻ることが重要である。
関連論文リスト
- Beyond Binary Gender: Evaluating Gender-Inclusive Machine Translation with Ambiguous Attitude Words [85.48043537327258]
既存の機械翻訳の性別バイアス評価は主に男性と女性の性別に焦点を当てている。
本研究では,AmbGIMT (Gender-Inclusive Machine Translation with Ambiguous attitude words) のベンチマークを示す。
本研究では,感情的態度スコア(EAS)に基づく性別バイアス評価手法を提案する。
論文 参考訳（メタデータ） (2024-07-23T08:13:51Z) - 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) - Detecting Gender Bias in Course Evaluations [0.0]
我々は、データを調べ、探索するために異なる方法を使用し、試験者の性別に応じて、学生がコースについて書く内容の違いを見つける。
英語とスウェーデンのコースからのデータを評価・比較し、発見されるかもしれない性バイアスのニュアンスをより正確に捉える。
論文 参考訳（メタデータ） (2024-04-02T11:35:05Z) - How are Primary School Computer Science Curricular Reforms Contributing
to Equity? Impact on Student Learning, Perception of the Discipline, and
Gender Gaps [0.7896843467339624]
コンピュータサイエンス(CS)への初期の露出は、この分野における参加の拡大と株式の促進に不可欠である。
しかし、小学校カリキュラムへのCSの導入は、学生のグループ間の学習、知覚、ギャップにどのように影響しますか?
本研究では,CSカリキュラム改革と教員育成(PD)プログラムについて,エクイティの観点から検討する。
論文 参考訳（メタデータ） (2023-06-01T15:42:26Z) - Towards Understanding Gender-Seniority Compound Bias in Natural Language
Generation [64.65911758042914]
本研究では,事前学習したニューラルジェネレーションモデルにおける性別バイアスの程度に,高齢者がどのような影響を及ぼすかを検討する。
以上の結果から, GPT-2は, 両領域において, 女性を中年, 男性を中年として考えることにより, 偏見を増幅することが示された。
以上の結果から, GPT-2を用いて構築したNLPアプリケーションは, プロの能力において女性に害を与える可能性が示唆された。
論文 参考訳（メタデータ） (2022-05-19T20:05:02Z) - Are Commercial Face Detection Models as Biased as Academic Models? [64.71318433419636]
我々は学術的および商業的な顔検出システムを比較し、特にノイズに対する堅牢性について検討する。
現状の学術的顔検出モデルでは、ノイズの頑健性に人口格差があることがわかった。
私たちは、商用モデルは、常に学術モデルと同じくらいの偏り、あるいはより偏りがある、と結論付けます。
論文 参考訳（メタデータ） (2022-01-25T02:21:42Z) - 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) - Self-Training with Differentiable Teacher [80.62757989797095]
自己学習は、様々な半教師付きおよび弱教師付き学習タスクで大きな成功を収める。
この手法は、教師が擬似ラベルを生成し、生徒が予測を行う教師学生の枠組みとして解釈できる。
そこで我々は,教師学生をStackelbergゲームとして扱う,差別化可能な自己学習法を提案する。
論文 参考訳（メタデータ） (2021-09-15T02:06:13Z) - 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) - Multi-Dimensional Gender Bias Classification [67.65551687580552]
機械学習モデルは、性別に偏ったテキストでトレーニングする際に、社会的に望ましくないパターンを不注意に学習することができる。
本稿では,テキスト中の性バイアスを複数の実用的・意味的な次元に沿って分解する一般的な枠組みを提案する。
このきめ細かいフレームワークを用いて、8つの大規模データセットにジェンダー情報を自動的にアノテートする。
論文 参考訳（メタデータ） (2020-05-01T21:23:20Z)
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。