論文の概要: The Perceived Learning Behaviors and Assessment Techniques of First-Year Students in Computer Science: An Empirical Study

• arxiv url: http://arxiv.org/abs/2407.10368v1
• Date: Fri, 10 May 2024 08:45:32 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-22 12:49:16.718061
• Title: The Perceived Learning Behaviors and Assessment Techniques of First-Year Students in Computer Science: An Empirical Study
• Title（参考訳）: コンピュータ科学における初等生の学習行動と評価手法 : 実証的研究
• Authors: Manuela Andreea Petrescu, Tudor Dan Mihoc,
• Abstract要約: 学生は、直接指導が学習する最も効果的な方法であると信じている。 評価方法としては、実践的・書面的な試験が好まれる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The objective of our study is to ascertain the present learning behaviors, driving forces, and assessment techniques as perceived by first-year students, and to examine them through the lens of the most recent developments (pandemic, shift to remote instruction, return to in-person instruction). Educators and educational institutions can create a more accommodating learning environment that takes into account the varied needs and preferences of students by recognizing and implementing these findings, which will ultimately improve the quality of education as a whole. Students believe that in-person instruction is the most effective way to learn, with exercise-based learning, group instruction, and pair programming. Our research indicates that, for evaluation methods, there is a preference for practical and written examinations. Our findings also underscore the importance of incorporating real-world scenarios, encouraging interactive learning approaches, and creating engaging educational environments.
• Abstract（参考訳）: 本研究の目的は,1年生が認識する現在の学習行動,駆動力,評価技術を確認することであり,最新の発達(パンデミック,遠隔指導,対人指導)のレンズを通してそれらを検証することである。 教育者や教育機関は、これらの発見を認識し、実施することによって、学生のさまざまなニーズや嗜好を考慮し、より快適な学習環境を構築することができ、最終的には教育全体の質を向上させることができる。 学生は、エクササイズベースの学習、グループ指導、ペアプログラミングによって、対人指導が最も効果的な学習方法であると信じている。 本研究は, 評価方法として, 実践的, 書面的な試験が優先されていることを示唆する。 また,実世界のシナリオを取り入れ,対話型学習アプローチを奨励し,活発な教育環境を構築することの重要性も強調した。

関連論文リスト

• Exploring Engagement and Perceived Learning Outcomes in an Immersive Flipped Learning Context [0.195804735329484]
  本研究の目的は,学生のオンラインエンゲージメントと学習成果に対する没入型フリップ学習アプローチのメリットと課題を検討することである。 この研究は、高レベルの学生エンゲージメントと学習結果の認知を明らかにしたが、改善が必要な領域も明らかにした。 この研究の成果は、有意義で効果的な遠隔学習体験をデザインしようとする教育者にとって貴重な情報源となる可能性がある。
  論文  参考訳（メタデータ） (2024-09-19T11:38:48Z)
• Deep Active Learning: A Reality Check [30.19086526296748]
  単一モデル法はエントロピーに基づくアクティブラーニングを決定的に上回るものではない。 評価を他のタスクに拡張し、半教師付き学習と組み合わせて能動的学習の有効性を探求する。
  論文  参考訳（メタデータ） (2024-03-21T19:28:17Z)
• 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)
• A Hierarchy-based Analysis Approach for Blended Learning: A Case Study with Chinese Students [12.533646830917213]
  本稿では,混合学習評価のための階層型評価手法を提案する。 その結果、混合学習評価において、認知的エンゲージメントと感情的エンゲージメントがより重要であることが示された。
  論文  参考訳（メタデータ） (2023-09-19T00:09:00Z)
• A Machine Learning system to monitor student progress in educational institutes [0.0]
  本稿では、機械学習技術を用いて、クレジットスコアと呼ばれる分類器を生成するデータ駆動手法を提案する。 信用スコアを進捗指標として使うという提案は、学習管理システムで使うのに適している。
  論文  参考訳（メタデータ） (2022-11-02T08:24:08Z)
• An Approach to Adaptive Microlearning in Higher Education [0.0]
  本研究では,マイクロラーニングを用いた個別学習システムを提案する。 学生の行動分析と実学習のモチベーションの結果として、学期中に収集されたデータは、提案システムを改善するために使用される。
  論文  参考訳（メタデータ） (2022-05-11T11:58:22Z)
• Unsupervised Domain Adaptive Person Re-Identification via Human Learning Imitation [67.52229938775294]
  近年、研究者は、異なる人物の再識別データセット間のドメインギャップを減らすために、教師学生フレームワークを彼らの手法に活用することを提案している。 近年の教員中心の枠組みに基づく手法に着想を得て,異なる側面から人間の学習過程を模倣するためのさらなる探究を提案する。
  論文  参考訳（メタデータ） (2021-11-28T01:14:29Z)
• The Challenges of Assessing and Evaluating the Students at Distance [77.34726150561087]
  新型コロナウイルス(COVID-19)の感染拡大が高等教育機関に強い影響を及ぼし、教室の授業は中止された。 本論文は、ポルトガルの高等教育機関がもたらす課題を探求し、評価モデルにもたらす課題を分析することを目的としている。
  論文  参考訳（メタデータ） (2021-01-30T13:13:45Z)
• Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
  パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。 近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
  論文  参考訳（メタデータ） (2021-01-19T12:23:32Z)
• Dual Policy Distillation [58.43610940026261]
  教員政策を学生政策に転換する政策蒸留は、深層強化学習の課題において大きな成功を収めた。 本研究では,2人の学習者が同じ環境下で活動し,環境の異なる視点を探索する,学生学生による二重政策蒸留(DPD)を導入する。 この二重学習フレームワークを開発する上で重要な課題は、同時代の学習に基づく強化学習アルゴリズムにおいて、ピア学習者から有益な知識を特定することである。
  論文  参考訳（メタデータ） (2020-06-07T06:49:47Z)
• Revisiting Meta-Learning as Supervised Learning [69.2067288158133]
  メタラーニングと従来の教師付き学習の関連性を再考し,強化することで,原則的,統一的なフレームワークの提供を目指す。 タスク固有のデータセットとターゲットモデルを(機能、ラベル)サンプルとして扱うことで、多くのメタ学習アルゴリズムを教師付き学習のインスタンスに還元することができる。 この視点は、メタラーニングを直感的で実践的なフレームワークに統一するだけでなく、教師付き学習から直接洞察を伝達してメタラーニングを改善することができる。
  論文  参考訳（メタデータ） (2020-02-03T06:13:01Z)

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。