論文の概要: Introducing Individuality into Students' High School Timetables

• arxiv url: http://arxiv.org/abs/2407.16898v1
• Date: Wed, 19 Jun 2024 13:02:44 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-05 01:45:45.349695
• Title: Introducing Individuality into Students' High School Timetables
• Title（参考訳）: 高校生の時間表への個人性の導入
• Authors: Andreas Krystallidis, Rubén Ruiz-Torrubiano,
• Abstract要約: 完璧な世界では、各高校生は、それぞれの強み、弱点、好奇心をサポートするパーソナライズされたタイムテーブルを通じて、自分の興味を追求することができる。 本稿では,学生個人の選択をモデル化するための2つの新しい制約と,それらから生じるグループ形成の要件を付加する,人気のあるXHSTTフレームワークの拡張を提案する。
• 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: In a perfect world, each high school student could pursue their interests through a personalized timetable that supports their strengths, weaknesses, and curiosities. While recent research has shown that school systems are evolving to support those developments by strengthening modularity in their curricula, there is often a hurdle that prevents the complete success of such a system: the scheduling process is too complex. While there are many tools that assist with scheduling timetables in an effective way, they usually arrange students into groups and classes with similar interests instead of handling each student individually. In this paper, we propose an extension of the popular XHSTT framework that adds two new constraints to model the individual student choices as well as the requirements for group formation that arise from them. Those two constraints were identified through extensive interviews with school administrators and other school timetabling experts from six European countries. We propose a corresponding ILP formulation and show first optimization results for real-world instances from schools in Germany.
• Abstract（参考訳）: 完璧な世界では、各高校生は、それぞれの強み、弱点、好奇心をサポートするパーソナライズされたタイムテーブルを通じて、自分の興味を追求することができる。 最近の研究では、学校システムはカリキュラムのモジュラリティを強化することでこれらの発展を支援するために進化していることが示されているが、そのようなシステムの完全な成功を防ぐハードルがしばしばある:スケジューリングプロセスは複雑すぎる。 タイムテーブルのスケジュールを効果的に支援するツールはたくさんあるが、学生を個別に扱うのではなく、同じ関心を持つグループやクラスに配置することが多い。 本稿では,学生個人の選択をモデル化するための2つの新しい制約と,それらから生じるグループ形成の要件を付加する,人気のあるXHSTTフレームワークの拡張を提案する。 これら2つの制約は、ヨーロッパ6カ国の学校管理者と他の学校タイムタリングの専門家との広範なインタビューを通じて特定された。 そこで本研究では,ドイツの学校における実世界の実例に対して,対応するILP定式化を提案し,最初の最適化結果を示す。

関連論文リスト

• A Constraint Programming Approach to Fair High School Course Scheduling [1.749521391198341]
  近年、学生の人口増加やコース多様性の増大に伴い、学生はコーススケジューリング法が不公平であると感じている。 本研究では,学生の選好に基づいて,実行可能で公平な授業スケジュールを生成する手法を開発した。 その結果,本アルゴリズムは実行可能かつ公平なスケジュールを生成することができることがわかった。
  論文  参考訳（メタデータ） (2024-08-21T23:14:46Z)
• A Scheduling Perspective on Modular Educational Systems in Europe [0.0]
  モジュラー教育システムでは、生徒は自身のカリキュラムの一部を選択することができる。 学生自身がコースを選択させることの背景にある理論的根拠は、自己責任を高め、学生のモチベーションを高め、特定の関心領域に焦点を合わせることである。 本稿では,学生選択に関する自由度を反映したヨーロッパにおけるモジュール型教育システムを分類する枠組みを提案する。
  論文  参考訳（メタデータ） (2024-02-07T09:40:48Z)
• 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)
• 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)
• Federated Selective Aggregation for Knowledge Amalgamation [66.94340185846686]
  FedSAの目標は、何人かの分散教師の助けを借りて、新しいタスクのための学生モデルをトレーニングすることである。 このような問題を調査する動機は、最近のモデル共有のジレンマに端を発する。 提案されたFedSAは、このジレンマに対する解決策を提供し、さらに一歩進める。
  論文  参考訳（メタデータ） (2022-07-27T05:36:50Z)
• Planning Courses for Student Success at the American College of Greece [0.0]
  我々は、ギリシャのアメリカン・カレッジ・オブ・ギリシャの学生が研究を完了するために必要となるコースのスケジュールを最適化する問題をモデル化する。 結果のスケジュールを最適化する目的として,最速の完了時間,コース難易度バランスなど,いくつかの異なる目標を定式化します。 我々は,機械学習とデータマイニングの手法を用いて,受講生が受講生に期待する成績を捉えた。
  論文  参考訳（メタデータ） (2022-06-16T10:19:37Z)
• It Takes Four to Tango: Multiagent Selfplay for Automatic Curriculum Generation [107.10235120286352]
  汎用強化学習エージェントを効率的に訓練するには、ゴールカリキュラムの自動生成が必要である。 自動ゴール生成フレームワークCuSPを提案する。 本手法は,様々な制御タスクに対して,効率的な目標のカリキュラムを生成するのに有効であることを示す。
  論文  参考訳（メタデータ） (2022-02-22T01:23:23Z)
• Inclusive Study Group Formation At Scale [3.5981839346635125]
  不足している学生が直面する構造的障害を解消するスケーラブルなシステムを提案する。 本研究の目的は,少数派の学生に,多数派の学生と品質的に類似した体験を提供することである。
  論文  参考訳（メタデータ） (2022-02-12T06:38:55Z)
• Personalized Multimodal Feedback Generation in Education [50.95346877192268]
  学校課題の自動評価は、教育分野におけるAIの重要な応用である。 モーダルゲート機構とパーソナライズされたバイアス機構を備えたPMFGN(Personalized Multimodal Feedback Generation Network)を提案する。 我々のモデルは、より正確で多様なフィードバックを生成することによって、いくつかのベースラインを著しく上回ります。
  論文  参考訳（メタデータ） (2020-10-31T05:26:49Z)
• Quantifying the relationship between student enrollment patterns and student performance [0.0]
  学生は、財務、スケジュール、家族のニーズに基づいて、学期ごとにフルタイムとパートタイムの入学を交互に行うことは珍しくない。 以前の研究では、フルタイムの学生が、パートタイムの学生よりも優れた成果を維持することが確立されているが、限定的な研究は、入学パターンや戦略が学術的な成果に与える影響を調査している。 2008年から2017年にかけて、中央フロリダ大学から収集されたデータの分析によると、混入戦略を適用した最初の学生はフルタイムの学生に近づきつつある。
  論文  参考訳（メタデータ） (2020-03-22T02:29:30Z)
• The Two Regimes of Deep Network Training [93.84309968956941]
  本研究では,異なる学習スケジュールの効果と,それらを選択する適切な方法について検討する。 この目的のために、我々は2つの異なる段階を分離し、これを「大きな段階的体制」と「小さな段階的体制」と呼ぶ。 トレーニングアルゴリズムは学習率のスケジュールを大幅に単純化することができる。
  論文  参考訳（メタデータ） (2020-02-24T17:08:24Z)

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。