論文の概要: Improving engagement, diversity, and retention in computer science with RadGrad: Results of a case study

• arxiv url: http://arxiv.org/abs/2407.17473v1
• Date: Thu, 27 Jun 2024 19:14:48 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-28 18:09:38.434791
• Title: Improving engagement, diversity, and retention in computer science with RadGrad: Results of a case study
• Title（参考訳）: RadGradを用いたコンピュータ科学におけるエンゲージメント,多様性,保持性の向上に関する事例研究
• Authors: Philip M. Johnson, Carleton Moore, Peter Leong, Seungoh Paek,
• Abstract要約: RadGradは、ソーシャルネットワーク、学位プランナー、個別の学習計画、真剣なゲームといった機能を組み合わせたアプリケーションを通じて実装されたカリキュラムイニシアチブである。 我々はRadGradプロジェクトについて解説し、RadGradが学生のエンゲージメント、多様性、保持に与える影響を評価するための評価研究について報告する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: RadGrad is a curriculum initiative implemented via an application that combines features of social networks, degree planners, individual learning plans, and serious games. RadGrad redefines traditional meanings of "progress" and "success" in the undergraduate computer science degree program in an attempt to improve engagement, retention, and diversity. In this paper, we describe the RadGrad Project and report on an evaluation study designed to assess the impact of RadGrad on student engagement, diversity, and retention. We also present opportunities and challenges that result from the use of the system.
• Abstract（参考訳）: RadGradは、ソーシャルネットワーク、学位プランナー、個別の学習計画、真剣なゲームといった機能を組み合わせたアプリケーションを通じて実装されたカリキュラムイニシアチブである。 RadGradは、エンゲージメント、保持、多様性を改善するために、学部のコンピュータサイエンスの学位プログラムにおいて「進歩」と「成功」という伝統的な意味を再定義する。 本稿では、RadGradプロジェクトについて述べ、RadGradが学生のエンゲージメント、多様性、保持に与える影響を評価するための評価研究について述べる。 また、システムの使用による機会と課題も提示します。

関連論文リスト

• A machine learning approach to predict university enrolment choices through students' high school background in Italy [42.57210316104905]
  本稿では,イタリアの高校生の数学とイタリア語の習熟度が大学入学選択に及ぼす影響を考察する。 従来と同様の教育的選択や達成に対する性別差について検討した。 研究成果は、大学教育に関する学生の選択を形作る際に、学力、性別、高校の背景の複雑な相互作用を浮き彫りにした。
  論文  参考訳（メタデータ） (2024-02-29T10:05:37Z)
• Transductive Reward Inference on Graph [53.003245457089406]
  本稿では,グラフ上の情報伝達の文脈特性に基づく報酬推定手法を提案する。 利用可能なデータと限定的な報酬アノテーションの両方を活用して、報酬伝達グラフを構築します。 構築したグラフをトランスダクティブな報酬推定に使用し,非競合データに対する報酬を推定する。
  論文  参考訳（メタデータ） (2024-02-06T03:31:28Z)
• Towards Goal-oriented Intelligent Tutoring Systems in Online Education [69.06930979754627]
  目標指向知能チューニングシステム(GITS)という新しいタスクを提案する。 GITSは,演習や評価のカスタマイズを戦略的に計画することで,学生の指定概念の習得を可能にすることを目的としている。 PAI(Planning-Assessment-Interaction)と呼ばれるグラフに基づく新しい強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-03T12:37:16Z)
• Intelligent System for Assessing University Student Personality Development and Career Readiness [0.0]
  本研究は,大学生が変化と移行への準備に様々な要因が与える影響について考察する。 KBTUの学生調査から収集したデータは、機械学習モデルによって処理された。 これらのモデルとファジィセットを使用してインテリジェントシステムを構築した。
  論文  参考訳（メタデータ） (2023-08-29T20:32:58Z)
• Set-to-Sequence Ranking-based Concept-aware Learning Path Recommendation [49.85548436111153]
  SRC(Set-to-Sequence Ranking-based Concept-Aware Learning Path Recommendation)という新しいフレームワークを提案する。 SRCは、セット・ツー・シーケンス・パラダイムの下でレコメンデーション・タスクを定式化する。 実世界の2つの公開データセットと1つの産業データセットについて広範な実験を行う。
  論文  参考訳（メタデータ） (2023-06-07T08:24:44Z)
• Hierarchical Programmatic Reinforcement Learning via Learning to Compose Programs [58.94569213396991]
  プログラムポリシーを作成するための階層型プログラム強化学習フレームワークを提案する。 提案するフレームワークは,プログラム作成の学習を通じて,アウト・オブ・ディストリビュータの複雑な動作を記述するプログラムポリシーを作成することができる。 Karel ドメインの実験結果から,提案するフレームワークがベースラインより優れていることが示された。
  論文  参考訳（メタデータ） (2023-01-30T14:50:46Z)
• Adding Interactivity to Education of Complex Wireless Networks Using Digital Game-Based Learning [0.6091702876917279]
  デジタルゲームベース学習(DGBL)は,工学的授業に適用した場合の学習効果を高めることが確認されている。 本研究は、視覚的かつ体系的なビューを特徴とするDGBLプラットフォームを設計することを提案する。
  論文  参考訳（メタデータ） (2021-06-28T14:09:57Z)
• Broader terms curriculum mapping: Using natural language processing and visual-supported communication to create representative program planning experiences [62.997667081978825]
  学部と非学部間のコミュニケーションの困難さは、未発見のコラボレーションの可能性を秘めている。 本稿では,プログラム計画表現の普遍的,自己説明的,権限付与的な提供方法を提案する。
  論文  参考訳（メタデータ） (2021-02-09T13:27:04Z)
• Attentional Graph Convolutional Networks for Knowledge Concept Recommendation in MOOCs in a Heterogeneous View [72.98388321383989]
  大規模なオープンオンラインコース(MOOC)は、学生が知識を習得するための大規模かつオープンな学習機会を提供する。 学生の関心を惹きつけるため、MOOCsプロバイダによる推薦制度が採用され、学生にコースを推薦する。 そこで本研究では,MOOCにおける知識概念レコメンデーションのために,Attentional Heterogeneous Graph Convolutional Deep Knowledge Recommender (ACKRec) という,エンドツーエンドのグラフニューラルネットワークに基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2020-06-23T18:28:08Z)
• Data Science as a Route to AI for Middle- and High-School Students [0.0]
  Bootstrap Projectのデータサイエンスカリキュラムは、全国で使われている約100人の教師を訓練している。 本稿では,カリキュラムの設計,内容,成果を簡潔に解説し,AIカリキュラムへの道程におけるその価値を説明する。
  論文  参考訳（メタデータ） (2020-04-30T21:17:01Z)

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。