論文の概要: A Systematic Review on Process Mining for Curricular Analysis
- arxiv url: http://arxiv.org/abs/2409.09204v1
- Date: Fri, 13 Sep 2024 21:35:11 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-17 21:59:04.680064
- Title: A Systematic Review on Process Mining for Curricular Analysis
- Title（参考訳）: 曲線解析におけるプロセスマイニングの体系的検討
- Authors: Daniel Calegari, Andrea Delgado,
- Abstract要約: 教育プロセスマイニング(英: Educational Process Mining、EPM)は、教育プロセスを改善するために用いられるデータ分析技術である。
EPMの特定の応用の1つはカリキュラムマイニングであり、これは学生が学習目標を達成するための学習プログラムを理解することに焦点を当てている。
我々は系統的な文献レビューを行い、PMをカリキュラム解析に適用する作業を特定し、さらなる研究のための洞察を提供した。
- 参考スコア（独自算出の注目度）: 0.9208007322096533
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Educational Process Mining (EPM) is a data analysis technique that is used to improve educational processes. It is based on Process Mining (PM), which involves gathering records (logs) of events to discover process models and analyze the data from a process-centric perspective. One specific application of EPM is curriculum mining, which focuses on understanding the learning program students follow to achieve educational goals. This is important for institutional curriculum decision-making and quality improvement. Therefore, academic institutions can benefit from organizing the existing techniques, capabilities, and limitations. We conducted a systematic literature review to identify works on applying PM to curricular analysis and provide insights for further research. From the analysis of 22 primary studies, we found that results can be classified into five categories concerning the objectives they pursue: the discovery of educational trajectories, the identification of deviations in the observed behavior of students, the analysis of bottlenecks, the analysis of stopout and dropout problems, and the generation of recommendation. Moreover, we identified some open challenges and opportunities, such as standardizing for replicating studies to perform cross-university curricular analysis and strengthening the connection between PM and data mining for improving curricular analysis.
- Abstract（参考訳）: 教育プロセスマイニング(英: Educational Process Mining、EPM)は、教育プロセスを改善するために用いられるデータ分析技術である。
これはプロセスマイニング(PM)に基づいており、プロセスモデルを発見し、プロセス中心の観点からデータを分析するためにイベントの記録(ログ)を収集する。
EPMの特定の応用の1つはカリキュラムマイニングであり、これは学生が学習目標を達成するための学習プログラムを理解することに焦点を当てている。
これは、制度的なカリキュラムの意思決定と品質改善にとって重要である。
したがって、学術機関は既存の技術、能力、限界を整理することの恩恵を受けることができる。
我々は系統的な文献レビューを行い、PMをカリキュラム解析に適用する作業を特定し、さらなる研究のための洞察を提供した。
22の初等的な研究から,学習目的の発見,観察行動の偏差の同定,ボトルネックの分析,停止問題と退学問題の解析,推薦発生の5つのカテゴリに分類できることがわかった。
さらに, 大学間カリキュラム解析のための複製研究の標準化や, PMとデータマイニングの関連性の向上など, オープンな課題や機会を明らかにした。
関連論文リスト
- VisAidMath: Benchmarking Visual-Aided Mathematical Reasoning [47.81337826098964]
本稿では,視覚情報に関連する問題解決プロセスを評価するためのベンチマークであるVisAidMathを紹介する。
このベンチマークには、様々な数学分野の難解な問題、視覚支援の定式化、難易度などが含まれる。
視覚支援推論プロセスにおいて,10種類のLLMとLMMを用いて評価を行い,その欠点を強調した。
論文 参考訳（メタデータ） (2024-10-30T13:19:44Z) - A Systematic Review of Business Process Improvement: Achievements and Potentials in Combining Concepts from Operations Research and Business Process Management [0.0]
ビジネスプロセスマネジメントと運用リサーチは、組織における価値創造を強化することを目的としています。
この体系的な文献レビューは、両方の分野から組み合わせた概念を用いた作品を特定し分析する。
その結果,資源配分とスケジューリングの問題に強い焦点が当てられている。
論文 参考訳（メタデータ） (2024-09-02T14:13:14Z) - A Review of AI and Machine Learning Contribution in Predictive Business Process Management (Process Enhancement and Process Improvement Approaches) [4.499009117849108]
我々は、ビジネスプロセス管理におけるAI/MLの統合を検討するため、学術文献の体系的なレビューを行う。
ビジネスプロセス管理とプロセスマップでは、AI/MLはプロセスメトリクスの運用データを使用して大幅に改善されている。
論文 参考訳（メタデータ） (2024-07-07T18:26:00Z) - Learning Planning-based Reasoning by Trajectories Collection and Process Reward Synthesizing [61.98556945939045]
収集された軌道上でのDPO(Direct Preference Optimization)を通して計画に基づく推論を学習するフレームワークを提案する。
論理的推論ベンチマークの挑戦的な結果から,学習フレームワークの有効性が示された。
論文 参考訳（メタデータ） (2024-02-01T15:18:33Z) - Extracting Rules from Event Data for Study Planning [5.305245019481161]
我々は,授業の順序が学術的成功に与える影響を調べるために,プロセスとデータマイニング技術を採用している。
RWTH Aachen Universityのコンピュータサイエンス学士課程の学生を対象に評価を行った。
論文 参考訳（メタデータ） (2023-10-04T11:14:51Z) - Sequential pattern mining in educational data: The application context,
potential, strengths, and limitations [3.680403821470857]
シークエンシャルパターンマイニングは、教育データ科学にとって貴重なツールである。
学習プロセスに関するユニークな洞察を明らかにし、自己統制型学習研究に強力になる。
今後の研究は、パターン発生をカウントするツールを開発することで、教育データ科学における有用性を向上する可能性がある。
論文 参考訳（メタデータ） (2023-02-03T06:56:31Z) - Investigating Fairness Disparities in Peer Review: A Language Model
Enhanced Approach [77.61131357420201]
我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。
我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。
我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
論文 参考訳（メタデータ） (2022-11-07T16:19:42Z) - Towards Automated Process Planning and Mining [77.34726150561087]
我々は、AIとBPM分野の研究者が共同で働く研究プロジェクトについて紹介する。
プロセスモデルを自動的に導出するための総合的な研究課題、研究の関連分野、および総合的な研究枠組みについて論じる。
論文 参考訳（メタデータ） (2022-08-18T16:41:22Z) - Process-BERT: A Framework for Representation Learning on Educational
Process Data [68.8204255655161]
本稿では,教育プロセスデータの表現を学習するためのフレームワークを提案する。
我々のフレームワークは、BERT型の目的を用いて、シーケンシャルなプロセスデータから表現を学習する事前学習ステップで構成されています。
当社のフレームワークは,2019年国のレポートカードデータマイニングコンペティションデータセットに適用しています。
論文 参考訳（メタデータ） (2022-04-28T16:07:28Z) - Deep Learning Schema-based Event Extraction: Literature Review and
Current Trends [60.29289298349322]
ディープラーニングに基づくイベント抽出技術が研究ホットスポットとなっている。
本稿では,ディープラーニングモデルに焦点をあて,最先端のアプローチを見直し,そのギャップを埋める。
論文 参考訳（メタデータ） (2021-07-05T16:32:45Z) - A Technique for Determining Relevance Scores of Process Activities using
Graph-based Neural Networks [0.0]
本研究では,プロセス活動の関連点を評価指標として評価する手法を開発した。
このような関連性スコアでプロセスモデルに注釈を付けることは、ビジネスプロセスの問題に焦点を当てた分析を促進する。
異なる領域の4つのデータセットを用いて,本手法の予測品質を定量的に評価し,妥当性スコアの忠実性を示す。
論文 参考訳（メタデータ） (2020-08-07T12:15:30Z)
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。