論文の概要: The co-varying ties between networks and item responses via latent variables

• arxiv url: http://arxiv.org/abs/2409.19400v1
• Date: Sat, 28 Sep 2024 16:21:12 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-05 23:38:55.225807
• Title: The co-varying ties between networks and item responses via latent variables
• Title（参考訳）: 潜伏変数によるネットワークとアイテム応答の共分散関係
• Authors: Selena Wang, Plamena Powla, Tracy Sweet, Subhadeep Paul,
• Abstract要約: 教師間の関係は教育に関する認識に影響を与えることが知られている。 教師の助言関係(ネットワークス)が、満足感、学生、教育政策に対する影響の認識とどのように関連しているかを調査する。
• 参考スコア（独自算出の注目度）: 1.4999444543328293
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Relationships among teachers are known to influence their teaching-related perceptions. We study whether and how teachers' advising relationships (networks) are related to their perceptions of satisfaction, students, and influence over educational policies, recorded as their responses to a questionnaire (item responses). We propose a novel joint model of network and item responses (JNIRM) with correlated latent variables to understand these co-varying ties. This methodology allows the analyst to test and interpret the dependence between a network and item responses. Using JNIRM, we discover that teachers' advising relationships contribute to their perceptions of satisfaction and students more often than their perceptions of influence over educational policies. In addition, we observe that the complementarity principle applies in certain schools, where teachers tend to seek advice from those who are different from them. JNIRM shows superior parameter estimation and model fit over separately modeling the network and item responses with latent variable models.
• Abstract（参考訳）: 教師間の関係は教育に関する認識に影響を与えることが知られている。 本研究では,教師の助言関係(ネットワークス)が,教師の満足感,学生,教育方針に対する影響の認知とどのように関係しているかを,アンケート(イテム・レスポンス)に対する回答として記録した。 本稿では,ネットワークとアイテムの応答の結合モデル (JNIRM) を提案する。 この手法により、アナリストはネットワークとアイテムの応答間の依存性をテストし、解釈することができる。 JNIRMを用いて、教師の助言関係は、教育政策に対する影響に対する認識よりも、満足感と学生の認識に寄与することが判明した。 また,学校によっては相補性の原則が適用され,教師は学校と異なる者から助言を求める傾向にある。 JNIRMは、遅延変数モデルを用いて、ネットワークとアイテムの応答を個別にモデル化するよりも優れたパラメータ推定とモデル適合性を示す。

関連論文リスト

• Evaluating Pedagogical Incentives in Undergraduate Computing: A Mixed Methods Approach Using Learning Analytics [0.0]
  本稿では,ユニヴァーシティ・カレッジ・ロンドンにおける1年目のコンピュータ・モジュールにおける新たな教育的インセンティブの効果を評価する。 我々は、学習分析と質的データを組み合わせて、これらのインセンティブの有効性を学生のエンゲージメントを高めるために、混合手法を用いて評価する。 本稿では,データ駆動型客観分析を学生の視点と統合した,生徒のエンゲージメントに対する解釈可能かつ行動可能なモデルを提案する。
  論文  参考訳（メタデータ） (2024-03-13T16:39:38Z)
• "You might think about slightly revising the title": identifying hedges in peer-tutoring interactions [1.0466434989449724]
  ヘッジは会話の相互作用の管理において重要な役割を果たす。 我々は、ヘッジを特定するための計算フレームワークを構築するために、マルチモーダルなピアチューニングデータセットを使用する。 我々は、ピアチューニング会話でヘッジを特徴付ける特徴を探索するために、モデル説明可能性ツールを使用します。
  論文  参考訳（メタデータ） (2023-06-18T12:47:54Z)
• Faithful Knowledge Distillation [75.59907631395849]
  i) 教師と学生は、正しく分類されたデータセットのサンプルに近い点で意見が一致しないか、(ii) 蒸留した学生は、データセットのサンプルに関する教師と同じくらい自信があるか、という2つの重要な質問に焦点をあてる。 これらは、安全クリティカルな設定の中で、堅牢な教師から訓練された小さな学生ネットワークを配置することを考えると、重要な問題である。
  論文  参考訳（メタデータ） (2023-06-07T13:41:55Z)
• Generalized Knowledge Distillation via Relationship Matching [53.69235109551099]
  よく訓練されたディープニューラルネットワーク(いわゆる「教師」)の知識は、同様のタスクを学ぶのに有用である。 知識蒸留は教師から知識を抽出し、対象モデルと統合する。 教師に学生と同じ仕事をさせる代わりに、一般のラベル空間から訓練を受けた教師の知識を借りる。
  論文  参考訳（メタデータ） (2022-05-04T06:49:47Z)
• Learning Relational Rules from Rewards [0.0]
  リレーショナル・リレーショナル・リレーショナル・ラーニング(RRL)で開発された関数近似器に基づくリレーショナル・ポリシー・ラーニングの簡易モデルを構築した。 私たちはAtariの3つのゲームで、Breakout、Pong、Demon Attackといった潜在的な関係を考慮し、モデルをトレーニングし、テストしました。 各ゲームにおいて,我々のモデルは適切なリレーショナル表現を選択し,段階的にリレーショナルポリシーを構築することができた。
  論文  参考訳（メタデータ） (2022-03-25T11:57:43Z)
• Complementary Relation Contrastive Distillation [13.944372633594085]
  CRCD(Complementary Relation Contrastive Distillation)という新しい知識蒸留法を提案する。 我々は,アンカー-教師関係の監督の下で,アンカー-教師関係を推定し,アンカー-教師関係を蒸留する。 異なるベンチマーク実験により,提案したCRCDの有効性が示された。
  論文  参考訳（メタデータ） (2021-03-29T02:43:03Z)
• Skeleton-based Relational Reasoning for Group Activity Analysis [40.49389173100578]
  スケルトン情報を活用して、そこから直接個人間の相互作用を学習します。 本実験は,複数対人インタラクションをモデル化するスケルトンベースのアプローチの可能性を示す。
  論文  参考訳（メタデータ） (2020-11-11T09:25:53Z)
• Learning to Decouple Relations: Few-Shot Relation Classification with Entity-Guided Attention and Confusion-Aware Training [49.9995628166064]
  本稿では,2つのメカニズムを備えたモデルであるCTEGを提案する。 一方、注意を誘導するEGA機構を導入し、混乱を引き起こす情報をフィルタリングする。 一方,コンフュージョン・アウェア・トレーニング(CAT)法は,関係の識別を明示的に学習するために提案されている。
  論文  参考訳（メタデータ） (2020-10-21T11:07:53Z)
• DCR-Net: A Deep Co-Interactive Relation Network for Joint Dialog Act Recognition and Sentiment Classification [77.59549450705384]
  ダイアログシステムでは、ダイアログアクト認識と感情分類は2つの相関タスクである。 既存のシステムのほとんどは、それらを別々のタスクとして扱うか、単に2つのタスクを一緒にモデル化するだけです。 本稿では,2つのタスク間の相互作用をモデル化するディープ・コ・インタラクティブ・リレーショナル・ネットワーク(DCR-Net)を提案する。
  論文  参考訳（メタデータ） (2020-08-16T14:13:32Z)
• Neural Multi-Task Learning for Teacher Question Detection in Online Classrooms [50.19997675066203]
  教師の音声記録から質問を自動的に検出するエンドツーエンドのニューラルネットワークフレームワークを構築している。 マルチタスク学習手法を取り入れることで,質問の種類によって意味的関係の理解を深めることが可能となる。
  論文  参考訳（メタデータ） (2020-05-16T02:17:04Z)
• Interference and Generalization in Temporal Difference Learning [86.31598155056035]
  時間差学習における一般化と干渉の関係について検討する。 教師付き学習ではTDが容易に低干渉,低一般化パラメータにつながり,その効果は逆のように見える。
  論文  参考訳（メタデータ） (2020-03-13T15:49:58Z)

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。