論文の概要: DK-PRACTICE: An Intelligent Educational Platform for Personalized Learning Content Recommendations Based on Students Knowledge State

• arxiv url: http://arxiv.org/abs/2501.10373v1
• Date: Fri, 13 Dec 2024 18:35:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-02 07:48:12.284195
• Title: DK-PRACTICE: An Intelligent Educational Platform for Personalized Learning Content Recommendations Based on Students Knowledge State
• Title（参考訳）: DK-PRACTICE:学生の知識状態に基づく個人学習コンテンツ推薦のための知的教育プラットフォーム
• Authors: Marina Delianidi, Konstantinos Diamantaras, Ioannis Moras, Antonis Sidiropoulos,
• Abstract要約: この研究では、機械学習を活用してパーソナライズされた学習レコメンデーションを提供するインテリジェントなオンラインプラットフォームであるDK-PRACTICEを紹介した。 システムは,前の回答の正確さと正確性に基づいて,各学生の次の質問を動的に選択する。 テストが完了すると、DK-PRACTICEは学生のインタラクション履歴を分析して学習教材を推薦する。
• 参考スコア（独自算出の注目度）: 2.249916681499244
• License:
• Abstract: This study introduces DK-PRACTICE (Dynamic Knowledge Prediction and Educational Content Recommendation System), an intelligent online platform that leverages machine learning to provide personalized learning recommendations based on student knowledge state. Students participate in a short, adaptive assessment using the question-and-answer method regarding key concepts in a specific knowledge domain. The system dynamically selects the next question for each student based on the correctness and accuracy of their previous answers. After the test is completed, DK-PRACTICE analyzes students' interaction history to recommend learning materials to empower the student's knowledge state in identified knowledge gaps. Both question selection and learning material recommendations are based on machine learning models trained using anonymized data from a real learning environment. To provide self-assessment and monitor learning progress, DK-PRACTICE allows students to take two tests: one pre-teaching and one post-teaching. After each test, a report is generated with detailed results. In addition, the platform offers functions to visualize learning progress based on recorded test statistics. DK-PRACTICE promotes adaptive and personalized learning by empowering students with self-assessment capabilities and providing instructors with valuable information about students' knowledge levels. DK-PRACTICE can be extended to various educational environments and knowledge domains, provided the necessary data is available according to the educational topics. A subsequent paper will present the methodology for the experimental application and evaluation of the platform.
• Abstract（参考訳）: 本研究では,DK-PRACTICE (Dynamic Knowledge Prediction and Educational Content Recommendation System)を紹介した。 学生は、特定の知識領域における重要な概念に関する質問・回答法を用いて、短時間で適応的な評価に参加する。 システムは,前の回答の正確さと正確さに基づいて,各学生の次の質問を動的に選択する。 テストが完了すると、DK-PRACTICEは学生のインタラクション履歴を分析し、学習教材を推薦し、特定された知識ギャップの中で生徒の知識状態を強化する。 質問の選択と学習資料のレコメンデーションは、実際の学習環境から匿名化されたデータを使用してトレーニングされた機械学習モデルに基づいている。 DK-PRACTICEは、自己評価と学習の進捗を監視するため、学生が事前学習と後学習の2つのテストを受けることができる。 各テストの後、詳細な結果とともにレポートが生成される。 さらに、このプラットフォームは、記録されたテスト統計に基づいて学習の進捗を可視化する機能を提供する。 DK-PRACTICEは、学生に自己評価能力を与え、生徒の知識レベルに関する貴重な情報を提供することで、適応的でパーソナライズドな学習を促進する。 DK-PRACTICEは、教育トピックに応じて必要なデータが利用可能であれば、様々な教育環境や知識ドメインに拡張することができる。 その後の論文では、プラットフォームの実験的応用と評価のための方法論について述べる。

関連論文リスト

• Explainable Few-shot Knowledge Tracing [48.877979333221326]
  本稿では,学生の記録から学生の知識をトラッキングし,自然言語による説明を提供する認知誘導フレームワークを提案する。 3つの広く使われているデータセットによる実験結果から、LLMは競合する深層知識追跡手法に匹敵する、あるいは優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2024-05-23T10:07:21Z)
• Knowledge Tracing Challenge: Optimal Activity Sequencing for Students [0.9814642627359286]
  知識追跡(きゅうがく、英: Knowledge Trace)は、個々の学習者による知識の獲得を評価・追跡する教育において用いられる手法である。 我々は,AAAI2023 Global Knowledge Tracing Challengeの一環として,新たにリリースされたデータセット上に2つの知識追跡アルゴリズムを実装した結果を示す。
  論文  参考訳（メタデータ） (2023-11-13T16:28:34Z)
• Responsible Active Learning via Human-in-the-loop Peer Study [88.01358655203441]
  我々は,データプライバシを同時に保持し,モデルの安定性を向上させるために,Pear Study Learning (PSL) と呼ばれる責任あるアクティブラーニング手法を提案する。 まず,クラウドサイドのタスク学習者(教師)から未学習データを分離する。 トレーニング中、タスク学習者は軽量なアクティブ学習者に指示し、アクティブサンプリング基準に対するフィードバックを提供する。
  論文  参考訳（メタデータ） (2022-11-24T13:18:27Z)
• 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)
• Comparative Study of Learning Outcomes for Online Learning Platforms [47.5164159412965]
  パーソナライゼーションとアクティブラーニングは、学習の成功の鍵となる側面です。 私たちは2つの人気のあるオンライン学習プラットフォームの学習結果の比較正面調査を実施します。
  論文  参考訳（メタデータ） (2021-04-15T20:40:24Z)
• KnowledgeCheckR: Intelligent Techniques for Counteracting Forgetting [52.623349754076024]
  KnowledgeCheckRに統合された推奨アプローチの概要を提供します。 その例としては,将来的に繰り返される学習内容の識別を支援するユーティリティベースのレコメンデーション,セッションベースのレコメンデーションを実装するための協調フィルタリングアプローチ,インテリジェントな質問応答を支援するコンテントベースのレコメンデーションなどがある。
  論文  参考訳（メタデータ） (2021-02-15T20:06:28Z)
• 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)
• Privileged Knowledge Distillation for Online Action Detection [114.5213840651675]
  リアルタイム予測タスクに対処するフレーム単位のラベル付けタスクとして,ビデオ中のオンラインアクション検出(OAD)を提案する。 本稿では,トレーニング段階においてのみ観測可能な未来のフレームを特権情報の一種とみなすオンライン行動検出のための,新たな学習支援型フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-11-18T08:52:15Z)
• Choose Your Own Question: Encouraging Self-Personalization in Learning Path Construction [1.6505359493498744]
  本稿では,対話型教育システム(IES)の一般クラスを対象としたTinderライクなユーザインタフェースであるRocketを紹介する。 Rocketは、AI(Artificial Intelligence)が抽出した学習教材の特徴を視覚的に表現する。 Rocketは、生徒の能力やニーズに関する知識を活用することで、学習経験の自己個人化を可能にする。
  論文  参考訳（メタデータ） (2020-05-08T01:53:04Z)
• Redesign of web-based exam for knowledge evaluation in Advanced Mathematics for pharmaceutical students based on analysis of the results [0.0]
  本稿では,学生の知識評価のために実装された電子テストの詳細な分析を行う。 テストに含まれる質問と学生が与える回答を推定して分析する。
  論文  参考訳（メタデータ） (2020-04-06T16:20:32Z)

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。