論文の概要: Model Human Learners: Computational Models to Guide Instructional Design

• arxiv url: http://arxiv.org/abs/2502.02456v1
• Date: Tue, 04 Feb 2025 16:24:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-05 14:56:12.907741
• Title: Model Human Learners: Computational Models to Guide Instructional Design
• Title（参考訳）: モデル・ヒューマン・ラーナー : インストラクショナル・デザインを導く計算モデル
• Authors: Christopher J. MacLellan,
• Abstract要約: 本稿では,2つのA/B実験の結果を正確に予測できる計算モデルについて述べる。 また、そのようなモデルが人間のデータを必要とせずに学習曲線を生成できることも示している。
• 参考スコア（独自算出の注目度）: 0.37654756794131544
• License:
• Abstract: Instructional designers face an overwhelming array of design choices, making it challenging to identify the most effective interventions. To address this issue, I propose the concept of a Model Human Learner, a unified computational model of learning that can aid designers in evaluating candidate interventions. This paper presents the first successful demonstration of this concept, showing that a computational model can accurately predict the outcomes of two human A/B experiments -- one testing a problem sequencing intervention and the other testing an item design intervention. It also demonstrates that such a model can generate learning curves without requiring human data and provide theoretical insights into why an instructional intervention is effective. These findings lay the groundwork for future Model Human Learners that integrate cognitive and learning theories to support instructional design across diverse tasks and interventions.
• Abstract（参考訳）: インストラクショナルデザイナは圧倒的な設計選択に直面しており、最も効果的な介入を特定することは困難である。 この問題に対処するために,提案するモデルヒューマンラーナー(Model Human Learner)の概念は,設計者が候補となる介入を評価するのに役立つ,統一的な学習モデルである。 本稿では,この概念の実証実験として初めて成功し,人間のA/B実験の結果を正確に予測できる計算モデルを示す。 また、そのようなモデルが人間のデータを必要とすることなく学習曲線を生成できることを示し、なぜ教育介入が効果的であるかに関する理論的洞察を提供する。 これらの知見は、様々なタスクや介入にまたがる教育設計を支援するために認知理論と学習理論を統合する将来のモデルヒューマンラーナーの基礎を築いた。

関連論文リスト

• Evaluating Alternative Training Interventions Using Personalized Computational Models of Learning [0.0]
  最高の学習成果を生み出すための異なるトレーニング介入を評価することは、インストラクショナルデザイナーが直面する主な課題の1つです。 モデルを自動的に特定の個人に調整するアプローチを提案し、パーソナライズされたモデルが、一般的なモデルよりも生徒の行動をより良く予測することを示す。 我々のアプローチでは、過去の人間の発見と一致した予測と、将来の人間の実験で評価される可能性のある検証可能な予測を行う。
  論文  参考訳（メタデータ） (2024-08-24T22:51:57Z)
• Evaluating and Optimizing Educational Content with Large Language Model Judgments [52.33701672559594]
  言語モデル(LM)を教育専門家として活用し,学習結果に対する様々な指導の影響を評価する。 本稿では,一方のLMが他方のLMの判断を報酬関数として利用して命令材料を生成する命令最適化手法を提案する。 ヒトの教師によるこれらのLM生成ワークシートの評価は、LM判定と人間の教師の嗜好との間に有意な整合性を示す。
  論文  参考訳（メタデータ） (2024-03-05T09:09:15Z)
• Evaluating the Utility of Model Explanations for Model Development [54.23538543168767]
  機械学習モデル構築の実践シナリオにおいて、説明が人間の意思決定を改善するかどうかを評価する。 驚いたことに、サリエンシマップが提供されたとき、タスクが大幅に改善されたという証拠は見つからなかった。 以上の結果から,サリエンシに基づく説明における誤解の可能性と有用性について注意が必要であることが示唆された。
  論文  参考訳（メタデータ） (2023-12-10T23:13:23Z)
• Designing Optimal Behavioral Experiments Using Machine Learning [8.759299724881219]
  BOEDと機械学習の最近の進歩を活用して、あらゆる種類のモデルに対して最適な実験を見つけるためのチュートリアルを提供する。 マルチアームバンディット意思決定タスクにおける探索と搾取のバランスに関する理論を考察する。 文献でよく用いられる実験的な設計と比較すると、最適な設計は個人の行動に最適なモデルのどれが最適かをより効率的に決定する。
  論文  参考訳（メタデータ） (2023-05-12T18:24:30Z)
• Explain, Edit, and Understand: Rethinking User Study Design for Evaluating Model Explanations [97.91630330328815]
  我々はクラウドソーシング研究を行い、真偽のホテルレビューと偽のホテルレビューを区別するために訓練された詐欺検出モデルと対話する。 単語の線形バッグモデルでは、トレーニング中に特徴係数にアクセスした参加者は、非説明制御と比較して、テストフェーズにおいてモデルの信頼性が大幅に低下する可能性があることを観察する。
  論文  参考訳（メタデータ） (2021-12-17T18:29:56Z)
• Procedure Planning in Instructional Videosvia Contextual Modeling and Model-based Policy Learning [114.1830997893756]
  本研究は,実生活ビデオにおける目標指向アクションを計画するモデルを学習することに焦点を当てる。 本研究では,ベイズ推論とモデルに基づく模倣学習を通して,人間の行動のモデル化を行う新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-10-05T01:06:53Z)
• A Survey of Human-in-the-loop for Machine Learning [7.056132067948671]
  Human-in-the-loopは、人間の知識と経験を統合することで、最小限のコストで正確な予測モデルをトレーニングすることを目的としている。 本調査は,ループ内人間に対する高レベルな要約を提供することを目的としており,有効なループ内人間ソリューションを設計するためのアプローチを検討することに関心のある読者を動機付けている。
  論文  参考訳（メタデータ） (2021-08-02T14:42:28Z)
• Human-Understandable Decision Making for Visual Recognition [30.30163407674527]
  モデル学習プロセスに人間の知覚の優先順位を組み込むことにより,深層ニューラルネットワークを訓練する新たなフレームワークを提案する。 提案モデルの有効性を2つの古典的視覚認識タスクで評価する。
  論文  参考訳（メタデータ） (2021-03-05T02:07:33Z)
• A Theoretical Approach for a Novel Model to Realizing Empathy [0.0]
  本稿では共感の実現過程を可視化するモデルとして理論的概念を紹介する。 このモデルの目的は、様々な分野に適用可能な初期青写真を作成することである。
  論文  参考訳（メタデータ） (2020-09-03T17:21:49Z)
• A Competence-aware Curriculum for Visual Concepts Learning via Question Answering [95.35905804211698]
  本稿では,視覚概念学習のための質問応答型カリキュラムを提案する。 視覚概念を学習するためのニューラルシンボリックな概念学習者と学習プロセスを導くための多次元項目応答理論(mIRT)モデルを設計する。 CLEVRの実験結果から,コンピテンスを意識したカリキュラムにより,提案手法は最先端のパフォーマンスを実現することが示された。
  論文  参考訳（メタデータ） (2020-07-03T05:08:09Z)
• Plausible Counterfactuals: Auditing Deep Learning Classifiers with Realistic Adversarial Examples [84.8370546614042]
  ディープラーニングモデルのブラックボックスの性質は、彼らがデータから何を学ぶかについて、未回答の疑問を提起している。 GAN(Generative Adversarial Network)とマルチオブジェクトは、監査されたモデルに妥当な攻撃を与えるために使用される。 その実用性は人間の顔の分類タスクの中で示され、提案されたフレームワークの潜在的可能性を明らかにしている。
  論文  参考訳（メタデータ） (2020-03-25T11:08:56Z)

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。