論文の概要: Data Science Students Perspectives on Learning Analytics: An Application of Human-Led and LLM Content Analysis

• arxiv url: http://arxiv.org/abs/2502.10409v1
• Date: Wed, 22 Jan 2025 17:16:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-02 04:52:04.405054
• Title: Data Science Students Perspectives on Learning Analytics: An Application of Human-Led and LLM Content Analysis
• Title（参考訳）: データサイエンスの学生が学習分析を展望する:人間主導とLLMコンテンツ分析の応用
• Authors: Raghda Zahran, Jianfei Xu, Huizhi Liang, Matthew Forshaw,
• Abstract要約: この研究は、イギリスの大学における一連の取り組みの一環であり、分析に関する学生の視点を深く理解することを目的としている。 Open University Learning Analyticsデータセットを調査した大学院生による協調的なデータ処理について検討する。
• 参考スコア（独自算出の注目度）: 2.4561590439700076
• License:
• Abstract: Objective This study is part of a series of initiatives at a UK university designed to cultivate a deep understanding of students' perspectives on analytics that resonate with their unique learning needs. It explores collaborative data processing undertaken by postgraduate students who examined an Open University Learning Analytics Dataset (OULAD). Methods A qualitative approach was adopted, integrating a Retrieval-Augmented Generation (RAG) and a Large Language Model (LLM) technique with human-led content analysis to gather information about students' perspectives based on their submitted work. The study involved 72 postgraduate students in 12 groups. Findings The analysis of group work revealed diverse insights into essential learning analytics from the students' perspectives. All groups adopted a structured data science methodology. The questions formulated by the groups were categorised into seven themes, reflecting their specific areas of interest. While there was variation in the selected variables to interpret correlations, a consensus was found regarding the general results. Conclusion A significant outcome of this study is that students specialising in data science exhibited a deeper understanding of learning analytics, effectively articulating their interests through inferences drawn from their analyses. While human-led content analysis provided a general understanding of students' perspectives, the LLM offered nuanced insights.
• Abstract（参考訳）: 目的 この研究は、イギリスの大学における一連のイニシアチブの一環であり、学生の独自の学習ニーズに共鳴する分析に対する視点を深く理解することを目的としている。 オープン大学ラーニングアナリティクスデータセット(OULAD)を調査した大学院生による協調データ処理について検討した。 方法 提案した成果に基づいて学生の視点に関する情報を収集するために,検索・拡張世代(RAG)と大規模言語モデル(LLM)技術を組み合わせた定性的な手法が採用された。 対象は12グループ72名であった。 発見 グループワークの分析結果から,学生の視点からの本質的な学習分析に関する多様な知見が得られた。 すべてのグループは構造化データサイエンス方法論を採用した。 グループによって定式化された質問は7つのテーマに分類され、その特定の関心領域を反映していた。 相関関係の解釈には変数のばらつきがあったが, 一般結果に関してコンセンサスが得られた。 結論 この研究の重要な成果は、データサイエンスを専門とする学生が、学習分析の深い理解を示し、分析から引き出された推論を通じて、効果的に興味を表現したことである。 人間主導のコンテンツ分析は、学生の視点を全般的に理解する一方で、LLMは微妙な洞察を提供した。

関連論文リスト

• XAI-FUNGI: Dataset resulting from the user study on comprehensibility of explainable AI algorithms [5.775094401949666]
  本稿では、説明可能な人工知能(XAI)アルゴリズムの理解度に関するユーザ研究の結果であるデータセットを紹介する。 研究参加者は149人の候補者から募集され, 菌学領域の専門家を代表する3つのグループを結成した。 データセットの主な部分には39のインタビュー書が含まれており、参加者は、食べられるキノコと食べられないキノコを区別するために訓練された機械学習モデルの意思決定の解釈に関する一連のタスクと質問を完了するよう求められた。
  論文  参考訳（メタデータ） (2024-10-21T11:37:58Z)
• A First Step in Using Machine Learning Methods to Enhance Interaction Analysis for Embodied Learning Environments [4.349901731099916]
  本研究は,機械学習とマルチモーダル学習分析を用いて,研究者のタスクを簡略化することを目的とする。 本研究は,学生の状態,行動,視線,感情,運動をタイムライン上で視覚的に表現できる可能性を決定するための最初のケーススタディである。 このタイムラインにより,マルチモーダル・インタラクション分析によって同定された臨界学習モーメントのアライメントを調べることができる。
  論文  参考訳（メタデータ） (2024-05-10T02:40:24Z)
• 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)
• A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [55.33653554387953]
  パターン分析とマシンインテリジェンス(PAMI)は、情報の収集と断片化を目的とした多くの文献レビューにつながっている。 本稿では、PAMI分野におけるこれらの文献レビューの徹底的な分析について述べる。 1)PAMI文献レビューの構造的・統計的特徴は何か,(2)レビューの増大するコーパスを効率的にナビゲートするために研究者が活用できる戦略は何か,(3)AIが作成したレビューの利点と限界は人間によるレビューと比較するとどのようなものか,という3つの主要な研究課題に対処しようとする。
  論文  参考訳（メタデータ） (2024-02-20T11:28:50Z)
• Harnessing Transparent Learning Analytics for Individualized Support through Auto-detection of Engagement in Face-to-Face Collaborative Learning [3.0184625301151833]
  本稿では,共同作業における学生の個人参加を自動的に検出する透過的アプローチを提案する。 提案手法は,学生の個人的関与を反映し,異なる協調学習課題を持つ生徒を識別する指標として利用することができる。
  論文  参考訳（メタデータ） (2024-01-03T12:20:28Z)
• Integrating AI and Learning Analytics for Data-Driven Pedagogical Decisions and Personalized Interventions in Education [0.2812395851874055]
  本研究では,革新的な学習分析ツールの概念化,開発,展開について検討する。 学生のストレスレベル、好奇心、混乱、扇動、トピックの嗜好、学習方法などの重要なデータポイントを分析し、学習環境の総合的なビューを提供する。 この研究は、パーソナライズされたデータ駆動型教育を形成する上で、AIが果たす役割を浮き彫りにする。
  論文  参考訳（メタデータ） (2023-12-15T06:00:26Z)
• 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)
• Knowledge Graph Augmented Network Towards Multiview Representation Learning for Aspect-based Sentiment Analysis [96.53859361560505]
  本稿では,知識グラフ拡張ネットワーク(KGAN)を提案する。 KGANは感情の特徴表現を、文脈、構文、知識に基づく複数の視点から捉えている。 3つの人気のあるABSAベンチマークの実験は、我々のKGANの有効性と堅牢性を示している。
  論文  参考訳（メタデータ） (2022-01-13T08:25:53Z)
• 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)
• Sentiment Analysis Based on Deep Learning: A Comparative Study [69.09570726777817]
  世論の研究は我々に貴重な情報を提供することができる。 感情分析の効率性と正確性は、自然言語処理で直面する課題によって妨げられている。 本稿では、感情分析の問題を解決するためにディープラーニングを用いた最新の研究をレビューする。
  論文  参考訳（メタデータ） (2020-06-05T16:28:10Z)
• Heterogeneous Representation Learning: A Review [66.12816399765296]
  不均一表現学習(HRL)には、いくつかの独特な課題がある。 異種入力を用いて既存の学習環境をモデル化可能な統合学習フレームワークを提案する。 HRLでは触れられていない課題と今後の研究方向性を強調します。
  論文  参考訳（メタデータ） (2020-04-28T05:12:31Z)

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。