論文の概要: Educator Attention: How computational tools can systematically identify the distribution of a key resource for students

• arxiv url: http://arxiv.org/abs/2502.20135v1
• Date: Thu, 27 Feb 2025 14:30:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-28 14:58:10.345567
• Title: Educator Attention: How computational tools can systematically identify the distribution of a key resource for students
• Title（参考訳）: 教育者注意:計算ツールが学生にとって重要なリソースの分布を体系的に識別する方法
• Authors: Qingyang Zhang, Rose E. Wang, Ana T. Ribeiro, Dora Demszky, Susanna Loeb,
• Abstract要約: 本研究では,教育者の注意パターンの大規模解析を初めて行った。 自然言語処理技術を用いて,学習者の注意の受け手と性質について検討する。
• 参考スコア（独自算出の注目度）: 2.9557689713911235
• License:
• Abstract: Educator attention is critical for student success, yet how educators distribute their attention across students remains poorly understood due to data and methodological constraints. This study presents the first large-scale computational analysis of educator attention patterns, leveraging over 1 million educator utterances from virtual group tutoring sessions linked to detailed student demographic and academic achievement data. Using natural language processing techniques, we systematically examine the recipient and nature of educator attention. Our findings reveal that educators often provide more attention to lower-achieving students. However, disparities emerge across demographic lines, particularly by gender. Girls tend to receive less attention when paired with boys, even when they are the lower achieving student in the group. Lower-achieving female students in mixed-gender pairs receive significantly less attention than their higher-achieving male peers, while lower-achieving male students receive significantly and substantially more attention than their higher-achieving female peers. We also find some differences by race and English learner (EL) status, with low-achieving Black students receiving additional attention only when paired with another Black student but not when paired with a non-Black peer. In contrast, higher-achieving EL students receive disproportionately more attention than their lower-achieving EL peers. This work highlights how large-scale interaction data and computational methods can uncover subtle but meaningful disparities in teaching practices, providing empirical insights to inform more equitable and effective educational strategies.
• Abstract（参考訳）: 教育者の注意は、学生の成功に不可欠であるが、データや方法論の制約により、学生にどのように注意を分散させるかは理解されていない。 本研究では,仮想グループ学習セッションから100万人以上の教育者発話を生かし,学生の詳細な人口統計や学業成績データに関連づけた,教育者注意パターンの大規模解析を行った。 自然言語処理技術を用いて,学習者の注意の受け手と性質を体系的に検討する。 以上の結果から,教育者は低学年の学生により多くの注意を払っていることが明らかとなった。 しかし、人口統計線、特に性別によって格差が生じる。 女の子は、グループの中で成績の低い学生であっても、男の子とペアになっても、より注意を引く傾向にある。 男女混成の女子学生は、上位の男子学生に比べて有意に注目度が低く、下位の女子学生は上位の女子学生よりも著しく注目度が高かった。 また,黒人学生が他の黒人学生とペアを組む場合のみ,黒人学生が非黒人学生とペアを組む場合のみ,黒人学生が注目されるという,人種と英語学習者(EL)の地位の違いも見いだした。 対照的に、高学年のEL学生は低学年のEL学生よりも不当に多くの注目を集めている。 この研究は、大規模インタラクションデータと計算手法が、教育実践における微妙だが意味のある相違を明らかにする方法を強調し、より公平で効果的な教育戦略を伝えるための実証的な洞察を提供する。

関連論文リスト

• How far can bias go? -- Tracing bias from pretraining data to alignment [54.51310112013655]
  本研究では, 事前学習データにおける性別占有バイアスと, LLMにおける性別占有バイアスの相関について検討した。 その結果,事前学習データに存在するバイアスがモデル出力に増幅されることが判明した。
  論文  参考訳（メタデータ） (2024-11-28T16:20:25Z)
• Revealing and Reducing Gender Biases in Vision and Language Assistants (VLAs) [82.57490175399693]
  画像・テキスト・ビジョン言語アシスタント(VLA)22種における性別バイアスの検討 以上の結果から,VLAは実世界の作業不均衡など,データ中の人間のバイアスを再現する可能性が示唆された。 これらのモデルにおける性別バイアスを排除するため、微調整に基づくデバイアス法は、下流タスクにおけるデバイアスとパフォーマンスの最良のトレードオフを実現する。
  論文  参考訳（メタデータ） (2024-10-25T05:59:44Z)
• Representational Alignment Supports Effective Machine Teaching [81.19197059407121]
  GRADEは、教育と表現的アライメントを研究するための新しい制御された実験環境である。 学生との表現的整合性が向上し,生徒の学習成果が向上することがわかった。 しかし、この効果は、教えられているクラスのサイズと表現の多様性によって中和される。
  論文  参考訳（メタデータ） (2024-06-06T17:48:24Z)
• Why does Knowledge Distillation Work? Rethink its Attention and Fidelity Mechanism [8.322293031346161]
  パラドキカルな研究は、教師の行動を忠実に再現することは、生徒の一般化を一貫して改善しないことを示している。 我々は,この低忠実度現象を,KD訓練時の病理学よりも基礎的な特徴として提案する。
  論文  参考訳（メタデータ） (2024-04-30T01:12:32Z)
• Gender Differences in Class Participation in Online versus In-Person Core CS Courses [0.0]
  主に非同期オンライン学習への移行は,学生参加スコアの男女差や,学生の自己や仲間に対する態度に影響を与えている。 オンラインの授業では、男性と女性の学生がほぼ同じ割合で授業に参加する間、平均で得点が上がり、トップスコアを独占する。 典型的な個人クラスにおける女性の参加習慣は、固有の性差ではなく、むしろ環境の産物である。
  論文  参考訳（メタデータ） (2024-04-11T22:36:36Z)
• How are Primary School Computer Science Curricular Reforms Contributing to Equity? Impact on Student Learning, Perception of the Discipline, and Gender Gaps [0.7896843467339624]
  コンピュータサイエンス(CS)への初期の露出は、この分野における参加の拡大と株式の促進に不可欠である。 しかし、小学校カリキュラムへのCSの導入は、学生のグループ間の学習、知覚、ギャップにどのように影響しますか? 本研究では,CSカリキュラム改革と教員育成(PD)プログラムについて,エクイティの観点から検討する。
  論文  参考訳（メタデータ） (2023-06-01T15:42:26Z)
• Computationally Identifying Funneling and Focusing Questions in Classroom Discourse [24.279653100481863]
  本稿では,授業談話におけるファネリングと集中型質問を計算的に検出するタスクを提案する。 ファネリングと集中型質問にラベル付けされた2,348の教師発話の注釈付きデータセットをリリースする。 我々の最高のモデルである教師付きRoBERTaモデルは、データセットに微調整され、人間の専門家ラベルと.76の強い線形相関と、ポジティブな教育結果を持つ。
  論文  参考訳（メタデータ） (2022-07-08T01:28:29Z)
• Towards Understanding Gender-Seniority Compound Bias in Natural Language Generation [64.65911758042914]
  本研究では,事前学習したニューラルジェネレーションモデルにおける性別バイアスの程度に,高齢者がどのような影響を及ぼすかを検討する。 以上の結果から, GPT-2は, 両領域において, 女性を中年, 男性を中年として考えることにより, 偏見を増幅することが示された。 以上の結果から, GPT-2を用いて構築したNLPアプリケーションは, プロの能力において女性に害を与える可能性が示唆された。
  論文  参考訳（メタデータ） (2022-05-19T20:05:02Z)
• 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)
• Disadvantaged students increase their academic performance through collective intelligence exposure in emergency remote learning due to COVID 19 [105.54048699217668]
  新型コロナウイルス(COVID-19)危機の間、世界中の教育機関が対面指導から緊急遠隔教育(ERT)へと移行した。 我々は,7,528人の大学生のデータを分析したところ,議論フォーラムにおける学生間の協調的・合意的ダイナミクスが最終GPAに肯定的な影響を及ぼすことがわかった。 自然言語処理を用いて,高校生の学習成績が低かった1年生が,議論フォーラムでよりコンテンツ集約的な投稿に晒されていることを示す。
  論文  参考訳（メタデータ） (2022-03-10T20:23:38Z)
• The Wits Intelligent Teaching System: Detecting Student Engagement During Lectures Using Convolutional Neural Networks [0.30458514384586394]
  Wits Intelligent Teaching System (WITS) は、学生の感情に関するリアルタイムフィードバックを講師に支援することを目的としている。 AlexNetベースのCNNはトレーニングが成功し、Support Vector Machineアプローチを大きく上回っている。
  論文  参考訳（メタデータ） (2021-05-28T12:59:37Z)

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。