論文の概要: A Method for Assisting Novices Creating Class Diagrams Based on the Instructor's Class Layout

• arxiv url: http://arxiv.org/abs/2505.09116v1
• Date: Wed, 14 May 2025 03:53:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-15 21:44:09.368691
• Title: A Method for Assisting Novices Creating Class Diagrams Based on the Instructor's Class Layout
• Title（参考訳）: インストラクタの授業レイアウトに基づく初心者のクラスダイアグラム作成支援
• Authors: Yuta Saito, Takehiro Kokubu, Takafumi Tanaka, Atsuo Hazeyama, Hiroaki Hashiura,
• Abstract要約: クラス図の要素のレイアウトはインストラクターが作成した正しい回答と大きく異なることが多い。 本稿では,学習者のクラス図のレイアウトをインストラクターのレイアウトに自動的に変換することで,モデリング演習中の学習者に効果的な支援を提供する手法を提案する。
• 参考スコア（独自算出の注目度）: 13.047755426945496
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Nowadays, modeling exercises on software development objects are conducted in higher education institutions for information technology. Not only are there many defects such as missing elements in the models created by learners during the exercises, but the layout of elements in the class diagrams often differs significantly from the correct answers created by the instructors. In this paper, we focus on the above problem and propose a method to provide effective support to learners during modeling exercises by automatically converting the layout of the learner's class diagram to that of the instructor, in addition to indicating the correctness of the artifacts to the learners during the exercises. The proposed method was implemented and evaluated as a tool, and the results indicate that the automatic layout conversion was an effective feedback to the learners.
• Abstract（参考訳）: 近年,情報技術に関する高等教育機関において,ソフトウェア開発対象に関するモデリング演習が実施されている。 演習中に学習者が作成したモデルに欠けている要素など多くの欠陥があるだけでなく、クラス図の要素のレイアウトはインストラクターが作成した正しい回答と大きく異なることが多い。 本稿では,学習者の授業図のレイアウトをインストラクターに自動変換し,学習者の演習中の成果物の正しさを学習者に示すことによって,学習者に対して効果的な支援を行う手法を提案する。 提案手法をツールとして実装し,評価した結果,自動レイアウト変換が学習者への効果的なフィードバックであったことが示唆された。

関連論文リスト

• Learning from Stochastic Teacher Representations Using Student-Guided Knowledge Distillation [64.15918654558816]
  教師表現のフィルタリングと重み付けのための自己蒸留(SSD)訓練戦略を導入し,タスク関連表現のみから抽出する。 UCR Archiveのウェアラブル/バイオサインデータセット、HARデータセット、画像分類データセットなどの実世界の感情コンピューティングに関する実験結果は、提案したSSD手法が最先端の手法より優れていることを示している。
  論文  参考訳（メタデータ） (2025-04-19T14:08:56Z)
• Learner Attentiveness and Engagement Analysis in Online Education Using Computer Vision [3.449808359602251]
  本研究では,オンライン学習シナリオにおける学習者の注意力,エンゲージメント,その他の感情状態を分析し,定量化するコンピュータビジョンに基づくアプローチを提案する。 学習者の包括的注意度指数を出力する分類モデルに基づいて,機械学習に基づくアルゴリズムを開発した。 エンド・ツー・エンドのパイプラインを提案し、学習者のライブビデオフィードを処理し、学習者の詳細な注意度分析をインストラクターに提供した。
  論文  参考訳（メタデータ） (2024-11-30T10:54:08Z)
• Accelerating Deep Learning with Fixed Time Budget [2.190627491782159]
  本稿では,一定時間内に任意のディープラーニングモデルを学習するための効果的な手法を提案する。 提案手法はコンピュータビジョンにおける分類タスクと回帰タスクの両方において広範囲に評価される。
  論文  参考訳（メタデータ） (2024-10-03T21:18:04Z)
• Understanding Self-Supervised Pretraining with Part-Aware Representation Learning [88.45460880824376]
  本研究では,自己教師型表現事前学習手法がパート認識表現を学習する能力について検討する。 その結果,完全教師付きモデルはオブジェクトレベルの認識において自己教師付きモデルよりも優れていた。
  論文  参考訳（メタデータ） (2023-01-27T18:58:42Z)
• Self-Supervised Image Representation Learning: Transcending Masking with Paired Image Overlay [10.715255809531268]
  本稿では,自己教師型学習には適用されていない画像のオーバーレイ化という,新たな画像強調手法を提案する。 提案手法は,ダウンストリームタスクにおいて確固とした性能を示す自己教師付き学習手法であるコントラスト学習を用いて評価する。
  論文  参考訳（メタデータ） (2023-01-23T07:00:04Z)
• Distilling Knowledge from Self-Supervised Teacher by Embedding Graph Alignment [52.704331909850026]
  我々は、自己指導型事前学習モデルから他の学生ネットワークへ知識を伝達するための新しい知識蒸留フレームワークを定式化した。 自己教師型学習におけるインスタンス識別の精神に触発され,特徴埋め込み空間におけるグラフ定式化によるインスタンスとインスタンスの関係をモデル化する。 蒸留方式は, 学生ネットワーク上での表現学習を促進するために, 自己指導型知識の伝達に柔軟に適用できる。
  論文  参考訳（メタデータ） (2022-11-23T19:27:48Z)
• What and How of Machine Learning Transparency: Building Bespoke Explainability Tools with Interoperable Algorithmic Components [77.87794937143511]
  本稿では,データ駆動予測モデルを説明するためのハンズオントレーニング教材について紹介する。 これらのリソースは、解釈可能な表現合成、データサンプリング、説明生成の3つのコアビルディングブロックをカバーする。
  論文  参考訳（メタデータ） (2022-09-08T13:33:25Z)
• Demonstrating REACT: a Real-time Educational AI-powered Classroom Tool [0.9899017174990579]
  本稿では,教育者の意思決定プロセスを支援するために,EDM技術を用いたリアルタイムAIを活用した新しい教室ツールを提案する。 ReACTは、ユーザフレンドリなグラフィカルインターフェースを備えたデータ駆動ツールである。 学生のパフォーマンスデータを分析し、コンテキストベースのアラートとコースプランニングのための教育者へのレコメンデーションを提供する。
  論文  参考訳（メタデータ） (2021-07-30T03:09:59Z)
• Learning to Reweight with Deep Interactions [104.68509759134878]
  本稿では,教師モデルに内部状態を提供する改良型データ再重み付けアルゴリズムを提案する。 クリーン/ノイズラベルとニューラルマシン翻訳を用いた画像分類実験は、我々のアルゴリズムが従来の手法よりも大幅に改善されていることを実証的に実証した。
  論文  参考訳（メタデータ） (2020-07-09T09:06:31Z)

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。