論文の概要: The Transition Matrix -- A classification of navigational patterns between LMS course sections

• arxiv url: http://arxiv.org/abs/2506.13275v1
• Date: Mon, 16 Jun 2025 09:14:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-17 17:28:47.985201
• Title: The Transition Matrix -- A classification of navigational patterns between LMS course sections
• Title（参考訳）: 遷移行列 -- LMSコースセクション間のナビゲーションパターンの分類
• Authors: Tobias Hildebrandt, Lars Mehnen,
• Abstract要約: 本研究では,応用科学専門大学におけるMoodle LMSの747コースのナビゲーションデータを解析した。 生成したヒートマップの多くには1つ以上の対角軸が含まれており、学生が通常、現在のものから次のもの、または前の部分までナビゲートしていることを示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Learning management systems (LMS) like Moodle are increasingly used to support university teaching. As Moodle courses become more complex, incorporating diverse interactive elements, it is important to understand how students navigate through course sections and whether course designs are meeting student needs. While substantial research exists on student usage of individual LMS elements, there is a lack of research on broader navigational patterns between course sections and how these patterns differ across courses. This study analyzes navigational data from 747 courses in the Moodle LMS at a technical university of applied sciences, representing (after filtering) around 4,400 students and 1.8 million logged events. By mapping section names across a large sample of courses, the analysis enables cross-course comparisons of student navigational sequences between sections. Transition matrices and heat map visualizations are used to identify common navigational patterns. Findings include that many of the generated heatmap include one or more diagonal axis, indicating that students typically navigate from the current to the next or previous section. More fine-grained patterns show typical behavior for blended learning scenarios. Other patterns include dominant sections.
• Abstract（参考訳）: Moodleのような学習管理システム(LMS)は、大学教育を支援するためにますます使われている。 Moodleコースが複雑化し、多様なインタラクティブな要素が取り入れられるようになるにつれ、学生がコースセクションをナビゲートする方法や、コースデザインが学生のニーズを満たしているかどうかを理解することが重要である。 個別のLMS要素の学生利用に関する実質的な研究は存在するが、コースセクション間のより広いナビゲーションパターンと、これらのパターンがコース間でどのように異なるかについての研究は欠如している。 本研究では,Moodle LMSの747のコースのナビゲーションデータを分析し,約4400人の学生と180万のイベントを(フィルタリング後)分析した。 コースの大規模なサンプルにセクション名をマッピングすることにより、セクション間の生徒のナビゲーションシーケンスのクロスコース比較を可能にする。 遷移行列と熱マップの可視化は、一般的なナビゲーションパターンを特定するために用いられる。 生成したヒートマップの多くには1つ以上の対角軸が含まれており、学生が通常、現在のものから次のもの、または前の部分までナビゲートしていることを示している。 よりきめ細かいパターンは、ブレンド学習シナリオの典型的な振る舞いを示している。 その他のパターンとしては、支配的な部分がある。

関連論文リスト

• Visual Chronicles: Using Multimodal LLMs to Analyze Massive Collections of Images [58.38037252899024]
  我々は,Multimodal LLMを用いて,数千万枚の画像からなる大規模データベースを解析するシステムを提案する。 我々は,一定期間にわたって都市を横断する頻繁な共起的変化(トリエント)を捉えることを目的としている。 ベースラインをはるかに上回り、大都市で撮影された画像から興味深い傾向を見出すことができる。
  論文  参考訳（メタデータ） (2025-04-11T17:55:45Z)
• Context-Enhanced Multi-View Trajectory Representation Learning: Bridging the Gap through Self-Supervised Models [27.316692263196277]
  MVTrajは、軌道表現学習のための新しい多視点モデリング手法である。 GPSから道路網、関心点まで多様な文脈知識を統合し、軌跡データのより包括的な理解を提供する。 実世界のデータセットに対する大規模な実験により、MVTrajは様々な空間ビューに関連するタスクにおいて、既存のベースラインを大幅に上回っていることが示された。
  論文  参考訳（メタデータ） (2024-10-17T03:56:12Z)
• Cross-course Process Mining of Student Clickstream Data -- Aggregation and Group Comparison [0.0]
  本稿では,Moodle などの授業管理システムから抽出した学生のインタラクションデータを解析する新しい手法を提案する。 本稿では,コース横断のセクションラベルを標準化する手法を提案する。
  論文  参考訳（メタデータ） (2024-09-04T11:28:02Z)
• MultiCaM-Vis: Visual Exploration of Multi-Classification Model with High Number of Classes [0.2900810893770134]
  我々はMultiCaM-Visと呼ばれるインタラクティブなビジュアル分析ツールを提示する。 Emphoverview+detailスタイルの並列座標ビューと、クラスレベルのインスタンスのミス分類の探索と検査のためのコードダイアグラムを提供する。
  論文  参考訳（メタデータ） (2023-09-09T08:55:22Z)
• A Multi-view Multi-task Learning Framework for Multi-variate Time Series Forecasting [42.061275727906256]
  MTS予測のための新しいマルチビューマルチタスク(MVMT)学習フレームワークを提案する。 MVMT情報は、MTSデータに深く隠され、モデルが自然にそれをキャプチャすることを妨げる。 タスクワイドアフィン変換とタスクワイド正規化という,2種類の基本操作をそれぞれ開発する。
  論文  参考訳（メタデータ） (2021-09-02T06:11:26Z)
• Revealing the Hidden Patterns: A Comparative Study on Profiling Subpopulations of MOOC Students [61.58283466715385]
  MOOC(Massive Open Online Courses)は、学生の異質性を示す。 MOOCプラットフォームからの複雑な“ビッグデータ”の出現は、学生がMOOCにどのように従事しているかを深く理解する上で、難しいが報われる機会である。 本報告では,MOOCにおける学生活動のクラスタリング分析と,学生集団間の行動パターンと人口動態の比較分析について述べる。
  論文  参考訳（メタデータ） (2020-08-12T10:38:50Z)
• DiVA: Diverse Visual Feature Aggregation for Deep Metric Learning [83.48587570246231]
  視覚的類似性は多くのコンピュータビジョンアプリケーションにおいて重要な役割を果たす。 ディープ・メトリック・ラーニング(DML)は、そのような類似性を学ぶための強力なフレームワークである。 我々は,概念的に異なるデータ関係を対象とする複数の補完学習タスクを提案し,研究する。 我々は、訓練信号を集約する単一モデルを学び、その結果、強力な一般化と最先端のパフォーマンスが得られる。
  論文  参考訳（メタデータ） (2020-04-28T12:26:50Z)
• Improving Few-shot Learning by Spatially-aware Matching and CrossTransformer [116.46533207849619]
  数ショット学習シナリオにおけるスケールと位置ミスマッチの影響について検討する。 本稿では,複数のスケールや場所のマッチングを効果的に行うための,空間認識型マッチング手法を提案する。
  論文  参考訳（メタデータ） (2020-01-06T14:10:20Z)
• A System for Real-Time Interactive Analysis of Deep Learning Training [66.06880335222529]
  現在利用可能なシステムは、トレーニングプロセスが始まる前に指定しなければならないログデータのみを監視することに限定されている。 本稿では,リアルタイム情報を生成するライブプロセス上で対話型クエリを実行可能にするシステムを提案する。
  論文  参考訳（メタデータ） (2020-01-05T11:33:31Z)

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。