論文の概要: The Effects of Flipped Classrooms in Higher Education: A Causal Machine Learning Analysis
- arxiv url: http://arxiv.org/abs/2507.10140v2
- Date: Mon, 27 Oct 2025 14:59:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-29 17:50:20.10223
- Title: The Effects of Flipped Classrooms in Higher Education: A Causal Machine Learning Analysis
- Title（参考訳）: 高等教育におけるフラッピング教室の効果:因果学習分析
- Authors: Daniel Czarnowske, Florian Heiss, Theresa M. A. Schmitz, Amrei Stammann,
- Abstract要約: 本研究は、ダブル/デバイアスド・機械学習(DML)を用いて、講義ベースのブレンド教育からフリップした教室概念への移行の影響を評価する。
本研究は,学生の自己認識,先延ばし,楽しさに影響を及ぼすことを示す。
試験成績、合格率、知識保持に有意な効果は見つからない。
- 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: This study uses double/debiased machine learning (DML) to evaluate the impact of transitioning from lecture-based blended teaching to a flipped classroom concept. Our findings indicate effects on students' self-conception, procrastination, and enjoyment. We do not find significant positive effects on exam scores, passing rates, or knowledge retention. This can be explained by the insufficient use of the instructional approach that we can identify with uniquely detailed usage data and highlights the need for additional teaching strategies. Methodologically, we propose a powerful DML approach that acknowledges the latent structure inherent in Likert scale variables and, hence, aligns with psychometric principles.
- Abstract（参考訳）: 本研究は、ダブル/デバイアスド・機械学習(DML)を用いて、講義ベースのブレンド教育からフリップした教室概念への移行の影響を評価する。
本研究は,学生の自己認識,先延ばし,楽しさに影響を及ぼすことを示す。
試験成績、合格率、知識保持に有意な効果は見つからない。
このことは、独特な詳細な使用データで識別し、追加の教育戦略の必要性を強調するような、教育的アプローチの不十分な使用によって説明できる。
方法論的手法として,Likertスケール変数に固有の潜伏構造を認識する強力なDML手法を提案する。
関連論文リスト
- Efficient Machine Unlearning via Influence Approximation [75.31015485113993]
インフルエンサーベースのアンラーニングは、個別のトレーニングサンプルがモデルパラメータに与える影響を再トレーニングせずに推定する顕著なアプローチとして現れてきた。
本稿では,暗記(増分学習)と忘れ(未学習)の理論的関連性を確立する。
本稿では、インフルエンス近似アンラーニングアルゴリズムを導入し、インクリメンタルな視点から効率的なマシンアンラーニングを行う。
論文 参考訳（メタデータ） (2025-07-31T05:34:27Z) - Outcome-Based Education: Evaluating Students' Perspectives Using Transformer [0.0]
Outcome-Based Education (OBE)は、学生中心の学習を通じて特定の能力の発展を強調する。
本研究では、学生のフィードバックを含むNLPデータセットを分析するために、OBEの重要性を概観し、トランスフォーマーベースのモデル、特にDistilBERTを実装した。
論文 参考訳（メタデータ） (2025-04-08T04:46:00Z) - UIPE: Enhancing LLM Unlearning by Removing Knowledge Related to Forgetting Targets [41.0340052199534]
大規模言語モデル(LLM)は、大規模なデータセットのトレーニング中に必然的に有害な情報を取得する。
既存のアンラーニング手法は、非ラーニングの有効性に論理的関連知識が与える決定的な影響を克服しつつ、対象データを忘れることに重点を置いている。
本研究では,忘れる対象と高い相関性を持つ知識を除去するUIPE(Unlearning Improvement via Extrapolation)を提案する。
論文 参考訳（メタデータ） (2025-03-06T18:40:00Z) - How to Probe: Simple Yet Effective Techniques for Improving Post-hoc Explanations [69.72654127617058]
ポストホック重要属性法は、ディープニューラルネットワーク(DNN)を"説明"するための一般的なツールである
この研究において、我々はこの概念に挑戦する経験的証拠を提示する。
トレーニング済みモデルの分類レイヤのトレーニング詳細が重要な役割を果たすことを示す。
論文 参考訳（メタデータ） (2025-03-01T22:25:11Z) - Understanding the Role of Equivariance in Self-supervised Learning [51.56331245499712]
同変自己教師学習(E-SSL)は、拡張に注意する機能を学ぶ。
我々は、同変タスクと分類タスクの相乗効果を生成するE-SSLにおける重要な説明アウト効果を同定する。
E-SSLの実用設計の原則をいくつか明らかにする。
論文 参考訳（メタデータ） (2024-11-10T16:09:47Z) - 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) - Automatic Curriculum Learning with Gradient Reward Signals [0.0]
学生モデルの勾配標準情報を利用した教師モデルが学習カリキュラムを動的に適応する枠組みを導入する。
本研究は,教師が困難で達成可能な学習シーケンスを作成できる能力に,勾配規範の報奨がどのような影響を及ぼすかを分析し,最終的に生徒のパフォーマンスを向上させる。
論文 参考訳（メタデータ） (2023-12-21T04:19:43Z) - Efficient Estimation of Influence of a Training Instance [56.29080605123304]
本稿では,ニューラルネットワークモデルに対するトレーニングインスタンスの影響を効率的に推定する手法を提案する。
このメソッドは、サブネットワークをゼロマスクし、サブネットワークが各トレーニングインスタンスを学習するのを防ぎます。
提案手法は, 学習の影響を捉え, 誤り予測の解釈性を高め, 一般化改善のための訓練データセットをクリーン化できることを実証する。
論文 参考訳（メタデータ） (2020-12-08T04:31:38Z)
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。