論文の概要: PALM: PAnoramic Learning Map Integrating Learning Analytics and Curriculum Map for Scalable Insights Across Courses

• arxiv url: http://arxiv.org/abs/2507.18393v1
• Date: Thu, 24 Jul 2025 13:17:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-25 15:10:43.724226
• Title: PALM: PAnoramic Learning Map Integrating Learning Analytics and Curriculum Map for Scalable Insights Across Courses
• Title（参考訳）: PALM:学習分析とカリキュラムマップを統合したPanoramic Learning Map
• Authors: Mahiro Ozaki, Li Chen, Shotaro Naganuma, Valdemar Švábenský, Fumiya Okubo, Atsushi Shimada,
• Abstract要約: PAnoramic Learning Map(PALM)は、LAのスケーラビリティ問題に対処するために設計された、学習分析(LA)ダッシュボードである。 本研究では,PALMの有効性を評価するためのシステム評価を,(1)学習者の学習行動に対する意識に及ぼす効果,(2)既存システムに対する比較性能の2つの重要な領域で実施した。
• 参考スコア（独自算出の注目度）: 5.750960656720476
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This study proposes and evaluates the PAnoramic Learning Map (PALM), a learning analytics (LA) dashboard designed to address the scalability challenges of LA by integrating curriculum-level information. Traditional LA research has predominantly focused on individual courses or learners and often lacks a framework that considers the relationships between courses and the long-term trajectory of learning. To bridge this gap, PALM was developed to integrate multilayered educational data into a curriculum map, enabling learners to intuitively understand their learning records and academic progression. We conducted a system evaluation to assess PALM's effectiveness in two key areas: (1) its impact on students' awareness of their learning behaviors, and (2) its comparative performance against existing systems. The results indicate that PALM enhances learners' awareness of study planning and reflection, particularly by improving perceived behavioral control through the visual presentation of individual learning histories and statistical trends, which clarify the links between learning actions and outcomes. Although PALM requires ongoing refinement as a system, it received significantly higher evaluations than existing systems in terms of visual appeal and usability. By serving as an information resource with previously inaccessible insights, PALM enhances self-regulated learning and engagement, representing a significant step beyond conventional LA toward a comprehensive and scalable approach.
• Abstract（参考訳）: 本研究では,カリキュラムレベルの情報を統合することで,LAのスケーラビリティ問題に対処する学習分析(LA)ダッシュボードであるPAnoramic Learning Map(PALM)を提案し,評価する。 LAの伝統的な研究は、主に個々のコースや学習者に焦点を当てており、コースと学習の長期的軌跡との関係を考察する枠組みを欠いていることが多い。 このギャップを埋めるため、PALMはカリキュラムマップに多層教育データを統合し、学習者が学習記録や学術的進歩を直感的に理解できるようにするために開発された。 本研究では,PALMの有効性を評価するためのシステム評価を,(1)学習者の学習行動に対する意識に及ぼす効果,(2)既存システムに対する比較性能の2つの重要な領域で実施した。 その結果,PALMは学習者の学習計画と反映に対する意識を高めること,特に学習行動と学習結果の関連性を明らかにする個別の学習履歴と統計的傾向の視覚的提示を通じて認知行動制御を改善することが示唆された。 PALMは、システムとして継続的な改良を必要とするが、視覚的魅力とユーザビリティの観点から、既存のシステムよりもはるかに高い評価を受けた。 PALMは、これまでアクセス不能だった洞察を持つ情報リソースとして機能することにより、自己統制型学習とエンゲージメントを強化し、包括的なスケーラブルなアプローチに向かって、従来のLAを越える重要なステップを示す。

関連論文リスト

• Adaptive Learning Systems: Personalized Curriculum Design Using LLM-Powered Analytics [14.157213827899342]
  大規模言語モデル(LLM)は、個々の学生のニーズに合わせてパーソナライズされた学習体験を可能にすることによって、教育分野に革命をもたらしている。 本稿では LLM を利用した分析を応用した適応学習システムのためのフレームワークについて紹介する。
  論文  参考訳（メタデータ） (2025-07-25T04:36:17Z)
• Education-Oriented Graph Retrieval-Augmented Generation for Learning Path Recommendation [56.37740554448673]
  本稿では,学習経路レコメンデーションを強化するために,DLELP(Distrimination Learning Enhances Learning Path Recommendation)を提案する。 学習データセットの知識概念構造グラフを適応的に構築する知識概念構造グラフ生成モジュールを提案する。 次に、ブロックされた学習経路の問題を緩和する識別学習駆動強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-27T15:15:42Z)
• Unveiling the Learning Mind of Language Models: A Cognitive Framework and Empirical Study [50.065744358362345]
  大規模言語モデル(LLM)は、数学、コーディング、推論といったタスクにまたがる印象的な機能を示している。 しかし、彼らの学習能力は、動的環境に適応し、新しい知識を得るのに不可欠であり、まだ過小評価されていない。
  論文  参考訳（メタデータ） (2025-06-16T13:24:50Z)
• Enhanced Bloom's Educational Taxonomy for Fostering Information Literacy in the Era of Large Language Models [16.31527042425208]
  本稿では,大規模言語モデル(LLM)を用いた学生の情報リテラシー(IL)の認識と評価を目的としたLLMによるブルーム教育分類法を提案する。 このフレームワークは、LLMを使用するために必要な認知能力に対応するILを、Exploration & ActionとCreation & Metacognitionの2つの異なるステージに分類する。
  論文  参考訳（メタデータ） (2025-03-25T08:23:49Z)
• Enhancing LLM Knowledge Learning through Generalization [73.16975077770765]
  我々は,LLMが様々な言い換えの文脈に与えられた同じ事実的知識トークンを継続的に予測する能力は,質問応答によってその知識を抽出する能力と正の相関性を示す。 そこで本稿では,LLMの知識獲得能力を高めるための2つの戦略を提案する。
  論文  参考訳（メタデータ） (2025-03-05T17:56:20Z)
• LLMs as Educational Analysts: Transforming Multimodal Data Traces into Actionable Reading Assessment Reports [6.523137821124204]
  本研究では,多モーダルデータを用いた意味的読解の導出について検討する。 我々は、異なる読取行動パターンを識別するために教師なし学習技術を用いる。 大規模言語モデル(LLM)は、派生した情報を教育者のための実行可能なレポートに合成する。
  論文  参考訳（メタデータ） (2025-03-03T22:34:08Z)
• Investigating the Zone of Proximal Development of Language Models for In-Context Learning [59.91708683601029]
  大規模言語モデル(LLM)の文脈内学習(ICL)の振る舞いを分析するための学習分析フレームワークを提案する。 我々は,各例のモデル性能に基づいて,LLMのZPDを測定することにより,ZPD理論をICLに適用する。 本研究はICLの複雑な多面的動作を明らかにし,この手法の理解と活用に関する新たな知見を提供する。
  論文  参考訳（メタデータ） (2025-02-10T19:36:21Z)
• Learning Beyond the Surface: How Far Can Continual Pre-Training with LoRA Enhance LLMs' Domain-Specific Insight Learning? [4.390998479503661]
  大規模言語モデル(LLM)は、様々なタスクにおいて顕著なパフォーマンスを示している。 しかし、ドメイン固有のデータセットからより深い洞察を抽出し、内部化する能力は、まだ探索されていない。 本研究は, インサイトラーニングにおけるLCMの能力を高めるために, 連続的事前学習がいかに有効かを検討する。
  論文  参考訳（メタデータ） (2025-01-29T18:40:32Z)
• Educational Personalized Learning Path Planning with Large Language Models [0.0]
  本稿では,これらの課題に対処するために,大規模言語モデル(LLM)と迅速なエンジニアリングを統合する新しいアプローチを提案する。 学習者固有の情報を組み込んだプロンプトを設計することにより,LLama-2-70B や GPT-4 などの LLM をガイドし,パーソナライズ,一貫性,教育的な学習経路を生成する。
  論文  参考訳（メタデータ） (2024-07-16T14:32:56Z)
• Exploring Federated Unlearning: Review, Comparison, and Insights [101.64910079905566]
  フェデレーション・アンラーニングは、フェデレーション・システムで訓練されたモデルからデータを選択的に除去することを可能にする。 本稿では,既存のフェデレーション・アンラーニング手法について検討し,アルゴリズムの効率,モデル精度への影響,プライバシ保護の有効性について検討する。 フェデレートされたアンラーニング手法を評価するための統一ベンチマークであるOpenFederatedUnlearningフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-30T01:34:33Z)
• A Hierarchy-based Analysis Approach for Blended Learning: A Case Study with Chinese Students [12.533646830917213]
  本稿では,混合学習評価のための階層型評価手法を提案する。 その結果、混合学習評価において、認知的エンゲージメントと感情的エンゲージメントがより重要であることが示された。
  論文  参考訳（メタデータ） (2023-09-19T00:09:00Z)
• A Domain-Agnostic Approach for Characterization of Lifelong Learning Systems [128.63953314853327]
  「生涯学習」システムには,1)継続的学習,2)伝達と適応,3)拡張性があります。 この一連のメトリクスは、様々な複雑な生涯学習システムの開発に役立てることができることを示す。
  論文  参考訳（メタデータ） (2023-01-18T21:58:54Z)
• Revisiting Meta-Learning as Supervised Learning [69.2067288158133]
  メタラーニングと従来の教師付き学習の関連性を再考し,強化することで,原則的,統一的なフレームワークの提供を目指す。 タスク固有のデータセットとターゲットモデルを(機能、ラベル)サンプルとして扱うことで、多くのメタ学習アルゴリズムを教師付き学習のインスタンスに還元することができる。 この視点は、メタラーニングを直感的で実践的なフレームワークに統一するだけでなく、教師付き学習から直接洞察を伝達してメタラーニングを改善することができる。
  論文  参考訳（メタデータ） (2020-02-03T06:13:01Z)

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。