論文の概要: MakOne: Behavioural Data of University Students' Smart Devices in Uganda

• arxiv url: http://arxiv.org/abs/2509.22334v1
• Date: Fri, 26 Sep 2025 13:28:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-29 20:57:54.455026
• Title: MakOne: Behavioural Data of University Students' Smart Devices in Uganda
• Title（参考訳）: MakOne:ウガンダの大学生のスマートデバイスに関する行動データ
• Authors: Michael Kizito, Ivan Kayongo, Hawa Nyende, Halimu Chongomweru, Lillian Muyama, Roy Alia Asiku, Alice Mugisha,
• Abstract要約: 本稿では,カンボジアのMakerere大学の72人の学生から6週間にわたって収集された,新しいマルチモーダルデータセットMakOneを紹介する。 このデータセットは、受動的スマートフォンセンサーのデータ(位置、身体活動、スクリーン使用量を含む)と、学生の気分や日常のルーチンをキャプチャする生態的瞬間評価(EMA)を統合している。
• 参考スコア（独自算出の注目度）: 1.0260880679794957
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Understanding student behaviour in higher education is essential for improving academic performance, supporting mental well-being, and informing institutional policies. However, most existing behavioural datasets originate from Western institutions and overlook the unique socioeconomic and infrastructural contexts of African institutions, limiting the global applicability of resulting insights. This paper introduces MakOne, a novel multimodal dataset collected over six weeks from 72 students at Makerere University, Kampala, using iLog, a mobile sensing application. The dataset integrates passive smartphone sensor data-including location, physical activity, and screen usage-with ecological momentary assessments (EMAs) that capture students' moods and daily routines. Designed to reflect the lived experiences of students in an African setting, MakOne offers a foundation for research in behaviour modeling, inclusive context-aware system design, mental health analytics, and culturally grounded educational technologies. It contributes a critical African perspective to the growing body of data-driven studies on student behaviour.
• Abstract（参考訳）: 高等教育における生徒の行動を理解することは、学業成績の向上、精神福祉支援、制度政策の推進に不可欠である。 しかしながら、既存の行動データセットのほとんどは西欧の機関に由来するものであり、アフリカの機関のユニークな社会経済的・インフラ的文脈を軽視し、結果として得られる洞察のグローバルな適用性を制限している。 本稿では,モバイルセンシングアプリケーションであるiLogを用いて,カンボジアのMakerere Universityの72人の学生から6週間にわたって収集された,新しいマルチモーダルデータセットMakOneを紹介する。 このデータセットは、受動的スマートフォンセンサーのデータ(位置、身体活動、スクリーン使用量を含む)と、学生の気分や日常のルーチンをキャプチャする生態的瞬間評価(EMA)を統合している。 アフリカの環境での学生の生きた経験を反映してデザインされたMakOneは、行動モデリング、包括的文脈認識システム設計、メンタルヘルス分析、文化的基盤を持つ教育技術の研究の基礎を提供する。 これは、学生の行動に関するデータ駆動研究の組織の成長にアフリカ的視点に寄与する。

関連論文リスト

• EduBench: A Comprehensive Benchmarking Dataset for Evaluating Large Language Models in Diverse Educational Scenarios [41.370448581863194]
  教育シナリオに適した最初の多様なベンチマークを紹介します。 本稿では,教師と学生の両方に関係のある12つの重要な側面をカバーする多次元評価指標を提案する。 構築したデータセット上で比較的小規模なモデルをトレーニングし、最先端の大規模モデルに匹敵するパフォーマンスを実現することを実証する。
  論文  参考訳（メタデータ） (2025-05-22T03:01:28Z)
• DiversityOne: A Multi-Country Smartphone Sensor Dataset for Everyday Life Behavior Modeling [12.289430134399078]
  DiversityOneは8つの国(中国、デンマーク、インド、イタリア、メキシコ、モンゴル、パラグアイ、イギリス)にまたがるデータセットで、4週間にわたって772人の大学生のデータを含んでいる。 今日現在、このデータセットは最も大きく、最も多様な公開データセットの1つであり、広範な人口統計学的および精神社会的調査データを特徴としている。
  論文  参考訳（メタデータ） (2025-02-05T16:40:05Z)
• DASKT: A Dynamic Affect Simulation Method for Knowledge Tracing [51.665582274736785]
  KT(Knowledge Tracing)は,学生の履歴計算によって将来のパフォーマンスを予測し,学生の感情状態を理解することで,KTの有効性を高めることができる。 本研究では,学生の感情状態が知識状態に与える影響を調べるために,DASKT(Affect Dynamic Knowledge Tracing)を提案する。 我々の研究は、高い解釈可能性と精度の実現に焦点をあてて、今後の研究への有望な道のりを強調している。
  論文  参考訳（メタデータ） (2025-01-18T10:02:10Z)
• Multimodal Misinformation Detection in a South African Social Media Environment [0.2552922646705803]
  本研究の目的は,コンテキスト環境間の誤情報検出モデルの知識の伝達可能性を検討することである。 本研究は,南アフリカのソーシャルメディア環境で機能するマルチモーダルMDモデルに貢献する。 このモデルは、Fakedditデータセットと南アフリカの誤情報データセットに基づいてトレーニングされ、評価される。
  論文  参考訳（メタデータ） (2023-12-07T05:20:15Z)
• MoocRadar: A Fine-grained and Multi-aspect Knowledge Repository for Improving Cognitive Student Modeling in MOOCs [39.22242712254446]
  MoocRadarは,2,513のエクササイズ質問,5,600の知識概念,1200万以上の行動記録からなる,きめ細かい多面的知識リポジトリである。 具体的には,詳細な概念や認知ラベルの高品質かつ包括的アノテーションを保証する枠組みを提案する。
  論文  参考訳（メタデータ） (2023-04-05T03:36:40Z)
• Student-centric Model of Learning Management System Activity and Academic Performance: from Correlation to Causation [2.169383034643496]
  近年,学生の学習行動パターンを理解するために,学習管理システム(LMS)における学習者のデジタルトレースのモデル化に多くの関心が寄せられている。 本稿では,LMS活動データに対する学生中心の分析フレームワークについて検討し,観察データから抽出した相関性だけでなく因果的洞察も提供する。 これらの知見は、大学生支援団体が学生中心で標的とする介入を開始するための証拠となると期待している。
  論文  参考訳（メタデータ） (2022-10-27T14:08:25Z)
• 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)

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。