論文の概要: Human-Centered Development of Indicators for Self-Service Learning Analytics: A Transparency through Exploration Approach
- arxiv url: http://arxiv.org/abs/2510.08395v1
- Date: Thu, 09 Oct 2025 16:15:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-10 17:54:15.190865
- Title: Human-Centered Development of Indicators for Self-Service Learning Analytics: A Transparency through Exploration Approach
- Title（参考訳）: セルフサービス学習分析のための指標の人間中心開発:探索的アプローチによる透明性
- Authors: Shoeb Joarder, Mohamed Amine Chatti,
- Abstract要約: 学習分析の目的は、学習と教育を改善するために、教育データを洞察、決定、行動に変換することである。
提供された洞察、決定、行動の理由付けは、エンドユーザにとって透過的ではないことが多い。
本稿では,透過的な学習分析の実現に光を当てる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The aim of learning analytics is to turn educational data into insights, decisions, and actions to improve learning and teaching. The reasoning of the provided insights, decisions, and actions is often not transparent to the end-user, and this can lead to trust and acceptance issues when interventions, feedback, and recommendations fail. In this paper, we shed light on achieving transparent learning analytics by following a transparency through exploration approach. To this end, we present the design, implementation, and evaluation details of the Indicator Editor, which aims to support self-service learning analytics by empowering end-users to take control of the indicator implementation process. We systematically designed and implemented the Indicator Editor through an iterative human-centered design (HCD) approach. Further, we conducted a qualitative user study (n=15) to investigate the impact of following a self-service learning analytics approach on the users' perception of and interaction with the Indicator Editor. Our study showed qualitative evidence that supporting user interaction and providing user control in the indicator implementation process can have positive effects on different crucial aspects of learning analytics, namely transparency, trust, satisfaction, and acceptance.
- Abstract（参考訳）: 学習分析の目的は、学習と教育を改善するために、教育データを洞察、決定、行動に変換することである。
提供された洞察、決定、行動の推論は、エンドユーザにとって透過的ではなく、介入、フィードバック、レコメンデーションが失敗すると、信頼と受け入れの問題につながる可能性がある。
本稿では,透過的な学習分析の実現に光を当てる。
そこで本研究では,インジケータ実装プロセスの制御をエンドユーザに委ねることで,セルフサービス学習分析を支援することを目的とした,Indicator Editorの設計,実装,評価の詳細について述べる。
我々は,反復型人間中心設計(HCD)アプローチにより,Indicator Editorを体系的に設計し,実装した。
さらに,Indicator Editor に対するユーザ認識とインタラクションに対するセルフサービス学習分析手法の適用効果について,定性的なユーザスタディ (n=15) を行った。
本研究は,インジケータ実装プロセスにおけるユーザインタラクションの支援とユーザコントロールの提供が,透明性,信頼,満足感,受容といった学習分析における重要な側面に肯定的な影響を与えることを示す。
関連論文リスト
- 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) - Designing and Evaluating an Educational Recommender System with Different Levels of User Control [0.6291443816903801]
対話型教育推薦システム(ERS)の体系設計と評価について述べる。
本研究では、ERSの入力(ユーザプロファイル)、プロセス(レコメンデーションアルゴリズム)、出力(レコメンデーション)に関するユーザ制御を導入する。
以上の結果から,ERSのユーザ認知的メリットに対するユーザコントロールの肯定的な影響が示唆された。
論文 参考訳（メタデータ） (2025-01-22T14:14:49Z) - Data Analysis in the Era of Generative AI [56.44807642944589]
本稿では,AIを活用したデータ分析ツールの可能性について考察する。
我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。
次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
論文 参考訳（メタデータ） (2024-09-27T06:31:03Z) - Revisiting Self-supervised Learning of Speech Representation from a
Mutual Information Perspective [68.20531518525273]
我々は、情報理論の観点から、既存の自己教師型音声の手法を詳しく検討する。
我々は線形プローブを用いて、対象情報と学習された表現の間の相互情報を推定する。
我々は、ラベルを使わずに、データの異なる部分間の相互情報を見積もる自己教師型の表現を評価する可能性を探る。
論文 参考訳（メタデータ） (2024-01-16T21:13:22Z) - Harnessing Transparent Learning Analytics for Individualized Support
through Auto-detection of Engagement in Face-to-Face Collaborative Learning [3.0184625301151833]
本稿では,共同作業における学生の個人参加を自動的に検出する透過的アプローチを提案する。
提案手法は,学生の個人的関与を反映し,異なる協調学習課題を持つ生徒を識別する指標として利用することができる。
論文 参考訳（メタデータ） (2024-01-03T12:20:28Z) - Integrating AI and Learning Analytics for Data-Driven Pedagogical Decisions and Personalized Interventions in Education [0.2812395851874055]
本研究では,革新的な学習分析ツールの概念化,開発,展開について検討する。
学生のストレスレベル、好奇心、混乱、扇動、トピックの嗜好、学習方法などの重要なデータポイントを分析し、学習環境の総合的なビューを提供する。
この研究は、パーソナライズされたデータ駆動型教育を形成する上で、AIが果たす役割を浮き彫りにする。
論文 参考訳（メタデータ） (2023-12-15T06:00:26Z) - A Matter of Annotation: An Empirical Study on In Situ and Self-Recall Activity Annotations from Wearable Sensors [56.554277096170246]
In-the-wildデータ収集に焦点をあてたユーザスタディにおいて,一般的な4つのアノテーション手法の評価と対比を行う実験的検討を行った。
実際の記録プロセス中に参加者がアノテートするユーザ主導のin situアノテーションと、各日の終わりに参加者が振り返ってアノテートするリコールメソッドの両方に対して、参加者は自身のアクティビティクラスと対応するラベルを選択できる柔軟性を持っていた。
論文 参考訳（メタデータ） (2023-05-15T16:02:56Z) - Towards a Flexible User Interface for 'Quick and Dirty' Learning
Analytics Indicator Design [0.0]
LAインジケータの低コスト設計を可能にする「クイック・アンド・ダーティ」な手法が必要である。
本稿では,課題駆動型アプローチとデータ駆動型アプローチという,指標の柔軟な設計を支援する2つのアプローチを提案する。
論文 参考訳（メタデータ） (2023-04-04T11:18:11Z) - Inverse Online Learning: Understanding Non-Stationary and Reactionary
Policies [79.60322329952453]
エージェントが意思決定を行う方法の解釈可能な表現を開発する方法を示す。
一連の軌跡に基づく意思決定プロセスを理解することにより,このオンライン学習問題に対して,政策推論問題を逆問題とみなした。
本稿では、エージェントがそれらを更新するプロセスと並行して、その影響を遡及的に推定する実用的なアルゴリズムを提案する。
UNOSの臓器提供受諾決定の分析に応用することで、我々のアプローチは意思決定プロセスを管理する要因や時間とともにどのように変化するかに、貴重な洞察をもたらすことができることを実証する。
論文 参考訳（メタデータ） (2022-03-14T17:40:42Z) - Explainable Predictive Process Monitoring: A User Evaluation [62.41400549499849]
説明責任は、ブラックボックス機械学習アプローチの透明性の欠如によって動機付けられている。
予測プロセスモニタリングのための説明手法のユーザ評価を行う。
論文 参考訳（メタデータ） (2022-02-15T22:24:21Z) - Self-supervised Learning from a Multi-view Perspective [121.63655399591681]
自己教師型表現はタスク関連情報を抽出し,タスク関連情報を破棄することができることを示す。
我々の理論的枠組みは、自己教師型学習目標設計のより広い空間への道を開くものである。
論文 参考訳（メタデータ） (2020-06-10T00:21:35Z)
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。