論文の概要: Impact of UK Postgraduate Student Experiences on Academic Performance in Blended Learning: A Data Analytics Approach

• arxiv url: http://arxiv.org/abs/2511.12320v1
• Date: Sat, 15 Nov 2025 18:42:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:23.890111
• Title: Impact of UK Postgraduate Student Experiences on Academic Performance in Blended Learning: A Data Analytics Approach
• Title（参考訳）: 英国の大学院生がブレンドラーニングにおける学業成績に及ぼす影響:データ分析によるアプローチ
• Authors: Muhidin Mohamed, Shubhadeep Mukherjee, Bhavana Baad,
• Abstract要約: ブレンドラーニングは、イギリスや世界中の高等教育において、主要な教育モデルとなっている。 本稿では,学生の学習経験の異なる次元と学業成績の相互作用について検討する。
• 参考スコア（独自算出の注目度）: 0.0527359582877518
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Blended learning has become a dominant educational model in higher education in the UK and worldwide, particularly after the COVID-19 pandemic. This is further enriched with accompanying pedagogical changes, such as strengthened asynchronous learning, and the use of AI (from ChatGPT and all other similar tools that followed) and other technologies to aid learning. While these educational transformations have enabled flexibility in learning and resource access, they have also exposed new challenges on how students can construct successful learning in hybrid learning environments. In this paper, we investigate the interaction between different dimensions of student learning experiences (ranging from perceived acceptance of teaching methods and staff support/feedback to learning pressure and student motivation) and academic achievement within the context of postgraduate blended learning in UK universities. To achieve this, we employed a combination of several data analytics techniques including visualization, statistical tests, regression analysis, and latent profile analysis. Our empirical results (based on a survey of 255 postgraduate students and holistically interpreted via the Community of Inquiry (CoI) framework) demonstrated that learning activities combining teaching and social presences, and tailored academic support through effective feedback are critical elements for successful postgraduate experience in blended learning contexts. Regarding contributions, this research advances the understanding of student success by identifying the various ways demographic, experiential, and psychological factors impact academic outcomes. And in theoretical terms, it contributes to the extension of the CoI framework by integrating the concept of learner heterogeneity and identifying four distinct student profiles based on how they engage in the different CoI presences.
• Abstract（参考訳）: ブレンドラーニングは、特に新型コロナウイルス(COVID-19)のパンデミック以降、英国や世界中の高等教育において、主要な教育モデルとなっている。 これはさらに、強化された非同期学習、(ChatGPTや他の同様のツールから)AIの使用、学習を支援するその他の技術といった、教育的な変化を伴う。 これらの教育的変換は、学習とリソースアクセスの柔軟性を実現する一方で、学生がハイブリッド学習環境で学習を成功させる方法に関する新たな課題も明らかにした。 本稿では、イギリス大学における学生の学習経験の異なる側面(学習方法の受容から、教員支援・フィードバック、学習圧力・学生モチベーションへのフィードバック)と、卒後混合学習の文脈における学術的成果との相互作用について検討する。 これを実現するために、可視化、統計テスト、回帰分析、潜在プロファイル分析など、いくつかのデータ分析手法を組み合わせた。 実験の結果(大学院生255名を対象にした調査,CoI(Community of Inquiry)フレームワークによる全体的解釈)は,学習活動が教育と社会的存在を融合し,効果的なフィードバックによる学習支援が,ブレンドした学習文脈における学習経験を成功させる上で重要な要素であることを実証した。 コントリビューションに関して、この研究は、人口統計学的、経験的、心理的要因が学術的成果に影響を及ぼす様々な方法を特定することによって、学生の成功に対する理解を深める。 理論的には、CoIフレームワークの拡張に寄与し、学習者の異質性の概念を統合し、異なるCoIの存在にどのように関与するかに基づいて4つの異なる学生プロファイルを識別する。

関連論文リスト

• The Imperfect Learner: Incorporating Developmental Trajectories in Memory-based Student Simulation [55.722188569369656]
  本稿では,メモリベースの学生シミュレーションのための新しいフレームワークを提案する。 構造的知識表現を備えた階層記憶機構を通じて発達軌道を組み込む。 実際に,次世代科学標準に基づくカリキュラム・アライン・シミュレータを実装した。
  論文  参考訳（メタデータ） (2025-11-08T08:05:43Z)
• Who Is Lagging Behind: Profiling Student Behaviors with Graph-Level Encoding in Curriculum-Based Online Learning Systems [0.4775214751904462]
  学生のプロファイリングは、進歩の追跡、苦労している学生の特定、学生間の格差の緩和に不可欠である。 我々は,自己教師型で学習者の行動とパフォーマンスをプロファイル化するためのグラフレベルのレプリ・セプション学習手法であるCTGraphを紹介する。 当社のアプローチは、学生の学習旅行に対する豊富な洞察を教育者に与える機会を拡大する。
  論文  参考訳（メタデータ） (2025-08-26T11:03:00Z)
• Unveiling the Learning Mind of Language Models: A Cognitive Framework and Empirical Study [45.82081693725339]
  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)
• Student-AI Interaction in an LLM-Empowered Learning Environment: A Cluster Analysis of Engagement Profiles [28.794946431719392]
  本研究では,多エージェント LLM を用いた学習環境における多様な学習者のプロファイルについて検討した。 学生は様々な行動、認知、感情的なエンゲージメントの傾向を示す。
  論文  参考訳（メタデータ） (2025-03-03T16:08:28Z)
• Exploring Engagement and Perceived Learning Outcomes in an Immersive Flipped Learning Context [0.195804735329484]
  本研究の目的は,学生のオンラインエンゲージメントと学習成果に対する没入型フリップ学習アプローチのメリットと課題を検討することである。 この研究は、高レベルの学生エンゲージメントと学習結果の認知を明らかにしたが、改善が必要な領域も明らかにした。 この研究の成果は、有意義で効果的な遠隔学習体験をデザインしようとする教育者にとって貴重な情報源となる可能性がある。
  論文  参考訳（メタデータ） (2024-09-19T11:38:48Z)
• 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)
• Transfer Learning in Deep Reinforcement Learning: A Survey [64.36174156782333]
  強化学習は、シーケンシャルな意思決定問題を解決するための学習パラダイムである。 近年、ディープニューラルネットワークの急速な発展により、強化学習の顕著な進歩が見られた。 転校学習は 強化学習が直面する様々な課題に 対処するために生まれました
  論文  参考訳（メタデータ） (2020-09-16T18:38:54Z)
• Dual Policy Distillation [58.43610940026261]
  教員政策を学生政策に転換する政策蒸留は、深層強化学習の課題において大きな成功を収めた。 本研究では,2人の学習者が同じ環境下で活動し,環境の異なる視点を探索する,学生学生による二重政策蒸留(DPD)を導入する。 この二重学習フレームワークを開発する上で重要な課題は、同時代の学習に基づく強化学習アルゴリズムにおいて、ピア学習者から有益な知識を特定することである。
  論文  参考訳（メタデータ） (2020-06-07T06:49:47Z)

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。