論文の概要: Interpreting Learning Under Competing Models: Joint and Stepwise Approaches for Dynamic Cognitive Diagnosis

• arxiv url: http://arxiv.org/abs/2606.06804v1
• Date: Fri, 05 Jun 2026 01:08:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-08 14:33:29.497325
• Title: Interpreting Learning Under Competing Models: Joint and Stepwise Approaches for Dynamic Cognitive Diagnosis
• Title（参考訳）: 競合モデルによる学習の解釈:動的認知診断のための共同的・段階的アプローチ
• Authors: Yawen Ma, Sahoko Ishida, Kate Cain, Gabriel Wallin,
• Abstract要約: 語彙と理解を測る2つの読書ゲームから2年生から3年生までのデータを分析した。 この決定は,学習者の発達に関する実質的な結論を変えることができることを示す。 シミュレーション研究は、2つの分析が分岐した時期を特定し、アイテムスキル構造が不確実な場合、関節分析がより信頼性が高いことを示す。
• 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: Digital learning environments record learners' responses to individual items, making it possible to study the development of specific skills rather than overall scores. Drawing conclusions about learning from these data requires a model that links responses to latent skills and tracks how mastery changes over time. When the skills measured by each item are unknown, the analyst must decide whether to estimate this structure, the Q-matrix, jointly with the learning process, or to establish it first and study learning afterwards. We show that this decision can change substantive conclusions about how learners develop. Using dynamic cognitive diagnostic models, we analyse data from two reading games measuring vocabulary and comprehension from Grade 2 to Grade 3, with item-text embeddings providing prior information for the unknown Q-matrix. A joint analysis and a bias-corrected stepwise analysis agree that most learners move toward mastering both skills, but disagree about how many remain only partially proficient at Grade 3, changing how reading progress would be reported. A simulation study identifies when the two analyses diverge and shows that joint analysis is more reliable when the item-skill structure is uncertain and the item pool changes between grades. We provide R code for both analyses.
• Abstract（参考訳）: デジタル学習環境は、個々の項目に対する学習者の反応を記録し、総合的なスコアではなく、特定のスキルの開発を研究することができる。 これらのデータから学ぶことについての結論は、応答と潜伏するスキルをリンクし、時間とともに熟達がどのように変化するかを追跡するモデルを必要とする。 各項目で測定されるスキルが不明な場合、アナリストは、この構造であるQ行列を学習プロセスと共同で見積もるか、あるいは最初にそれを確立し、その後に学習を研究するかを決定する必要がある。 この決定は,学習者の発達に関する実質的な結論を変えることができることを示す。 動的認知診断モデルを用いて,第2級から第3級までの語彙と理解度を測定する2つの読書ゲームから,未知のQ行列の事前情報を提供する項目テキスト埋め込みを用いてデータを分析した。 共同分析とバイアス補正ステップワイズ分析は、ほとんどの学習者が両方のスキルを習得する方向に進むことに同意するが、何人が中学3年生で部分的に熟達しているのかについては、読解の進捗が報告されるかを変えることには同意しない。 シミュレーション研究では,2つの分析結果が分岐し,項目スキル構造が不確実で項目プールがグレードによって変化する場合に,共同解析がより信頼性が高いことを示す。 どちらの解析にもRコードを提供します。

関連論文リスト

• Towards Knowledgeable Deep Research: Framework and Benchmark [105.87257445617922]
  本稿では、DRエージェントが構造化知識と非構造化知識の両方でレポートを生成する必要があるKDR(Knowledable Deep Research)を紹介する。 テキスト,図形,テーブルをコヒーレントなマルチモーダルレポートに統合するマルチエージェントアーキテクチャであるHybrid Knowledge Analysis Framework (HKA)を提案する。 実験の結果,HKAは汎用および知識中心の指標において,既存のDRエージェントよりも一貫して優れていた。
  論文  参考訳（メタデータ） (2026-04-09T02:06:27Z)
• Benchmarking Large Language Models for Personalized Guidance in AI-Enhanced Learning [4.990353320509215]
  大規模言語モデル(LLM)は、パーソナライズされた学習のためのインテリジェントアシスタントとしてますます考えられている。 本研究では,現実的な学習環境を模擬した学習課題における3つの最先端LLMの実証的比較を行った。
  論文  参考訳（メタデータ） (2025-09-02T14:21:59Z)
• 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)
• Learning Beyond Pattern Matching? Assaying Mathematical Understanding in LLMs [58.09253149867228]
  本稿では,LLMのドメイン知識を,問題解決に必要な数学的スキルの理解を通じて評価する。 汎用科学アシスタントとしてLLMを用いることで, LLMの確率分布の変化を評価するためにtextitNTKEvalを提案する。 系統的な分析では、文脈内学習中にドメイン理解の証拠が見つかる。 ある命令チューニングは、異なるデータでのトレーニングに関係なく、同様のパフォーマンス変化をもたらし、異なるスキルに対するドメイン理解の欠如を示唆している。
  論文  参考訳（メタデータ） (2024-05-24T12:04:54Z)
• A Mathematical Theory for Learning Semantic Languages by Abstract Learners [9.139188656944429]
  本研究では,学習過程を考慮に入れて,学習スキルの出現を説明する数学的理論を開発する。 トレーニングテキスト数とスキル数との比率が一定の閾値を超えた場合、学習スキルの出現を実証する。 本研究では, サイトパーコレーション解析を用いて, スキルアソシエーショングラフにおける巨大成分の存在条件を導出する。
  論文  参考訳（メタデータ） (2024-04-10T13:50:46Z)
• Meta-Cognitive Analysis: Evaluating Declarative and Procedural Knowledge in Datasets and Large Language Models [47.33702059464214]
  宣言的知識と手続き的知識はメタ認知理論の2つの重要な部分である。 本稿では,LLMに対する基礎的知識と実効性評価について述べる。
  論文  参考訳（メタデータ） (2024-03-14T05:34:35Z)
• KIWI: A Dataset of Knowledge-Intensive Writing Instructions for Answering Research Questions [63.307317584926146]
  ユーザ命令に従うように適応された大規模言語モデル(LLM)は、現在では会話エージェントとして広くデプロイされている。 そこで本研究では,より一般的な命令追従タスクとして,長文の回答作成を支援することを提案する。 我々は、科学領域における知識集約的な記述命令のデータセットKIWIを構築した。
  論文  参考訳（メタデータ） (2024-03-06T17:16:44Z)
• A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [51.26815896167173]
  本稿では,3つの相補的な側面からPAMIレビューを総合的に分析する。 我々の分析は、現在のレビューの実践において、独特の組織パターンと永続的なギャップを明らかにします。 最後に、最先端のAI生成レビューの評価は、コヒーレンスと組織の進歩を奨励していることを示している。
  論文  参考訳（メタデータ） (2024-02-20T11:28:50Z)
• Learning by Self-Explaining [23.420673675343266]
  我々は、自己説明による学習(LSX)と呼ばれる画像分類の文脈において、新しいワークフローを導入する。 LSXは、自己修復型AIと人間誘導型説明機械学習の側面を利用する。 本結果は,自己説明による学習による改善を,いくつかのレベルで示すものである。
  論文  参考訳（メタデータ） (2023-09-15T13:41:57Z)
• Analysis of Learner Independent Variables for Estimating Assessment Items Difficulty Level [0.0]
  本研究では,工学科における評価項目の難易度を予測するモデルを提案する。 3つの工学コースによる実験結果から,提案モデルを用いた項目分類において約80%の精度が得られた。
  論文  参考訳（メタデータ） (2022-06-09T11:01:57Z)

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。