論文の概要: Causal Modelling of Support Interventions for Student Competency Assessment

• arxiv url: http://arxiv.org/abs/2608.24632v1
• Date: Tue, 25 Aug 2026 14:46:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-26 14:09:35.047384
• Title: Causal Modelling of Support Interventions for Student Competency Assessment
• Title（参考訳）: 学生能力評価のための支援介入の因果モデリング
• Authors: Francesca Mangili, Alessandro Antonucci, Rafael Cabañas,
• Abstract要約: 我々は、構造的因果モデリングアプローチを教育評価に適用することを提唱する。 我々は、標準的な連想モデルに到達できない推論形態の実践的関連性を分析する。 我々のプロトコルでは、専門家から構造方程式を引き出す必要があるが、必要な情報は純粋に論理的である。
• 参考スコア（独自算出の注目度）: 42.46717736329823
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate assessment of student competencies is essential for enabling educators to identify individual needs, design targeted interventions, and evaluate the effectiveness of educational strategies. Empirical assessment procedures are typically grounded in psychometric models, such as item response theory, which relate student competence levels to performance on assessment tasks. In this paper, we advocate adopting a structural causal modelling approach to educational assessment, moving beyond probabilistic belief updating toward a framework that explicitly supports interventional and counterfactual reasoning. We propose a corresponding protocol for its construction and analyse the practical relevance of forms of reasoning that remain inaccessible to standard associative models, including the explicit modelling of interventions such as hints and the related counterfactual scenario analysis. Although our protocol requires the structural equations to be elicited from experts, the necessary information is purely logical and does not rely on probabilistic, less tenable assumptions. We illustrate the approach using data from an assessment that employs complex tasks designed to measure compulsory school student algorithmic skills.
• Abstract（参考訳）: 学生能力の正確な評価は、教育者が個人のニーズを特定し、対象とする介入を設計し、教育戦略の有効性を評価するために不可欠である。 経験的評価手順は、典型的には、学生の能力レベルと評価タスクのパフォーマンスを関連付ける項目応答理論のような心理測定モデルに基礎を置いている。 本稿では,教育評価に対する構造因果モデリングアプローチの採用を提唱し,介入的・反事実的推論を明示的に支援する枠組みに向けて,確率的信念更新を超えて進める。 本稿では, 標準的な連想モデルに到達不能な推論の実践的関連性について, ヒントなどの介入の明示的なモデル化や, 関連する反現実的シナリオ分析を含む, 関連性のあるプロトコルを提案する。 我々のプロトコルは、専門家から構造方程式を引き出す必要があるが、必要な情報は純粋に論理的であり、確率的であり、持続可能性の低い仮定に依存しない。 本稿では,学生のアルゴリズムスキルを強制的に測定するための複雑なタスクを取り入れた評価データを用いたアプローチについて述べる。

関連論文リスト

• Practitioner Beliefs and Behaviors in AI-Enhanced Education: DOT Framework Survey Evidence [0.0]
  この研究は、AIの親しみやすさ、利用パターン、デザイン指向の実践、教育的信念について調査している。 その結果、実践者は、人間の監視と批判的評価に強いコミットメントを維持しながら、AIを教育的支援として好意的な見解を持っていることが示唆された。
  論文  参考訳（メタデータ） (2026-05-27T19:42:31Z)
• Pitfalls in Evaluating Interpretability Agents [91.49742416116635]
  我々は,実験を反復的に設計し,仮説を洗練するエージェントシステムを構築した。 我々の研究は、複雑な自動解釈可能性システムを評価する上での根本的な課題を実証している。
  論文  参考訳（メタデータ） (2026-03-20T16:27:17Z)
• Measurement to Meaning: A Validity-Centered Framework for AI Evaluation [12.55408229639344]
  我々は、利用可能な証拠から得られる評価的クレームのタイプを推論するための構造化されたアプローチを提供する。 私たちのフレームワークは、機械学習の現代的なパラダイムに適しています。
  論文  参考訳（メタデータ） (2025-05-13T20:36:22Z)
• STRICTA: Structured Reasoning in Critical Text Assessment for Peer Review and Beyond [68.47402386668846]
  本研究では,テキストアセスメントをステップワイド推論プロセスとしてモデル化するために,Structured Reasoning In Critical Text Assessment (STRICTA)を導入する。 STRICTAは、因果性理論に基づく相互接続推論ステップのグラフに評価を分解する。 約40人のバイオメディカル専門家が20以上の論文について4000以上の推論ステップのデータセットにSTRICTAを適用した。
  論文  参考訳（メタデータ） (2024-09-09T06:55:37Z)
• Provable Representation with Efficient Planning for Partial Observable Reinforcement Learning [74.67655210734338]
  ほとんどの実世界の強化学習アプリケーションでは、状態情報は部分的にしか観測できないため、マルコフ決定プロセスの仮定を破る。 我々は、部分的な観察から実践的な強化学習のためのコヒーレントな枠組みと抽出可能なアルゴリズムアプローチへと導く表現に基づく視点を開発する。 提案アルゴリズムは,様々なベンチマークで部分的な観察を行い,最先端の性能を超えることができることを実証的に実証した。
  論文  参考訳（メタデータ） (2023-11-20T23:56:58Z)
• Modelling Assessment Rubrics through Bayesian Networks: a Pragmatic Approach [40.06500618820166]
  本稿では,学習者モデルを直接評価ルーリックから導出する手法を提案する。 本稿では,コンピュータ思考のスキルをテストするために開発された活動の人的評価を自動化するために,この手法を適用する方法について述べる。
  論文  参考訳（メタデータ） (2022-09-07T10:09:12Z)
• Evaluations and Methods for Explanation through Robustness Analysis [117.7235152610957]
  分析による特徴に基づく説明の新たな評価基準を確立する。 我々は、緩やかに必要であり、予測に十分である新しい説明を得る。 我々は、現在の予測をターゲットクラスに移動させる一連の特徴を抽出するために、説明を拡張します。
  論文  参考訳（メタデータ） (2020-05-31T05:52:05Z)

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。