論文の概要: Engagement-Led Segmentation of Gamified Participation Data in a Large-Scale Remote Internship: A Mixed-Methods Study

• arxiv url: http://arxiv.org/abs/2609.39750v1
• Date: Wed, 30 Sep 2026 13:49:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.856278
• Title: Engagement-Led Segmentation of Gamified Participation Data in a Large-Scale Remote Internship: A Mixed-Methods Study
• Title（参考訳）: 大規模リモートインターンシップにおけるゲーム化参加データのエンゲージメント-リードセグメンテーション:混合手法による研究
• Abstract要約: 本研究では,大規模かつ継続的なリモートインターンシップにおける行動関与の指標として,ゲーミフィケーションされた参加者データを解釈する方法を検討する。 1,871人の能動学習者が,正規化された長手および機会対応の参加機能に基づいて,K平均クラスタリングを用いてグループ化された。 知覚はセグメントによって異なるが、知覚と行動の個人レベルの相関は小さかった。 成績の低い学習者は、外部障壁とともにポイントシステムの肯定的な認識を報告できる。
• 参考スコア（独自算出の注目度）: 2.1494596588623134
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Gamified points are widely used to represent learner participation, but cumulative point totals provide limited information about how participation changes over time. This limitation matters in continuously enrolling programmes, where learners have different opportunities to accumulate points. This study examines how gamified participation data can be interpreted as indicators of behavioural engagement in a large-scale, continuously enrolling remote internship. Using an anonymised operational dataset, 3,607 distinct started learners were first classified by participation status, separating dormant learners from those with observable participation. The 1,871 active learners were then grouped using K-means clustering on normalised longitudinal and opportunity-aware participation features. Four participation patterns emerged: Thriving Core, Tapering, Fast Starters, and Occasional Participants. Their trajectories differed in both level and direction. A perception survey of 597 respondents provided complementary learner-reported evidence, integrated with the behavioural strand through a joint display by segment. Perceptions differed across segments, while individual-level correlations between perceptions and behaviour were small, and learners with low recorded participation could report positive perceptions of the points system alongside external barriers. Segments assigned from the first four weeks were then checked against eleven weeks of later platform records: 94% of the Thriving Core attended at least ten further sessions and 22% completed the internship, against under 7% and under 1% in the low-engagement segments. The findings suggest that gamified participation data are more informative when interpreted as longitudinal, opportunity-aware behavioural indicators rather than cumulative scores alone.
• Abstract（参考訳）: ゲーミフィケーションポイントは学習者の参加を表すために広く使われているが、累積ポイントの合計は、時間とともに参加者がどう変化するかについての限られた情報を提供する。 この制限は、学習者がポイントを蓄積する機会が異なるプログラムを継続的に登録することにおいて重要である。 本研究では,大規模かつ継続的なリモートインターンシップにおける行動関与の指標として,ゲーミフィケーションされた参加者データを解釈する方法を検討する。 匿名化されたオペレーショナルデータセットを用いて3,607名の初学者を参加状況によって分類し,観察可能な参加者から休息学習者を分離した。 1,871人の能動学習者は、正規化された長手および機会対応の参加機能に基づいて、K平均クラスタリングを用いてグループ化された。 Thriving Core、Tapering、Fast Starters、Occasional Participantsの4つの参加パターンが登場した。 彼らの軌道は、レベルと方向の両方で異なっていた。 597人を対象にした認知調査では, 相補的な学習者による証拠が得られた。 知覚はセグメントによって異なるが、知覚と行動の個人レベルの相関は小さく、低参加率の学習者は外部障壁とともにポイントシステムの肯定的な認識を報告できる。 最初の4週間から割り当てられたセグメンテーションは、その後のプラットフォーム記録の11週間に対してチェックされ、Thriving Coreの94%が少なくとも10回のセッションに参加し、22%がインターンシップを完了し、7%以下、1%以下がローエンゲージメントセグメントであった。 その結果,ゲーミフィケーションされた参加データは,累積スコアのみではなく,経時的,機会対応の行動指標として解釈される場合の方が有益であることが示唆された。

関連論文リスト

• Toward Scalable Co-located Practical Learning: Assisting with Computer Vision and Multimodal Analytics [13.632792983535822]
  本研究では,天井に装着した1台のカメラを用いて,協調学習における微粒な学習行動を捉えることができるかを検討した。 大学生の看護シミュレーションでは、教師はまず7つの観察可能な行動カテゴリーを特定し、その後、YOLOベースの検出器のトレーニングに使用された。 ビデオデータは52セッションから収集され、Scenario Bよりも行動の変化が大きいため、Scenario Aを中心に分析された。 この研究は、単一カメラのコンピュータビジョンアプローチが、ウェアラブルセンサーに頼ることなく、対面の実践的学習におけるチームワークとタスクエンゲージメントの分析を支援することを示している。
  論文  参考訳（メタデータ） (2026-03-14T01:04:58Z)
• The Crowd in MOOCs: A Study of Learning Patterns at Scale [38.0172611348248]
  2年以内に1.6万以上のコースに登録された0.8万のユニークな学習者の3100万の学習活動のデータセットを分析した。 その結果,学習者の連続学習活動の時間間隔は,パワー・ローと周期的コサイン関数の分布の混合を呈することがわかった。 これらの発見は、コース上の推薦タスクを含む多様体の応用を促進することを実証する。
  論文  参考訳（メタデータ） (2024-08-06T08:16:26Z)
• Machine-arranged Interactions Improve Institutional Belonging and Cohesion [2.81765024056154]
  本研究は,機械配置会議への参加が,制度的帰属感や人口集団の認識とどのように関連しているかを考察した。 参加者は4.5%高く,他者に対する肯定的な認識が3.9%高かった。
  論文  参考訳（メタデータ） (2024-07-28T19:20:14Z)
• 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)
• Responsible Active Learning via Human-in-the-loop Peer Study [88.01358655203441]
  我々は,データプライバシを同時に保持し,モデルの安定性を向上させるために,Pear Study Learning (PSL) と呼ばれる責任あるアクティブラーニング手法を提案する。 まず,クラウドサイドのタスク学習者(教師)から未学習データを分離する。 トレーニング中、タスク学習者は軽量なアクティブ学習者に指示し、アクティブサンプリング基準に対するフィードバックを提供する。
  論文  参考訳（メタデータ） (2022-11-24T13:18:27Z)
• Similarity-based Label Inference Attack against Training and Inference of Split Learning [13.104547182351332]
  分割学習は、プライバシを保存する分散学習のための有望なパラダイムである。 本稿では、スマッシュデータを含む交換された中間結果が、既にプライベートラベルを明らかにすることができることを示す。 トレーニングと推論の両段階において,プライベートラベルを効率よく回収する3つのラベル推論攻撃を提案する。
  論文  参考訳（メタデータ） (2022-03-10T08:02:03Z)
• Towards Group Robustness in the presence of Partial Group Labels [61.33713547766866]
  入力サンプルとターゲットラベルの間に 急激な相関関係がある ニューラルネットワークの予測を誤った方向に導く 本稿では,制約セットから最悪のグループ割り当てを最適化するアルゴリズムを提案する。 グループ間で総合的な集計精度を維持しつつ,少数集団のパフォーマンス向上を示す。
  論文  参考訳（メタデータ） (2022-01-10T22:04:48Z)
• Social Engagement versus Learning Engagement -- An Exploratory Study of FutureLearn Learners [61.58283466715385]
  大規模なオープンオンラインコース (MOOCs) は増加傾向にあるが、エンロリーのごく一部しかMOOCsを完了していない。 この研究は、MOOCにおける研究の進展とともに、学習者がピアとどのように相互作用するかに特に関係している。 この研究は、社会的構成主義的アプローチを採用し、協調学習を促進するFutureLearnプラットフォーム上で行われた。
  論文  参考訳（メタデータ） (2020-08-11T16:09:10Z)

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。