論文の概要: Longitudinal Learner Participation Profiling in Online Learning: Heterogeneous Consensus Clustering under Unequal Observation Windows
- arxiv url: http://arxiv.org/abs/2610.17494v1
- Date: Mon, 12 Oct 2026 23:33:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-17 18:42:13.793444
- Title: Longitudinal Learner Participation Profiling in Online Learning: Heterogeneous Consensus Clustering under Unequal Observation Windows
- Title（参考訳）: オンライン学習における縦断学習者の参加プロファイル:不等観測窓下での不均一な合意クラスタリング
- Abstract要約: 南アフリカの公立大学では,4,599人を対象に16,448人の学習者が参加する講座を修了した。
いずれも、レートやシェアとして表された場合でも、観測風の長さに関連していた。
プロファイルメンバーシップは一次コンセンサスにおける期間の2.87%を占めていたが、オリジナルの測定値では38.18%であった。
2週間毎のシーケンス分析は互いに強く一致したが、4つの顕著なコンセンサスにわずかに一致し、プロファイルは異なるシーケンスパターンではなく、複数の参加の側面を組み合わしたことを示している。
- 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: Learning management system traces are clustered to identify participation profiles, but unequal observation windows may cause profiles to reflect duration rather than participation alone. Using 16,448 complete learner--course sequences from 4,599 learners across 152 courses at a South African public university, we evaluated eight participation measures. All remained related to observation-window length even when expressed as rates or shares. Course-grouped adjustment reduced these relationships. Five retained measures were evaluated using K-means, Gaussian mixtures, Ward agglomerative clustering and K-medoids, with standardised measures and principal-component summaries. Evidence supported a broad two-profile grouping and a more detailed adjusted four-profile consensus: Gradually declining, Early-concentrated, Cyclical variable and Sustained active. Profile membership accounted for 2.87% of the variation in duration in the primary consensus, versus 38.18% using original measures. Mean assignment support was 0.739; 8.35% of assignments fell below 0.50, with greatest uncertainty in Sustained active. Two week-by-week sequence analyses agreed strongly with each other but only modestly with the four-profile consensus, indicating that the profiles combined multiple aspects of participation rather than distinct sequence patterns. Profiling should therefore assess duration effects, compare clustering methods and participation summaries, and report assignment consistency.
- Abstract（参考訳）: 学習管理システムトレースは、参加プロファイルを特定するためにクラスタ化されているが、不平等な観察ウィンドウは、参加のみではなく、プロファイルが期間を反映する可能性がある。
南アフリカの公立大学では,4,599人を対象に16,448人の学習者が参加する講座を修了した。
いずれも、レートやシェアとして表された場合でも、観測風の長さに関連していた。
コース群調整はこれらの関係を減らした。
K-means, Gaussian mixs, Ward agglomerative clustering and K-medoids, with standardized measures and principal-component summaries。
エビデンスは、より広範囲な2つのグループ化とより詳細な4つの重要なコンセンサスを支持した: 段階的に減少し、早期に集中し、周期変数と持続的活動である。
プロファイルメンバーシップは一次コンセンサスにおける期間の2.87%を占めていたが、オリジナルの測定値では38.18%であった。
平均的な割り当て支援は0.739であり、割り当ての8.35%は0.50を下回った。
2週間毎のシーケンス分析は互いに強く一致したが、4つの顕著なコンセンサスにわずかに一致し、プロファイルは異なるシーケンスパターンではなく、複数の参加の側面を組み合わしたことを示している。
したがって、プロファイリングは、時間効果を評価し、クラスタリング方法と参加サマリーを比較し、割り当ての一貫性を報告すべきである。
関連論文リスト
- Understanding Trajectory Heterogeneity in Federated World Model Learning [16.850477773044773]
フェデレーション学習は分散レコードを使用することができ、トラジェクトリ内のオーナシップ境界は、各クライアントが構築できる例を制限する。
本研究は,8つのMIMIC-IV病コホートに対する時間的行動条件による臨床予測を通じて,このクロスタイム設定をベンチマークした。
論文 参考訳（メタデータ） (2026-10-02T07:55:25Z) - Engagement-Led Segmentation of Gamified Participation Data in a Large-Scale Remote Internship: A Mixed-Methods Study [2.1494596588623134]
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。
論文 参考訳（メタデータ） (2026-09-30T13:49:48Z) - Towards Robust Time Series Learning via Capacity-Centric Modulation [76.23489485385964]
本稿では,CCM(Capacity-Centric Modulation)を相補的,サンプル適応正規化原理として提案する。
SACM(Sample-Adaptive Capacity Modulation)は,スペクトル空間の分散を利用して,サンプルワイドドロップアウト確率を割り当てるタスク非依存のフレームワークである。
301個の実世界のデータセット-バックボーンペアのうち、SACMは平均でMSEの予測を6.7%削減し、分類精度を3.04%改善し、ポイント調整されたF1を17.05%改善した。
論文 参考訳（メタデータ） (2026-09-30T10:51:23Z) - Interaction valence reveals contrasting social networks in dairy cattle [0.0]
社会関係は資源へのアクセス、紛争への曝露、グループの安定を形作る。
本稿では,ビデオからのインタラクションを群レベルでの表現に変換する,有能なソーシャル・ネットワーク・フレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-26T10:22:49Z) - The "Astonishing Regularity'' Revisited: Sensitivity of Learning-Rate Estimates to Practice-Sequence Length [0.7966335996690441]
学生ログデータの観察長は混合効果推定では無視できないという不測の仮定を探索する。
学生スキルペアあたりの最初の10回の捕獲は、学生の学習率の平均的なICCを75%に膨らませることを示した。
実例列長分布は,観測学習データに対する混合効果推定の未検討特性である,と我々は主張する。
論文 参考訳（メタデータ） (2026-05-03T03:07:36Z) - Elastic Weight Consolidation for Knowledge Graph Continual Learning: An Empirical Evaluation [0.0]
EWC(Elastic Weight Consolidation)は、正規化に基づく連続学習手法である。
EWCは破滅的な忘れ物を12.62%から6.85%に減らし、45.7%減らした。
論文 参考訳（メタデータ） (2025-12-01T17:11:39Z) - Unifying Information-Theoretic and Pair-Counting Clustering Similarity [51.660331450043806]
クラスタリング類似度尺度は通常、ペアカウントと情報理論の2つの主要なファミリーに分けられる。
本稿では,2つの相補的な観点から,これらの家族を統一する分析枠組みを開発する。
論文 参考訳（メタデータ） (2025-11-04T21:13:32Z) - Learning by Sorting: Self-supervised Learning with Group Ordering
Constraints [75.89238437237445]
本稿では,対照学習目標である群順序制約(GroCo)の新たなバリエーションを提案する。
正の対と負の対の距離をソートし、正の対が負の対よりも多くの距離を持つかに基づいてそれぞれの損失を計算するという考え方を利用しており、したがって正しく順序付けされていない。
各種自己教師付き学習ベンチマークの定式化について検討し、バニラのコントラスト学習と比較して結果が向上するだけでなく、k-NNの性能において、線形探索や性能向上において同等の手法と競合する性能を示すことを示す。
論文 参考訳（メタデータ） (2023-01-05T11:17:55Z) - COLO: A Contrastive Learning based Re-ranking Framework for One-Stage
Summarization [84.70895015194188]
コントラスト学習に基づく一段階要約フレームワークであるCOLOを提案する。
COLOはCNN/DailyMailベンチマークの1段階システムの抽出と抽象化結果を44.58と46.33ROUGE-1スコアに引き上げた。
論文 参考訳（メタデータ） (2022-09-29T06:11:21Z) - Semi-supervised Contrastive Learning with Similarity Co-calibration [72.38187308270135]
SsCL(Semi-supervised Contrastive Learning)と呼ばれる新しいトレーニング戦略を提案する。
ssclは、自己教師付き学習におけるよく知られたコントラスト損失と、半教師付き学習におけるクロスエントロピー損失を組み合わせる。
SsCLはより差別的な表現を生じさせ,ショット学習に有益であることを示す。
論文 参考訳（メタデータ） (2021-05-16T09:13:56Z) - Contrastive Clustering [57.71729650297379]
本稿では,インスタンスレベルのコントラスト学習を明示的に行うContrastive Clustering (CC)を提案する。
特にCCは、CIFAR-10(CIFAR-100)データセット上で0.705(0.431)のNMIを達成しており、最高のベースラインと比較して最大19%(39%)のパフォーマンス向上を実現している。
論文 参考訳（メタデータ） (2020-09-21T08:54:40Z)
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。