Applicability of Educational Data Mining in Afghanistan: Opportunities and Challenges
提交人本人在阿富汗求学和后来担任讲师的经历表明,教育制度所采用的方法不仅有缺陷,而且没有为学生在参加全国大学入学考试(Kankor)之前选择适当的学习课程提供最起码的指导,因此,往往导致高辍学率和高等教育成绩差。根据在其他国家所做的研究,以及本文作者通过向阿富汗大学生分发的在线问卷调查发现,高中的适当程序和专业学习可以帮助学生更系统地选择专业学习领域。此外,众所周知,有大量数据可用于挖掘目的,但教育部和高等教育部用于存储和生成数据的方法只能使他们获得简单的事实和数字。此外,从结果可以得出结论,有潜在的机会,教育数据采掘应用领域的阿富汗的教育系统。最后,本研究将提供使用教育数据采掘来改善教育业务流程的方法。例如,为高中毕业生预测合适的学习领域,或者确定大学一年级的学生谁是高风险的自然减员。
2017-03-02 cs.CY
Counterfactual Fairness Evaluation of Machine Learning Models on Educational Datasets
Department of Computer Science and Engineering, Korea University, South Korea(计算机科学与工程系,韩国大学,韩国)
本文针对教育数据,通过基准数据集上的反事实公平性分析,揭示敏感属性的因果影响,为教育场景中的个体公平性评估提供新视角。
2025-04-20 cs.CY cs.LG
Metadata Analysis of Open Educational Resources
开放教育资源(OER)是被广泛用于学习的公开许可的教育材料。如今,许多在线学习知识库提供了数百万的OER。因此,学习者很难在这些资源中找到最合适的OER。因此,精确的OER元数据对于提供高质量的服务(如搜索和推荐)至关重要。此外,元数据有助于自动OER质量控制的过程,因为不断增加的OER数量使得手动质量控制变得非常困难。这项工作使用8,887个OER的元数据对OER元数据进行探索性数据分析。因此,这项工作提出了基于元数据的评分和预测模型来预测OER的质量。基于结果,我们的分析表明,OER元数据和OER内容质量密切相关,因为我们可以检测到高质量的OER,准确率为94.6%。我们的模型也进行了评估884教育视频从Youtube上显示其适用于其他教育资源库。
2021-01-19 cs.CY
Evaluation of educational activities ungraded school teachers: development resources to improve the quality of teaching in a rural school
本文的重点是小学校教师评价的相关问题。作者分析了农村中小学教师的教育活动,认为这是提高农村中小学教学质量的因素之一。我们已尝试考虑其他资源,以成功解决提高农村学校教育质量的问题。农村学校教师是农村儿童培养、发展和教育的关键人物。从他的专业、资历、工作能力来看,与一个小而不同年龄的学生群体完全是依赖于学生的学习成果。因此,应分析和监测小型学校教师的教育活动,不仅是为了评估其工作,而且是为了在不分级学校的具体条件下提供一切可能的援助。
2016-11-30 cs.CY
Artificial Intelligence in Secondary Education: Educational Affordances and Constraints of ChatGPT-4o Use
National and Kapodistrian University of Athens(雅典国立卡波季斯特里大学);University of Nicosia(尼科西亚大学)
本研究探讨了中学学生使用AI进行教学与学习的教育可能性与限制,发现学生认可五个教育价值,同时识别出三个主要限制,结论是学生对AI在教育中的使用持积极态度。
2026-03-27 cs.CY
Performance Analysis and Prediction in Educational Data Mining: A Research Travelogue
在这个计算机化的时代,教育也改变了自己,并不局限于旧的讲座方法。定期探索是为了找到新的方法,使它更有效和高效的学生。目前,教育数据库中收集了大量的数据,但这些数据并没有得到充分的利用。为了从这样的大数据中获得所需的好处,需要强大的工具。数据采掘是一种新兴的分析和预测的有力工具。它已成功应用于欺诈检测、广告、营销、贷款评估和预测等领域。但是,在教育领域,它还处于萌芽阶段。在这方面已经做了大量的工作,但仍有许多未触及的领域。此外,这些研究之间没有统一的方法。本文对教育数据采掘及其未来的范围进行了全面的调查,旅行见闻(2002-2014)。
2021-07-22 cs.CY
Outcome-Based Quality Assessment Framework for Higher Education
本研究论文提出了一个高等教育质量框架,根据即将离任的学生的表现来评估机构的表现。文献进行了调查,以评估现有的质量框架,并制定一个框架,提供了一个未探索的质量方面的见解。为了实现和测试框架,基于云的大数据技术BigQuery与R一起使用来执行分析。研究发现,学生在通过一门课程后的公平程度是教育过程的结果。这方面也可以作为一个质量度量的性能评估和管理的教育组织。然而,在现有的研究中没有考虑到这一点。缺乏一个集成的数据汇集系统和丰富的数据集的教育智能应用程序,是困扰这一领域的研究的一些限制。教育机构对学生的表现负责,即使他们完成了课程。将这一层面纳入质量评估,将有助于根据这些理由对教育机构进行评估。这一质量方面的保证将提高研究生和研究学位的入学率。此外,教育机构将积极培养学生进行实习或高等教育。
2017-03-15 cs.CY
Evaluation of Large Language Models' educational feedback in Higher Education: potential, limitations and implications for educational practice
本研究评估了大语言模型在高等教育中的教育反馈潜力,发现其能生成结构良好的反馈,但需明确指导以提升教育实践效果。
2026-01-24 cs.AI cs.CY
Leveraging Mobile Learning Platforms for Flexible Education Delivery: Bridging Educational Gaps in Afghanistan
本文探讨阿富汗在基础设施与社会政治制约下利用移动学习平台弥合教育差距的路径,结合案例提出多方协作及政策、基建与能力建设建议。
2023-11-03 cs.CY cs.HC
Time Series Analysis for Education: Methods, Applications, and Future Directions
University of Manchester(曼彻斯特大学);Zhejiang Normal University(浙江师范大学);Carleton College(卡尔顿学院);William & Mary(威廉玛丽学院);Fudan University(复旦大学);Squirrel Ai Learning(松鼠AI智适应教育)
本文首次全面综述教育领域的时间序列分析技术,系统梳理教育数据分类,详细阐述预测、分类、聚类和异常检测四种方法在解决复杂教育任务中的应用,并探讨个性化学习、多模态融合及大语言模型等未来研究方向。
2024-08-27 cs.AI cs.CY cs.LG
LearnWeb-OER: Improving Accessibility of Open Educational Resources
除了用户生成的内容外,一些机构和组织还越来越多地在网上提供开放式教育资源,以便重新使用。尽管如此,它仍然是很难为用户找到合适的资源中提供了大量的网络上的具体学习场景。我们的目标是让用户有机会从Web上搜索真实的资源,并在学习环境中重用它们。LearnWeb-OER平台增强了教育资源的协作搜索和共享,为教育提供了特定的手段和设施。在下文中,我们描述了支持用户协作收集、选择、注释和讨论搜索结果和学习资源的功能。
2015-09-09 cs.CY cs.HC
Developing Open Source Educational Resources for Machine Learning and Data Science
Ludwig-Maximilians-Universität München(慕尼黑大学);Leibniz University Hannover(汉诺威莱布尼茨大学)
本文提出面向机器学习与数据科学的开源教育资源(OSER)理念,分析其协作开发挑战与解决方案,并探讨其在混合式教学及学分认证中的应用。
2021-08-10 cs.CY cs.LG
Text mining in education
Federal Rural University of Pernambuco(伯南布哥联邦农村大学);Federal University of Alagoas(阿拉戈斯联邦大学);University of Cordoba(科尔多瓦大学)
本文系统综述教育文本挖掘领域现状,梳理常用技术、教育资源及应用目标,并总结结论与未来趋势。
2024-02-11 cs.CY cs.IR cs.LG
Teaching Hardware Reverse Engineering: Educational Guidelines and Practical Insights
由于底层硬件组件构成了几乎任何计算系统的信任基础,因此硬件中的安全故障对我们的日常生活构成了毁灭性的威胁。安全工程师通常采用硬件逆向工程来识别安全漏洞、检测IP违规或进行超大规模集成(VLSI)故障分析。尽管工业界和科学界需要具备硬件逆向工程专业知识的专家,但缺乏教育产品,现有的培训几乎完全是非结构化的和在职的。据我们所知,我们已经开发了第一个课程,系统地教授学生硬件逆向工程的基础上,从教育研究,认知科学和硬件安全领域的见解。我们的工作的贡献是三方面的:(1)我们提出了基本的教育方针,以实践为导向的课程,教硬件逆向工程;(2)我们开发了这样一个实验室课程,特别注重门级网表逆向工程,并提供所需的工具来支持它;(3)我们进行的试点课程的教育评估。根据我们的研究结果,我们提供了宝贵的见解的结构和内容,必要的设计和教学硬件逆向工程未来的课程。
2019-10-01 cs.CR cs.CY
Semantic Annotation and Search for Educational Resources Supporting Distance Learning
多媒体教育资源在教育中发挥着重要作用,特别是在远程学习环境中。随着多媒体网络的快速发展,大量的教育文章视频资源越来越多地由几个不同的组织创建。探索、共享、重用和链接这些教育资源以获得更好的电子学习体验至关重要。目前,大多数视频资源都是以孤立的方式进行注释的,这意味着它们缺乏语义连接。因此,高度要求提供用于注释这些视频资源的设施。这些设施创建视频资源之间的语义连接,并允许他们的元数据被全球理解。本文采用关联数据技术,介绍了一个视频注释和浏览平台,该平台包括两个在线工具:Notitia和Sansu-Wolke。Notitia使用户能够使用Linked Data云中定义的词汇表对视频资源进行语义注释。Sansu-Wolke允许用户浏览语义链接的教育视频资源,增强了来自不同在线资源的Web信息。在原型开发中,平台利用现有的视频资源进行教育文章的制作。初步的开发结果表明了应用关联数据技术在可重用性、可伸缩性和可扩展性方面的优势
2014-03-01 cs.CY cs.DL cs.IR
Deep Learning for Educational Data Science
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本章介绍深度学习及其优缺点,综述其在知识追踪、情感与行为检测等教育场景中的多种应用,并展望其对教育数据科学未来发展的影响。
2024-04-12 cs.AI cs.CY cs.LG
Exploring a Handwriting Programming Language for Educational Robots
Ecole Polytechnique Fédérale de Lausanne (EPFL)(洛桑联邦理工学院);SUPSI-DFA(瑞士南部应用科学与艺术大学-师范系)
最近,在义务教育中引入计算机科学和教育机器人越来越受到关注。然而,在教室里使用屏幕往往会遇到阻力,特别是在小学。为了解决这个问题,本研究提出了一个基于手写的程序设计语言的教育机器人的发展。为了更好地与现有的课堂实践保持一致,它允许学生通过用普通的笔和纸绘制符号来编程机器人。普通智能手机利用计算机视觉和机器学习算法处理手绘指令,并将命令发送给机器人执行。为了配合当地的计算机科学课程,设计了一个适当的操场和脚手架学习任务。该系统进行了评估,在一个初步的测试与八名教师,开发人员和教育研究人员。与会者指出,有些技术方面还可以改进,但他们也承认,这种方法有可能使小学的计算机科学教育更容易获得。
2021-07-03 cs.CY cs.LG cs.PL
Can Small Museums Develop Compelling, Educational and Accessible Web Resources? The Case of Accademia Carrara
由于缺乏预算、能力、人员和时间,小型博物馆往往无法为其永久收藏或临时展览开发引人注目、教育性和可访问的网络资源。为了证明投资于这些类型的资源即使对小型机构也可以非常富有成效,我们将以意大利北部贝加莫的Accademia Carrara博物馆为例,该博物馆目前正在举办保罗·纪尧姆收藏的塞尚和雷诺阿杰作的临时展览,开发了一系列多媒体应用程序,包括一个内容丰富的网站和教育材料[www.cezannerenoir.it]。
2005-08-13 cs.CY cs.DL cs.IR