Mind the Gap: Reimagining an Interactive Programming Course for the Synchronous Hybrid Classroom
COVID-19严重影响了大学,迫使许多课程完全在线提供。随着各国控制住疫情,安全恢复部分面对面教学的一种潜在方式是同步混合课堂,在这种课堂上,亲自上课和远程上课的学生同时上课。然而,这带来了挑战,包括远程参与的学生认为他们的参与与他们的物理同龄人之间存在“差距”的风险。在这份经验报告中,我们描述了一个交互式编程课程是如何适应混合交付的方式,减轻了这种风险。我们的解决方案集中于使用专业的沟通平台- Slack -以平衡参与机会并促进同侪学习。此外,为了缓解“缩放疲劳”,我们实施了半翻转课堂,涵盖视频中的概念,并使用较短的课程来巩固它们。最后,我们批判性地反思学生调查的结果和我们自己的实施解决方案的经验。
2021-09-19 cs.CY cs.SE
Active-Learning in the Online Environment
在线学习对许多学习者来说很方便;它给了他们学习的可能性,而不受在特定时间参加特定教室的限制。虽然这个令人兴奋的机会可以让它的用户以更好的方式管理他们的生活,但许多学生可能会感到孤立或与由教师和学习者组成的社区脱节。学生和教师之间缺乏互动可能会对他们的学习产生负面影响,并导致焦虑,悲伤和抑郁等不良情绪。除了孤独的感觉,有时学生可能会在学习课程时提出不同的问题或问题,这可能会阻止他们自信地进步,或者如果我们让他们独自一人,他们会感到沮丧。为了促进互动和克服在网上教育的地理距离的限制,我们提出了一个定制的设计,远程教学,有用的功能补充到传统的在线学习系统,使同行和教师的课程,在他们方便的互动一旦需要。设计的系统可以帮助学生通过已经提供给其他学生的答案来解决他们的问题,或者通过双向交流来询问教师的观点,类似于面对面的教育体验形式。我们相信,我们的方法可以帮助填补空白时,在线学习落后于传统的基于课堂的学习系统。
2020-04-02 cs.CY physics.ed-ph
A Case-Study on Teaching Undergraduate-Level Software Engineering Course Using Inverted-Classroom, Large-Group, Real-Client and Studio-Based Instruction Model
我们提出了一个案例研究教学本科课程的软件工程(第二年和第五学期的学士学位课程在计算机科学)在一所州立大学(印度新德里)使用一种新的教学模式。我们的方法有四个主要元素:倒置或翻转课堂,基于工作室的学习,真实的客户端项目和部署,大型团队和同行评价。我们提出我们的动机和方法,遇到的挑战,教学效益,调查结果(积极和消极的)和建议。我们的动机是教软件工程使用主动学习(显着增加与教师和其他学生在课堂上的参与和协作),团队合作,理论与实践之间的平衡,传授在现实世界中遇到的技术和管理技能和基于问题的学习(通过一个密集的学期的项目)。我们进行详细的调查(匿名,可选和在线),并提出学生的反应结果。调查结果显示,几乎每一个学生(班级规模:89)的教学模式是新的,有趣的,并有积极的影响,除了满足课程的学习成果的动机。
2013-09-02 cs.CY cs.SE
Automatic Assessment of Students' Classroom Engagement with Bias Mitigated Multi-task Model
Computer Science & Engineering, University of Colorado Denver(计算机科学与工程,科罗拉多大学丹佛分校)
针对在线学习中学生参与度评估问题,提出一种基于属性正交正则化与多任务迁移学习的偏差缓解模型,有效提升预测公平性与可解释性。
2025-10-24 cs.AI cs.CY cs.LG
ClassVision: AI-Powered Classroom Attendance System
Yeshiva University(叶史瓦大学)
本研究针对传统考勤耗时耗力的问题,提出ClassVision系统,采用RetinaFace结合人脸识别,通过实时图像处理实现教室考勤自动化,取得良好效果。
2026-08-28 cs.AI cs.CV cs.CY
Emotional Reactions and the Pulse of Public Opinion: Measuring the Impact of Political Events on the Sentiment of Online Discussions
本文通过跟踪人们自愿在网上参与的政治讨论来分析公众舆论的变化。与民意调查或调查不同,我们的方法不是收集意见,而是通过分析他们决定参与的讨论来近似公众的想法。我们从三个维度(效价、唤醒和主导)测量在线讨论的情感内容,特别注意平均值的偏差,我们将其用作分歧和两极分化的代表。我们发现,这种民意测量有助于预测总统支持率,这表明在线讨论(通常被认为不代表整体人口)和离线民意调查之间存在联系。我们还表明,这种测量提供了一个更深入的了解,推动公众舆论的总体变化的个别机制。我们的数据涵盖了两次美国总统选举、9月11日袭击以及阿富汗和伊拉克军事行动开始的时期。
2010-09-21 cs.CY
Improving Teacher-Student Interactions in Online Educational Forums using a Markov Chain based Stackelberg Game Model
随着互联网的迅速普及,教育领域在学生和教师如何在课堂上互动方面发生了巨大的变化。在线学习现在有不止一种形式,包括利用技术来加强面对面的课堂,结合面对面会议和在线工作的混合课堂,以及完全在线的课程。此外,在线课堂通常由在线教育论坛(OEF)组成,学生和教师在论坛上讨论开放式问题,以更好地了解主题。然而,经验研究一再表明,这些在线课程的辍学率非常高,部分原因是注册学生缺乏动力。我们在两个学期的研究生水平的课程与OEFs的学生行为进行实证比较。我们确定的关键参数,如有效的激励设计,学生的异质性,和超级海报现象的动态OEF。出于实证观察,我们提出了一个分析模型的基础上连续时间马尔可夫链(CTMCs)捕捉教师-学生的互动OEF。使用CTMC的集总性的概念,我们计算稳态和瞬态概率以及教师和学生的预期净回报。我们制定了一个混合整数线性规划,认为OEF作为一个单一的领导者,多个追随者Stackelberg游戏。通过模拟,我们观察到学生在参与中表现出不同程度的非单调性(随着教师参与度的增加)。我们还研究了教师偏见和预算对学生参与水平的影响。我们的模型展示了经验观察到的超级海报现象在某些参数配置下,并建议教师最大限度地提高学生参与开放式教学的最佳计划。
2021-11-25 cs.CY cs.GT
Educators' Perspectives of Using (or Not Using) Online Exam Proctoring
COVID-19疫情的爆发改变了教育的格局,并导致远程监考工具的使用增加,这些工具旨在监控学生在课堂外进行评估。虽然以前的工作已经探讨了学生的隐私和安全问题,在线监考工具,教育工作者的角度正在探索。值得注意的是,教育工作者是教室的决策者,并选择他们认为合适的远程监考服务和观察水平。为了探索教育工作者如何平衡学生的安全和隐私与远程考试的要求,我们向一所大型私立大学的3,400多名教师发送了调查请求,该大学在2020/21学年教授在线课程。我们收到了n=125个回复:21%的受访教育工作者在远程学习期间使用了在线考试监考服务,其中35%的人计划即使在完全恢复面对面学习时也继续使用这些工具。使用考试监考服务的教育工作者通常对他们的监控能力感到满意。然而,教育工作者担心学生与考试监考公司共享某些类型的信息,特别是当监考服务收集可识别信息以验证学生身份时。我们的研究结果表明,许多教育工作者开发的替代评估,并不需要在线监考和那些谁使用在线监考服务往往考虑学生隐私的潜在风险和考试监考服务的实用性或必要性之间的权衡。
2023-02-24 cs.CR cs.CY cs.HC
Instant e-Teaching Framework Model for Live Online Teaching
即时网络教学是一种全新的网络教学模式,它是对网络教学环境的补充,是一种全面的现代教育模式。电子学习技术的概念是使学生能够利用网上参考资料和材料自学某一科目。而即时网路教学则要求教师与学生之间具有“面对面”的特性,能同时执行动作并获得即时的反应。“即时”一词的提出,使网络教学具有了实时的教学的概念.在线即时教学的挑战不仅仅是依赖于技术和系统效率,而是需要满足系统的可用性和友好性,以便在课堂交付过程中复制传统的课堂环境。为此,即时电子教学框架的开发,将模拟一个专用的虚拟教室,主要是设计用于同步和实时共享当前的教学笔记。该模型已被证明使用教学阿拉伯语背诵原型和专业用户的专业的角度进行评估。
2011-06-21 cs.CY
Virtual teaching assistant for undergraduate students using natural language processing & deep learning
针对在线教育系统效率低导致学生留存率差的问题,本文提供了数据集并初步实现了名为VTA-bot的虚拟教学助手,通过可查询基础Python课程内容的聊天机器人来提升大一学生的在线参与度。
2024-11-13 cs.CY
Teacher and Student Experiences in Online Classes During COVID-19 Pandemic in Serbia, Bosnia and Herzegovina and Croatia
于二零二零年三月,世界卫生组织宣布COVID大流行,导致许多活动中断及延迟,但最重要的是,它导致教育方面的一些巨大变化。在线教学将被证明是最常用的方法,可以弥补无法在课堂上工作的情况,并使教育过程得以继续。当然,这种教学方法不是2020年才创立的,而是在大流行开始时才在塞尔维亚、波黑和克罗地亚提出并实施的。在本文中,我们看到这些国家如何面临教学的突然变化,以及这种变化如何影响学生。在线教学不能仅仅是将模拟内容转换为数字内容;在实施数字媒体所要求和提供的教学时需要采取不同的方法,但同时必须保留讲师和课程的基本原则。这是对教师和学生的呼唤。由于这是一个普遍存在的问题,我们希望提出的结论是有用的。
2022-01-30 cs.CY
Unique Exams: Designing assessments for integrity and fairness
在COVID-19大流行期间,教育工作者在最近前所未有的远程在线学习转变中面临着有效课程评估的新挑战。代替典型的监考,定时考试,教师现在必须重新思考他们的方法来评估课程水平的学习目标。在这种新的在线、开放的互联网学习环境中,考试是否合适?在这篇经验论文中,我们讨论了独特的考试框架:我们维护考试完整性和学生隐私的框架。在R1大学的计算机科学家概率课程中,我们开发了自动生成的独特考试,每个学生都有相同的四个问题骨架,每个问题都有独特的数字变化。在不改变传统考试过程的情况下,独特的考试为学生和教师提供了一层安全保障,确保了任何课堂环境下的考试可靠性--无论是现场还是在线。除了分享我们设计独特考试的经验外,我们还为不同的CS科目提供了一个简单的端到端工具和示例问题模板,其他教师可以根据自己的课程进行调整。
2020-09-03 cs.CY
Virtual learning environment is pleasure or pressure
本研究的主要目的是了解学生在新冠肺炎疫情期间对在线学习的看法。疫情改变了教育系统的传统观念,打破了教育机构的职能。但是,他们给了它一个改变教学法的机会。本研究探讨学生对在线学习与虚拟教室学习的看法。本研究采用质性研究方法,并编制一份系统的问卷进行数据汇集。研究人员收集了来自印度不同地方的258名学生的数据,并采用不成比例的抽样方法进行数据汇集。研究主要集中在学生对网络学习的感知、网络学习的舒适度和不适度、使用电子设备进行交流、虚拟学习对学生是一种愉悦还是压力、学生的数字化技能以及他们的主动表现等方面。该研究显示,超过50%的学生拥有出色的数字技能知识。学生们通过个人电脑或笔记本电脑和手机参加在线课程。老师们允许学生们提问,为学生们解惑。研究发现,由于在线课程,学生们失去了与老师、朋友的社交互动,也无法进入图书馆。最后,学生们感到在线学习是一种压力而不是乐趣。
2022-10-19 cs.CY
OnlineMate: An LLM-Based Multi-Agent Companion System for Cognitive Support in Online Learning
Shanghai Jiao Tong University(上海交通大学)
OnlineMate通过基于LLM的多智能体系统,结合理论思维,为在线学习提供个性化认知支持,提升学习深度与情感参与。
2026-01-07 cs.AI cs.CY
Online Hackathons as an Engaging Tool to Promote Group Work in Emergency Remote Learning
于二零二零年,由于COVID-19疫情,教育活动必须远程进行,以避免疾病传播。所发生的并不完全是向在线学习模式的转变,而是向一种名为紧急远程教学的新方法的过渡。这是一项临时战略,目的是继续开展活动,直到安全返回大学的物质设施。这种新的环境对教师和学生都是一种挑战。缺乏互动和课堂社会化成为学生继续参与的障碍。在大流行之前,黑客松-参与者密集合作开发软件原型的短期活动(1至3天)-开始被探索作为一种替代场所,让学生学习和实践技术技能。在本文中,我们提出了一个经验报告的使用在线黑客作为一种资源,让学生在他们的学期项目的发展,在这个紧急远程教学期间的分布式应用程序课程。我们描述了干预的细节,并提出了一个分析学生的角度的方法。其中一个重要的发现是有效地使用了Discord沟通工具-所有学生在玩游戏时都使用了-这有助于他们进行社交,并使他们持续参与同步的小组工作,“虚拟搭配”。
2021-04-24 cs.CY
eTutor: Online Learning for Personalized Education
鉴于信息技术和人工智能的最新进展,基于网络的教育系统已成为传统课堂教学的补充,在某些情况下是可行的替代方案。这些系统的流行源于它们能够为大量人口提供教育(见MOOC)。然而,现有的系统并没有利用个性化,而个性化在提供基于网络的教育时成为可能:它们仍然是一刀切的。在本文中,我们的目的是提供一个系统的方法来设计一个个性化的基于Web的教育系统。个性化教育具有挑战性:(i)需要根据学生的具体情况(例如,已经参加的课程、首选的学习方法等)向他们提供个性化的教学和培训,(ii)对于每一具体情况,必须学习最佳的教学和培训方法(例如,要展示的教学材料的类型和顺序),(iii)教学和培训应根据分数/反馈(例如,测试、测验、期末考试、喜欢/不喜欢等)在线调整。学生们。我们的个性化在线系统e-Tutor能够通过学习如何调整教学方法来应对这些挑战(在这种情况下,向学生展示教材的顺序),以最大限度地提高她在期末考试中的表现,同时最大限度地减少学生学习课程所花费的时间(以及可能的辍学)。我们说明了所提出的方法在现实世界的eTutor平台上的效率,该平台用于补救培训的数字信号处理(DSP)课程。
2014-10-14 cs.CY
What is online citizen science anyway? An educational perspective
在本文中,我们试图通过促进众包和协作的在线工具,促进公民参与真正的科学项目的性质的辩论。我们专注于一个未充分研究的领域,在线公民科学参与对学龄儿童科学教育的影响。我们提出了一个二叉树的在线公民科学的过程流程和一个匿名的调查结果,在新西兰的小学教师,是已知的科学教育的倡导者。我们的研究结果揭示了为什么教师有兴趣在课堂活动中使用在线公民科学,以及他们在选择使用特定项目时正在寻找什么。从这些特征中,我们得出的建议,最佳嵌入在线公民科学的教育过程中,上下文和结果的传播。
2018-04-20 cs.CY cs.HC cs.SI
Developing and delivering a remote experiment based on the experiential learning framework during COVID-19 pandemic
工科学生不仅要掌握概念的概念性理解,还要掌握处理者和态度。学生可识别的学习环境有两种,即课堂环境和实验室环境。随着COVID-19大流行,这两种环境合并为在线环境,影响了学生的过程和特征态度的发展。本文介绍了一个理论框架的基础上,体验式学习计划和交付过程,通过在线环境。给出了基于功率因数校正实验的案例研究。传统的实验持续3个小时,被分解为更小的任务,如实验前活动,模拟练习,PowerPoint演示,远程实验室活动,以及基于体验式学习方法的最终报告。一份带有封闭式和开放式问题的调查问卷被管理,以获得学生对通过在线友好的体验式学习方法发展过程的思考。大多数学生都喜欢这种方法,并称赞在COVID-19疫情期间为他们提供了以新颖方式进行实验的机会。
2021-07-06 cs.CY
Characterizing the Life Cycle of Online News Stories Using Social Media Reactions
本文对网络新闻的生存周期进行了研究。我们描述了网站访问模式和社交媒体对新闻内容的反应之间的相互作用。我们表明,我们可以使用这种混合观察方法来表征不同类别的文章。我们还发现,社交媒体的反应可以帮助预测未来的访问模式早期和准确。我们使用定性分析和定量分析对来自大型国际新闻网络的数据进行了验证,这些数据来自一组产生超过3,000,000次访问和200,000次社交媒体反应的文章。我们发现,通过观察社交媒体反应的前10到20分钟,可以准确地对文章最终获得的整体流量进行建模。仅通过访问就能达到同样的预测精度,这需要等待三个小时的数据。我们还描述了重大改进的准确性的早期预测的保质期的新闻故事。
2013-10-13 cs.CY cs.SI physics.soc-ph
Experiences from Integrating Large Language Model Chatbots into the Classroom
本研究将基于 OpenAI GPT-4 的未过滤 LLM 聊天机器人融入三门课程,发现仅 LLM 相关课程中学生使用率高,多数课程中仅少数超级用户大量使用,未出现普遍过度依赖,提示需要更具针对性的 LLM 教学设计。
2024-06-07 cs.CY cs.HC
Brief but Impactful: How Human Tutoring Interactions Shape Engagement in Online Learning
Carnegie Mellon University(卡内基梅隆大学);University of Bergen(卑尔根大学)
本文研究了简短的人类辅导互动如何提升在线学习中的学生参与度,通过分析对话和系统日志发现,适时的互动能有效提高学习效果,尤其在早期接触和后期检查中效果更佳。
2026-01-15 cs.CY
Facebook Reaction-Based Emotion Classifier as Cue for Sarcasm Detection
National Tsing Hua University(国立清华大学);Academia Sinica(中央研究院)
在线社交媒体用户根据上下文对内容做出反应。情绪或情绪在这些反应中起着重要作用,这使得这些平台充斥着固执己见的内容。正在不断开发更好地利用这些数据的不同方法和应用程序。然而,由于数据的性质、平台的多样性以及动态的在线用户行为,仍有许多问题需要处理。在发布评论之前从用户适当地获得可靠的情绪状态仍然是一个挑战。这项工作介绍了一种方法,探索半监督的多语言情感检测的基础上重叠的Facebook的反应和文本数据。与由此产生的情感检测系统,我们评估的可能性,使用情感和用户行为特征的任务的讽刺检测。从超过62,000个公共Facebook页面帖子中收集和处理了超过100万条英文和中文评论,进行的实验显示了可接受的性能指标。
2018-05-04 cs.CL cs.CY
Deep Learning to Predict Student Outcomes
Udacity(优达学城)
在线课程内容的开发周期越来越快,以及每个在线课堂中不同的学生人口统计数据,使得实时学生成绩预测成为工业研究和实际需求的一个有趣话题。在本文中,我们解决的问题,实时学生的表现预测正在进行的课程使用领域自适应框架。这个框架是一个基于以前课程中标记的学生成果数据进行训练的系统,但它意味着要部署在另一门课程上。特别是,我们引入了一个GritNet架构,并开发了一个无监督的领域自适应方法转移GritNet培训过去的课程,以一个新的课程,没有任何学生的结果标签。我们对真实Udacity学生毕业预测的结果表明,GritNet不仅在不同的Nanodegree课程中从一门课程推广到另一门课程,而且还在准确预测最具挑战性的前几周明确增强了实时预测。
2019-04-27 cs.CY cs.LG stat.ML
Domain Adaptation for Real-Time Student Performance Prediction
Udacity(优达学城)
在线课程内容的日益快速的开发和更新周期,以及每个在线课堂中学生的不同人口统计数据,使得学生表现预测在实时的【形】(在课程结束之前)和/或课程上没有特定的历史表现数据,这对于工业研究和实际需求都是有趣的话题。在这项研究中,我们解决了实时的【形】的学生成绩预测与正在进行的课程在一个领域自适应框架,这是一个系统训练学生的标记结果从一组以前的课程,但要部署在另一个。特别是,我们首先介绍了最近开发的GritNet架构,这是目前最先进的学生成绩预测问题,并开发了一个新的\emph{unsupervised}领域自适应方法转移GritNet训练在过去的课程到一个新的课程没有任何(学生的结果)标签。我们对真正的Udacity学生的毕业预测结果表明,GritNet不仅\emph{generalizes}以及从一门课程到另一门课程在不同的纳米学位课程,但增强了实时的【形】预测明确在前几个星期时,准确的预测是最具挑战性的。
2019-03-17 cs.CY cs.LG stat.ML
Computers Can't Give Credit: How Automatic Attribution Falls Short in an Online Remixing Community
Massachusetts Institute of Technology(麻省理工学院);Microsoft Research(微软研究院)
本文研究了在线混剪社区中自动归因的局限性,发现由人类提供的归因比科技系统自动归因更有效。
2015-07-05 cs.CY cs.HC cs.SI