JP2024511216A - 学習者の成長の追跡及び査定のためのシステム及び方法 - Google Patents
学習者の成長の追跡及び査定のためのシステム及び方法 Download PDFInfo
- Publication number
- JP2024511216A JP2024511216A JP2023559742A JP2023559742A JP2024511216A JP 2024511216 A JP2024511216 A JP 2024511216A JP 2023559742 A JP2023559742 A JP 2023559742A JP 2023559742 A JP2023559742 A JP 2023559742A JP 2024511216 A JP2024511216 A JP 2024511216A
- Authority
- JP
- Japan
- Prior art keywords
- learning
- skill
- mastery
- assessment
- learner
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 81
- 230000003993 interaction Effects 0.000 claims abstract description 75
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 57
- 238000010801 machine learning Methods 0.000 claims abstract description 43
- 238000011156 evaluation Methods 0.000 claims abstract description 23
- 230000007423 decrease Effects 0.000 claims abstract description 10
- 238000007670 refining Methods 0.000 claims abstract 3
- 238000012549 training Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 19
- 230000004044 response Effects 0.000 claims description 8
- 238000012417 linear regression Methods 0.000 claims description 4
- 230000001755 vocal effect Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 abstract description 14
- 230000000875 corresponding effect Effects 0.000 description 14
- 230000008569 process Effects 0.000 description 12
- 230000002452 interceptive effect Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 230000000694 effects Effects 0.000 description 7
- 239000000463 material Substances 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000004513 sizing Methods 0.000 description 2
- 208000012902 Nervous system disease Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010923 batch production Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 201000003723 learning disability Diseases 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B5/00—Electrically-operated educational appliances
- G09B5/02—Electrically-operated educational appliances with visual presentation of the material to be studied, e.g. using film strip
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
- G09B7/02—Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student
- G09B7/04—Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student characterised by modifying the teaching programme in response to a wrong answer, e.g. repeating the question, supplying a further explanation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B5/00—Electrically-operated educational appliances
- G09B5/06—Electrically-operated educational appliances with both visual and audible presentation of the material to be studied
- G09B5/065—Combinations of audio and video presentations, e.g. videotapes, videodiscs, television systems
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
- G09B7/06—Electrically-operated teaching apparatus or devices working with questions and answers of the multiple-choice answer-type, i.e. where a given question is provided with a series of answers and a choice has to be made from the answers
- G09B7/08—Electrically-operated teaching apparatus or devices working with questions and answers of the multiple-choice answer-type, i.e. where a given question is provided with a series of answers and a choice has to be made from the answers characterised by modifying the teaching programme in response to a wrong answer, e.g. repeating the question, supplying further information
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Coloring Foods And Improving Nutritive Qualities (AREA)
Abstract
Description
この出願は、2021年4月8日に出願された米国仮特許出願第63/172,433号のPCT出願であって、その優先権を主張するものであり、それらの内容全体が参照により本明細書に組み込まれる。
LS1.B:生物の成長及び発達。
LS1.B.2:植物は様々な方法で繁殖し、時には動物の行動及び繁殖のための特殊化された機能に依存する。
Claims (40)
- 自動化されたスキル習得査定を実施するためのシステムであって、前記システムは、
少なくとも1つの不揮発性コンピュータ可読媒体に記憶されたデータアーキテクチャであって、前記データアーキテクチャは、
複数の電子学習リソースと、
複数のスキルファミリーを含むスキル階層に配置された複数のスキルであって、各スキルファミリーは、それぞれの前記ファミリーに属する前記複数のスキルのうちのスキルのセット間の子孫と祖先の関係を含む、複数のスキルと、
複数の関係の論理的指標であって、各関係の論理的指標は、前記複数の電子学習リソースのうちの所与のリソースと前記複数のスキルのうちの所与のスキルとの間の接続を定義する、複数の関係の論理的指標と、を含み、
前記複数の電子学習リソースのうちの各学習リソースは、前記関係の論理的指標を介して、少なくとも1つのスキルに接続され、
前記複数の電子学習リソースのうちの少なくとも一部は各々、前記関係の論理的指標を介して、2つ以上のスキルに接続される、データアーキテクチャと、
処理回路上で実行するためのソフトウェア論理及び/又は動作を実行するように構成されたハードウェア論理と、を含み、前記動作は、
複数の習得査定を生成するために、電子学習プラットフォームを介した、前記複数の電子学習リソースへの複数の学習者のエンゲージメントを査定することであって、
前記複数の習得査定のうちの各習得査定は、前記複数のスキルのうちの少なくとも1つのスキルに対応し、
各習得査定は、習得査定パラメータのセットを少なくとも1つの習得査定アルゴリズムに適用することによって部分的に算出され、
前記習得査定パラメータのうちの少なくとも一部は、前記関係の論理的指標に対応する、査定することと、
前記複数の電子学習リソースへの前記複数の学習者の前記エンゲージメントを通して導出される履歴的なインタラクションデータを使用して、学習リソースのエンゲージメントの評価結果を予想するように、少なくとも1つの機械学習アルゴリズムをトレーニングすることであって、
前記少なくとも1つの機械学習アルゴリズムのうちの第1の機械学習アルゴリズムは、回帰ベースのモデルであり、
前記第1の機械学習アルゴリズムは、スキルの衰え、学習の付与、習得の初期レベル、又は習得を獲得する困難度のうちの1つ以上を示すエンゲージメントパターンに少なくとも部分的に基づいて、評価結果を予想するようにトレーニングされる、トレーニングすることと、
前記少なくとも1つの機械学習アルゴリズムを、前記複数の電子学習リソースのうちの1つ以上の学習リソースとの履歴的なユーザインタラクションに適用して、学習者のインタラクションの予測された評価結果を生成することと、
前記予測された評価結果と、前記履歴的なユーザインタラクションに対応する実際の評価結果との間の1つ以上の相違に基づいて、前記習得査定パラメータのセットのうちの少なくとも1つのパラメータを精密化することと、を含む、システム。 - 前記関係の論理的指標のうちの少なくとも一部は、i)前記複数の電子学習リソースのうちの対応する電子学習リソースと、前記スキル階層のうちの対応するスキルとの間の関係の強度、及び/又はii)前記複数の電子学習リソースのうちの前記対応する電子学習リソースと、前記スキル階層のうちの前記対応するスキルとの間の関係の重み、を含み、
前記習得査定パラメータのセットは、前記関係の強度及び/又は前記関係の重みを適用するための少なくとも1つのパラメータを含む、請求項1に記載のシステム。 - 前記複数の電子学習リソースは、前記複数の電子学習リソースのうちの少なくとも一部の各学習リソースについて、2つ以上の対応する学習リソース要素を含み、
前記エンゲージメントを査定することは、所与の学習リソースのうちの各学習リソース要素に対応するエンゲージメントを個別に査定することを含む、請求項1又は2に記載のシステム。 - 前記習得パラメータのセットは、習得パラメータの複数のセットのうちの1つであり、前記複数のセットのうちの各セットは、複数の学習者グループのうちの異なる学習者グループに対応し、前記複数の学習者の前記エンゲージメントを査定することは、所与の学習者に適用可能な前記複数の学習者グループのうちのある学習者グループを決定することを含む、請求項1~3のいずれか一項に記載のシステム。
- 前記少なくとも1つの機械学習アルゴリズムをトレーニングすることは、前記複数の学習者グループのうちの選択された学習者グループの学習者のセットに対応する履歴的なインタラクションデータを使用して、前記第1の機械学習アルゴリズムをトレーニングすることを含む、請求項4に記載のシステム。
- 前記スキル階層は、複数のスキル階層のうちの1つであり、各スキル階層は、複数の学習モデルのうちの異なる学習モデルに対応する、請求項1~5のいずれか一項に記載のシステム。
- 前記少なくとも1つの機械学習アルゴリズムをトレーニングすることは、前記複数のスキル階層のうちの選択されたスキル階層に関連付けられた学習者のセットに対応する履歴的なインタラクションデータを使用して、前記第1の機械学習アルゴリズムをトレーニングすることを含む、請求項6に記載のシステム。
- 前記複数の関係の論理的指標は、データベースのレコード間の複数の論理的リンクを含む、請求項1~7のいずれか一項に記載のシステム。
- 前記複数の学習リソースは、複数の質問、複数のビデオ、及び複数のゲームを含む、請求項1~8のいずれか一項に記載のシステム。
- 前記エンゲージメントは、テキストエンゲージメント、口頭エンゲージメント、又はジェスチャエンゲージメントのうちの少なくとも1つを含む、請求項1~9のいずれか一項に記載のシステム。
- エンゲージメントを査定することは、所与の学習者及び所与の学習リソースについて、前記所与の学習リソースとのエンゲージメントの間に受け取られた学習者の入力を評価して、望ましい/望ましくないインタラクション及び/又は正しい/正しくない応答を識別することを含む、請求項1~10のいずれか一項に記載のシステム。
- エンゲージメントを査定することは、所与の学習者及び所与の学習リソースについて、電子学習プラットフォームへの複数の入力を査定して、前記所与の学習リソースのエンゲージメントの完了部分を決定することを含む、請求項1~11のいずれか一項に記載のシステム。
- エンゲージメントを査定することは、所与の学習者及び所与の学習リソースについて、前記所与の学習リソースへの完了していない又は終了していないエンゲージメントに基づいて、前記学習者に適用するべき部分スコア又は部分クレジットを決定することを含む、請求項1~12のいずれか一項に記載のシステム。
- 所与の習得査定を生成することは、前記複数の学習リソースのうちの対応する学習リソースの困難度レベルに関連付けられた重み付けを適用することを含む、請求項1~13のいずれか一項に記載のシステム。
- 前記習得査定パラメータのセットは、前記重み付けを含む、請求項14に記載のシステム。
- 前記習得査定のうちの少なくとも一部の各習得査定は、対象のスキル及び前記対象のスキルのスキルファミリー内の祖先スキルを含む知識の査定を表す、請求項1~15のいずれか一項に記載のシステム。
- 所与の習得査定を生成することは、前記学習者の現在のスキルの習得のレベルを前記習得査定が正確に捕捉していることの相対的な信頼度を表す信頼値を算出することを含む、請求項1~16のいずれか一項に記載のシステム。
- 前記第1の機械学習アルゴリズムは、指数関数的に重み付けされた移動線形回帰である、請求項1~17のいずれか一項に記載のシステム。
- 前記動作は、少なくとも1人の学習者に対応する前記複数の習得査定のうちの習得査定の進展を表すグラフィカルインタフェースを、コンピューティングデバイスにおけるユーザへの提示のために準備することを含む、請求項1~18のいずれか一項に記載のシステム。
- 前記動作は、所与の学習者に対応する習得査定のセットに基づいて、前記複数のスキルのうちの少なくとも1つのスキルの習得を強化するために、前記複数の学習リソースのうちの1つ以上の学習リソースを選択することを含む、請求項1~19のいずれか一項に記載のシステム。
- 自動化されたスキル習得査定を実施するための方法であって、前記方法は、
処理回路によって、複数の習得査定を生成するために、電子学習プラットフォームを介した、複数の電子学習リソースへの複数の学習者のエンゲージメントを査定することであって、
前記複数の習得査定のうちの各習得査定が、複数のスキルのうちの少なくとも1つのスキルに対応し、
前記複数のスキルは、複数のスキルファミリーを含むスキル階層に配置され、各スキルファミリーは、それぞれの前記ファミリーに属する前記複数のスキルのうちのスキルのセット間の子孫と祖先の関係を含み、
前記複数のスキルは、複数の関係の論理的指標を介して前記複数の電子学習リソースに接続され、各関係の論理的指標は、前記複数の電子学習リソースのうちの所与のリソースと前記複数のスキルのうちの所与のスキルとの間の接続を定義し、
前記複数の電子学習リソースのうちの各学習リソースは、前記関係の論理的指標を介して、少なくとも1つのスキルに接続され、
前記複数の電子学習リソースのうちの少なくとも一部は各々、前記関係の論理的指標を介して、2つ以上のスキルに接続され、
各習得査定は、習得査定パラメータのセットを少なくとも1つの習得査定アルゴリズムに適用することによって部分的に算出され、前記習得査定パラメータのうちの少なくとも一部は、前記関係の論理的指標に対応する、査定することと、
前記複数の電子学習リソースへの前記複数の学習者の前記エンゲージメントを通して導出される履歴的なインタラクションデータを使用して、前記処理回路によって、学習リソースのエンゲージメントの評価結果を予想するように、少なくとも1つの機械学習アルゴリズムをトレーニングすることであって、
前記少なくとも1つの機械学習アルゴリズムのうちの第1の機械学習アルゴリズムは、回帰ベースのモデルであり、
前記第1の機械学習アルゴリズムは、スキルの衰え、学習の付与、習得の初期レベル、又は習得を獲得する困難度のうちの1つ以上を示すエンゲージメントパターンに少なくとも部分的に基づいて、評価結果を予想するようにトレーニングされる、トレーニングすることと、
前記処理回路によって、前記少なくとも1つの機械学習アルゴリズムを、前記複数の電子学習リソースのうちの1つ以上の学習リソースとの履歴的なユーザインタラクションに適用して、学習者インタラクションの予測された評価結果を生成することと、
前記予測された評価結果と、前記履歴的なユーザインタラクションに対応する実際の評価結果との間の1つ以上の相違に基づいて、前記処理回路によって、前記習得査定パラメータのセットのうちの少なくとも1つのパラメータを精密化することと、を含む、方法。 - 前記関係の論理的指標のうちの少なくとも一部は、i)前記複数の電子学習リソースのうちの対応する電子学習リソースと、前記スキル階層のうちの対応するスキルとの間の関係の強度、及び/又はii)前記複数の電子学習リソースのうちの対応する電子学習リソースと、前記スキル階層のうちの対応するスキルとの間の関係の重み、を含み、
前記習得査定パラメータのセットは、前記関係の強度及び/又は前記関係の重みを適用するための少なくとも1つのパラメータを含む、請求項21記載の方法。 - 前記複数の電子学習リソースは、前記複数の電子学習リソースのうちの少なくとも一部の各学習リソースについて、2つ以上の対応する学習リソース要素を含み、
前記エンゲージメントを査定することは、所与の学習リソースのうちの各学習リソース要素に対応するエンゲージメントを個別に査定することを含む、請求項21又は22に記載の方法。 - 前記習得パラメータのセットが、習得パラメータの複数のセットのうちの1つであり、前記複数のセットのうちの各セットは、複数の学習者グループのうちの異なる学習者グループに対応し、前記複数の学習者の前記エンゲージメントを査定することは、所与の学習者に適用可能な前記複数の学習者グループのうちのある学習者グループを決定することを含む、請求項21~23のいずれか一項に記載の方法。
- 前記少なくとも1つの機械学習アルゴリズムをトレーニングすることは、前記複数の学習者グループのうちの選択された学習者グループの学習者セットに対応する履歴的なインタラクションデータを使用して、前記第1の機械学習アルゴリズムをトレーニングすることを含む、請求項24に記載の方法。
- 前記スキル階層は、複数のスキル階層のうちの1つであり、各スキル階層は、複数の学習モデルのうちの異なる学習モデルに対応する、請求項21~25のいずれか一項に記載の方法。
- 前記少なくとも1つの機械学習アルゴリズムをトレーニングすることは、前記複数のスキル階層のうちの選択されたスキル階層に関連付けられた学習者のセットに対応する履歴的なインタラクションデータを使用して、前記第1の機械学習アルゴリズムをトレーニングすることを含む、請求項26に記載の方法。
- 前記複数の関係の論理的指標は、データベースのレコード間の複数の論理的リンクを含む、請求項21~27のいずれか一項に記載の方法。
- 前記複数の学習リソースは、複数の質問、複数のビデオ、及び複数のゲームを含む、請求項21~28のいずれか一項に記載の方法。
- 前記エンゲージメントは、テキストエンゲージメント、口頭エンゲージメント、又はジェスチャエンゲージメントのうちの少なくとも1つを含む、請求項21~29のいずれか一項に記載の方法。
- エンゲージメントを査定することは、所与の学習者及び所与の学習リソースについて、前記所与の学習リソースとのエンゲージメントの間に受け取られた学習者の入力を評価して、望ましい/望ましくないインタラクション及び/又は正しい/正しくない応答を識別することを含む、請求項21~30のいずれか一項に記載の方法。
- エンゲージメントを査定することは、所与の学習者及び所与の学習リソースについて、前記電子学習プラットフォームへの複数の入力を査定して、前記所与の学習リソースのエンゲージメントの完了部分を決定することを含む、請求項21~31のいずれか一項に記載の方法。
- エンゲージメントを査定することは、所与の学習者及び所与の学習リソースについて、前記所与の学習リソースへの完了していない又は終了していないエンゲージメントに基づいて、前記学習者に適用するべき部分スコア又は部分クレジットを決定することを含む、請求項21~32のいずれか一項に記載の方法。
- 所与の習得査定を生成することは、前記複数の学習リソースのうちの対応する学習リソースの困難度レベルに関連付けられた重み付けを適用することを含む、請求項21~33のいずれか一項に記載の方法。
- 前記習得査定パラメータのセットは、前記重み付けを含む、請求項34に記載の方法。
- 前記習得査定のうちの少なくとも一部の各習得査定は、対象のスキル及び前記対象のスキルのスキルファミリー内の祖先スキルを含む知識の査定を表す、請求項21~35のいずれか一項に記載の方法。
- 所与の習得査定を生成することは、前記学習者の現在のスキルの習得のレベルを前記習得査定が正確に捕捉していることの相対的な信頼度を表す信頼値を算出することを含む、請求項21~36のいずれか一項に記載の方法。
- 前記第1の機械学習アルゴリズムは、指数関数的に重み付けされた移動線形回帰である、請求項21~37のいずれか一項に記載の方法。
- 前記処理回路によって、少なくとも1人の学習者に対応する前記複数の習得査定の習得査定の進展を表すグラフィカルインタフェースを、コンピューティングデバイスにおけるユーザへの提示のために準備することを更に含む、請求項21~38のいずれか一項に記載の方法。
- 前記処理回路によって、所与の学習者に対応する習得査定のセットに基づいて、前記複数のスキルのうちの少なくとも1つのスキルの習得を強化するために、前記複数の学習リソースのうちの1つ以上の学習リソースを選択することを更に含む、請求項21~39のいずれか一項に記載の方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163172433P | 2021-04-08 | 2021-04-08 | |
US63/172,433 | 2021-04-08 | ||
PCT/US2022/024106 WO2022217113A1 (en) | 2021-04-08 | 2022-04-08 | Systems and methods for learner growth tracking and assessments |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2024511216A true JP2024511216A (ja) | 2024-03-12 |
JP7542162B2 JP7542162B2 (ja) | 2024-08-29 |
Family
ID=
Also Published As
Publication number | Publication date |
---|---|
US20220327946A1 (en) | 2022-10-13 |
US11568753B2 (en) | 2023-01-31 |
KR20230162114A (ko) | 2023-11-28 |
IL307552B2 (en) | 2024-08-01 |
AU2022255514A1 (en) | 2023-10-05 |
WO2022217113A1 (en) | 2022-10-13 |
IL307552B1 (en) | 2024-04-01 |
EP4320608A1 (en) | 2024-02-14 |
IL307552A (en) | 2023-12-01 |
CA3216366A1 (en) | 2022-10-13 |
CN117178311A (zh) | 2023-12-05 |
US20230146132A1 (en) | 2023-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gardner et al. | Artificial intelligence in educational assessment:‘Breakthrough? Or buncombe and ballyhoo?’ | |
Venter | Gamification in STEM programming courses: State of the art | |
CN107230174B (zh) | 一种基于网络的在线互动学习系统和方法 | |
Anoopkumar et al. | A Review on Data Mining techniques and factors used in Educational Data Mining to predict student amelioration | |
US11568753B2 (en) | Systems and methods for learner growth tracking and assessments | |
US20130216995A1 (en) | Method, apparatus and system for learning plan analysis | |
Baker et al. | Learning analytics and educational data mining | |
Gluga et al. | Mastering cognitive development theory in computer science education | |
Yan et al. | Predicting abandonment in online coding tutorials | |
Quadri et al. | The benefits of learning analytics to higher education institutions: A scoping review | |
Marcu et al. | Learning Analytics or Educational Data Mining? This is the Question... | |
US20120244509A1 (en) | Child assessment system and method | |
Ilić et al. | Intelligent techniques in e-learning: a literature review | |
Moon et al. | The tools being used to introduce youth to data science | |
JP7542162B2 (ja) | 学習者の成長の追跡及び査定のためのシステム及び方法 | |
Jeganathan et al. | Predicting Academic Performance of Immigrant Students Using XGBoost Regressor | |
Bernard et al. | Integrating research into instructional practice: The use and abuse of meta-analysis | |
Ali S et al. | Multi-class LDA classifier and CNN feature extraction for student performance analysis during Covid-19 pandemic | |
Yoo et al. | LMS Log Data Analysis from Fully-Online Flipped Classrooms: An Exploratory Case Study via Regularization. | |
Timmi et al. | Learning analytics: a review of the literature | |
Bertović et al. | Using Moodle Test Scores to Predict Success in an Online Course | |
Li | Building an asynchronous HTML5-related competency-based guided e-learning system | |
Arkiza et al. | A Comparative Study of Adaptative Learning Algorithms for Students’ Performance Prediction: Application in a Moroccan University Computer Science Course | |
CN117540108B (zh) | 基于考点数据分布式总结的智能推荐答题系统 | |
KR102662163B1 (ko) | 체험형 교육 제공을 위한 상황별 커리큘럼 구현 방법 및 서버 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231122 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20231122 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20231122 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240410 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240708 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240723 |