文献

J-GLOBAL ID：202002263110631170   整理番号：20A0224157

学習分析とツールを用いたMOOC品質の改善【JST・京大機械翻訳】

Improving MOOC quality using learning analytics and tools

著者 (6件)： Cross Jeffrey S. (Tokyo Institute of Technology,Online Education Development Office,Tokyo,Japan) ,  Keerativoranan Nopphon (Tokyo Institute of Technology,Department of Transdisciplinary,Tokyo,Japan) ,  Carlon May Kristine Jonson (Tokyo Institute of Technology,Department of Transdisciplinary, Science and Engineering,Tokyo,Japan) ,  Tan Yong Hong (Tokyo Institute of Technology,Department of Transdisciplinary, Science and Engineering,Tokyo,Japan) ,  Rakhimberdina Zarina (Tokyo Institute of Technology,Department of Computer Science,Tokyo,Japan) ,  Mori Hideki (Tokyo Institute of Technology,Online Education Development Office,Tokyo,Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： LWMOOCS  ページ： 174-179  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： MOOCの品質を評価することは,学習者がコンテンツにアクセスするための料金(例えば,段階的割当),完了の証明書,およびコース信用のために払われているので,学習者にとって重要な問題である。オンラインコースのユニークな利点の一つは,すべてのコンテンツが,コースが様々な学習分析と自然言語処理ツールを用いてリリースされる前にさえ,評価され,分析され得ることである。しかし,今日まで,MOOC含有量の分析に関して公表された文献における研究はほとんどない。さらに,MOOCプロバイダは,それらのMOOCを周期的に修正するためのコース開発者を期待している。コーステキスト,ビデオ転写物および読みやすさ,聴者能力,ビデオ分解能,テキスト分析などの評価に関して行うことができる様々なタイプの解析を行った。その放出の前にコース内容を分析することによって,コンテンツは様々な学習者を目標とするために調整することができる。続いて,同じ技術を用いて,次の放出のためのコース品質を改善するために修正する必要があるコースにおける領域を特定するために,議論ボードポストとポストコース調査を分析することができる。本論文では,自然言語処理とMOOC分析をいくつかのMOOCに適用し,それらの品質を強化するための修正のための領域を同定した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 分解能 ,  コンテンツ ,  *学習 ,  *品質 ,  料金 ,  録画装置 ,  自然言語処理 ,  テキスト解析 ,  証明書 ,  インターネットサービスプロバイダ
準シソーラス用語： ISP【インターネット】 ,  オンライン ,  学習者 ,  *MOOC , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 学習 ,  分析 ,  ツール ,  MOOC