文献

J-GLOBAL ID：202202233163315094   整理番号：22A0968552

オントロジーを用いた学生のパフォーマンスモデル予測の可搬性の改善【JST・京大機械翻訳】

Improving the portability of predicting students’ performance models by using ontologies

著者 (4件)： Lopez-Zambrano Javier (Escuela Superior Politecnica Agropecuaria de Manabi (ESPAM MFL), Faculty of Computing, SISCOM Group, Calceta, Ecuador) ,  Lopez-Zambrano Javier (Department of Computer Science and Numerical Analysis, University of Cordoba (UCO), Cordoba, Spain) ,  Lara Juan A. (Department of Computer Science, Madrid Open University, UDIMA, Collado Villalba, Madrid, Spain) ,  Romero Cristobal (Department of Computer Science and Numerical Analysis, University of Cordoba (UCO), Cordoba, Spain)
資料名： Journal of Computing in Higher Education  (Journal of Computing in Higher Education)
巻： 34  号： 1  ページ： 1-19  発行年： 2022年 
JST資料番号： W4555A  ISSN： 1042-1726  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 教育データマイニングと学習分析における主な現在の課題の一つは,他の異なるコースに適用できるように,特定のコースで得られた予測モデルの携帯性または移転性である。この課題を処理するために,最上の問題の1つは,それらを訓練するために使用される低レベル属性に対するモデルの過剰依存性であり,それはモデルの携帯性を低下させる。この問題を解決するため,オントロジーのようなより意味的意味を持つ高レベル属性の利用は非常に有用である。このラインに沿って,著者らは,Moodle学習管理システムと学生の相互作用を要約する行動の分類を用いるオントロジーの利用を提案した。モードルログから直接得られた低レベル生属性を使用したときの以前の結果に対して,提案した方法の結果を比較した。結果は,提案したオントロジーの使用が予測精度に関してモデルの携帯性を改善することを示した。本論文の主な貢献は,1つのソースコースで得られたオントロジーモデルが,予測精度を失うことなく,類似の使用レベルで他の異なる目標コースに適用できることを示すことである。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  学習 ,  精度 ,  *モデル ,  可搬型 ,  携帯型 ,  属性 ,  機械学習 ,  *オントロジー ,  予測モデル ,  データマイニング
準シソーラス用語： 予測精度 ,  学習管理システム ,  転移学習 ,  モデル予測 ,  教育データマイニング , 【Automatic Indexing@JST】

著者キーワード (6件)： 教育データマイニング ,  予測モデリング ,  学生パフォーマンス ,  転移学習 ,  モデル可搬性 ,  オントロジー

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： オントロジー ,  学生 ,  パフォーマンス ,  モデル予測 ,  可搬性