文献

J-GLOBAL ID：202202254020829410   整理番号：22A0857766

RALF:語彙学生を教えるための適応強化学習フレームワーク【JST・京大機械翻訳】

RALF: an adaptive reinforcement learning framework for teaching dyslexic students

著者 (3件)： Minoofam Seyyed Amir Hadi (Department of Computer Engineering, Karaj Branch, Islamic Azad University, Karaj, Iran) ,  Bastanfard Azam (Department of Computer Engineering, Karaj Branch, Islamic Azad University, Karaj, Iran) ,  Keyvanpour Mohammad Reza (Department of Computer Engineering, Faculty of Engineering, Alzahra University, Tehran, Iran)
資料名： Multimedia Tools and Applications  (Multimedia Tools and Applications)
巻： 81  号： 5  ページ： 6389-6412  発行年： 2022年 
JST資料番号： W1102A  ISSN： 1380-7501  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： Dyslexiaは,個人が有意な読解困難を持つ学習障害である。以前の研究は,コンテンツサプリメントにおける機械学習技法を用いることが,学習者の教育レベルへのコース概念の適応に極めて重要であることを見出した。しかし,知る限りでは,適応コンテンツ生成に機械学習法を適用していない。本研究は,失読症を有する学生のために自動的にコンテンツを生成するために,セルラーニングオートマトン(CLA)を通してRALFとして知られる適応強化学習フレームワークを紹介する。最初に,RALFは単純化フォントとしてオンラインアルファベットモデルを生成する。CLA構造は,非同期的に強化学習サイクルを通して文字生成の各規則を学習する。第二に,Persian単語をアルゴリズム的に作り出す。また,このプロセスは,各特性状態を考慮し,環境に対するアルファベットの curさと細胞の応答を決定する。最後に,RALFは組込み単語形成アルゴリズムを用いて長いテキストと文章を生成することができる。単語間の空間はCLA隣接状態を通して進行する。さらに,RALFは語発音といくつかの試験およびゲームを提供し,失読者の学習性能を改善した。提案した強化学習ツールは,顔対面アプローチと比較して,ほぼ27%の失読者による学生の学習率を高める。本研究の知見は,COVID-19のLockdowing中の失読症治療におけるこのアプローチの適用性を示す。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  教育 ,  *学習 ,  簡素化 ,  ゲーム ,  発音 ,  文章 ,  単語 ,  機械学習 ,  *強化学習 ,  フォント ,  コンテンツ
準シソーラス用語： 学習者 ,  オンライン ,  読解 , 【Automatic Indexing@JST】

著者キーワード (5件)： 教育マルチメディア ,  統合通信 ,  知的チュータリングシステム ,  オーソグラフ知識 ,  流行危機

分類 (1件)： CAI  (JE09000G)

タイトルに関連する用語 (5件)： 語彙 ,  学生 ,  適応 ,  強化学習 ,  フレームワーク