文献

J-GLOBAL ID：202202293633002762   整理番号：22A0969594

時間上の歯科学生の反射の質を追跡するための理論情報科学法の使用【JST・京大機械翻訳】

Using theory-informed data science methods to trace the quality of dental student reflections over time

著者 (3件)： Jung Yeonji (Learning Analytics Research Network (NYU-LEARN), New York University, Brooklyn, NY, USA) ,  Wise Alyssa Friend (Learning Analytics Research Network (NYU-LEARN), New York University, Brooklyn, NY, USA) ,  Allen Kenneth L. (Department of Cariology and Comprehensive Care, College of Dentistry, New York University, New York, NY, USA)
資料名： Advances in Health Sciences Education  (Advances in Health Sciences Education)
巻： 27  号： 1  ページ： 23-48  発行年： 2022年 
JST資料番号： W4002A  ISSN： 1382-4996  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： 本研究は,時間にわたる健康教授教育プログラムにおいて作られた反射の質を分析するために,データ科学方法の理論情報応用を記述する。反射深度(No,浅い,深部)の全尺度と反射品質の6つの理論的指示要素(記述,分析,Feeling,Persective,評価,転帰)の存在について,4年間の学問的研究にわたる369名の歯科学生のコホートによって書かれた1000の反射を評価した。次に,機械学習モデルを,反射における言語特徴に基づいて,これらの品質を自動的に検出するために構築した。結果は,1年(20%→66%)の開始から終わりまでは,Noから浅い反射への劇的な増加を示したが,4年すべて(2%→26%)にわたって,深い反射の限られた緩やかな上昇のみを示した。全6つの反射要素の存在は,時間とともに増加したが,Feelingsと分析の包含は,4年末(それぞれ44%と60%の反射)で,比較的低かった。モデルは,反射における記述(κ_TEST=0.70)と評価(κ_TEST=0.65)の存在を確実に検出できた。分析(κ_TEST=0.50),Feelings(κ_TEST=0.54),およびPersectives(κ_TEST=0.53)の存在を検出するモデルは中程度の性能を示した。転帰を検出するモデルは,過剰適合(κ_TRAIN=0.90,κ_TEST=0.53)に罹患した。反射要素上に構築された全深さの分類器は,全ての時間(κ_TEST>0.60)にわたって中程度の性能を示したが,記述の存在にはほとんど依存しなかった。反射品質の概念化の含意と,学生が反射スキルを開発するのを助けるための個人化された学習支援を提供する。Copyright The Author(s), under exclusive licence to Springer Nature B.V. 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 教育 ,  言語 ,  *情報科学 ,  理論 ,  ノーベリウム ,  *学生 ,  産業教育 ,  カリキュラム ,  深部 ,  母集団 ,  機械学習
準シソーラス用語： 概念形成 ,  *歯科学生 ,  学習支援 ,  データサイエンス , 【Automatic Indexing@JST】

著者キーワード (4件)： 反射 ,  健康職業教育 ,  教育データ科学 ,  分類

分類 (1件)： 技術教育  (JA01050T)

タイトルに関連する用語 (5件)： 歯科学生 ,  質 ,  追跡 ,  理論 ,  情報科学