Effiziente Verarbeitung und Analyse von Studentenbewertungen der Lehre mithilfe generativer Textmodelle
Durch den Einsatz von Verfahren des maschinellen Lernens und großen Sprachmodellen kann ein Codebuch erstellt werden, das die Hauptthemen in Studentenbewertungen der Lehre zusammenfasst.
Analyse der Progression von Bildungsthemen durch semantisches Matching
Die Analyse der Progression von Bildungsthemen durch semantisches Matching ermöglicht eine effiziente Curriculum-Planung und Identifizierung von Lernergebnissen.
Kognitive Engagement für STEM+C Bildung: Untersuchung des Serious Game-Einflusses auf das Lernen von Graphenstrukturen mit fNIRS
Serious Games haben das Potenzial, das kognitive Engagement und das Wissenserwerb in der Bildung zu verbessern.
Darstellung des pädagogischen Inhaltswissens durch Rough Sets
Lehrerwissen formalisieren, um Vagheit und Mehrdeutigkeit zu bewältigen.
Untersuchung der dynamischen Wechselwirkung von kognitiver Belastung und emotionaler Erregung durch multimodale Messungen
Die Studie untersucht die Korrelation zwischen Pupillendurchmesser und emotionaler Erregung in kognitiv anspruchsvollen Aufgaben.
FATE in MMLA: Fairness, Accountability, Transparency, and Ethics in Multimodal Learning Analytics
Studierende bewerten Fairness, Verantwortlichkeit, Transparenz und Ethik in Multimodal Learning Analytics.
© 2024 by Linnk AI