MétaCan
Menu
Retour à la cohorte
Enregistrement W2403947344

The Student Advice Recommender Agent: SARA.

2015· article· en· W2403947344 sur OpenAlexaff
Jim Greer, Stephanie Frost, Ryan Banow, Craig Thompson, Sara Kuleza, Ken Wilson, Gina Koehn

Notice bibliographique

RevueInternational Conference on User Modeling, Adaptation, and Personalization · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueOnline Learning and Analytics
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésAdvice (programming)Recommender systemComputer scienceWorld Wide WebMedical educationMathematics educationPsychologyMedicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

SARA, the Student Advice Recommender Agent is a system somewhat like an early alert system, where predictive models of learners’ success combined with incremental data on learners’ activity in a course can be used to identify students in academic distress. With SARA, rather than give alerts to academic advisors or professors, we provide personalized advice directly to students. An advice string – “A note from SARA” is prepared for each student every week in a semester-long course. The system attempts to direct students to appropriate learning supports and resources according to their individual needs. We have observed a significant year over year improvement in unadjusted student grades after the SARA’s advice recommender was implemented in a 1200student freshman STEM course.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,981
Score d'incertitude au seuil0,522

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,142
Tête enseignante GPT0,345
Écart entre enseignants0,203 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Conference on User Modeling, Adaptation, and PersonalizationMême sujetOnline Learning and AnalyticsTravaux en français237 207