MétaCan
Menu
Retour à la cohorte
Enregistrement W3195657465 · doi:10.1109/ro-man50785.2021.9515354

Effects of an Adaptive Robot Encouraging Teamwork on Students’ Learning

2021· article· en· W3195657465 sur OpenAlex
Parastoo Baghaei Ravari, Ken Jen Lee, Edith Law, Dana Kulić

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePsychology
ThématiqueSocial Robot Interaction and HRI
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésDyadTeamworkConversationRobotSession (web analytics)Humanoid robotHuman–computer interactionAffect (linguistics)Computer scienceSocial robotPsychologyTask (project management)ChoreographyArtificial intelligenceSocial psychologyMobile robotRobot controlEngineeringCommunicationDanceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

In this work, we designed a teachable robot that encourages a pair of students to discuss their thoughts and teaching decisions during the tutoring session. The robot adapts to the students’ talking activity and adjusts the frequency and type of encouragement. We hypothesize that the robot’s encouragement of group discussion can enhance the social engagement of group members, leading to improved learning and enjoyment. We ran a user study (n = 68), where a pair of participants (dyad) worked together to teach a humanoid robot about rocks and minerals. In the adaptive condition, the robot uses reinforcement learning to maximise interaction between the dyad members. Results show that the adaptive robot was successful in creating more dialogue between dyad members and in increasing task engagement, but did not affect learning or enjoyment. Over time, the adaptive robot was also able to encourage both members to contribute more equally to the conversation.

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.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,627
Score d'incertitude au seuil0,998

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,024
Tête enseignante GPT0,382
Écart entre enseignants0,358 · 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

En bref

Citations15
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSocial Robot Interaction and HRITravaux en français237 207