08.02.18 - 13-41
https://building.coursera.org/engineering/
по компьютерному обучению
22 августа 2016 года
Машиноведение для обучения
Мы рады организовать семинар NIPS 2016
по применению машинного обучения в области образования.
Мы ищем вклады в семинар
и приветствуем вас, чтобы присоединиться к нам в NIPS!
Семинар NIPS 2016 по компьютерному обучению в области образования будет проводиться совместно с конференцией по системам нейронной обработки информации (NIPS) в субботу 10 декабря 2016 года в Барселоне, Испания. Семинар соберет экспертов по компьютерному обучению и исследователей в области образования и когнитивной психологии, чтобы обсудить, как мы можем решать фундаментальные проблемы в обучении и образовании. На семинаре в этом году мы выделяем следующие области, представляющие интерес:
(1) оценки и аттестация,
(2) увеличение и понимание контента,
(3) персонализированное обучение и активные вмешательства и
(4) интерпретация человека.
Более подробную информацию о семинаре
можно найти ниже или на веб-сайте семинара:
http://ml4ed.cc
Цель этого семинара - способствовать обсуждению и стимулировать исследования между экспертами в области машинного обучения и исследователями в области образования, которые могут решить фундаментальные проблемы в области образования. Мы предлагаем представить документы по всем темам, связанным с применением машинного обучения в образовании. Для семинара в этом году мы выделяем следующие области, представляющие интерес:
- Оценки и оценка : оценки являются ключевыми в адаптивном обучении, формирующем обучении и суммарной оценке. Однако создание и оценка оценки качества остается сложной задачей для инструкторов. Методы машинного обучения могут быть применены к парадигмам самооценки, сверстников и автографов как для улучшения качества оценок, так и для снижения нагрузки на инструкторов и студентов. Эти методы также могут использовать мультимодальный характер данных учащегося (т. Е. Текстовые / программирование / математические ответы открытой формы, демографическая информация, взаимодействие студентов на дискуссионных форумах, видео и аудиозапись класса), создавая проблемы эффективного и эффективного сплавьте эти разные формы данных, чтобы мы могли лучше понять учащихся.
- Содержание и понимание контента: учебный контент богатый и мультимодальный (например, программный код, видео, текст, аудио). За последние годы наблюдается рост онлайн-образовательных ресурсов, и у нас есть возможность использовать их дальше. Недавние достижения в понимании естественного языка могут быть использованы для лучшего понимания учебных материалов и объединения разных источников для создания лучшего опыта обучения. Это может помочь учащимся предоставить им более релевантные ресурсы и инструкторов при создании контента.
- Персонализированное обучение и активные вмешательства : персонализированное обучение с помощью пользовательских отзывов и вмешательств может сделать обучение намного более эффективным, особенно когда мы учитываем предысторию, цели, состояние понимания и контекст обучения. В этом контексте применимы такие методы, как Марковские процессы принятия решений и многорукие бандиты.
- Человеческая интерпретируемость . В образовательных приложениях важна прозрачность и интерпретируемость, поскольку они могут помочь учащимся лучше понять их состояние обучения. Интерпретативность может предоставить инструкторам идеи для лучшего руководства своей деятельностью со студентами. Он также может помочь исследователям в области образования лучше понять основы обучения человека; это также может быть особенно важно, когда модели развертываются в процессах, которые учат учащихся, поскольку оценка должна демонстрировать степень справедливости.
https://building.coursera.org/blog/2016/08/22/call-for-papers-nips-2016-workshop-on-machine-learning-for-education/