Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

The Quick Red Fox gets the best Data Driven Classroom Interviews: A manual for an interview app and its associated methodology

Created by
  • Haebom
Category
Empty

저자

Jaclyn Ocumpaugh, Luc Paquette, Ryan S. Baker, Amanda Barany, Jeff Ginger, Nathan Casano, Andres F. Zambrano, Xiner Liu, Zhanlan Wei, Yiqui Zhou, Qianhui Liu, Stephen Hutt, Alexandra M. A. Andres, Nidhi Nasiar, Camille Giordano, Martin van Velsen, Micheal Mogessi

개요

Data Driven Classroom Interviews (DDCIs)는 학습 분석 기술 발전을 활용한 인터뷰 기법이다. 연구자가 학생의 디지털 학습 환경(예: 지능형 튜터링 시스템, 교육용 게임) 상호 작용을 최소한의 방해로 맥락화하고, 연구 시간 효율을 높이는 데 초점을 맞춘다. DDCIs는 연구 도구인 Quick Red Fox (QRF)를 통해 수행되며, 이는 오픈 소스 서버-클라이언트 Android 앱으로, 연구팀이 정의한 흥미로운 행동을 보이는 사용자에게 인터뷰어를 안내하여 연구 시간 효율을 극대화한다. QRF는 기존의 학생 모델링 기술(예: 행동 감지, 정서 감지, 자기 조절 학습 감지)과 통합되어 학습자의 주요 순간을 연구자에게 알린다. 이 문서는 QRF 기술을 문서화하고, 트리거 개발 및 인터뷰 기법에 대한 교육을 제공하며, 분석 방법을 제안한다.

시사점, 한계점

시사점:
학생의 디지털 학습 환경에서의 상호작용을 효율적으로 파악할 수 있다.
연구 시간 및 자원 효율성을 높인다.
기존 학생 모델링 기술과의 통합을 통해 학습자의 주요 순간을 파악한다.
오픈 소스 기술을 활용하여 접근성을 높인다.
한계점:
QRF 및 관련 기술의 사용에 대한 학습 곡선이 존재한다.
트리거 개발 및 인터뷰 기법 설계에 전문 지식이 필요하다.
기술적인 문제 발생 가능성 및 이에 대한 대응책 마련이 필요하다.
개인 정보 보호 및 윤리적 고려 사항을 충분히 고려해야 한다.
👍