实体
Valdemar Švábenský
Valdemar Švábenský
PulseAugur coverage of Valdemar Švábenský — every cluster mentioning Valdemar Švábenský across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
LLM和聚类方法在团队问题解决练习中的评估
一篇新的研究论文提出并评估了两种评估学生团队在桌面练习（TTXs）中的方法，TTXs用于让学习者为工作场所任务和危机响应做准备。该研究将聚类方法（将具有相似任务方法的团队分组以加快反馈）与使用大型语言模型（LLMs）进行评估进行了比较。虽然聚类被证明是有效和可靠的，但LLM评估显示结果各不相同，与教师评分相比，GPT-5.2的错误率低于GPT-4o。这些方法已集成到开源INJECT TTX学习平台中。
-
研究发现网络安全模拟成功与认知一致性相关
一篇新研究论文发表在arXiv上，探讨了网络安全模拟中教学一致性的有效性。该研究分析了23个学生团队的多模态痕迹，发现所需认知水平与实际认知水平之间的差异（以布鲁姆分类法衡量）是预测成功的关键因素。与单独使用布鲁姆分类法相比，来自这些模拟的文本嵌入和日志特征在预测团队表现方面更有效。
-
新的E2Vec方法使用时间数据分析学生行为
研究人员开发了E2Vec，一种用于分析数字教科书系统中学生行为的新特征表示方法。该方法利用词嵌入技术，特别是fastText，结合操作日志和时间间隔中的时间信息，创建学生向量。该方法在一个包含305名计算机科学课程学生的 数据集上进行了测试，证明了其在风险检测和泛化方面的潜力。