Global ETD Search

1	The development of mastery motivation in infants with Down Syndrome Dayus, Beverley January 1999 (has links) No description available. 150
2	A Multilevel Analysis of Student, Family, and School Factors Associated with Latino/a Parental Involvement in the Middle School Learning Environment Chain, Jennifer 21 November 2016 (has links) Research suggests parental home and school involvement improves multiple outcomes for middle school students, including academic achievement, school engagement, motivation, self-efficacy, and prosocial behaviors. Little is known, however, about multilevel factors associated with Latino/a parental involvement in the middle school learning environment. In the current study, multilevel analysis was used to explore student, family, and school factors associated with Latino/a parental involvement. Results from the hierarchical linear modeling analyses found (a) Latino/a parental home and school involvement varied within schools and between schools, (b) student gender, prosocial behavior, and academic achievement were positively associated with parental home involvement, and (c) student gender, problem behavior, prosocial behavior, academic achievement, and family socioeconomic status were positively associated with parental school involvement. Percentages of Latino/a students and low-income students in schools did not significantly moderate the average parental home or school involvement across students and across schools. The results of this study have implications for educators and policy makers to promote Latino/a parent-teacher collaboration in the middle school learning environment. Crtical Mass Theory of Diveristy Ecological model Latino/a Middle school Parental involvement Social interaction learning model
3	Learning Continuous Human-Robot Interactions from Human-Human Demonstrations Vogt, David 02 March 2018 (has links) (PDF) In der vorliegenden Dissertation wurde ein datengetriebenes Verfahren zum maschinellen Lernen von Mensch-Roboter Interaktionen auf Basis von Mensch-Mensch Demonstrationen entwickelt. Während einer Trainingsphase werden Bewegungen zweier Interakteure mittels Motion Capture erfasst und in einem Zwei-Personen Interaktionsmodell gelernt. Zur Laufzeit wird das Modell sowohl zur Erkennung von Bewegungen des menschlichen Interaktionspartners als auch zur Generierung angepasster Roboterbewegungen eingesetzt. Die Leistungsfähigkeit des Ansatzes wird in drei komplexen Anwendungen evaluiert, die jeweils kontinuierliche Bewegungskoordination zwischen Mensch und Roboter erfordern. Das Ergebnis der Dissertation ist ein Lernverfahren, das intuitive, zielgerichtete und sichere Kollaboration mit Robotern ermöglicht. Mensch-Roboter Interaktion Imitationslernen Maschinelles Lernen Interaktionslernen MRI Mensch-Roboter Kollaboration Virtuelle Realität Human-Robot Interaction Imitation Learning Machine Learning Interaction Learning HRI Human-Robot Collaboration Virtual Reality ddc:004 Mensch-Maschine-Kommunikation Roboter Maschinelles Lernen Modelllernen Programmierung durch Vormachen
4	Learning Continuous Human-Robot Interactions from Human-Human Demonstrations Vogt, David 02 March 2018 (has links) In der vorliegenden Dissertation wurde ein datengetriebenes Verfahren zum maschinellen Lernen von Mensch-Roboter Interaktionen auf Basis von Mensch-Mensch Demonstrationen entwickelt. Während einer Trainingsphase werden Bewegungen zweier Interakteure mittels Motion Capture erfasst und in einem Zwei-Personen Interaktionsmodell gelernt. Zur Laufzeit wird das Modell sowohl zur Erkennung von Bewegungen des menschlichen Interaktionspartners als auch zur Generierung angepasster Roboterbewegungen eingesetzt. Die Leistungsfähigkeit des Ansatzes wird in drei komplexen Anwendungen evaluiert, die jeweils kontinuierliche Bewegungskoordination zwischen Mensch und Roboter erfordern. Das Ergebnis der Dissertation ist ein Lernverfahren, das intuitive, zielgerichtete und sichere Kollaboration mit Robotern ermöglicht. info:eu-repo/classification/ddc/004 ddc:004

1

Page generated in 0.1031 seconds