論文の概要: Towards Social & Engaging Peer Learning: Predicting Backchanneling and
Disengagement in Children
- arxiv url: http://arxiv.org/abs/2007.11346v1
- Date: Wed, 22 Jul 2020 11:16:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-07 23:31:08.561996
- Title: Towards Social & Engaging Peer Learning: Predicting Backchanneling and
Disengagement in Children
- Title（参考訳）: ソーシャル・エンゲージ・ピアラーニングに向けて : 子どものバックチャネルと離脱の予測
- Authors: Mononito Goswami, Minkush Manuja and Maitree Leekha
- Abstract要約: 社会ロボットと対話型コンピュータアプリケーションは、ピアラーニング仲間として振る舞うことで、幼児の早期言語発達を促進する可能性がある。
我々は、リスナーが注意を失うかどうかを予測するためのモデルを開発する(リスナー拡張予測, LDP)。
実験の結果, 瞳孔拡張, 瞬き速度, 頭部運動, 顔面動作単位など, これまでに使用したことのない多モード機能の有用性が示された。
- 参考スコア（独自算出の注目度）: 10.312968200748116
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Social robots and interactive computer applications have the potential to
foster early language development in young children by acting as peer learning
companions. However, studies have found that children only trust robots which
behave in a natural and interpersonal manner. To help robots come across as
engaging and attentive peer learning companions, we develop models to predict
whether the listener will lose attention (Listener Disengagement Prediction,
LDP) and the extent to which a robot should generate backchanneling responses
(Backchanneling Extent Prediction, BEP) in the next few seconds. We pose LDP
and BEP as time series classification problems and conduct several experiments
to assess the impact of different time series characteristics and feature sets
on the predictive performance of our model. Using statistics & machine
learning, we also examine which socio-demographic factors influence the amount
of time children spend backchanneling and listening to their peers. To lend
interpretability to our models, we also analyzed critical features responsible
for their predictive performance. Our experiments revealed the utility of
multimodal features such as pupil dilation, blink rate, head movements, facial
action units which have never been used before. We also found that the dynamics
of time series features are rich predictors of listener disengagement and
backchanneling.
- Abstract（参考訳）: 社会ロボットと対話型コンピュータアプリケーションは、ピアラーニング仲間として振る舞うことで、幼児の早期言語発達を促進する可能性がある。
しかし、研究によると、子どもたちは自然で対人的な振る舞いをするロボットのみを信頼している。
ロボットが参加的かつ注意深いピアラーニング仲間として遭遇するのを助けるため、リスナーが注意を失うかどうかを予測するモデル(リスナー拡張予測, LDP)を開発し、ロボットが今後数秒でバックチャネル応答(Backchanneling Extent Prediction, BEP)を生成すべき範囲を推定する。
時系列分類問題として LDP と BEP を用い、時系列特性と特徴集合が予測性能に与える影響を評価するためにいくつかの実験を行った。
また,統計と機械学習を用いて,子どもがバックチャンネルや仲間の聞き取りに費やす時間にどのような社会デマログラフィー的要因が影響を及ぼすかを検討した。
モデルに解釈可能性を与えるため、予測性能に関わる重要な特徴も分析した。
実験の結果, 瞳孔拡張, 瞬き速度, 頭部運動, 顔面動作単位など, これまでに使用したことのない多モード機能の有用性が示された。
また,時系列特徴のダイナミクスはリスナーの離脱やバックチャネルの予測に富んでいることがわかった。
関連論文リスト
- PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
社会実践, 一貫性, 動的発達という, 心理学に根ざした個性の原則を統合したPersLLMを提案する。
モデルパラメータに直接パーソナリティ特性を組み込み、誘導に対するモデルの抵抗性を高め、一貫性を高め、パーソナリティの動的進化を支援する。
論文 参考訳（メタデータ） (2024-07-17T08:13:22Z) - Real-time Addressee Estimation: Deployment of a Deep-Learning Model on
the iCub Robot [52.277579221741746]
住所推定は、社会ロボットが人間とスムーズに対話するために必要なスキルである。
人間の知覚スキルにインスパイアされたディープラーニングモデルは、iCubロボットに設計、訓練、デプロイされる。
本研究では,人間-ロボットのリアルタイムインタラクションにおいて,そのような実装の手順とモデルの性能について述べる。
論文 参考訳（メタデータ） (2023-11-09T13:01:21Z) - When to generate hedges in peer-tutoring interactions [1.0466434989449724]
この研究は、自然言語のターン、会話戦略、学習戦略、非言語行動に注釈を付けた、自然主義的な対面データセットを使用している。
その結果、前のターンのセマンティック情報をキャプチャする埋め込み層は、モデルの性能を著しく向上させることがわかった。
教師の視線とタテの視線がヘッジ予測に大きく影響していることが判明した。
論文 参考訳（メタデータ） (2023-07-28T14:29:19Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳（メタデータ） (2022-07-20T13:37:57Z) - Learning Theory of Mind via Dynamic Traits Attribution [59.9781556714202]
本稿では,過去のトラジェクトリからアクターの潜在特性ベクトルを生成するニューラルToMアーキテクチャを提案する。
この特性ベクトルは、予測ニューラルネットワークの高速重み付けスキームを介して予測機構を乗法的に変調する。
実験により,高速重量はエージェントの特性をモデル化し,マインドリーディング能力を向上させるために優れた誘導バイアスを与えることが示された。
論文 参考訳（メタデータ） (2022-04-17T11:21:18Z) - Assessing Human Interaction in Virtual Reality With Continually Learning
Prediction Agents Based on Reinforcement Learning Algorithms: A Pilot Study [6.076137037890219]
本研究では,人間と学習の継続する予測エージェントの相互作用が,エージェントの能力の発達とともにどのように発達するかを検討する。
我々は、強化学習(RL)アルゴリズムから学習した予測が人間の予測を増大させる仮想現実環境と時間ベースの予測タスクを開発する。
以上の結果から,人的信頼はエージェントとの早期の相互作用に影響され,信頼が戦略的行動に影響を及ぼす可能性が示唆された。
論文 参考訳（メタデータ） (2021-12-14T22:46:44Z) - Human-Robot Collaboration and Machine Learning: A Systematic Review of
Recent Research [69.48907856390834]
人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。
本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
論文 参考訳（メタデータ） (2021-10-14T15:14:33Z) - Word Acquisition in Neural Language Models [0.38073142980733]
ニューラルネットワークモデルは,学習中に個々の単語を習得し,学習曲線を抽出し,600以上の単語の獲得年齢を推定する。
子どもや言語モデルでは, 具体性, 単語長, 語彙クラスの影響が顕著に異なることがわかった。
論文 参考訳（メタデータ） (2021-10-05T23:26:16Z) - A framework for predicting, interpreting, and improving Learning
Outcomes [0.0]
本研究では,学生の観察的,行動的,受験的特徴に基づいて,テストスコアを予測するEmbibe Score Quotient Model(ESQ)を開発した。
ESQは、学生の将来的な採点可能性の予測や、個別の学習ナッジの提供に使用することができる。
論文 参考訳（メタデータ） (2020-10-06T11:22:27Z) - A robot that counts like a child: a developmental model of counting and
pointing [69.26619423111092]
実物を数えることができる新しい神経ロボティクスモデルを導入する。
このモデルにより,エンボディメントと数値認識の相互作用を調べることができる。
トレーニングされたモデルは、アイテムのセットをカウントすることができ、同時にそれらを指し示します。
論文 参考訳（メタデータ） (2020-08-05T21:06:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。