Fugu-MT 論文翻訳(概要): Mindless Attractor: A False-Positive Resistant Intervention for Drawing Attention Using Auditory Perturbation

論文の概要: Mindless Attractor: A False-Positive Resistant Intervention for Drawing Attention Using Auditory Perturbation

arxiv url: http://arxiv.org/abs/2101.08621v1
Date: Thu, 21 Jan 2021 14:10:54 GMT
ステータス: 処理完了
システム内更新日: 2021-03-21 14:05:13.837923
Title: Mindless Attractor: A False-Positive Resistant Intervention for Drawing Attention Using Auditory Perturbation
Title（参考訳）: マインドレス・トラクタ : 聴覚摂動による注意喚起のための偽陽性抵抗的介入
Authors: Riku Arakawa and Hiromu Yakura
Abstract要約: ビデオベースの学習では、ビデオから遠ざかっている学習者は注意を払うよう促す警告に従わない。 Mindless Computingの概念に触発され、新しい介入アプローチ、Mindless Attractorを提案します。具体的には、ビデオの音声を混乱させ、意識を気にせずに注意を向ける。
参考スコア（独自算出の注目度）: 21.244813783249015
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Explicitly alerting users is not always an optimal intervention, especially when they are not motivated to obey. For example, in video-based learning, learners who are distracted from the video would not follow an alert asking them to pay attention. Inspired by the concept of Mindless Computing, we propose a novel intervention approach, Mindless Attractor, that leverages the nature of human speech communication to help learners refocus their attention without relying on their motivation. Specifically, it perturbs the voice in the video to direct their attention without consuming their conscious awareness. Our experiments not only confirmed the validity of the proposed approach but also emphasized its advantages in combination with a machine learning-based sensing module. Namely, it would not frustrate users even though the intervention is activated by false-positive detection of their attentive state. Our intervention approach can be a reliable way to induce behavioral change in human-AI symbiosis.
Abstract（参考訳）: ユーザに明示的に警告することは、特に従うモチベーションがない場合に、必ずしも最適な介入ではない。例えば、ビデオベースの学習では、ビデオに気を取られている学習者は、注意を払うよう促す警告に従わない。マインドレスコンピューティングの概念に触発されて,学習者がモチベーションに頼らずに注意を喚起することを支援するために,人間の音声コミュニケーションの性質を活用する新たな介入手法であるマインドレス・アトラクタを提案する。具体的には、ビデオの音声を混乱させ、意識を気にせずに注意を向ける。提案手法の有効性を検証しただけでなく,機械学習に基づくセンシングモジュールと組み合わせてその利点を強調した。すなわち、注意状態の誤検出によって介入が活性化されたとしても、ユーザをいらいらさせることはない。我々の介入アプローチは、ヒト-ai共生における行動変化を誘発する信頼できる方法である。
全文参考訳へのリンク