論文の概要: Designing a Web Application for Simple and Collaborative Video Annotation That Meets Teaching Routines and Educational Requirements

• arxiv url: http://arxiv.org/abs/2105.04022v1
• Date: Sun, 9 May 2021 21:02:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-01 01:33:12.451438
• Title: Designing a Web Application for Simple and Collaborative Video Annotation That Meets Teaching Routines and Educational Requirements
• Title（参考訳）: ルーチンと教育要件を規定するシンプルで協調的なビデオアノテーションのためのWebアプリケーションの設計
• Authors: Daniel Klug, Elke Schlote
• Abstract要約: 我々は、シンプルで協調的なビデオアノテーションのためのWebアプリケーションTRAVIS GOを開発した。 TRAVIS GOは、確立した授業設定内で素早く簡単に利用できる。 主要な戦術的機能としては、投稿のタグ付けとコメント、プロジェクトの共有とエクスポート、ライブコラボレーションの作業などがある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Video annotation and analysis is an important activity for teaching with and about audiovisual media artifacts because it helps students to learn how to identify textual and formal connections in media products. But school teachers lack adequate tools for video annotation and analysis in media education that are easy-to-use, integrate into established teaching organization, and support quick collaborative work. To address these challenges, we followed a design-based research approach and conducted qualitative interviews with teachers to develop TRAVIS GO, a web application for simple and collaborative video annotation. TRAVIS GO allows for quick and easy use within established teaching settings. The web application provides basic analytical features in an adaptable work space. Key didactic features include tagging and commenting on posts, sharing and exporting projects, and working in live collaboration. Teachers can create assignments according to grade level, learning subject, and class size. Our work contributes further insights for the CSCW community about how to implement user demands into developing educational tools.
• Abstract（参考訳）: ビデオアノテーションと分析は,メディア製品におけるテキスト的および形式的接続の識別方法を学ぶのに役立つため,視聴覚メディアアーティファクトを教育する上で重要な活動である。 しかし、学校の教師は、使いやすいメディア教育におけるビデオアノテーションや分析のための十分なツールがなく、既存の教育組織に統合され、迅速な共同作業をサポートする。 これらの課題に対処するために,我々は設計に基づく研究アプローチに従い,教師と質的インタビューを行い,簡易かつ協調的なビデオアノテーションのためのwebアプリケーションtravis goを開発した。 TRAVIS GOは、確立した授業設定内で素早く簡単に利用できる。 Webアプリケーションは、適応可能な作業空間で基本的な分析機能を提供します。 didacticの重要な機能には、投稿のタグ付けやコメント、プロジェクトの共有とエクスポート、ライブコラボレーションでの作業などが含まれる。 教師は、成績レベル、学習対象、クラスサイズに応じて課題を作成できる。 本研究は,CSCWコミュニティの教育ツール開発におけるユーザニーズの実装方法に関するさらなる洞察に貢献する。

関連論文リスト

• Instruction-Guided Editing Controls for Images and Multimedia: A Survey in LLM era [50.19334853510935]
  命令ベースの編集の最近の進歩は、ユーザ意図と複雑な編集操作の間の橋渡しとして自然言語を用いて、視覚コンテンツとの直感的な対話を可能にしている。 我々は,エンターテイメントから教育に至るまで,様々な産業において強力なビジュアル編集を民主化することを目指している。
  論文  参考訳（メタデータ） (2024-11-15T05:18:15Z)
• OnDiscuss: An Epistemic Network Analysis Learning Analytics Visualization Tool for Evaluating Asynchronous Online Discussions [0.49998148477760973]
  OnDiscussはテキストマイニングアルゴリズムと疫学ネットワーク分析(ENA)を利用するインストラクターのための学習分析可視化ツール テキストマイニングはインストラクターのための最初のコードブックを生成するために使用され、データを自動的にコードする。 このツールは、インストラクターが自分のコードブックを編集し、クラス全体と個々の学生のENAネットワークを動的に閲覧することを可能にする。
  論文  参考訳（メタデータ） (2024-08-19T21:23:11Z)
• Tutorly: Turning Programming Videos Into Apprenticeship Learning Environments with LLMs [1.6961276655027102]
  我々の研究は、プログラミングビデオを認知的見習いのフレームワークを使って1対1の学習体験に変換する。 TutorlyはJupyterLabとして開発され、学習者はパーソナライズされた学習目標を設定することができる。
  論文  参考訳（メタデータ） (2024-05-21T17:17:34Z)
• Large Language Model-Driven Classroom Flipping: Empowering Student-Centric Peer Questioning with Flipped Interaction [3.1473798197405953]
  本稿では,大規模言語モデルにおけるフリップ相互作用に基づく教室のフリップの教育的アプローチについて検討する。 欠落した相互作用は、プロンプトに対する回答ではなく、言語モデルを使用して質問を生成することである。 本稿では,クイズ・クイズ・ルーチンとクイズ・プイズ・クイズ・ルーチンとを用いて,クイズ・クイズ・クイズ・クイズとアクイズ・クイズ・クイズ・インシデント・エンジニアリングを統合するワークフローを提案する。
  論文  参考訳（メタデータ） (2023-11-14T15:48:19Z)
• CodeHelp: Using Large Language Models with Guardrails for Scalable Support in Programming Classes [2.5949084781328744]
  大規模言語モデル(LLM)が最近登場し、大規模なオンデマンドヘルプの提供を約束している。 CodeHelpは、ガードレールで設計された新しいLLMツールで、直接ソリューションを公開することなく、プログラミングの学生にオンデマンドで支援を提供する。 以上の結果から,CodeHelpは特に有効性を高く評価し,誤りの解消に寄与する学生に好意的に受け入れられていることが示唆された。
  論文  参考訳（メタデータ） (2023-08-14T03:52:24Z)
• A large language model-assisted education tool to provide feedback on open-ended responses [2.624902795082451]
  本稿では,大規模言語モデル (LLM) をインストラクター定義基準でガイドし,オープンエンド質問に対する応答を自動化するツールを提案する。 本ツールでは,素早いパーソナライズされたフィードバックを提供することで,学生が知識を迅速にテストし,改善すべき領域を特定できる。
  論文  参考訳（メタデータ） (2023-07-25T19:49:55Z)
• A Video Is Worth 4096 Tokens: Verbalize Videos To Understand Them In Zero Shot [67.00455874279383]
  そこで本研究では,自然言語による記述を生成するために長編動画を音声化し,生成したストーリーの映像理解タスクを実行することを提案する。 提案手法は,ゼロショットであるにもかかわらず,ビデオ理解のための教師付きベースラインよりもはるかに優れた結果が得られる。 ストーリー理解ベンチマークの欠如を緩和するため,我々は,説得戦略の識別に関する計算社会科学における重要な課題に関する最初のデータセットを公開している。
  論文  参考訳（メタデータ） (2023-05-16T19:13:11Z)
• MaMMUT: A Simple Architecture for Joint Learning for MultiModal Tasks [59.09343552273045]
  本稿では,これらの異なる視覚言語タスクの協調学習に驚くほど有効であるマルチモーダルタスクのためのデコーダのみのモデルを提案する。 これらの多様な目的の合同学習は単純で効果的であり、これらのタスク間でのモデルの重量共有を最大化することを示した。 我々のモデルは,画像テキストとテキスト画像検索,ビデオ質問応答,オープン語彙検出タスクにおける技術の現状を達成し,より大きく,より広範囲に訓練された基礎モデルよりも優れている。
  論文  参考訳（メタデータ） (2023-03-29T16:42:30Z)
• Transcript to Video: Efficient Clip Sequencing from Texts [65.87890762420922]
  Transcript-to-Video - テキストを入力として使用する弱教師付きフレームワークで、広範なショットコレクションからビデオシーケンスを自動的に生成する。 具体的には、視覚言語表現とモデルショットシークエンシングスタイルを学習するためのコンテンツ検索モジュールとテンポラルコヒーレントモジュールを提案する。 高速な推論のために,リアルタイムビデオクリップシークエンシングのための効率的な検索手法を提案する。
  論文  参考訳（メタデータ） (2021-07-25T17:24:50Z)
• Neural Multi-Task Learning for Teacher Question Detection in Online Classrooms [50.19997675066203]
  教師の音声記録から質問を自動的に検出するエンドツーエンドのニューラルネットワークフレームワークを構築している。 マルチタスク学習手法を取り入れることで,質問の種類によって意味的関係の理解を深めることが可能となる。
  論文  参考訳（メタデータ） (2020-05-16T02:17:04Z)
• Object Relational Graph with Teacher-Recommended Learning for Video Captioning [92.48299156867664]
  本稿では,新しいモデルと効果的なトレーニング戦略の両方を含む完全なビデオキャプションシステムを提案する。 具体的には,オブジェクトリレーショナルグラフ(ORG)に基づくエンコーダを提案する。 一方,教師推薦学習(TRL)手法を設計し,成功した外部言語モデル(ELM)をフル活用し,豊富な言語知識をキャプションモデルに統合する。
  論文  参考訳（メタデータ） (2020-02-26T15:34:52Z)

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。