論文の概要: PEEK: A Large Dataset of Learner Engagement with Educational Videos
- arxiv url: http://arxiv.org/abs/2109.03154v1
- Date: Fri, 3 Sep 2021 11:23:02 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-09 03:58:42.247139
- Title: PEEK: A Large Dataset of Learner Engagement with Educational Videos
- Title（参考訳）: PEEK:教育ビデオによる学習者のエンゲージメントの大規模データセット
- Authors: Sahan Bulathwela, Maria Perez-Ortiz, Erik Novak, Emine Yilmaz, John
Shawe-Taylor
- Abstract要約: 我々は,教育ビデオに携わる学習者の大規模な新しいデータセットをリリースする。
このデータセットはPEEK(Personalized Educational Engagement with Knowledge Topics)と名付けられたもので、この性質について初めて公開されたデータセットである。
学習者のエンゲージメントの信号は、リッチなコンテンツ表現と一致して、強力なパーソナライズアルゴリズムを構築するための道を開くだろうと考えています。
- 参考スコア（独自算出の注目度）: 20.49299110732228
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Educational recommenders have received much less attention in comparison to
e-commerce and entertainment-related recommenders, even though efficient
intelligent tutors have great potential to improve learning gains. One of the
main challenges in advancing this research direction is the scarcity of large,
publicly available datasets. In this work, we release a large, novel dataset of
learners engaging with educational videos in-the-wild. The dataset, named
Personalised Educational Engagement with Knowledge Topics PEEK, is the first
publicly available dataset of this nature. The video lectures have been
associated with Wikipedia concepts related to the material of the lecture, thus
providing a humanly intuitive taxonomy. We believe that granular learner
engagement signals in unison with rich content representations will pave the
way to building powerful personalization algorithms that will revolutionise
educational and informational recommendation systems. Towards this goal, we 1)
construct a novel dataset from a popular video lecture repository, 2) identify
a set of benchmark algorithms to model engagement, and 3) run extensive
experimentation on the PEEK dataset to demonstrate its value. Our experiments
with the dataset show promise in building powerful informational recommender
systems. The dataset and the support code is available publicly.
- Abstract（参考訳）: 教育推薦者はeコマースやエンターテイメント関連リコメンデーターに比べてはるかに少ない関心を集めている。
この研究の方向性を進める上での大きな課題の1つは、大規模な公開データセットの不足である。
本研究は,教育ビデオに携わる学習者の大規模かつ新しいデータセットをリリースする。
personalized educational engagement with knowledge topics peekと名付けられたこのデータセットは、この性質の最初の一般公開データセットである。
ビデオ講義は講義の内容に関連するウィキペディアの概念と関連付けられており、人間の直感的な分類を提供する。
我々は、学習者のエンゲージメント信号がリッチコンテンツ表現と一致して、教育や情報レコメンデーションシステムに革命をもたらす強力なパーソナライズアルゴリズムを構築するための道を開くと信じている。
この目標に向けて,1)人気ビデオ講義リポジトリから新しいデータセットを構築し,2)エンゲージメントをモデル化するためのベンチマークアルゴリズムのセットを特定し,3)PEEKデータセット上で広範な実験を行い,その価値を実証する。
データセットを用いた実験では,強力な情報レコメンデータシステムの構築が期待できる。
データセットとサポートコードは公開されています。
関連論文リスト
- Language-Model-Assisted Bi-Level Programming for Reward Learning from Internet Videos [48.2044649011213]
我々は、強化学習エージェントがインターネットビデオから報酬を学べるように、言語モデル支援のバイレベルプログラミングフレームワークを導入する。
このフレームワークは、視覚言語モデル(VLM)が学習者の振る舞いをエキスパートビデオと比較することでフィードバックを提供する上位レベルと、このフィードバックを報酬更新に変換する大規模言語モデル(LLM)の下位レベルである。
そこで本研究では,YouTubeビデオから報酬を学習する手法を検証するとともに,提案手法が生物エージェントのエキスパートビデオから効率的に報酬をデザインできることを示した。
論文 参考訳（メタデータ） (2024-10-11T22:31:39Z) - A Toolbox for Modelling Engagement with Educational Videos [21.639063299289607]
この作業では、データセットとオンライン学習者の状態モデルを含むPEEKCデータセットとTrueLearn Pythonライブラリを提示する。
このデータセットには、AI関連の教育ビデオが多数含まれており、AI固有の教育レコメンデーションの構築と検証に関心がある。
論文 参考訳（メタデータ） (2023-12-30T21:10:55Z) - InternVid: A Large-scale Video-Text Dataset for Multimodal Understanding
and Generation [90.71796406228265]
InternVidは大規模なビデオ中心のマルチモーダルデータセットで、強力で転送可能なビデオテキスト表現の学習を可能にする。
InternVidデータセットは700万本以上のビデオが760万時間近く持続し、合計4.1Bワードの詳細な記述を伴う234万本のビデオクリップが生成される。
論文 参考訳（メタデータ） (2023-07-13T17:58:32Z) - A Unified Model for Video Understanding and Knowledge Embedding with
Heterogeneous Knowledge Graph Dataset [47.805378137676605]
マルチモーダルビデオエンティティと実りある常識関係を含む異種データセットを提案する。
実験により,映像理解の埋め込みと事実知識を組み合わせることで,コンテンツに基づく映像検索性能が向上することが示唆された。
また、VRTやVRVタスクにおいて従来のKGEベースの手法よりも優れた知識グラフの埋め込みを生成するのに役立つ。
論文 参考訳（メタデータ） (2022-11-19T09:00:45Z) - Can Population-based Engagement Improve Personalisation? A Novel Dataset
and Experiments [21.12546768556595]
VLEは、公開されている科学ビデオ講義から抽出されたコンテンツとビデオベースの特徴からなる、新しいデータセットである。
実験結果から,新たに提案したVLEデータセットがコンテキストに依存しないエンゲージメント予測モデルの構築につながることが示唆された。
構築したモデルとパーソナライズアルゴリズムを組み合わせる実験は、教育推薦者によるコールドスタート問題に対処する上で有望な改善を示す。
論文 参考訳（メタデータ） (2022-06-22T15:53:24Z) - Self-Supervised Learning for Videos: A Survey [70.37277191524755]
自己教師型学習は、画像ドメインとビデオドメインの両方で有望である。
本稿では,ビデオ領域に着目した自己教師型学習における既存のアプローチについて概観する。
論文 参考訳（メタデータ） (2022-06-18T00:26:52Z) - NoisyActions2M: A Multimedia Dataset for Video Understanding from Noisy
Labels [33.659146748289444]
約200万のビデオと関連するユーザ生成アノテーションやその他のメタ情報からなるベンチマークデータセットを作成します。
提案したデータセット上で事前トレーニングされたネットワークは、下流データセットにおけるビデオの破損やラベルノイズに対してどのように役立つかを示す。
論文 参考訳（メタデータ） (2021-10-13T16:12:18Z) - VLEngagement: A Dataset of Scientific Video Lectures for Evaluating
Population-based Engagement [23.078055803229912]
ビデオ講義は、現在のデジタル時代の大衆に知識を与える主要なモダリティの1つとなっている。
科学ビデオ講義における学習者の関与を理解することを目的としたデータと研究は依然として重要なニーズである。
本稿では,VLEngagementについて紹介する。VLEngagementは,公開科学ビデオ講義から抽出したコンテンツベースおよびビデオ特有の特徴からなる,新しいデータセットである。
論文 参考訳（メタデータ） (2020-11-02T14:20:19Z) - Attentional Graph Convolutional Networks for Knowledge Concept
Recommendation in MOOCs in a Heterogeneous View [72.98388321383989]
大規模なオープンオンラインコース(MOOC)は、学生が知識を習得するための大規模かつオープンな学習機会を提供する。
学生の関心を惹きつけるため、MOOCsプロバイダによる推薦制度が採用され、学生にコースを推薦する。
そこで本研究では,MOOCにおける知識概念レコメンデーションのために,Attentional Heterogeneous Graph Convolutional Deep Knowledge Recommender (ACKRec) という,エンドツーエンドのグラフニューラルネットワークに基づくアプローチを提案する。
論文 参考訳（メタデータ） (2020-06-23T18:28:08Z) - Comprehensive Instructional Video Analysis: The COIN Dataset and
Performance Evaluation [100.68317848808327]
包括的インストラクショナルビデオ解析のための大規模データセット「COIN」を提案する。
COINデータセットには、日々の生活に関連する12の領域で180のタスクの11,827の動画が含まれている。
新しい開発ツールボックスでは、すべてのビデオに一連のステップラベルと対応する時間境界がアノテートされる。
論文 参考訳（メタデータ） (2020-03-20T16:59:44Z)
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。