論文の概要: Predicting Stress in Remote Learning via Advanced Deep Learning Technologies

• arxiv url: http://arxiv.org/abs/2109.11076v1
• Date: Wed, 22 Sep 2021 23:24:37 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-25 00:59:16.757693
• Title: Predicting Stress in Remote Learning via Advanced Deep Learning Technologies
• Title（参考訳）: 高度深層学習技術による遠隔学習のストレス予測
• Authors: Daben Kyle Liu
• Abstract要約: 新型コロナウイルス(COVID-19)は、ZoomやGoogle Meetといったオンラインミーティングソフトウェアを通じて、ほとんどの学校をリモート学習に駆り立ててきた。 本研究は、リアルタイムの学生精神状態モニタリングと分類を提供する機械学習に基づくアプローチを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: COVID-19 has driven most schools to remote learning through online meeting software such as Zoom and Google Meet. Although this trend helps students continue learning without in-person classes, it removes a vital tool that teachers use to teach effectively: visual cues. By not being able to see a student's face clearly, the teacher may not notice when the student needs assistance, or when the student is not paying attention. In order to help remedy the teachers of this challenge, this project proposes a machine learning based approach that provides real-time student mental state monitoring and classifications for the teachers to better conduct remote teaching. Using publicly available electroencephalogram (EEG) data collections, this research explored four different classification techniques: the classic deep neural network, the traditionally popular support vector machine, the latest convolutional neural network, and the XGBoost model, which has gained popularity recently. This study defined three mental classes: an engaged learning mode, a confused learning mode, and a relaxed mode. The experimental results from this project showed that these selected classifiers have varying potentials in classifying EEG signals for mental states. While some of the selected classifiers only yield around 50% accuracy with some delay, the best ones can achieve 80% accurate classification in real-time. This could be very beneficial for teachers in need of help making remote teaching adjustments, and for many other potential applications where in-person interactions are not possible.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)は、ZoomやGoogle Meetといったオンラインミーティングソフトウェアを通じて、ほとんどの学校をリモート学習に駆り立ててきた。 この傾向は、学生が対人授業なしで学び続けるのに役立つが、教師が効果的に教える重要なツールである視覚的手がかりを取り除く。 生徒の顔がはっきりと見えないことで、教師は、学生が助けを必要としているときや、学生が注意を払っていないときに気づかない場合がある。 この課題の教師の救済を支援するため,本研究では,リアルタイムの生徒のメンタルステートモニタリングと,教師が遠隔教育をより効果的に行うための分類を提供する,機械学習に基づくアプローチを提案する。 本研究では,eeg(public available electroencephalogram)データコレクションを用いて,従来のディープニューラルネットワーク,伝統的に普及しているサポートベクターマシン,最新の畳み込みニューラルネットワーク,xgboostモデルという4つの分類手法を検討した。 本研究は,学習モード,混乱学習モード,リラックスモードの3つのメンタルクラスを定義した。 本研究により,これらの選択された分類器は,精神状態の脳波信号の分類に様々な可能性を有することが示された。 選択された分類器のいくつかは50%程度の精度しか得られないが、最良の分類器は80%の精度でリアルタイムに分類することができる。 これは、遠隔教育の調整を支援する必要がある教師や、対人インタラクションが不可能な多くの潜在的なアプリケーションにとって非常に有益である。

関連論文リスト

• Learning Behavior Recognition in Smart Classroom with Multiple Students Based on YOLOv5 [4.239144309557045]
  学生の教室行動の認識と分析を行うために, YOLOアルゴリズムを1回のみ用いたYOLOv5sネットワーク構造を提案する。 YOLOv4と比較すると,提案手法はmAPの性能を11%向上させることができる。
  論文  参考訳（メタデータ） (2023-03-20T07:16:58Z)
• UNIKD: UNcertainty-filtered Incremental Knowledge Distillation for Neural Implicit Representation [48.49860868061573]
  最近の神経暗黙表現(NIR)は、3次元再構成と新しいビュー合成のタスクにおいて大きな成功を収めている。 それらは、異なるカメラビューからのシーンのイメージを、一度のトレーニングで利用できるようにする必要がある。 これは特に大規模なシーンと限られたデータストレージを持つシナリオでは高価である。 我々は、破滅的な問題を緩和するために、学生-教師の枠組みを設計する。
  論文  参考訳（メタデータ） (2022-12-21T11:43:20Z)
• Switchable Online Knowledge Distillation [68.2673580932132]
  オンライン知識蒸留(OKD)は、教師と学生の違いを相互に活用することで、関係するモデルを改善する。 そこで我々は,これらの疑問に答えるために,スイッチブルオンライン知識蒸留(SwitOKD)を提案する。
  論文  参考訳（メタデータ） (2022-09-12T03:03:40Z)
• Real-time Attention Span Tracking in Online Education [0.0]
  本稿では,オンライン授業中の学生のリアルタイムの注意レベルを監視するために,カメラフィードとマイクロホン入力を利用するメカニズムを提案する。 我々は,5つの異なる非言語的特徴を用いて,コンピュータによるタスク中の学生の注意スコアを計算し,学生と組織の両方に対してリアルタイムのフィードバックを生成するシステムを提案する。
  論文  参考訳（メタデータ） (2021-11-29T17:05:59Z)
• A Neuroscience Approach regarding Student Engagement in the Classes of Microcontrollers during the COVID19 Pandemic [0.0]
  ArduinoとRaspberry Piボードは、オンラインシミュレーション環境を使用してマイクロコントローラのコースで研究されている。 Emotiv Insightヘッドセットは、マイクロコントローラコースの理論的および実践的な時間に教授が使用する。 授業で使用されるアプローチは、質問ベースの学習、ゲームベースの学習、パーソナライズされた学習である。
  論文  参考訳（メタデータ） (2021-11-15T16:41:29Z)
• Iterative Teacher-Aware Learning [136.05341445369265]
  人間の教育において、教師と学生はコミュニケーション効率を最大化するために適応的に交流することができる。 本稿では,教師の協調意図を可能性関数に組み込むことができる,勾配最適化に基づく教師認識学習者を提案する。
  論文  参考訳（メタデータ） (2021-10-01T00:27:47Z)
• The Wits Intelligent Teaching System: Detecting Student Engagement During Lectures Using Convolutional Neural Networks [0.30458514384586394]
  Wits Intelligent Teaching System (WITS) は、学生の感情に関するリアルタイムフィードバックを講師に支援することを目的としている。 AlexNetベースのCNNはトレーニングが成功し、Support Vector Machineアプローチを大きく上回っている。
  論文  参考訳（メタデータ） (2021-05-28T12:59:37Z)
• Exploring Bayesian Deep Learning for Urgent Instructor Intervention Need in MOOC Forums [58.221459787471254]
  大規模なオープンオンラインコース(MOOC)は、その柔軟性のおかげで、eラーニングの一般的な選択肢となっている。 多くの学習者とその多様な背景から、リアルタイムサポートの提供は課税されている。 MOOCインストラクターの大量の投稿と高い作業負荷により、インストラクターが介入を必要とするすべての学習者を識別できる可能性は低いです。 本稿では,モンテカルロドロップアウトと変分推論という2つの手法を用いて,学習者によるテキスト投稿のベイジアン深層学習を初めて検討する。
  論文  参考訳（メタデータ） (2021-04-26T15:12:13Z)
• Improving Students Performance in Small-Scale Online Courses -- A Machine Learning-Based Intervention [0.0]
  オンライン学習管理システムから収集したデータは,学生全体のパフォーマンスを予測するために有効に活用できることを示す。 本研究の結果から,学生の進路を改善させるための効果的な介入戦略が,授業の途中で提案される可能性が示唆された。
  論文  参考訳（メタデータ） (2020-11-23T14:12:55Z)
• Point Adversarial Self Mining: A Simple Method for Facial Expression Recognition [79.75964372862279]
  本稿では,表情認識における認識精度を向上させるために,PASM(Point Adversarial Self Mining)を提案する。 PASMは、目標タスクに関連する最も情報性の高い位置を見つけるために、ポイント敵攻撃法と訓練された教師ネットワークを使用する。 適応学習教材の生成と教師/学生の更新を複数回行うことができ、ネットワーク能力が反復的に向上する。
  論文  参考訳（メタデータ） (2020-08-26T06:39:24Z)
• 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)

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。