論文の概要: Online Assessment Misconduct Detection using Internet Protocol and Behavioural Classification

• arxiv url: http://arxiv.org/abs/2201.13226v1
• Date: Mon, 24 Jan 2022 03:48:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-06 08:15:32.276106
• Title: Online Assessment Misconduct Detection using Internet Protocol and Behavioural Classification
• Title（参考訳）: インターネットプロトコルと行動分類を用いたオンライン異常検出
• Authors: Leslie Ching Ow Tiong, HeeJeong Jasmine Lee, Kai Li Lim
• Abstract要約: 本稿では,オンラインアセスメント不正行為(e-cheating)の可能性について検討し,それに対する実践的対策を提案する。 インターネットプロトコル(IP)検出器と行動モニタとから構成される、電子商取引の知的エージェントの形式でオンライン不正行為を検出するメカニズムを提示する。
• 参考スコア（独自算出の注目度）: 0.6445605125467573
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the recent prevalence of remote education, academic assessments are often conducted online, leading to further concerns surrounding assessment misconducts. This paper investigates the potentials of online assessment misconduct (e-cheating) and proposes practical countermeasures against them. The mechanism for detecting the practices of online cheating is presented in the form of an e-cheating intelligent agent, comprising of an internet protocol (IP) detector and a behavioural monitor. The IP detector is an auxiliary detector which assigns randomised and unique assessment sets as an early procedure to reduce potential misconducts. The behavioural monitor scans for irregularities in assessment responses from the candidates, further reducing any misconduct attempts. This is highlighted through the proposal of the DenseLSTM using a deep learning approach. Additionally, a new PT Behavioural Database is presented and made publicly available. Experiments conducted on this dataset confirm the effectiveness of the DenseLSTM, resulting in classification accuracies of up to 90.7%.
• Abstract（参考訳）: 近年の遠隔教育の普及に伴い、アカデミックアセスメントはしばしばオンラインで行われ、アセスメントの不正行為に関するさらなる懸念につながっている。 本稿では,オンラインアセスメント不正行為(e-cheating)の可能性を調査し,それに対する実践的対策を提案する。 オンライン不正行為の行為を検出するメカニズムは、インターネットプロトコル(ip)検出器と行動監視装置からなるe-cheating intelligent agentという形で提示される。 IP検出器は、潜在的な不正行為を減らすための早期手順としてランダム化およびユニークな評価セットを割り当てる補助検出器である。 行動モニターは、候補からの評価応答の不規則をスキャンし、さらに不正な試みを減らす。 これはディープラーニングアプローチを使用したDenseLSTMの提案を通じて強調される。 さらに、新しいPTビヘイビアデータベースが公開され、公開されている。 このデータセットで行われた実験では、DenseLSTMの有効性が確認され、分類精度は90.7%に達した。

関連論文リスト

• The Pitfalls and Promise of Conformal Inference Under Adversarial Attacks [90.52808174102157]
  医療画像や自律運転などの安全クリティカルな応用においては、高い敵の堅牢性を維持し、潜在的敵の攻撃から保護することが不可欠である。 敵対的に訓練されたモデルに固有の不確実性に関して、注目すべき知識ギャップが残っている。 本研究では,共形予測(CP)の性能を標準対向攻撃の文脈で検証することにより,ディープラーニングモデルの不確実性について検討する。
  論文  参考訳（メタデータ） (2024-05-14T18:05:19Z)
• PREGO: online mistake detection in PRocedural EGOcentric videos [49.72812518471056]
  自己中心型ビデオにおける誤り検出のための,最初のオンライン一級分類モデルであるPregoを提案する。 PreGOは、現在のアクションをモデル化するオンラインアクション認識コンポーネントと、次のアクションを予測するシンボリック推論モジュールに基づいている。 手続き的誤り検出のオンラインベンチマークに適応する2つの手続き的自己中心型ビデオデータセットであるAmbly101とEpic-tentについてPreGOを評価した。
  論文  参考訳（メタデータ） (2024-04-02T13:27:28Z)
• Examining Monitoring System: Detecting Abnormal Behavior In Online Examinations [1.5613363580649218]
  オンライン検診における異常行動検出システム」は, 生徒の異常行動の特定を支援する。 本システムは,リアルタイムシナリオにおける不正検出の精度と高速化を実証する。
  論文  参考訳（メタデータ） (2024-02-19T14:37:17Z)
• On the Universal Adversarial Perturbations for Efficient Data-free Adversarial Detection [55.73320979733527]
  本稿では,UAPに対して正常サンプルと逆サンプルの異なる応答を誘導する,データに依存しない逆検出フレームワークを提案する。 実験結果から,本手法は様々なテキスト分類タスクにおいて,競合検出性能を実現することが示された。
  論文  参考訳（メタデータ） (2023-06-27T02:54:07Z)
• Beyond AUROC & co. for evaluating out-of-distribution detection performance [50.88341818412508]
  安全(r)AIとの関連性を考えると,OOD検出法の比較の基礎が実用的ニーズと整合しているかどうかを検討することが重要である。 我々は,IDとOODの分離が不十分なことを明示する新しい指標であるAUTC(Area Under the Threshold Curve)を提案する。
  論文  参考訳（メタデータ） (2023-06-26T12:51:32Z)
• A Revealing Large-Scale Evaluation of Unsupervised Anomaly Detection Algorithms [0.0]
  異常検出には、銀行詐欺検知やサイバー脅威検出から機器のメンテナンスや健康モニタリングまで、多くの応用がある。 我々は,最も普及している非教師付き異常検出方法の12点を概観した。
  論文  参考訳（メタデータ） (2022-04-21T00:17:12Z)
• Adherence Forecasting for Guided Internet-Delivered Cognitive Behavioral Therapy: A Minimally Data-Sensitive Approach [59.535699822923]
  インターネット提供型心理的治療(IDPT)は、メンタルヘルスのアクセシビリティを向上させるための効果的でスケーラブルな経路であると考えられている。 本研究は,最小限の敏感なログイン/ログアウトデータに依存しながら,自動アドバンス予測を行うディープラーニングアプローチを提案する。 提案されたセルフアテンションネットワークは、治療期間の1/3が経過した時点で、平均的バランスの正確さを70%以上達成した。
  論文  参考訳（メタデータ） (2022-01-11T13:55:57Z)
• E-cheating Prevention Measures: Detection of Cheating at Online Examinations Using Deep Learning Approach -- A Case Study [1.0152838128195467]
  この研究は、Covid-19パンデミック中に特に関連があるオンラインアセスメントの現在の問題に対処します。 我々は,オンライン不正行為を検知するメカニズムとして,eラーティング・インテリジェンス・エージェントを利用した。
  論文  参考訳（メタデータ） (2021-01-25T01:09:54Z)
• The Instantaneous Accuracy: a Novel Metric for the Problem of Online Human Behaviour Recognition in Untrimmed Videos [9.3576825415122]
  我々は,新しいオンライン指標Instantaneous Accuracy(IA$)を紹介した。 本研究は,従来の評価プロトコルの問題点を検証し,人の行動理解のオンラインシナリオにIAベースのプロトコルの方が適切であることを示唆する。
  論文  参考訳（メタデータ） (2020-03-22T19:04:05Z)
• Unsupervised Dictionary Learning for Anomaly Detection [2.28438857884398]
  本稿では,最近行った半教師付きオンラインアルゴリズム TODDLeR の反マネーロンダリングアプリケーションにおける新しい結果について述べる。 また,本研究では,学習アルゴリズムの性能をサンプルの性質を示すため,教師なしの新たな手法を提案する。
  論文  参考訳（メタデータ） (2020-02-29T16:25:56Z)
• Adversarial vs behavioural-based defensive AI with joint, continual and active learning: automated evaluation of robustness to deception, poisoning and concept drift [62.997667081978825]
  人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。 本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
  論文  参考訳（メタデータ） (2020-01-13T13:54:36Z)

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。