論文の概要: StuArt: Individualized Classroom Observation of Students with Automatic
Behavior Recognition and Tracking
- arxiv url: http://arxiv.org/abs/2211.03127v1
- Date: Sun, 6 Nov 2022 14:08:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-08 18:33:17.394743
- Title: StuArt: Individualized Classroom Observation of Students with Automatic
Behavior Recognition and Tracking
- Title（参考訳）: スチュアート:自動行動認識と追跡機能を有する学生の個別教室観察
- Authors: Huayi Zhou, Fei Jiang, Jiaxin Si, Lili Xiong, Hongtao Lu
- Abstract要約: StuArtは、個別の教室観察用に設計された新しい自動システムである。
5つの代表的な生徒の行動が、コースのエンゲージメントに強く関連していることを認識し、コース中の変動傾向を追跡する。
さまざまなユーザフレンドリーな視覚化デザインを採用して、インストラクターが個人と学習のステータスを素早く理解できるようにする。
- 参考スコア（独自算出の注目度）: 22.850362142924975
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Each student matters, but it is hardly for instructors to observe all the
students during the courses and provide helps to the needed ones immediately.
In this paper, we present StuArt, a novel automatic system designed for the
individualized classroom observation, which empowers instructors to concern the
learning status of each student. StuArt can recognize five representative
student behaviors (hand-raising, standing, sleeping, yawning, and smiling) that
are highly related to the engagement and track their variation trends during
the course. To protect the privacy of students, all the variation trends are
indexed by the seat numbers without any personal identification information.
Furthermore, StuArt adopts various user-friendly visualization designs to help
instructors quickly understand the individual and whole learning status.
Experimental results on real classroom videos have demonstrated the superiority
and robustness of the embedded algorithms. We expect our system promoting the
development of large-scale individualized guidance of students.
- Abstract（参考訳）: 各生徒は重要だが、教官がコース中のすべての生徒を観察し、必要な生徒に即座に支援することはほとんどない。
本稿では,教師が生徒の学習状況に注意を向けるように支援する授業観察用自動システムであるstuartについて述べる。
スチュアートは、5つの代表的な学生の行動(ハンドレイディング、スタンディング、スリープ、あくび、笑顔)を認識でき、コース中の彼らの変動傾向を追跡することができる。
生徒のプライバシーを保護するため、変動傾向はすべて、個人識別情報なしで座席番号によってインデックス化される。
さらに、StuArtは様々なユーザフレンドリーな視覚化デザインを採用し、インストラクターが個人と学習のステータスを素早く理解できるようにする。
実教室ビデオにおける実験結果は,組込みアルゴリズムの優位性と堅牢性を示している。
我々は,学生の大規模個別指導の開発を促進することを期待する。
関連論文リスト
- Representational Alignment Supports Effective Machine Teaching [81.19197059407121]
我々は,機械教育の知見と実践的なコミュニケーションを,表現的アライメントに関する文献と統合する。
教師の精度から表現的アライメントを遠ざける教師付き学習環境を設計する。
論文 参考訳（メタデータ） (2024-06-06T17:48:24Z) - Peer attention enhances student learning [12.375142583471678]
学生がオンライン授業ビデオを見るときの視覚的注意領域の表示が焦点とエンゲージメントを高めることを示す。
学生は、ピアアテンションの手がかりに従って適応性を維持する。
また、学生の注意力と成功を最適化するために、ピアアテンションモデリングを活用した適応的なオンライン学習介入の設計に関する洞察を提供する。
論文 参考訳（メタデータ） (2023-12-04T21:36:58Z) - Learning Transferable Pedestrian Representation from Multimodal
Information Supervision [174.5150760804929]
VAL-PATは、移動可能な表現を学習し、様々な歩行者分析タスクをマルチモーダル情報で強化する新しいフレームワークである。
まず、LUPerson-TAデータセットで事前トレーニングを行い、各画像にはテキストと属性アノテーションが含まれている。
次に、学習した表現を、人物のreID、人物属性認識、テキストベースの人物検索など、さまざまな下流タスクに転送する。
論文 参考訳（メタデータ） (2023-04-12T01:20:58Z) - Distantly-Supervised Named Entity Recognition with Adaptive Teacher
Learning and Fine-grained Student Ensemble [56.705249154629264]
NERモデルの堅牢性を改善するために,自己学習型教員学生フレームワークを提案する。
本稿では,2つの教員ネットワークからなる適応型教員学習を提案する。
微粒な学生アンサンブルは、教師モデルの各フラグメントを、生徒の対応するフラグメントの時間移動平均で更新し、各モデルフラグメントのノイズに対する一貫した予測を強化する。
論文 参考訳（メタデータ） (2022-12-13T12:14:09Z) - CIAO! A Contrastive Adaptation Mechanism for Non-Universal Facial
Expression Recognition [80.07590100872548]
本稿では、顔エンコーダの最後の層に異なるデータセットの特定の感情特性を適応させるメカニズムであるContrastive Inhibitory Adaptati On(CIAO)を提案する。
CIAOは、非常にユニークな感情表現を持つ6つの異なるデータセットに対して、表情認識性能が改善されている。
論文 参考訳（メタデータ） (2022-08-10T15:46:05Z) - Generalized Knowledge Distillation via Relationship Matching [53.69235109551099]
よく訓練されたディープニューラルネットワーク(いわゆる「教師」)の知識は、同様のタスクを学ぶのに有用である。
知識蒸留は教師から知識を抽出し、対象モデルと統合する。
教師に学生と同じ仕事をさせる代わりに、一般のラベル空間から訓練を受けた教師の知識を借りる。
論文 参考訳（メタデータ） (2022-05-04T06:49:47Z) - 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 literature survey on student feedback assessment tools and their usage
in sentiment analysis [0.0]
我々は,Kahoot!, Mentimeter, Padlet, pollingなどのクラス内フィードバック評価手法の有効性を評価する。
学生の質的なフィードバックコメントから明確な提案を抽出する感情分析モデルを提案する。
論文 参考訳（メタデータ） (2021-09-09T06:56:30Z) - 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) - Fully Unsupervised Person Re-identification viaSelective Contrastive
Learning [58.5284246878277]
人物再識別(ReID)は、様々なカメラが捉えた画像の中から同一人物を検索することを目的としている。
教師なし特徴学習のための新しい選択型コントラスト学習フレームワークを提案する。
その結果,教師なしのReIDにおける手法の優位性について,最先端技術と比較した。
論文 参考訳（メタデータ） (2020-10-15T09:09:23Z) - Mining Student Responses to Infer Student Satisfaction Predictors [0.966840768820136]
我々は,学生の満足度を異なるレベルに予測し,コースとインストラクターに関連する影響力のある予測者を推定する。
1) コース内容, 2) クラス参加, 3) コースの初期期待の達成, 4) 専門的開発への関連, 5) コースがそれらと結びつき, 現実の状況を探究するのに役立つ場合, 学生の満足度に関する5つの異なる側面を提示する。
論文 参考訳（メタデータ） (2020-06-14T10:31:11Z)
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。