論文の概要: Automatic Creativity Measurement in Scratch Programs Across Modalities
- arxiv url: http://arxiv.org/abs/2211.05227v1
- Date: Mon, 7 Nov 2022 10:43:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-11 14:49:15.911546
- Title: Automatic Creativity Measurement in Scratch Programs Across Modalities
- Title（参考訳）: モダリティ間のスクラッチプログラムにおける自動創造性測定
- Authors: Anastasia Kovalkov and Benjamin Paa{\ss}en and Avi Segal and Niels
Pinkwart and Kobi Gal
- Abstract要約: 我々は、創造性の公式な尺度の定義から、この尺度を実践的な領域に適用することまで、効率的に計算できる旅を行ないます。
我々は、人気のあるビジュアルプログラミング言語であるScratchのプロジェクトに対して、一般的な測度を適用した。
我々は、Scratchプロジェクトの創造性を予測し、人間の専門家による創造性評価に基づいてトレーニングし、評価する機械学習モデルを設計した。
- 参考スコア（独自算出の注目度）: 6.242018846706069
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Promoting creativity is considered an important goal of education, but
creativity is notoriously hard to measure.In this paper, we make the journey
fromdefining a formal measure of creativity that is efficientlycomputable to
applying the measure in a practical domain. The measure is general and relies
on coretheoretical concepts in creativity theory, namely fluency, flexibility,
and originality, integratingwith prior cognitive science literature. We adapted
the general measure for projects in the popular visual programming language
Scratch.We designed a machine learning model for predicting the creativity of
Scratch projects, trained and evaluated on human expert creativity assessments
in an extensive user study. Our results show that opinions about creativity in
Scratch varied widely across experts. The automatic creativity assessment
aligned with the assessment of the human experts more than the experts agreed
with each other. This is a first step in providing computational models for
measuring creativity that can be applied to educational technologies, and to
scale up the benefit of creativity education in schools.
- Abstract（参考訳）: クリエイティビティの推進は教育の重要な目標と考えられているが、創造性の測定が困難であることが知られており、本論文では、創造性の公式な尺度の定義から実践的な領域への適用までを効率的に計算する。
この尺度は一般に、創造性理論のコア理論的概念、すなわち流束性、柔軟性、独創性に依存しており、先行する認知科学文献と統合されている。
我々は、Scratchプロジェクトの創造性を予測するための機械学習モデルを設計し、広範囲なユーザスタディにおいて、人間の専門家による創造性評価をトレーニングし、評価した。
その結果,クリエイティビティに関する意見は専門家によって大きく異なっていた。
自動創造性評価は、専門家が合意するよりも、人間の専門家の評価と一致した。
これは、教育技術に適用可能な創造性を測定するための計算モデルを提供し、学校における創造性教育の利点を拡大するための第一歩である。
関連論文リスト
- A Framework for Collaborating a Large Language Model Tool in Brainstorming for Triggering Creative Thoughts [2.709166684084394]
本研究は, 設計者に対して, ブレインストーミング時のアイデアの創造性向上のために, LLMツールで体系的に作業するための目標, プロンプト, 戦略を取り入れたGPSというフレームワークを提案する。
設計事例とケーススタディを通じてテストした本フレームワークは,創造性を刺激する効果と,設計プラクティスへのLCMツールのシームレスな統合を実証する。
論文 参考訳（メタデータ） (2024-10-10T13:39:27Z) - Good Idea or Not, Representation of LLM Could Tell [86.36317971482755]
我々は、大規模言語モデルの知識を活用し、科学的アイデアのメリットを評価することを目的としたアイデアアセスメントに焦点をあてる。
我々は、このタスクに対する様々なアプローチのパフォーマンスを訓練し評価するために、細心の注意を払って設計された、フルテキストを持つ約4万の原稿からベンチマークデータセットをリリースする。
その結果, 大規模言語モデルの表現は, 生成出力よりもアイデアの価値を定量化する可能性が高いことが示唆された。
論文 参考訳（メタデータ） (2024-09-07T02:07:22Z) - Using a CNN Model to Assess Visual Artwork's Creativity [0.5926480964767554]
我々は人間の絵画の創造性を自動評価するCNNモデルを開発した。
専門家や子どもによる600点の絵のデータセットを用いて, 精度90%, 評価時間を人間よりも高速に評価した。
論文 参考訳（メタデータ） (2024-08-02T17:57:32Z) - An Artificial Intelligence Approach for Interpreting Creative Combinational Designs [1.3948357001626264]
組み合わせ創造性は、よく知られたアイデアのブレンドを含む創造性の一形態である。
本研究は,創造的デザインを構成する「基礎」と「付加的」成分を具体的に識別する計算解釈に焦点を当てた。
論文 参考訳（メタデータ） (2024-05-08T11:47:32Z) - Can AI Be as Creative as Humans? [84.43873277557852]
理論的には、AIは人間の創造者によって生成されたデータに適切に適合できるという条件の下で、人間と同じくらい創造的になれることを証明しています。
AIの創造性に関する議論は、十分な量のデータに適合する能力の問題に縮小されている。
論文 参考訳（メタデータ） (2024-01-03T08:49:12Z) - Art or Artifice? Large Language Models and the False Promise of
Creativity [53.04834589006685]
本稿では,創造性を製品として評価するTorrance Test of Creative Writing (TTCW)を提案する。
TTCWは14のバイナリテストで構成されており、Fluency、Flexibility、Originality、Elaborationの3次元に分かれている。
分析の結果,LPM生成したストーリーはプロのストーリーよりもTTCWが3～10倍少ないことが判明した。
論文 参考訳（メタデータ） (2023-09-25T22:02:46Z) - Towards Creativity Characterization of Generative Models via Group-based
Subset Scanning [64.6217849133164]
創造的プロセスを特定し,定量化し,特徴付けるグループベースサブセットスキャンを提案する。
創造的なサンプルは、データセット全体にわたる通常のサンプルや非創造的なサンプルよりも大きな異常のサブセットを生成する。
論文 参考訳（メタデータ） (2022-03-01T15:07:14Z) - DeepCreativity: Measuring Creativity with Deep Learning Techniques [2.5426469613007012]
本稿では,創造性の自動評価に生成学習技術を用いる可能性について検討する。
我々は、価値、ノベルティ、サプライズによって構成される創造性の定義に基づいて、DeepCreativityという新しい尺度を導入する。
論文 参考訳（メタデータ） (2022-01-16T19:00:01Z) - Towards creativity characterization of generative models via group-based
subset scanning [51.84144826134919]
創造的プロセスを定量化し,検出し,特徴付けるグループベースサブセットスキャンを提案する。
創造的なサンプルは、データセットをまたいだ通常または非創造的なサンプルよりも大きな異常のサブセットを生成する。
論文 参考訳（メタデータ） (2021-04-01T14:07:49Z) - Creativity of Deep Learning: Conceptualization and Assessment [1.5738019181349994]
我々は,創造的領域における生成的深層学習の現在の応用を概念化し,評価するために,計算的創造性からの洞察を利用する。
私たちは、現在のシステムと、人間の創造性の異なるモデルと、その欠点の類似点を強調します。
論文 参考訳（メタデータ） (2020-12-03T21:44:07Z) - Explaining Creative Artifacts [69.86890599471202]
生成物と構成的創造性を結合鎖に分解する逆問題定式化を開発する。
特に、当社の定式化は、アソシエイト要素の知識グラフを通じて、旅行セールスマン問題の解決として構成されている。
論文 参考訳（メタデータ） (2020-10-14T14:32:38Z)
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。