論文の概要: Predicting Students' Exam Scores Using Physiological Signals
- arxiv url: http://arxiv.org/abs/2301.12051v1
- Date: Sat, 28 Jan 2023 02:04:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-31 19:22:15.792594
- Title: Predicting Students' Exam Scores Using Physiological Signals
- Title(参考訳): 生理的信号を用いた学生のエクサムスコア予測
- Authors: Willie Kang, Sean Kim, Eliot Yoo, Samuel Kim
- Abstract要約: この研究は、皮膚温度、心拍数、電磁気活動の3つの信号に焦点を当てた。
我々は,特徴として統計を抽出し,それらを様々なバイナリ分類器に入力し,相対的に上位または下位のグレードを予測する。
実験結果は、様々な機械学習アルゴリズムにおいて、k-nearest 近傍アルゴリズムで 0.81 ROC-AUC が得られた。
- 参考スコア(独自算出の注目度): 0.8138288420049127
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While acute stress has been shown to have both positive and negative effects
on performance, not much is known about the impacts of stress on students
grades during examinations. To answer this question, we examined whether a
correlation could be found between physiological stress signals and exam
performance. We conducted this study using multiple physiological signals of
ten undergraduate students over three different exams. The study focused on
three signals, i.e., skin temperature, heart rate, and electrodermal activity.
We extracted statistics as features and fed them into a variety of binary
classifiers to predict relatively higher or lower grades. Experimental results
showed up to 0.81 ROC-AUC with k-nearest neighbor algorithm among various
machine learning algorithms.
- Abstract(参考訳): 急性ストレスは, 成績に肯定的, 否定的な影響があることが示されているが, 学生の成績にストレスが及ぼす影響についてはあまり分かっていない。
そこで本研究では,生理的ストレス信号と試験成績の相関関係について検討した。
本研究は、3つの異なる試験で10人の大学生の複数の生理的シグナルを用いて行った。
この研究は、皮膚温度、心拍数、電磁気活動の3つの信号に焦点を当てた。
特徴として統計を抽出し,様々なバイナリ分類器に入力し,相対的に上位または下位のグレードを予測する。
実験結果は、様々な機械学習アルゴリズムのうち、k-nearest 近傍アルゴリズムで 0.81 ROC-AUC が得られた。
関連論文リスト
- Decoding Emotional Valence from Wearables: Can Our Data Reveal Our True
Feelings? [0.210674772139335]
本研究は, 消費者グレードのウェアラブルと自己申告手段を活用することで, 実験室による研究と実生活環境とのギャップを埋めることを目的とする。
得られたデータの初期分析は,主に有価値分類の結果に着目したものである。
本研究は、移動型メンタルヘルス介入の分野における今後の研究の道を開くものである。
論文 参考訳(メタデータ) (2023-12-21T13:57:34Z) - iCITRIS: Causal Representation Learning for Instantaneous Temporal
Effects [36.358968799947924]
因果表現学習は、基礎となる因果変数とその関係を高次元観測から識別するタスクである。
時間的シーケンスにおける瞬時効果を処理できる因果表現学習法iCITRISを提案する。
3つのビデオデータセットの実験において、iCITRISは因果因子とその因果グラフを正確に識別する。
論文 参考訳(メタデータ) (2022-06-13T13:56:40Z) - Measuring Cognitive Workload Using Multimodal Sensors [1.8582645184234494]
本研究の目的は,マルチモーダルセンシングと機械学習を用いて認知負荷を推定する指標のセットを特定することである。
課題難易度(易度と難度)の2段階において,12名の被験者の認知負荷を誘発する3つの認知テストを実施した。
論文 参考訳(メタデータ) (2022-05-05T23:18:00Z) - 3D Structural Analysis of the Optic Nerve Head to Robustly Discriminate
Between Papilledema and Optic Disc Drusen [44.754910718620295]
我々は3次元光コヒーレンストモグラフィー(OCT)スキャンで視神経頭部(ONH)の組織構造を同定する深層学習アルゴリズムを開発した。
1: ODD, 2: papilledema, 3: healthy) の分類を150 OCTボリュームで行うように設計した。
われわれのAIアプローチは,1本のCTスキャンを用いて,パピレデマからODDを正確に識別する。
論文 参考訳(メタデータ) (2021-12-18T17:05:53Z) - Feature Selection on Thermal-stress Dataset [3.885779089924737]
本研究では,熱ストレスデータであるANUstressDBから適切な特徴を選択することで,ストレス分類を改善することを目的とする。
相関分析,等級測定,遺伝的アルゴリズムの3つの特徴選択手法について検討した。
論文 参考訳(メタデータ) (2021-09-08T16:17:24Z) - MSED: a multi-modal sleep event detection model for clinical sleep
analysis [62.997667081978825]
ポリソムノグラムで睡眠イベントを共同検出する,単一のディープニューラルネットワークアーキテクチャを設計した。
モデルの性能は,F1,精度,リコールスコア,および指標値と臨床値との相関で定量化した。
論文 参考訳(メタデータ) (2021-01-07T13:08:44Z) - Correct block-design experiments mitigate temporal correlation bias in
EEG classification [68.85562949901077]
[1]の主主張は極めて過大評価されており、他の分析は間違った方法論的選択によって深刻な欠陥を負っていることを示す。
脳波の時間相関が2つの実験環境で同じモデルをテストすることによって分類精度に及ぼす影響について検討した。
論文 参考訳(メタデータ) (2020-11-25T22:25:21Z) - Video-based Remote Physiological Measurement via Cross-verified Feature
Disentangling [121.50704279659253]
非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。
次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。
歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
論文 参考訳(メタデータ) (2020-07-16T09:39:17Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳(メタデータ) (2020-05-06T09:02:30Z) - GSR Analysis for Stress: Development and Validation of an Open Source
Tool for Noisy Naturalistic GSR Data [0.0]
ガルバニック皮膚反応(Galvanic Skin Response、GSR)は、ストレスの指標の1つである。
本稿では,GSR解析のためのオープンソースのツールを提案する。これは,学習アルゴリズムと統計アルゴリズムを併用して,ストレス検出のためのGSR特徴抽出を行う。
その結果,10倍のクロスバリデーションを用いて,92%の精度で応力を検出することができることがわかった。
論文 参考訳(メタデータ) (2020-05-04T20:40:39Z) - Accurate Stress Assessment based on functional Near Infrared
Spectroscopy using Deep Learning Approach [0.0]
本研究では,10名の健常者から記録された脳の機能的近赤外分光法(fNIRS)を用いて,モントリオール・イメージング・ストレス・タスクによって引き起こされるストレスを評価する。
実験の結果, トレーニングされたfNIRSモデルは, 88.52~0.77%の精度で応力分類を行うことがわかった。
その低い計算コストは、リアルタイムのストレスアセスメントに適用される可能性を開く。
論文 参考訳(メタデータ) (2020-02-14T23:55:08Z)
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。