Fugu-MT 論文翻訳(概要): A Data Mining Approach for Detecting Collusion in Unproctored Online Exams

論文の概要: A Data Mining Approach for Detecting Collusion in Unproctored Online Exams

arxiv url: http://arxiv.org/abs/2302.07014v1
Date: Tue, 14 Feb 2023 12:48:02 GMT
ステータス: 処理完了
システム内更新日: 2023-02-15 15:25:06.361411
Title: A Data Mining Approach for Detecting Collusion in Unproctored Online Exams
Title（参考訳）: 未取得オンライン試験における結束検出のためのデータマイニング手法
Authors: Janine Langerbein, Till Massing, Jens Klenke, Natalie Reckmann, Michael Striewe, Michael Goedicke, and Christoph Hanck
Abstract要約: 新型コロナウイルスのパンデミックで予防措置が講じられたため、多くの大学が未熟な在宅試験を提供した。本研究では,学生間の衝突の可能性を検出する手法を提案し,パンデミック時の在宅試験のイベントログデータに我々のアプローチを適用した。
参考スコア（独自算出の注目度）: 0.5130440339897477
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Due to the precautionary measures during the COVID-19 pandemic many universities offered unproctored take-home exams. We propose methods to detect potential collusion between students and apply our approach on event log data from take-home exams during the pandemic. We find groups of students with suspiciously similar exams. In addition, we compare our findings to a proctored control group. By this, we establish a rule of thumb for evaluating which cases are "outstandingly similar", i.e., suspicious cases.
Abstract（参考訳）: 新型コロナウイルスのパンデミックで予防措置が講じられたため、多くの大学が未熟な在宅試験を提供した。パンデミック時の家庭内受験のイベントログデータに対して,学生間の潜在的な結束を検知し,そのアプローチを適用する手法を提案する。疑わしいほどよく似た試験を受けた学生のグループを見つけます。また,本研究の結果をプロクター制御群と比較した。これにより、どのケースが「明らかに類似している」か、すなわち疑わしいケースを評価するための親指の規則を確立する。

関連論文リスト

AI-assisted Gaze Detection for Proctoring Online Exams [6.743433721135328]
高額のオンライン試験では、潜在的なルール違反を検知し、テストの安全性を確保することが重要である。本研究では,テストテイクがスクリーンから遠ざかっているかどうかを検知する作業について検討する。本稿では,AIを利用した視線検出システムを提案する。これにより,プロクターは異なる映像フレームをナビゲートし,テストテイクが同じ方向を向いている映像フレームを発見することができる。
論文参考訳（メタデータ） (2024-09-25T13:31:37Z)
AdvQDet: Detecting Query-Based Adversarial Attacks with Adversarial Contrastive Prompt Tuning [93.77763753231338]
CLIP画像エンコーダを微調整し、2つの中間対向クエリに対して同様の埋め込みを抽出するために、ACPT(Adversarial Contrastive Prompt Tuning)を提案する。我々は,ACPTが7つの最先端クエリベースの攻撃を検出できることを示す。また,ACPTは3種類のアダプティブアタックに対して堅牢であることを示す。
論文参考訳（メタデータ） (2024-08-04T09:53:50Z)
On the Detection of Reviewer-Author Collusion Rings From Paper Bidding [71.43634536456844]
衝突リングは、コンピュータサイエンスカンファレンスのピアレビューシステムに大きな脅威をもたらす。この問題を解決する1つのアプローチは、操作された入札から衝突するレビュアーを検出することである。衝突環の検出が可能であるという研究はまだ確立されていない。
論文参考訳（メタデータ） (2024-02-12T18:12:09Z)
Malicious Agent Detection for Robust Multi-Agent Collaborative Perception [52.261231738242266]
多エージェント協調(MAC)知覚は、単エージェント認識よりも敵攻撃に対して脆弱である。 MAC知覚に特異的な反応防御であるMADE(Malicious Agent Detection)を提案する。我々は、ベンチマーク3DデータセットV2X-simとリアルタイムデータセットDAIR-V2Xで包括的な評価を行う。
論文参考訳（メタデータ） (2023-10-18T11:36:42Z)
Federated Epidemic Surveillance [21.643185633769814]
本研究は, 簡易なフェデレーション監視手法の実現可能性を検討することを目的とする。疫病関連データストリームの急激な増加を特定するための仮説テストフレームワークを提案する。我々は,実データと半合成データを用いて,サージ検出のための異なるp値の組み合わせ手法のパワーを評価する。
論文参考訳（メタデータ） (2023-07-05T19:41:47Z)
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)
Hierarchical Semi-Supervised Contrastive Learning for Contamination-Resistant Anomaly Detection [81.07346419422605]
異常検出は、通常のデータ分布から逸脱したサンプルを特定することを目的としている。コントラスト学習は、異常の効果的な識別を可能にする表現のサンプル化に成功している。汚染耐性異常検出のための新しい階層型半教師付きコントラスト学習フレームワークを提案する。
論文参考訳（メタデータ） (2022-07-24T18:49:26Z)
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)
Catch Me if I Can: Detecting Strategic Behaviour in Peer Assessment [61.24399136715106]
我々は、試験やホームワークの査定や採用・昇進の査定など、様々な査定課題における戦略的行動の課題について考察する。我々はこのような操作を検出する方法の設計に重点を置いている。具体的には、エージェントがピアのサブセットを評価し、後に集約されたランキングを最終的な順序付けとして出力する設定について検討する。
論文参考訳（メタデータ） (2020-10-08T15:08:40Z)

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。