論文の概要: Augmented Math: Authoring AR-Based Explorable Explanations by Augmenting Static Math Textbooks

• arxiv url: http://arxiv.org/abs/2307.16112v1
• Date: Sun, 30 Jul 2023 03:02:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-01 17:35:34.302869
• Title: Augmented Math: Authoring AR-Based Explorable Explanations by Augmenting Static Math Textbooks
• Title（参考訳）: Augmented Math: 静的テキストによるARベースの探索可能な説明のオーサリング
• Authors: Neil Chulpongsatorn, Mille Skovhus Lunding, Nishan Soni, Ryo Suzuki
• Abstract要約: 本稿では,Augmented Mathを紹介した。Augmented Mathは,静的な数学教科書をプログラミングなしで拡張することによって,ARの探索可能な説明を書くための機械学習ベースのアプローチである。 静的な文書を増大させるために,本システムはまず,光学文字認識(OCR)とコンピュータビジョンを用いて,与えられた文書から数式と図形を抽出する。 これにより、教師や学生のような非技術者のユーザは、既存の数学の教科書やハンドアウトをオンデマンドでパーソナライズされた探索可能な説明に変換することができる。
• 参考スコア（独自算出の注目度）: 1.8097223019080158
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce Augmented Math, a machine learning-based approach to authoring AR explorable explanations by augmenting static math textbooks without programming. To augment a static document, our system first extracts mathematical formulas and figures from a given document using optical character recognition (OCR) and computer vision. By binding and manipulating these extracted contents, the user can see the interactive animation overlaid onto the document through mobile AR interfaces. This empowers non-technical users, such as teachers or students, to transform existing math textbooks and handouts into on-demand and personalized explorable explanations. To design our system, we first analyzed existing explorable math explanations to identify common design strategies. Based on the findings, we developed a set of augmentation techniques that can be automatically generated based on the extracted content, which are 1) dynamic values, 2) interactive figures, 3) relationship highlights, 4) concrete examples, and 5) step-by-step hints. To evaluate our system, we conduct two user studies: preliminary user testing and expert interviews. The study results confirm that our system allows more engaging experiences for learning math concepts.
• Abstract（参考訳）: プログラムなしで静的な数学教科書を増補することにより、arで探索可能な説明を作成できる機械学習ベースのアプローチであるared mathを紹介する。 静的文書を補足するため,本システムは,光学的文字認識(ocr)とコンピュータビジョンを用いて,与えられた文書から数式と図形を抽出する。 抽出したコンテンツをバインドして操作することで、ユーザはモバイルARインターフェースを通じてインタラクティブなアニメーションをドキュメント上にオーバーレイすることができる。 これにより、教師や学生のような非技術者のユーザーは、既存の数学教科書やハンドアウトをオンデマンドでパーソナライズされた探索可能な説明に変換することができる。 システムを設計するために,我々はまず,既存の探索可能な数学説明を分析し,共通の設計戦略を同定した。 そこで本研究では,抽出されたコンテンツに基づいて自動的に生成できる拡張手法を開発した。 1)動的値。 2)インタラクティブな数値。 3) 関係のハイライト。 4)具体例,及び 5) ステップバイステップヒント。 本システムを評価するために,予備ユーザテストとエキスパートインタビューという2つのユーザ調査を行った。 その結果,本システムは数学概念の学習により多くの興味をそそる経験を得られることがわかった。

関連論文リスト

• RealitySummary: On-Demand Mixed Reality Document Enhancement using Large Language Models [13.906648004819107]
  本稿では、オンデマンドテキスト抽出、要約、拡張を用いて、印刷物やデジタル文書を拡張可能な複合現実読影アシスタントであるRealitySummaryを紹介する。 1)要約,2)比較表,3)タイムライン,4)キーワードリスト,5)要約ハイライト,6)情報カード。
  論文  参考訳（メタデータ） (2024-05-28T21:59:56Z)
• Augmented Physics: Creating Interactive and Embedded Physics Simulations from Static Textbook Diagrams [10.883862721068223]
  静的教科書図から組込みインタラクティブな物理シミュレーションを作成するための機械学習統合オーサリングツールであるAugmented Physicsを紹介した。 本システムでは,物理教科書から図表を半自動抽出し,抽出した内容に基づいてインタラクティブなシミュレーションを生成する。
  論文  参考訳（メタデータ） (2024-05-28T21:45:20Z)
• Ruffle&Riley: Insights from Designing and Evaluating a Large Language Model-Based Conversational Tutoring System [21.139850269835858]
  会話学習システム(CTS)は、自然言語に基づく対話を通じて学習体験を提供する。 大規模言語モデル(LLM)の最近の進歩を2つの方法で活用する新しいタイプのCTSについて検討・評価する。 このシステムは、授業テキストから容易に編集可能な教育用スクリプトを自動生成することにより、AI支援コンテンツオーサリングを可能にする。
  論文  参考訳（メタデータ） (2024-04-26T14:57:55Z)
• Graph learning in robotics: a survey [2.5726566614123874]
  この記事では、アーキテクチャ、トレーニング手順、アプリケーションなど、グラフベースのモデルの基礎について述べる。 また、適用された設定で発生する最近の進歩と課題についても論じている。 本論文は,グラフ構造学習の恩恵を受ける様々なロボット応用の広範なレビューを提供する。
  論文  参考訳（メタデータ） (2023-10-06T14:52:25Z)
• PDT: Pretrained Dual Transformers for Time-aware Bipartite Graphs [30.71271242109731]
  本稿では,ユーザ側空間とコンテンツ側空間の双方向マッピングを学習する事前学習手法を提案する。 提案手法を推薦課題として評価する。
  論文  参考訳（メタデータ） (2023-06-02T20:38:43Z)
• Knowledge Graph Augmented Network Towards Multiview Representation Learning for Aspect-based Sentiment Analysis [96.53859361560505]
  本稿では,知識グラフ拡張ネットワーク(KGAN)を提案する。 KGANは感情の特徴表現を、文脈、構文、知識に基づく複数の視点から捉えている。 3つの人気のあるABSAベンチマークの実験は、我々のKGANの有効性と堅牢性を示している。
  論文  参考訳（メタデータ） (2022-01-13T08:25:53Z)
• This is not the Texture you are looking for! Introducing Novel Counterfactual Explanations for Non-Experts using Generative Adversarial Learning [59.17685450892182]
  反実用説明システムは、入力画像を変更して反実用推論を可能にする。 本稿では, 対向画像から画像への変換技術に基づく, 対向画像の説明を新たに生成する手法を提案する。 その結果,我々のアプローチは,2つの最先端技術システムよりも,メンタルモデル,説明満足度,信頼度,感情,自己効力に関して有意に優れた結果をもたらすことがわかった。
  論文  参考訳（メタデータ） (2020-12-22T10:08:05Z)
• Relational Graph Learning on Visual and Kinematics Embeddings for Accurate Gesture Recognition in Robotic Surgery [84.73764603474413]
  本稿では,マルチモーダルグラフネットワーク(MRG-Net)の新たなオンラインアプローチを提案し,視覚情報とキネマティクス情報を動的に統合する。 本手法の有効性は, JIGSAWSデータセット上での最先端の成果で実証された。
  論文  参考訳（メタデータ） (2020-11-03T11:00:10Z)
• Improving Machine Reading Comprehension with Contextualized Commonsense Knowledge [62.46091695615262]
  我々は、機械読解の理解を改善するために、常識知識を抽出することを目指している。 構造化知識を文脈内に配置することで,関係を暗黙的に表現することを提案する。 我々は,教師の学習パラダイムを用いて,複数種類の文脈的知識を学生機械読取機に注入する。
  論文  参考訳（メタデータ） (2020-09-12T17:20:01Z)
• Visual Imitation Made Easy [102.36509665008732]
  本稿では,ロボットへのデータ転送を容易にしながら,データ収集プロセスを単純化する,模倣のための代替インターフェースを提案する。 我々は、データ収集装置やロボットのエンドエフェクターとして、市販のリーチ・グラブラー補助具を使用する。 我々は,非包括的プッシュと包括的積み重ねという2つの課題について実験的に評価した。
  論文  参考訳（メタデータ） (2020-08-11T17:58:50Z)
• Exploiting Structured Knowledge in Text via Graph-Guided Representation Learning [73.0598186896953]
  本稿では、知識グラフからのガイダンスを用いて、生テキスト上で学習する2つの自己教師型タスクを提案する。 エンティティレベルのマスキング言語モデルに基づいて、最初のコントリビューションはエンティティマスキングスキームです。 既存のパラダイムとは対照的に,本手法では事前学習時にのみ,知識グラフを暗黙的に使用する。
  論文  参考訳（メタデータ） (2020-04-29T14:22:42Z)

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。