論文の概要: From Learning Management System to Affective Tutoring system: a preliminary study

• arxiv url: http://arxiv.org/abs/2311.05513v1
• Date: Thu, 9 Nov 2023 16:52:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-10 14:24:22.041857
• Title: From Learning Management System to Affective Tutoring system: a preliminary study
• Title（参考訳）: 学習管理システムからAffective Tutoringシステムへ:予備的検討
• Authors: Nadaud Edouard, Geoffroy Thibault, Khelifi Tesnim, Yaacoub Antoun, Haidar Siba, Ben Rabah Nourh\`Ene, Aubin Jean Pierre, Prevost Lionel, Le Grand Benedicte
• Abstract要約: 我々は,第3次eラーニングマネジメントシステム(LMS)から抽出したデジタルトレースと,学生のWebカメラで捉えた画像の2つの主要な情報源から得られたデータを分析した。 その結果,肯定的感情状態と学業成績の相関が認められた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: In this study, we investigate the combination of indicators, including performance, behavioral engagement, and emotional engagement, to identify students experiencing difficulties. We analyzed data from two primary sources: digital traces extracted from th e Learning Management System (LMS) and images captured by students' webcams. The digital traces provided insights into students' interactions with the educational content, while the images were utilized to analyze their emotional expressions during learnin g activities. By utilizing real data collected from students at a French engineering school, recorded during the 2022 2023 academic year, we observed a correlation between positive emotional states and improved academic outcomes. These preliminary findings support the notion that emotions play a crucial role in differentiating between high achieving and low achieving students.
• Abstract（参考訳）: 本研究では,パフォーマンス,行動の関与,情緒的関与などの指標を組み合わせることで,困難に陥っている学生を識別する。 th e learning management system (lms) から抽出したデジタルトレースと,学生のwebカメラで撮影した画像について分析した。 デジタル・トレースは学生の教育内容との相互作用に関する洞察を提供し、画像は学習中の感情表現の分析に用いられた。 2022年度に記録されたフランス工学学校の学生から収集した実データを利用して,肯定的な感情状態と学力改善の相関を観察した。 これらの予備的な発見は、高学力と低学力の学生を区別する上で、感情が重要な役割を担っているという考えを裏付けている。

関連論文リスト

• SensEmo: Enabling Affective Learning through Real-time Emotion Recognition with Smartwatches [3.7303587372123315]
  SensEmoは、感情学習用に設計されたスマートウォッチベースのシステムだ。 SensEmoは学生の感情を88.9%の精度で認識している。 SensEmoは、学生がより良いオンライン学習結果を達成するのを助ける。
  論文  参考訳（メタデータ） (2024-07-13T15:10:58Z)
• Exploring the dynamic interplay of cognitive load and emotional arousal by using multimodal measurements: Correlation of pupil diameter and emotional arousal in emotionally engaging tasks [0.0]
  本研究の目的は,認知作業負荷の指標としての瞳孔径と,感情刺激の指標としての深層学習によるFACTの相関について検討することである。 28名の被験者が3つの認知的要求と感情的な日常的道徳的ジレンマに取り組み,視線追跡と感情認識データを収集した。 その結果,感情的覚醒と瞳孔径のデータストリームの間には負の相関と統計的に有意な相関が認められた。
  論文  参考訳（メタデータ） (2024-03-01T08:49:17Z)
• Digital Distractions from the Point of View of Higher Education Students [0.0]
  本研究の目的は,学生の立場から,主要なデジタル障害を特定することである。 学生は、デジタルな気晴らしが実験室での成績に大きな影響を及ぼすと考えた。 教員は、生徒がデジタル的注意散らしがパフォーマンスに有意な悪影響を及ぼすことに対する意識を高めるための戦略を実施すべきである。
  論文  参考訳（メタデータ） (2024-02-04T19:28:20Z)
• Student-centric Model of Learning Management System Activity and Academic Performance: from Correlation to Causation [2.169383034643496]
  近年,学生の学習行動パターンを理解するために,学習管理システム(LMS)における学習者のデジタルトレースのモデル化に多くの関心が寄せられている。 本稿では,LMS活動データに対する学生中心の分析フレームワークについて検討し,観察データから抽出した相関性だけでなく因果的洞察も提供する。 これらの知見は、大学生支援団体が学生中心で標的とする介入を開始するための証拠となると期待している。
  論文  参考訳（メタデータ） (2022-10-27T14:08:25Z)
• SOLVER: Scene-Object Interrelated Visual Emotion Reasoning Network [83.27291945217424]
  画像から感情を予測するために,SOLVER(Scene-Object Interrelated Visual Emotion Reasoning Network)を提案する。 異なるオブジェクト間の感情関係を掘り下げるために、まずセマンティックな概念と視覚的特徴に基づいて感情グラフを構築します。 また、シーンとオブジェクトを統合するScene-Object Fusion Moduleを設計し、シーンの特徴を利用して、提案したシーンベースのアテンションメカニズムでオブジェクトの特徴の融合プロセスを導出する。
  論文  参考訳（メタデータ） (2021-10-24T02:41:41Z)
• Affective Image Content Analysis: Two Decades Review and New Perspectives [132.889649256384]
  我々は,過去20年間の情緒的イメージコンテンツ分析(AICA)の発展を包括的にレビューする。 我々は、感情的ギャップ、知覚主観性、ラベルノイズと欠如という3つの主要な課題に関して、最先端の手法に焦点を当てる。 画像の内容やコンテキスト理解,グループ感情クラスタリング,ビューアーとイメージのインタラクションなど,今後の課題や研究の方向性について論じる。
  論文  参考訳（メタデータ） (2021-06-30T15:20:56Z)
• Exploring Visual Engagement Signals for Representation Learning [56.962033268934015]
  VisEは、クラスタ化されたエンゲージメント信号から派生した擬似ラベルにソーシャルイメージをマップする弱い教師付き学習アプローチである。 この方法でトレーニングされたモデルが、感情認識や政治的バイアス検出といった主観的なコンピュータビジョンタスクにどのように役立つかを研究する。
  論文  参考訳（メタデータ） (2021-04-15T20:50:40Z)
• Affect Analysis in-the-wild: Valence-Arousal, Expressions, Action Units and a Unified Framework [83.21732533130846]
  Aff-Wild と Aff-Wild2 の2つである。 これは、これらのデータベースで訓練された深層ニューラルネットワークの2つのクラスの設計を示す。 インパクト認識を共同で学び、効果的に一般化し、実行することができる新しいマルチタスクおよび全体主義のフレームワークが提示されます。
  論文  参考訳（メタデータ） (2021-03-29T17:36:20Z)
• Computational Emotion Analysis From Images: Recent Advances and Future Directions [79.05003998727103]
  本章では,画像感情分析(IEA)を計算的観点から導入することを目的としている。 心理学の一般的な感情表現モデルから始めます。 そして、研究者たちが解決しようとしている重要な計算問題を定義します。
  論文  参考訳（メタデータ） (2021-03-19T13:33:34Z)
• Affect2MM: Affective Analysis of Multimedia Content Using Emotion Causality [84.69595956853908]
  本稿では,マルチメディアコンテンツを対象とした時系列感情予測学習手法であるAffect2MMを提案する。 私たちの目標は、現実の人間中心の状況や行動でキャラクターが描く様々な感情を自動的に捉えることです。
  論文  参考訳（メタデータ） (2021-03-11T09:07:25Z)

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。