Fugu-MT 論文翻訳(概要): Examining Monitoring System: Detecting Abnormal Behavior In Online Examinations

論文の概要: Examining Monitoring System: Detecting Abnormal Behavior In Online Examinations

arxiv url: http://arxiv.org/abs/2402.12179v1
Date: Mon, 19 Feb 2024 14:37:17 GMT
ステータス: 処理完了
システム内更新日: 2024-02-20 16:10:12.061054
Title: Examining Monitoring System: Detecting Abnormal Behavior In Online Examinations
Title（参考訳）: オンライン検査における異常行動検出システムの検討
Authors: Dinh An Ngo, Thanh Dat Nguyen, Thi Le Chi Dang, Huy Hoan Le, Ton Bao Ho, Vo Thanh Khang Nguyen, Truong Thanh Hung Nguyen
Abstract要約: オンライン検診における異常行動検出システム」は, 生徒の異常行動の特定を支援する。本システムは,リアルタイムシナリオにおける不正検出の精度と高速化を実証する。
参考スコア（独自算出の注目度）: 1.5613363580649218
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Cheating in online exams has become a prevalent issue over the past decade, especially during the COVID-19 pandemic. To address this issue of academic dishonesty, our "Exam Monitoring System: Detecting Abnormal Behavior in Online Examinations" is designed to assist proctors in identifying unusual student behavior. Our system demonstrates high accuracy and speed in detecting cheating in real-time scenarios, providing valuable information, and aiding proctors in decision-making. This article outlines our methodology and the effectiveness of our system in mitigating the widespread problem of cheating in online exams.
Abstract（参考訳）: 過去10年間で、特に新型コロナウイルス(COVID-19)パンデミック(COVID-19)の期間中に、オンライン試験の実施が問題となっている。本研究は, 学生の異常行動の特定を支援するため, オンライン試験における異常行動検出システム「exam monitoring system: detection abnormal behavior in online examinations」を考案した。本システムでは,リアルタイムシナリオにおける不正検出の精度と高速化,貴重な情報の提供,意思決定におけるプロクタ支援を行う。本稿では,オンライン試験における不正行為を緩和するための方法論とシステムの有効性について概説する。

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)
PREGO: online mistake detection in PRocedural EGOcentric videos [49.72812518471056]
自己中心型ビデオにおける誤り検出のための,最初のオンライン一級分類モデルであるPregoを提案する。 PreGOは、現在のアクションをモデル化するオンラインアクション認識コンポーネントと、次のアクションを予測するシンボリック推論モジュールに基づいている。手続き的誤り検出のオンラインベンチマークに適応する2つの手続き的自己中心型ビデオデータセットであるAmbly101とEpic-tentについてPreGOを評価した。
論文参考訳（メタデータ） (2024-04-02T13:27:28Z)
Survey of Computerized Adaptive Testing: A Machine Learning Perspective [66.26687542572974]
コンピュータ適応テスト (Computerized Adaptive Testing, CAT) は、試験の熟練度を評価するための効率的で調整された方法である。本稿では,この適応テスト手法に対する新たな視点を提示し,機械学習に着目したCATに関する調査を行うことを目的とする。
論文参考訳（メタデータ） (2024-03-31T15:09:47Z)
Multiple Instance Learning for Cheating Detection and Localization in Online Examinations [12.599420704860838]
マルチプルinStancE学習によるCHEating検出フレームワークであるCHEESEを開発した。このフレームワークは、弱い監視を実装するラベルジェネレータと、識別的特徴を学習するための特徴エンコーダで構成されている。 3つのデータセットに関する実験は、最先端の手法と比較して、我々の手法の有効性を証明している。
論文参考訳（メタデータ） (2024-02-09T00:01:42Z)
Online Corrupted User Detection and Regret Minimization [49.536254494829436]
現実世界のオンラインウェブシステムでは、複数のユーザがシステムに順次到着する。乱れた行動から未知のユーザ関係を学習・活用するために,LOCUDという重要なオンライン学習問題を提案する。我々はRCLUB-WCUの推測ユーザ関係に基づく新しいオンライン検出アルゴリズムOCCUDを考案した。
論文参考訳（メタデータ） (2023-10-07T10:20:26Z)
A Video-based Detector for Suspicious Activity in Examination with OpenPose [0.0]
本稿では,ビデオ分析や検査中の不審な動作の検出に自動化を利用するフレームワークを提案する。我々は,OpenPoseフレームワークと畳み込みニューラルネットワーク(CNN)を用いて,試験中にオブジェクトを交換する学生を特定した。
論文参考訳（メタデータ） (2023-07-21T08:15:39Z)
Interactive System-wise Anomaly Detection [66.3766756452743]
異常検出は様々なアプリケーションにおいて基本的な役割を果たす。既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
論文参考訳（メタデータ） (2023-04-21T02:20:24Z)
Online Assessment Misconduct Detection using Internet Protocol and Behavioural Classification [0.6445605125467573]
本稿では,オンラインアセスメント不正行為(e-cheating)の可能性について検討し,それに対する実践的対策を提案する。インターネットプロトコル(IP)検出器と行動モニタとから構成される、電子商取引の知的エージェントの形式でオンライン不正行為を検出するメカニズムを提示する。
論文参考訳（メタデータ） (2022-01-24T03:48:45Z)
Anomaly Detection in Cybersecurity: Unsupervised, Graph-Based and Supervised Learning Methods in Adversarial Environments [63.942632088208505]
現在の運用環境に固有ののは、敵対的機械学習の実践である。本研究では,教師なし学習とグラフに基づく異常検出の可能性を検討する。我々は,教師付きモデルの訓練時に,現実的な対人訓練機構を組み込んで,対人環境における強力な分類性能を実現する。
論文参考訳（メタデータ） (2021-05-14T10:05:10Z)
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)
WOAD: Weakly Supervised Online Action Detection in Untrimmed Videos [124.72839555467944]
ビデオクラスラベルのみを用いてトレーニングできる弱教師付きフレームワークを提案する。提案手法は, 弱教師付きベースラインよりも優れていることを示す。本手法は,オンラインフレームごとの行動認識とオンライン行動開始検出の両方のタスクにおいて,最先端の成果を得る。
論文参考訳（メタデータ） (2020-06-05T23:08:41Z)

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。