論文の概要: MITHOS: Interactive Mixed Reality Training to Support Professional Socio-Emotional Interactions at Schools

• arxiv url: http://arxiv.org/abs/2409.12968v1
• Date: Mon, 2 Sep 2024 15:24:33 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-07 12:36:59.682883
• Title: MITHOS: Interactive Mixed Reality Training to Support Professional Socio-Emotional Interactions at Schools
• Title（参考訳）: MITHOS: 学校における社会と感情の交流を支援する対話型複合現実感トレーニング
• Authors: Lara Chehayeb, Chirag Bhuvaneshwara, Manuel Anglet, Bernhard Hilpert, Ann-Kristin Meyer, Dimitra Tsovaltzi, Patrick Gebhard, Antje Biermann, Sinah Auchtor, Nils Lauinger, Julia Knopf, Andreas Kaiser, Fabian Kersting, Gregor Mehlmann, Florian Lingenfelser, Elisabeth André,
• Abstract要約: MITHOSは、教師のコンフリクト解決スキルのトレーニングを目的としたシステムである。 教師の社会的感情的自己認識、視点的態度、肯定的態度を支えている。 本章は、半自動ウィザード・オブ・オズ(WoZ)システムにおける4つのステージとその実装について述べる。
• 参考スコア（独自算出の注目度）: 5.5706288398971795
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Teachers in challenging conflict situations often experience shame and self-blame, which relate to the feeling of incompetence but may externalise as anger. Sensing mixed signals fails the contingency rule for developing affect regulation and may result in confusion for students about their own emotions and hinder their emotion regulation. Therefore, being able to constructively regulate emotions not only benefits individual experience of emotions but also fosters effective interpersonal emotion regulation and influences how a situation is managed. MITHOS is a system aimed at training teachers' conflict resolution skills through realistic situative learning opportunities during classroom conflicts. In four stages, MITHOS supports teachers' socio-emotional self-awareness, perspective-taking and positive regard. It provides: a) a safe virtual environment to train free social interaction and receive natural social feedback from reciprocal student-agent reactions, b) spatial situational perspective taking through an avatar, c) individual virtual reflection guidance on emotional experiences through co-regulation processes, and d) expert feedback on professional behavioural strategies. This chapter presents the four stages and their implementation in a semi-automatic Wizard-of-Oz (WoZ) System. The WoZ system affords collecting data that are used for developing the fully automated hybrid (machine learning and model-based) system, and to validate the underlying psychological and conflict resolution models. We present results validating the approach in terms of scenario realism, as well as a systematic testing of the effects of external avatar similarity on antecedents of self-awareness with behavior similarity. The chapter contributes to a common methodology of conducting interdisciplinary research for human-centered and generalisable XR and presents a system designed to support it.
• Abstract（参考訳）: 対立状態に苦しむ教師は、しばしば恥と自白を経験するが、それは無能感に関係しているが、怒りとして外在することがある。 混合信号のセンシングは、感情の規制を発達させるための緊急規則に失敗し、生徒が自分の感情を混乱させ、感情の規制を妨げてしまう可能性がある。 したがって、感情の個々の経験に利益をもたらすだけでなく、効果的な対人感情の規制を育み、状況の管理方法に影響を与えることができる。 MITHOSは、教室衝突時の現実的なシチュエーション学習の機会を通じて、教師のコンフリクト解決スキルを訓練することを目的としたシステムである。 4つの段階において、MITHOSは教師の社会的感情的自己認識、視点決定、肯定的な態度をサポートする。 以下に示す。 イ 自由な社会的相互作用を訓練し、相互の学生・エージェントの反応から自然の社会的フィードバックを受ける安全な仮想環境 b) アバターを通した空間的状況的視点 c) 共同規制プロセスによる感情経験に関する個別の仮想リフレクションガイダンス d)専門的行動戦略に関する専門家のフィードバック。 本章は、半自動ウィザード・オブ・オズ(WoZ)システムにおける4つのステージとその実装について述べる。 WoZシステムは、完全に自動化されたハイブリッド(機械学習とモデルベース)システムの開発に使用されるデータを収集し、基礎となる心理的およびコンフリクト解決モデルを検証する。 本稿では、シナリオリアリズムの観点からアプローチを検証する結果と、行動類似性を伴う自己認識の先行者に対する外部アバター類似性の効果の体系的検証について述べる。 この章は、人間中心で一般化可能なXRのための学際的な研究を行うための共通の方法論に貢献し、それをサポートするように設計されたシステムを提示している。

関連論文リスト

• Cause-Aware Empathetic Response Generation via Chain-of-Thought Fine-Tuning [12.766893968788263]
  共感反応生成は、対話の文脈を理解し、表現された感情に反応する能力を持つエージェントを与える。 先行研究は、主に話者の感情的ラベルを活用することに重点を置いているが、感情の重要性が原因の推論を無視している。 そこで我々は,感情と原因をうまく設計したChain-of-Thoughtプロンプトを通じて統合した原因認識型共感生成手法を提案する。
  論文  参考訳（メタデータ） (2024-08-21T13:11:03Z)
• The Good, the Bad, and the Hulk-like GPT: Analyzing Emotional Decisions of Large Language Models in Cooperation and Bargaining Games [9.82711167146543]
  本稿では,Large Language Models (LLMs) の意思決定に関する新しい方法論を紹介する。 感情がLLMのパフォーマンスに大きく影響を与え、より最適な戦略の開発につながることを示す。 驚くべきことに、感情的な刺激、特に怒りの感情は、GPT-4の「超人的」アライメントを妨害する可能性がある。
  論文  参考訳（メタデータ） (2024-06-05T14:08:54Z)
• CauESC: A Causal Aware Model for Emotional Support Conversation [79.4451588204647]
  既存のアプローチは、苦痛の感情の原因を無視します。 彼らは、話者間の相互作用における感情的ダイナミクスよりも、探究者自身の精神状態に焦点を当てている。 本稿では、まず、苦痛の感情要因と、その原因によって引き起こされる感情効果を認識する新しいフレームワークCauESCを提案する。
  論文  参考訳（メタデータ） (2024-01-31T11:30:24Z)
• Enhancing Student Engagement in Online Learning through Facial Expression Analysis and Complex Emotion Recognition using Deep Learning [1.3812010983144802]
  本稿では,オンライン学習セッションにおける学生のエンゲージメントレベルを評価するために,表情に基づく深層学習技術を用いた新しいアプローチを提案する。 この課題に対処するため、基本的な感情を組み合わせることで、混乱、満足度、失望、フラストレーションなどの4つの複雑な感情の生成を提案した。 提案手法は畳み込みニューラルネットワーク(CNN)モデルを用いて学習者の基本的な感情状態を正確に分類する。
  論文  参考訳（メタデータ） (2023-11-17T06:07:54Z)
• I am Only Happy When There is Light: The Impact of Environmental Changes on Affective Facial Expressions Recognition [65.69256728493015]
  本研究では,異なる画像条件が人間の表情からの覚醒の認識に与える影響について検討した。 以上の結果から,人間の感情状態の解釈が肯定的,否定的に大きく異なることが示唆された。
  論文  参考訳（メタデータ） (2022-10-28T16:28:26Z)
• Empathetic Dialogue Generation via Sensitive Emotion Recognition and Sensible Knowledge Selection [47.60224978460442]
  情緒的対話生成のためのシリアル・アンド・感情知識相互作用(SEEK)法を提案する。 我々は,会話中の感情のダイナミックス(感情の流れ)に敏感な微粒なエンコーディング戦略を用いて,応答の感情依存特性を予測するとともに,知識と感情の相互作用をモデル化し,より敏感な応答を生成する新しい枠組みを設計する。
  論文  参考訳（メタデータ） (2022-10-21T03:51:18Z)
• A Circular-Structured Representation for Visual Emotion Distribution Learning [82.89776298753661]
  視覚的感情分布学習に先立つ知識を活用するために,身近な円形構造表現を提案する。 具体的には、まず感情圏を構築し、その内にある感情状態を統一する。 提案した感情圏では、各感情分布は3つの属性で定義される感情ベクトルで表される。
  論文  参考訳（メタデータ） (2021-06-23T14:53:27Z)
• Disambiguating Affective Stimulus Associations for Robot Perception and Dialogue [67.89143112645556]
  知覚された聴覚刺激と感情表現の関連性を学ぶことができるNICOロボットを提供します。 NICOは、感情駆動対話システムの助けを借りて、個人と特定の刺激の両方でこれを行うことができる。 ロボットは、実際のHRIシナリオにおいて、被験者の聴覚刺激の楽しさを判断するために、この情報を利用することができる。
  論文  参考訳（メタデータ） (2021-03-05T20:55:48Z)
• Knowledge Bridging for Empathetic Dialogue Generation [52.39868458154947]
  外部知識の不足により、感情的な対話システムは暗黙の感情を知覚し、限られた対話履歴から感情的な対話を学ぶことが困難になる。 本研究では,情緒的対話生成における感情を明確に理解し,表現するために,常識的知識や情緒的語彙的知識などの外部知識を活用することを提案する。
  論文  参考訳（メタデータ） (2020-09-21T09:21:52Z)
• Generating Emotionally Aligned Responses in Dialogues using Affect Control Theory [15.848210524718219]
  感情制御理論(Affect Control Theory、ACT)は、人間と人間の相互作用に対する感情の社会的・数学的モデルである。 本研究では、ACTが感情認識型神経会話エージェントの開発にどのように役立つかを検討する。
  論文  参考訳（メタデータ） (2020-03-07T19:31:08Z)
• SensAI+Expanse Emotional Valence Prediction Studies with Cognition and Memory Integration [0.0]
  この研究は、認知科学研究を支援することができる人工知能エージェントに貢献する。 開発された人工知能システム(SensAI+Expanse)には、機械学習アルゴリズム、共感アルゴリズム、メモリが含まれる。 本研究は, 年齢と性別の相違が有意であることを示すものである。
  論文  参考訳（メタデータ） (2020-01-03T18:17:57Z)

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。