論文の概要: AI-assisted Gaze Detection for Proctoring Online Exams

• arxiv url: http://arxiv.org/abs/2409.16923v1
• Date: Wed, 25 Sep 2024 13:31:37 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-27 03:35:11.283027
• Title: AI-assisted Gaze Detection for Proctoring Online Exams
• Title（参考訳）: オンラインエクササイズ予測のためのAI支援迷路検出
• Authors: Yong-Siang Shih, Zach Zhao, Chenhao Niu, Bruce Iberg, James Sharpnack, Mirza Basim Baig,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 6.743433721135328
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: For high-stakes online exams, it is important to detect potential rule violations to ensure the security of the test. In this study, we investigate the task of detecting whether test takers are looking away from the screen, as such behavior could be an indication that the test taker is consulting external resources. For asynchronous proctoring, the exam videos are recorded and reviewed by the proctors. However, when the length of the exam is long, it could be tedious for proctors to watch entire exam videos to determine the exact moments when test takers look away. We present an AI-assisted gaze detection system, which allows proctors to navigate between different video frames and discover video frames where the test taker is looking in similar directions. The system enables proctors to work more effectively to identify suspicious moments in videos. An evaluation framework is proposed to evaluate the system against human-only and ML-only proctoring, and a user study is conducted to gather feedback from proctors, aiming to demonstrate the effectiveness of the system.
• Abstract（参考訳）: 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。 非同期のプロクターには、テストビデオが記録され、プロクターによってレビューされる。 しかし、試験の長さが長い場合には、プロークターが試験ビデオ全体を見て、試験受験者が目をそらしたときの正確な時刻を決定するのが面倒になる可能性がある。 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。 このシステムは、ビデオ中の不審な瞬間を特定するために、プロクターがより効果的に働くことを可能にする。 人手のみとMLのみのプロクタに対するシステム評価のための評価フレームワークを提案し,システムの有効性を実証するために,プロクタからのフィードバックを集めるためのユーザスタディを実施した。

関連論文リスト

• Examining Monitoring System: Detecting Abnormal Behavior In Online Examinations [1.5613363580649218]
  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。
  論文  参考訳（メタデータ） (2024-02-19T14:37:17Z)
• 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)
• Zero-shot Model Diagnosis [80.36063332820568]
  ディープラーニングモデルを評価するための一般的なアプローチは、興味のある属性を持つラベル付きテストセットを構築し、そのパフォーマンスを評価することである。 本稿では,ゼロショットモデル診断(ZOOM)がテストセットやラベル付けを必要とせずに可能であることを論じる。
  論文  参考訳（メタデータ） (2023-03-27T17:59:33Z)
• An Empirical Study of End-to-End Temporal Action Detection [82.64373812690127]
  時間的行動検出(TAD)はビデオ理解において重要な課題である。 エンド・ツー・エンドの学習よりも、既存のほとんどの手法では、ヘッドオンリーの学習パラダイムを採用しています。 頭のみの学習よりもエンド・ツー・エンドの学習の利点を検証し、最大11%のパフォーマンス向上を観察する。
  論文  参考訳（メタデータ） (2022-04-06T16:46:30Z)
• Image-Hashing-Based Anomaly Detection for Privacy-Preserving Online Proctoring [5.113513399537608]
  オンライン・プロクタリングはオンライン教育において欠かせないものとなっている。 ビデオベースのクラウドソースオンラインプロクターソリューションが使用されており、受験生のビデオは第三者によって監視されている。 本稿では,プライバシ保護型オンラインプロクタシステムを提案する。
  論文  参考訳（メタデータ） (2021-07-20T09:45:05Z)
• Cheating Detection Pipeline for Online Interviews and Exams [0.0]
  パイプラインは、顔検出、顔認識、オブジェクト検出、顔追跡アルゴリズムで構成される。 最終的に、私たちのパイプラインは、オンラインインタビューと試験ビデオで不正行為を検出し分析するための効率的で高速なガイドラインを提示します。
  論文  参考訳（メタデータ） (2021-06-28T08:52:20Z)
• Detection of Adversarial Supports in Few-shot Classifiers Using Feature Preserving Autoencoders and Self-Similarity [89.26308254637702]
  敵対的なサポートセットを強調するための検出戦略を提案する。 我々は,特徴保存型オートエンコーダフィルタリングと,この検出を行うサポートセットの自己相似性の概念を利用する。 提案手法は攻撃非依存であり, 最善の知識まで, 数発分類器の検出を探索する最初の方法である。
  論文  参考訳（メタデータ） (2020-12-09T14:13:41Z)
• Combining Self-Training and Self-Supervised Learning for Unsupervised Disfluency Detection [80.68446022994492]
  本研究では,未ラベルテキストコーパスを扱える教師なし学習パラダイムについて検討する。 我々のモデルは、自己学習の考え方を拡張する半教師あり学習アプローチである、雑音学習(Noisy Student Training)に関する最近の研究に基づいている。
  論文  参考訳（メタデータ） (2020-10-29T05:29:26Z)
• 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)
• Search-based Test-Case Generation by Monitoring Responsibility Safety Rules [2.1270496914042996]
  本研究では,シミュレーションに基づく運転テストデータのスクリーニングと分類を行う手法を提案する。 本フレームワークは,S-TALIROおよびSim-ATAVツールとともに配布されている。
  論文  参考訳（メタデータ） (2020-04-25T10:10:11Z)
• Exploit Clues from Views: Self-Supervised and Regularized Learning for Multiview Object Recognition [66.87417785210772]
  本研究では,マルチビュー自己教師型学習(MV-SSL)の問題点について検討する。 対象不変」表現を追求し,自己指導型学習のための新しい代理課題を提案する。 実験の結果,ビュー不変プロトタイプ埋め込み(VISPE)による認識と検索は,他の自己教師あり学習方法よりも優れていた。
  論文  参考訳（メタデータ） (2020-03-28T07:06:06Z)

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。