論文の概要: Unraveling the Impact of Visual Complexity on Search as Learning
- arxiv url: http://arxiv.org/abs/2501.05289v1
- Date: Thu, 09 Jan 2025 14:51:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-10 13:57:56.663968
- Title: Unraveling the Impact of Visual Complexity on Search as Learning
- Title（参考訳）: 視覚的複雑度が学習としての検索に与える影響を解明する
- Authors: Wolfgang Gritz, Anett Hoppe, Ralph Ewerth,
- Abstract要約: 本研究では,学習指向Webセッションにおける視覚的複雑度と探索行動の関係について検討した。
その結果,視覚的に複雑なページが少ないセッションは,学習の成功に結びついていることが判明した。
報告された結果は、視覚的複雑さが学習指向検索に与える影響に光を当て、より効果的なIRシステムの設計を通知した。
- 参考スコア（独自算出の注目度）: 7.706941074799756
- License:
- Abstract: Information search has become essential for learning and knowledge acquisition, offering broad access to information and learning resources. The visual complexity of web pages is known to influence search behavior, with previous work suggesting that searchers make evaluative judgments within the first second on a page. However, there is a significant gap in our understanding of how visual complexity impacts searches specifically conducted with a learning intent. This gap is particularly relevant for the development of optimized information retrieval (IR) systems that effectively support educational objectives. To address this research need, we model visual complexity and aesthetics via a diverse set of features, investigating their relationship with search behavior during learning-oriented web sessions. Our study utilizes a publicly available dataset from a lab study where participants learned about thunderstorm formation. Our findings reveal that while content relevance is the most significant predictor for knowledge gain, sessions with less visually complex pages are associated with higher learning success. This observation applies to features associated with the layout of web pages rather than to simpler features (e.g., number of images). The reported results shed light on the impact of visual complexity on learning-oriented searches, informing the design of more effective IR systems for educational contexts. To foster reproducibility, we release our source code (https://github.com/TIBHannover/sal_visual_complexity).
- Abstract（参考訳）: 情報検索は、情報と学習資源への幅広いアクセスを提供する学習と知識獲得に欠かせないものとなっている。
ウェブページの視覚的複雑さは検索行動に影響を与えることが知られており、以前の研究は、検索者がページの1秒以内に評価的な判断を下すことを示唆していた。
しかし、視覚的複雑さが学習意図で特別に行われた検索にどう影響するかを理解するには、大きなギャップがある。
このギャップは、教育目的を効果的に支援する最適化情報検索(IR)システムの開発に特に関係している。
この研究ニーズに対処するために,多様な機能を用いて視覚的複雑性と美学をモデル化し,学習指向Webセッションにおける探索行動との関係について検討する。
この研究は、雷雨の形成について参加者が学ぶ実験室の研究から公開されているデータセットを利用しています。
以上の結果から,知識獲得における内容関連性は最も重要な予測因子であるが,視覚的に複雑なページの少ないセッションは,学習の成功に結びついていることが判明した。
この観察は、より単純な機能(例えば、画像の数)ではなく、Webページのレイアウトに関連する機能に適用される。
報告された結果は、視覚的複雑さが学習指向検索に与える影響に光を当て、より効果的なIRシステムの設計を教育コンテキストに通知した。
再現性を高めるため、ソースコード(https://github.com/TIBHannover/sal_visual_complexity)をリリースします。
関連論文リスト
- Enhancing Exploratory Learning through Exploratory Search with the Emergence of Large Language Models [3.1997856595607024]
本研究では,探索探索戦略と探索学習理論を組み合わせることで,この複雑さを解き明かそうとする。
本研究は,高頻度探索とフィードバックループを取り入れたKolbの学習モデルに適応し,学生の深い認知・高次認知スキル開発を促進することを目的としている。
論文 参考訳（メタデータ） (2024-08-09T04:30:16Z) - Advancements in Content-Based Image Retrieval: A Comprehensive Survey of
Relevance Feedback Techniques [0.0]
コンテントベース画像検索(CBIR)システムはコンピュータビジョンの分野で重要なツールとして登場してきた。
本稿では,対象検出におけるCBIRの役割と,コンテンツ特徴に基づく視覚的に類似した画像の識別と検索の可能性について,包括的に概説する。
低レベルの特徴と高レベルのセマンティック概念の相違から生じるセマンティックギャップについて詳述し、このギャップを橋渡しするためのアプローチを探る。
論文 参考訳（メタデータ） (2023-12-13T11:07:32Z) - When Meta-Learning Meets Online and Continual Learning: A Survey [39.53836535326121]
メタ学習は学習アルゴリズムを最適化するためのデータ駆動型アプローチである。
継続的な学習とオンライン学習はどちらも、ストリーミングデータでモデルを漸進的に更新する。
本稿では,一貫した用語と形式記述を用いて,様々な問題設定を整理する。
論文 参考訳（メタデータ） (2023-11-09T09:49:50Z) - From Data to Dialogue: Leveraging the Structure of Knowledge Graphs for
Conversational Exploratory Search [4.861125297881693]
本稿では,自然言語質問によるニュース記事探索のための知識駆動対話システムを提案する。
54名の被験者を対象に,グラフに基づく探索探索の有効性を実証的に評価した。
論文 参考訳（メタデータ） (2023-10-08T12:52:09Z) - Recognizing Unseen Objects via Multimodal Intensive Knowledge Graph
Propagation [68.13453771001522]
画像の領域と対応するセマンティック埋め込みとをマッチングする多モード集中型ZSLフレームワークを提案する。
我々は、大規模な実世界のデータに基づいて、広範囲な実験を行い、そのモデルを評価する。
論文 参考訳（メタデータ） (2023-06-14T13:07:48Z) - Exploring Effective Factors for Improving Visual In-Context Learning [56.14208975380607]
In-Context Learning(ICL)は、いくつかのデモ(別名プロンプト)を通じて新しいタスクを理解し、モデルをチューニングせずに新しい入力を予測することである。
本稿では,視覚的文脈学習の推論性能に直接的な影響を及ぼす要因として,迅速な選択と迅速な融合があげられる。
視覚的インコンテキスト学習のためのシンプルなフレームワークプロンプトSelFを提案する。
論文 参考訳（メタデータ） (2023-04-10T17:59:04Z) - Sample-Efficient Reinforcement Learning in the Presence of Exogenous
Information [77.19830787312743]
実世界の強化学習アプリケーションでは、学習者の観察空間は、その課題に関する関連情報と無関係情報の両方でユビキタスに高次元である。
本稿では,強化学習のための新しい問題設定法であるExogenous Decision Process (ExoMDP)を導入する。
内因性成分の大きさのサンプル複雑度で準最適ポリシーを学習するアルゴリズムであるExoRLを提案する。
論文 参考訳（メタデータ） (2022-06-09T05:19:32Z) - What Makes Good Contrastive Learning on Small-Scale Wearable-based
Tasks? [59.51457877578138]
本研究では,ウェアラブル型行動認識タスクにおけるコントラスト学習について検討する。
本稿では,PyTorchライブラリのtextttCL-HAR について述べる。
論文 参考訳（メタデータ） (2022-02-12T06:10:15Z) - Embodied Learning for Lifelong Visual Perception [33.02424587900808]
我々は、新しいモデルを開発し、建物内を航行する様々なエージェントを比較し、生涯の視覚知覚を具体化して研究する。
エージェントの目的は、探索とアクティブな視覚学習を組み合わせたプロセスの最後に、建物全体のオブジェクトやその他のセマンティッククラスを認識することである。
論文 参考訳（メタデータ） (2021-12-28T10:47:13Z) - Exposing Query Identification for Search Transparency [69.06545074617685]
本稿では,検索システムの2つのクラスにおいて,クエリとドキュメントの役割を逆転させることにより,検索タスクとしてのEQIの実現可能性について検討する。
本研究では,クエリのランク付けの質を評価するための評価基準を導出するとともに,近似EQIの様々な実践的側面に着目した経験的分析を行う。
論文 参考訳（メタデータ） (2021-10-14T20:19:27Z) - A Review on Intelligent Object Perception Methods Combining
Knowledge-based Reasoning and Machine Learning [60.335974351919816]
物体知覚はコンピュータビジョンの基本的なサブフィールドである。
最近の研究は、物体の視覚的解釈のインテリジェンスレベルを拡大するために、知識工学を統合する方法を模索している。
論文 参考訳（メタデータ） (2019-12-26T13:26:49Z)
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。