論文の概要: Supervised Contrastive Learning for Ordinal Engagement Measurement

• arxiv url: http://arxiv.org/abs/2505.20676v1
• Date: Tue, 27 May 2025 03:49:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-28 17:05:58.388183
• Title: Supervised Contrastive Learning for Ordinal Engagement Measurement
• Title（参考訳）: 正規エンゲージメント測定のための教師付きコントラスト学習
• Authors: Sadaf Safa, Ali Abedi, Shehroz S. Khan,
• Abstract要約: 学生のエンゲージメントは、教育プログラムの納入を成功させる上で重要な役割を担っている。 本稿では、クラス不均衡とエンゲージメントレベルへの秩序導入という、この問題における2つの重要な課題を明らかにする。 仮想学習環境におけるビデオベースの学生エンゲージメント測定への新しいアプローチを提案する。
• 参考スコア（独自算出の注目度）: 2.166000001057538
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Student engagement plays a crucial role in the successful delivery of educational programs. Automated engagement measurement helps instructors monitor student participation, identify disengagement, and adapt their teaching strategies to enhance learning outcomes effectively. This paper identifies two key challenges in this problem: class imbalance and incorporating order into engagement levels rather than treating it as mere categories. Then, a novel approach to video-based student engagement measurement in virtual learning environments is proposed that utilizes supervised contrastive learning for ordinal classification of engagement. Various affective and behavioral features are extracted from video samples and utilized to train ordinal classifiers within a supervised contrastive learning framework (with a sequential classifier as the encoder). A key step involves the application of diverse time-series data augmentation techniques to these feature vectors, enhancing model training. The effectiveness of the proposed method was evaluated using a publicly available dataset for engagement measurement, DAiSEE, containing videos of students who participated in virtual learning programs. The results demonstrate the robust ability of the proposed method for the classification of the engagement level. This approach promises a significant contribution to understanding and enhancing student engagement in virtual learning environments.
• Abstract（参考訳）: 学生のエンゲージメントは、教育プログラムの納入を成功させる上で重要な役割を担っている。 自動エンゲージメント測定は、インストラクターが生徒の参加を監視し、解脱を識別し、学習成果を効果的に向上するために教育戦略を適用するのに役立つ。 本稿では,クラス不均衡と,単にカテゴリとして扱うのではなく,エンゲージメントレベルに秩序を取り入れることという,この問題における2つの重要な課題を明らかにする。 そこで, 教師付きコントラスト学習を利用した仮想学習環境におけるビデオベースの学生エンゲージメント測定手法を提案する。 ビデオサンプルから様々な感情的・行動的特徴を抽出し、教師付きコントラスト学習フレームワーク(エンコーダとしてシーケンシャルな分類器を持つ)内の順序的分類器を訓練するために利用する。 重要なステップは、これらの特徴ベクトルに多様な時系列データ拡張技術を適用し、モデルトレーニングを強化することである。 本手法の有効性を,仮想学習プログラムに参加した学生のビデオを含むエンゲージメント測定用データセットであるDAiSEEを用いて評価した。 提案手法のエンゲージメントレベル分類におけるロバスト性を実証した。 このアプローチは、仮想学習環境における学生のエンゲージメントの理解と向上に重要な貢献を約束する。

関連論文リスト

• Engagement Measurement Based on Facial Landmarks and Spatial-Temporal Graph Convolutional Networks [2.4343669357792708]
  本稿では,ビデオからのエンゲージメント測定のための新しいプライバシ保護手法を提案する。 MediaPipeのディープラーニングソリューションを通じてビデオから抽出された、個人識別可能な情報を持たない顔のランドマークを使用している。 提案手法は,仮想学習プラットフォーム上に展開し,リアルタイムにエンゲージメントを測定することができる。
  論文  参考訳（メタデータ） (2024-03-25T20:43:23Z)
• A Probabilistic Model Behind Self-Supervised Learning [53.64989127914936]
  自己教師付き学習(SSL)では、アノテートラベルなしで補助的なタスクを通じて表現が学習される。 自己教師型学習のための生成潜在変数モデルを提案する。 対照的な方法を含む識別的SSLのいくつかのファミリーは、表現に匹敵する分布を誘導することを示した。
  論文  参考訳（メタデータ） (2024-02-02T13:31:17Z)
• RLIF: Interactive Imitation Learning as Reinforcement Learning [56.997263135104504]
  我々は,対話型模倣学習と類似するが,さらに実践的な仮定の下で,非政治強化学習によってパフォーマンスが向上できることを実証する。 提案手法は,ユーザ介入信号を用いた強化学習を報奨として利用する。 このことは、インタラクティブな模倣学習において介入する専門家がほぼ最適であるべきだという仮定を緩和し、アルゴリズムが潜在的に最適でない人間の専門家よりも改善される行動を学ぶことを可能にする。
  論文  参考訳（メタデータ） (2023-11-21T21:05:21Z)
• Bag of States: A Non-sequential Approach to Video-based Engagement Measurement [7.864500429933145]
  学生の行動的・感情的状態は、そのエンゲージメントのレベルを測定するために、きめ細かい時間スケールで分析する必要がある。 既存の多くのアプローチは、ビデオから学生のエンゲージメントを測定するために、繰り返しニューラルネットワーク、時間畳み込みネットワーク、三次元畳み込みニューラルネットワークなどのシーケンシャルモデルとテンポラルモデルを開発した。 本研究では,学生の行動状態と感情状態のみをモデル化・解析し,それらの発生順序をモデル化する。
  論文  参考訳（メタデータ） (2023-01-17T07:12:34Z)
• Detecting Disengagement in Virtual Learning as an Anomaly [4.706263507340607]
  学生エンゲージメントは、仮想学習プログラムの目標を達成する上で重要な要素である。 本稿では,仮想学習における解離を異常検出問題として定式化する。 我々は、時間畳み込みネットワークオートエンコーダ、長期記憶オートエンコーダなど、様々なオートエンコーダを設計する。
  論文  参考訳（メタデータ） (2022-11-13T10:29:25Z)
• Self-Regulated Learning for Egocentric Video Activity Anticipation [147.9783215348252]
  自己制御学習(SRL)は、中間表現を連続的に制御し、現在のタイムスタンプのフレームにおける新しい情報を強調する表現を作り出すことを目的としている。 SRLは2つのエゴセントリックなビデオデータセットと2つの第三者のビデオデータセットにおいて、既存の最先端技術よりも大幅に優れています。
  論文  参考訳（メタデータ） (2021-11-23T03:29:18Z)
• Visual Adversarial Imitation Learning using Variational Models [60.69745540036375]
  逆関数仕様は、深い強化学習を通しての学習行動にとって大きな障害であり続けている。 望ましい行動の視覚的なデモンストレーションは、エージェントを教えるためのより簡単で自然な方法を示すことが多い。 変動モデルに基づく対向的模倣学習アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2021-07-16T00:15:18Z)
• Affect-driven Engagement Measurement from Videos [0.8545305424564517]
  仮想学習プログラムにおいて,ビデオによるエンゲージメント測定のための新しい手法を提案する。 ディープラーニングベースの時間モデルと従来の機械学習ベースの非時間モデルをトレーニングし、検証する。 実験の結果,最先端のエンゲージメントレベル分類精度は63.3%,非エンゲージメントビデオの正確な分類が得られた。
  論文  参考訳（メタデータ） (2021-06-21T06:49:17Z)
• CoCon: Cooperative-Contrastive Learning [52.342936645996765]
  自己教師付き視覚表現学習は効率的な映像分析の鍵である。 最近の画像表現の学習の成功は、コントラスト学習がこの課題に取り組むための有望なフレームワークであることを示唆している。 コントラスト学習の協調的バリエーションを導入し、ビュー間の相補的な情報を活用する。
  論文  参考訳（メタデータ） (2021-04-30T05:46:02Z)
• 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)

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。