論文の概要: Psychological stress during Examination and its estimation by handwriting in answer script
- arxiv url: http://arxiv.org/abs/2511.11633v1
- Date: Sat, 08 Nov 2025 09:03:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-18 14:36:22.690246
- Title: Psychological stress during Examination and its estimation by handwriting in answer script
- Title（参考訳）: テスト中の心理的ストレスとその手書きによる評価
- Authors: Abhijeet Kumar, Chetan Agarwal, Pronoy B. Neogi, Mayank Goswami,
- Abstract要約: 本研究は, 学生の心理的ストレスレベルを定量化するために, グラフ学と人工知能の融合を検討したものである。
我々は、従来のグレーティングシステムを超越したデータ駆動型アプローチを提案し、試験中に認知状態や感情状態について深い洞察を提供する。
- 参考スコア（独自算出の注目度）: 1.4189006978872365
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This research explores the fusion of graphology and artificial intelligence to quantify psychological stress levels in students by analyzing their handwritten examination scripts. By leveraging Optical Character Recognition and transformer based sentiment analysis models, we present a data driven approach that transcends traditional grading systems, offering deeper insights into cognitive and emotional states during examinations. The system integrates high resolution image processing, TrOCR, and sentiment entropy fusion using RoBERTa based models to generate a numerical Stress Index. Our method achieves robustness through a five model voting mechanism and unsupervised anomaly detection, making it an innovative framework in academic forensics.
- Abstract（参考訳）: 本研究は, 学生の心理的ストレスレベルを定量化するために, グラフ学と人工知能の融合を検討したものである。
光文字認識とトランスフォーマーに基づく感情分析モデルを活用することで、従来のグレーティングシステムを超越したデータ駆動型アプローチを提案し、試験中の認知状態と感情状態についてより深い洞察を提供する。
このシステムは,RoBERTaモデルを用いた高分解能画像処理,TrOCR,感情エントロピー融合を統合し,数値応力指数を生成する。
提案手法は,5つのモデル投票機構と教師なし異常検出によりロバスト性を実現する。
関連論文リスト
- Machine learning for fraud detection in digital banking: a systematic literature review REVIEW [0.0]
本稿では,デジタルバンキングにおける不正検出における機械学習の役割について検討する。
PRISMAガイドラインに従って、このレビューでは、組織的厳密さと透明性を確保するために、構造化された識別、スクリーニング、適性、包含プロセスを適用した。
論文 参考訳（メタデータ） (2025-10-04T22:56:12Z) - Unveiling the Actual Performance of Neural-based Models for Equation Discovery on Graph Dynamical Systems [45.11208589443806]
グラフのためのKAN(Kolmogorov-Arnold Networks)は、その固有の解釈可能性を活用するように設計されている。
カンは基礎となる記号方程式の同定に成功し、既存の基底線をはるかに上回った。
本研究は,モデル表現性と解釈可能性のトレードオフを明らかにするための実践的ガイドを提供する。
論文 参考訳（メタデータ） (2025-08-25T16:25:50Z) - AI Models for Depressive Disorder Detection and Diagnosis: A Review [0.9012198585960441]
うつ病性障害は世界中で障害の原因の1つとなっているが、診断は主観的臨床評価に大きく依存している。
本稿では,55の鍵研究の体系的レビューに基づいて,最先端のAI手法の発見と診断に関する包括的調査を行う。
論文 参考訳（メタデータ） (2025-08-16T11:46:48Z) - Clinical NLP with Attention-Based Deep Learning for Multi-Disease Prediction [44.0876796031468]
本稿では,電子健康記録テキストの非構造的性質と高次元意味論的複雑さがもたらす課題について論じる。
情報抽出と多ラベル病予測のための統合モデリングを実現するために,注意機構に基づく深層学習手法を提案する。
論文 参考訳（メタデータ） (2025-07-02T07:45:22Z) - Dynamic Programming Techniques for Enhancing Cognitive Representation in Knowledge Tracing [125.75923987618977]
認知表現動的プログラミングに基づく知識追跡(CRDP-KT)モデルを提案する。
質問の難易度とそれらの間の性能間隔に基づいて認知表現を最適化する動的プログラミングアルゴリズムである。
これは、その後のモデルトレーニングのためにより正確で体系的な入力機能を提供し、それによって認知状態のシミュレーションにおける歪みを最小限にする。
論文 参考訳（メタデータ） (2025-06-03T14:44:48Z) - Decoding the Stressed Brain with Geometric Machine Learning [3.8982812950782253]
ストレスは精神障害と身体障害の両方に寄与する。
本研究では,幾何学的機械学習を用いて生記録からのストレスを検出する新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2025-05-31T14:47:48Z) - Self-Explaining Hypergraph Neural Networks for Diagnosis Prediction [45.89562183034469]
既存のディープラーニング診断予測モデルと本質的な解釈性は、過去の診断や病院訪問の度に注意重みを割り当てることが多い。
我々は、パーソナライズされた簡潔で忠実な説明を提供するように設計された、自己説明型ハイパーグラフニューラルネットワークモデルSHyを紹介する。
SHyは高次疾患の相互作用を捉え、パーソナライズされた説明として異なる時間的表現型を抽出する。
論文 参考訳（メタデータ） (2025-02-15T06:33:02Z) - Supply of engineering techniques and software design patterns in
psychoanalysis and psychometrics sciences [0.0]
本研究の目的は、心理療法におけるCBT法(認知行動療法)の弱点を改善するために、ソフトウェア技術、モデル、人工知能アルゴリズムを導入することである。
本研究の目的は、隠れた人間の変数が検査結果から推測される心理測定実験の実装である。
論文 参考訳（メタデータ） (2021-08-16T08:36:37Z) - Looking At The Body: Automatic Analysis of Body Gestures and
Self-Adaptors in Psychological Distress [0.9624643581968987]
心理学的苦痛は社会において重要かつ増大している問題である。
ポーズ推定とディープラーニングの最近の進歩は、このモダリティとドメインに対する新しいアプローチを可能にしている。
本研究では,自己適応者のサブセットである自己適応とフィジットを自動的に検出する新たな手法を提案する。
論文 参考訳（メタデータ） (2020-07-31T02:45:00Z) - Continuous Emotion Recognition via Deep Convolutional Autoencoder and
Support Vector Regressor [70.2226417364135]
マシンはユーザの感情状態を高い精度で認識できることが不可欠である。
ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。
表情認識に基づく連続的感情認識のための新しいモデルを提案する。
論文 参考訳（メタデータ） (2020-01-31T17:47:16Z)
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。