論文の概要: Orchestrating Attention: Bringing Harmony to the 'Chaos' of Neurodivergent Learning States

• arxiv url: http://arxiv.org/abs/2602.07865v1
• Date: Sun, 08 Feb 2026 08:33:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:24.839097
• Title: Orchestrating Attention: Bringing Harmony to the 'Chaos' of Neurodivergent Learning States
• Title（参考訳）: オーケストレーション注意:ニューロディバージェント学習状態の「カオス」に調和をもたらす
• Authors: Satyam Kumar Navneet, Joydeep Chandra, Yong Zhang,
• Abstract要約: インターフェース要素を順応するフレームワークであるAttentionGuardを紹介します。 提案手法は,表現学から派生した4つの注意状態をモデル化し,新しい5つのUI適応パターンを実装した。 検出モデルをOULADデータセット上で検証し,87.3%の分類精度を実現した。 HYPERAKTIVデータセットのクロスバリデーションによる臨床ADHDプロファイルとの相関を示す。
• 参考スコア（独自算出の注目度）: 6.821769033209393
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Adaptive learning systems optimize content delivery based on performance metrics but ignore the dynamic attention fluctuations that characterize neurodivergent learners. We present AttentionGuard, a framework that detects engagement-attention states from privacy-preserving behavioral signals and adapts interface elements accordingly. Our approach models four attention states derived from ADHD phenomenology and implements five novel UI adaptation patterns including bi-directional scaffolding that responds to both understimulation and overstimulation. We validate our detection model on the OULAD dataset, achieving 87.3% classification accuracy, and demonstrate correlation with clinical ADHD profiles through cross-validation on the HYPERAKTIV dataset. A Wizard-of-Oz study with 11 adults showing ADHD characteristics found significantly reduced cognitive load in the adaptive condition (NASA-TLX: 47.2 vs 62.8, Cohen's d=1.21, p=0.008) and improved comprehension (78.4% vs 61.2%, p=0.009). Concordance analysis showed 84% agreement between wizard decisions and automated classifier predictions, supporting deployment feasibility. The system is presented as an interactive demo where observers can inspect detected attention states, observe real-time UI adaptations, and compare automated decisions with human-in-the-loop overrides. We contribute empirically validated UI patterns for attention-adaptive interfaces and evidence that behavioral attention detection can meaningfully support neurodivergent learning experiences.
• Abstract（参考訳）: 適応学習システムは、パフォーマンス指標に基づいてコンテンツ配信を最適化するが、ニューロディバージェント学習者を特徴付ける動的な注意変動を無視する。 本稿では,プライバシ保護行動信号から係り受け状態を検出し,それに応じてインターフェース要素を適応するフレームワークであるAttentionGuardを紹介する。 提案手法は,ADHD現象から得られた4つの注意状態をモデル化し,過刺激と過刺激の両方に応答する双方向足場を含む5つの新しいUI適応パターンを実装した。 我々は,OULADデータセット上の検出モデルを検証し,87.3%の分類精度を達成し,HYPERAKTIVデータセット上のクロスバリデーションによる臨床ADHDプロファイルとの相関を示す。 ADHD特性を示す成人11名(NASA-TLX:47.2 vs 62.8, Cohen's d=1.21, p=0.008)によるウィザード・オブ・オズの研究では、適応条件における認知負荷が有意に減少し、理解力が改善した(78.4% vs 61.2%, p=0.009)。 一致分析では、ウィザード決定と自動分類器予測の間で84%の一致を示し、デプロイメントの実現性をサポートした。 システムはインタラクティブなデモとして紹介され、検出された注意状態の検査、リアルタイムUI適応の観察、自動決定とループ内オーバーライドを比較することができる。 注意適応インタフェースのUIパターンを実証的に検証し,行動的注意検出が神経分岐学習体験を有意義に支援できることを示す。

関連論文リスト

• Adversarial Spatio-Temporal Attention Networks for Epileptic Seizure Forecasting [4.750750705838807]
  本稿では,脳の接続性や時間的神経力学をモデル化し,空間的時間的モジュールを交互に組み合わせたアテンションブロックを提案する。 連続した90分間の地震前モニタリングは、早期検出を可能にする学習された脳波の注意パターンを明らかにする。
  論文  参考訳（メタデータ） (2025-11-03T06:48:54Z)
• Deep Learning-Based Detection of Cognitive Impairment from Passive Smartphone Sensing with Routine-Aware Augmentation and Demographic Personalization [9.633221910592804]
  認知障害の早期発見は、タイムリーな診断と介入に重要である。 受動的スマートフォンセンシングは、自然主義的かつ継続的な認知モニタリングのための有望なアプローチとして登場した。 日常的な行動特徴の連続から認知障害を検出するために,Long Short-Term Memory (LSTM) モデルを実装した。
  論文  参考訳（メタデータ） (2025-09-27T07:08:25Z)
• Improving Autism Detection with Multimodal Behavioral Analysis [0.0]
  表情,音声韻律,頭部運動,心拍変動(HRV)および視線行動のマルチモーダル分析を行った。 分類精度は74%であり,複数のモダリティにまたがる行動マーカーの統合の有効性が示された。
  論文  参考訳（メタデータ） (2025-09-19T13:08:50Z)
• Detecting Reading-Induced Confusion Using EEG and Eye Tracking [18.344981842158543]
  融合は、新しい情報が読者の理解や事前の知識と矛盾したり、あるいは超えたりすると自然に起こる。 脳波と視線追跡を用いた読影障害のマルチモーダル調査を行った。
  論文  参考訳（メタデータ） (2025-08-20T05:56:17Z)
• 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)
• Dynamic Attention Analysis for Backdoor Detection in Text-to-Image Diffusion Models [70.03122709795122]
  従来のバックドア検出手法は主にバックドアサンプルの静的特徴に焦点を当てていた。 本研究では、動的注意分析(DEA)と呼ばれる新しいバックドア検出視点を導入し、これらの動的特徴がバックドア検出の指標となることを示す。 我々の手法は既存の検出方法を大きく上回り、平均F1スコアは79.49%、AUCは87.67%に達した。
  論文  参考訳（メタデータ） (2025-04-29T07:59:35Z)
• Analyzing Participants' Engagement during Online Meetings Using Unsupervised Remote Photoplethysmography with Behavioral Features [50.82725748981231]
  エンゲージメント測定は、医療、教育、サービスに応用される。 生理的特徴と行動的特徴の使用は可能であるが、従来の生理的測定の非現実性は接触センサーの必要性により生じる。 コンタクトセンサの代替として, 教師なし光胸腺造影(胸腔鏡)の有用性を実証する。
  論文  参考訳（メタデータ） (2024-04-05T20:39:16Z)
• Deep-seeded Clustering for Emotion Recognition from Wearable Physiological Sensors [1.380698851850167]
  本稿では,生理的信号から特徴を最小限に抽出し,分類するディープシードクラスタリングアルゴリズムを提案する。 本モデルは,感情コンピューティング研究で頻繁に使用される3つのデータセットに対して,良好な性能が得られることを示す。
  論文  参考訳（メタデータ） (2023-08-17T14:37:35Z)
• Self-supervised contrastive learning of echocardiogram videos enables label-efficient cardiac disease diagnosis [48.64462717254158]
  心エコービデオを用いた自己教師型コントラスト学習手法であるエコーCLRを開発した。 左室肥大症 (LVH) と大動脈狭窄症 (AS) の分類成績は,EchoCLR の訓練により有意に改善した。 EchoCLRは、医療ビデオの表現を学習する能力に特有であり、SSLがラベル付きデータセットからラベル効率の高い疾患分類を可能にすることを実証している。
  論文  参考訳（メタデータ） (2022-07-23T19:17:26Z)
• Designing A Clinically Applicable Deep Recurrent Model to Identify Neuropsychiatric Symptoms in People Living with Dementia Using In-Home Monitoring Data [52.40058724040671]
  鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。 扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。 本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-10-19T11:45:01Z)

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。