論文の概要: Prediction of Grade, Gender, and Academic Performance of Children and Teenagers from Handwriting Using the Sigma-Lognormal Model
- arxiv url: http://arxiv.org/abs/2603.11519v1
- Date: Thu, 12 Mar 2026 04:05:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-13 14:46:25.857723
- Title: Prediction of Grade, Gender, and Academic Performance of Children and Teenagers from Handwriting Using the Sigma-Lognormal Model
- Title（参考訳）: Sigma-Lognormal Model を用いた手書きによる児童・10代の年次, 性, 学業成績の予測
- Authors: Adrian Iste, Kazuki Nishizawa, Chisa Tanaka, Andrew Vargo, Anna Scius-Bertrand, Andreas Fischer, Koichi Kise,
- Abstract要約: 本研究では,日本人学生が収集した大規模オンラインデータセットを用いて,手書き力学が学生の特徴に関連する情報を符号化するかどうかを検討する。
その結果,手書き力学には発達段階と個人差に関連する測定可能な信号が含まれていることがわかった。
- 参考スコア（独自算出の注目度）: 4.070393807389505
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Digital handwriting acquisition enables the capture of detailed temporal and kinematic signals reflecting the motor processes underlying writing behavior. While handwriting analysis has been extensively explored in clinical or adult populations, its potential for studying developmental and educational characteristics in children remains less investigated. In this work, we examine whether handwriting dynamics encode information related to student characteristics using a large-scale online dataset collected from Japanese students from elementary school to junior high school. We systematically compare three families of handwriting-derived features: basic statistical descriptors of kinematic signals, entropy-based measures of variability, and parameters obtained from the sigma-lognormal model. Although the dataset contains dense stroke-level recordings, features are aggregated at the student level to enable a controlled comparison between representations. These features are evaluated across three prediction tasks: grade prediction, gender classification, and academic performance classification, using Linear or Logistic Regression and Random Forest models under consistent experimental settings. The results show that handwriting dynamics contain measurable signals related to developmental stage and individual differences, especially for the grade prediction task. These findings highlight the potential of kinematic handwriting analysis and confirm that through their development, children's handwriting evolves toward a lognormal motor organization.
- Abstract（参考訳）: デジタル手書き文字の取得は、筆記動作の根底にある運動過程を反映する詳細な時間的および運動的な信号の取得を可能にする。
筆跡分析は, 臨床・成人において広く研究されているが, 発達的・教育的特性の研究の可能性については, いまだに調査されていない。
本研究では,小学校から中学校までの日本人学生から収集した大規模オンラインデータセットを用いて,学生の特徴に関連する情報を手書きダイナミクスが符号化するかどうかを検討する。
本研究は,手書きによる3つの特徴を体系的に比較する。キネマティック信号の基本統計記述子,エントロピーに基づく可変性の測定,およびシグマ正規モデルから得られるパラメータである。
データセットには、密度の高いストロークレベルの記録が含まれているが、学生レベルで特徴を集約し、表現間の制御された比較を可能にする。
これらの特徴は、等級予測、性別分類、学業成績分類の3つの予測課題で評価され、一貫した実験環境下で線形またはロジスティック回帰モデルとランダムフォレストモデルを用いて評価される。
その結果,手書き力学は発達段階と個人差,特に等級予測タスクに関連する測定可能な信号を含むことがわかった。
これらの知見は、運動学的手書き解析の可能性を強調し、その発達を通じて、子供の手書きが対数正規運動組織へと進化していくことを確認する。
関連論文リスト
- Comparison of Machine Learning Models to Classify Documents on Digital Development [0.0]
本研究は,12分野に分類される世界規模のデジタル開発介入に関する文書データベースを公開している。
この研究は、データ量がパフォーマンスに影響を与える唯一の要因ではないと結論付け、クラス間の類似性やクラス間の相違性といった特徴も重要であると結論付けている。
論文 参考訳（メタデータ） (2025-10-01T09:53:28Z) - From Text to Graph: Leveraging Graph Neural Networks for Enhanced Explainability in NLP [3.864700176441583]
本研究では,自然言語処理タスクにおける説明可能性を実現するための新しい手法を提案する。
自動的に文をグラフに変換し、ノードや関係を通じて意味を維持する。
実験は、与えられた分類のためのテキスト構造の中で最も重要なコンポーネントを決定するための有望な結果をもたらした。
論文 参考訳（メタデータ） (2025-04-02T18:55:58Z) - Towards Accessible Learning: Deep Learning-Based Potential Dysgraphia Detection and OCR for Potentially Dysgraphic Handwriting [1.9575346216959502]
図形障害(Dysgraphia)は、手書き能力に影響を与える学習障害である。
早期検出とモニタリングは、タイムリーなサポートと介入を提供するために不可欠である。
本研究では、ディープラーニング技術を用いて、ディジグラフィ検出と光学的文字認識の2つの課題に対処する。
論文 参考訳（メタデータ） (2024-11-18T13:28:26Z) - BookWorm: A Dataset for Character Description and Analysis [59.186325346763184]
本稿では,短い事実プロファイルを生成する文字記述と,詳細な解釈を提供する文字解析という2つのタスクを定義する。
本稿では,Gutenbergプロジェクトからの書籍と,人間による記述と分析のペアリングを行うBookWormデータセットを紹介する。
その結果,検索に基づくアプローチは両タスクにおいて階層的アプローチよりも優れていた。
論文 参考訳（メタデータ） (2024-10-14T10:55:58Z) - Dynamically enhanced static handwriting representation for Parkinson's disease detection [8.26914435242875]
パーキンソン病(PD)の評価の文脈において、手書き文字は特別な役割を果たす。
本稿では,手書き文字の「動的に強化された」静的画像の識別能力について検討する。
論文 参考訳（メタデータ） (2024-05-22T08:28:42Z) - Sensitivity, Performance, Robustness: Deconstructing the Effect of
Sociodemographic Prompting [64.80538055623842]
社会デマトグラフィープロンプトは、特定の社会デマトグラフィープロファイルを持つ人間が与える答えに向けて、プロンプトベースのモデルの出力を操縦する技術である。
ソシオデマトグラフィー情報はモデル予測に影響を及ぼし、主観的NLPタスクにおけるゼロショット学習を改善するのに有用であることを示す。
論文 参考訳（メタデータ） (2023-09-13T15:42:06Z) - Sampling and Ranking for Digital Ink Generation on a tight computational
budget [69.15275423815461]
トレーニングされたデジタルインク生成モデルの出力品質を最大化する方法について検討する。
我々は、デジタルインク領域におけるその種類に関する最初のアブレーション研究において、複数のサンプリングとランキング手法の効果を使用、比較する。
論文 参考訳（メタデータ） (2023-06-02T09:55:15Z) - NeuroExplainer: Fine-Grained Attention Decoding to Uncover Cortical
Development Patterns of Preterm Infants [73.85768093666582]
我々はNeuroExplainerと呼ばれる説明可能な幾何学的深層ネットワークを提案する。
NeuroExplainerは、早産に伴う幼児の皮質発達パターンの解明に使用される。
論文 参考訳（メタデータ） (2023-01-01T12:48:12Z) - PART: Pre-trained Authorship Representation Transformer [52.623051272843426]
文書を書く著者は、自分のテキストに識別情報を印字する。
以前の作品では、手作りの機能や分類タスクを使って著者モデルを訓練していた。
セマンティクスの代わりにテキストの埋め込みを学習するために、対照的に訓練されたモデルを提案する。
論文 参考訳（メタデータ） (2022-09-30T11:08:39Z) - Handwriting Quality Analysis using Online-Offline Models [4.61479186986544]
この研究は、先進的なデジタル教育ツールの開発を可能にする革新的なeラーニングプロジェクトの一部である。
間違いを自動的に検知し、子供たちの書き方に対するリアルタイムなフィードバックを与え、教師が子供の書き方を理解して評価するのを助ける。
論文 参考訳（メタデータ） (2020-10-09T14:33:56Z)
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。