論文の概要: Teachers' Vocal Expressions and Student Engagement in Asynchronous Video Learning
- arxiv url: http://arxiv.org/abs/2605.17463v1
- Date: Sun, 17 May 2026 14:06:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-19 17:57:48.103189
- Title: Teachers' Vocal Expressions and Student Engagement in Asynchronous Video Learning
- Title（参考訳）: 非同期ビデオ学習における教師の音声表現と学生エンゲージメント
- Authors: Hung-Yue Suen, Yu-Sheng Su,
- Abstract要約: 大規模なオープンオンラインコース(MOOC)を含む非同期ビデオ学習は、柔軟性を提供するが、しばしば生徒の愛情的なエンゲージメントを欠いている。
本研究では,教師の言語的・非言語的音声的感情表現が,生徒の自己申告された感情的エンゲージメントにどのように影響するかを検討する。
- 参考スコア（独自算出の注目度）: 4.446363688974519
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Asynchronous video learning, including massive open online courses (MOOCs), offers flexibility but often lacks students' affective engagement. This study examines how teachers' verbal and nonverbal vocal emotive expressions influence students' self-reported affective engagement. Using computational acoustic and sentiment analysis, valence and arousal scores were extracted from teachers' verbal vocal expressions, and nonverbal vocal emotions were classified into six categories: anger, fear, happiness, neutral, sadness, and surprise. Data from 210 video lectures across four MOOC platforms and feedback from 738 students collected after class were analyzed. Results revealed that teachers' verbal emotive expressions, even with positive valence and high arousal, did not significantly impact engagement. Conversely, vocal expressions with positive valence and high arousal, such as happiness and surprise, enhanced engagement, while negative high-arousal emotions, such as anger, reduced it. These findings offer practical insights for instructional video creators, teachers, and influencers to foster emotional engagement in asynchronous video learning.
- Abstract（参考訳）: 大規模なオープンオンラインコース(MOOC)を含む非同期ビデオ学習は、柔軟性を提供するが、しばしば生徒の愛情的なエンゲージメントを欠いている。
本研究では,教師の言語的・非言語的音声的感情表現が,生徒の自己申告された感情的エンゲージメントにどのように影響するかを検討する。
計算音響および感情分析を用いて,教師の音声表現から有声率と覚醒スコアを抽出し,非言語音声感情を怒り,恐怖,幸福,中立,悲しみ,驚きの6つのカテゴリに分類した。
4つのMOOCプラットフォームにまたがる210のビデオ講義のデータと授業後に収集した738人の学生からのフィードバックを分析した。
その結果,有意な有能さと高い覚醒感をもちながら,教師の発話動機表現が有意な影響は認められなかった。
逆に、幸福や驚き、エンゲージメントの向上など、肯定的な価値と高い覚醒を持つ声の表現は、怒りなどの否定的な高覚醒感情を減らした。
これらの知見は、非同期ビデオ学習における感情的エンゲージメントを促進するために、教師、教師、インフルエンサーに実践的な洞察を与える。
関連論文リスト
- FACE-net: Factual Calibration and Emotion Augmentation for Retrieval-enhanced Emotional Video Captioning [81.33341786837974]
Emotional Video Captioning (EVC) は、ビデオで表現される本質的な感情で事実を記述することを目的とした、新たなタスクである。
FActual and Emotion Augmentation (FACE-net) を用いた検索強化フレームワークを提案する。
FACE-netは、事実と感情のセマンティクスを協調的にマイニングし、生成のための適応的で正確なガイダンスを提供する。
論文 参考訳（メタデータ） (2026-03-18T07:53:15Z) - Ensembling Large Language Models to Characterize Affective Dynamics in Student-AI Tutor Dialogues [18.497635186707008]
本研究は、教師対話における大規模感情センシングのための最初のアンサンブル・LLMフレームワークを紹介する。
我々は、PyTutor(AI教師)と、米国の3つの機関における261人の学部生の間で交わされた16,986の会話型ターンの2つのセミメータについて分析した。
論文 参考訳（メタデータ） (2025-10-13T04:43:56Z) - MathBuddy: A Multimodal System for Affective Math Tutoring [10.968012903118975]
MathBuddyはLLMで動くMath Tutorだ。
生徒の感情を関連する教育戦略にマッピングし、教師と学生の会話をより共感的なものにする。
DAMRスコアを用いて,勝利率と総合的な3ポイントゲインを用いて,23ポイントの大規模なパフォーマンスゲインを報告した。
論文 参考訳（メタデータ） (2025-08-27T15:50:43Z) - Contrastive Decoupled Representation Learning and Regularization for Speech-Preserving Facial Expression Manipulation [58.189703277322224]
音声保存表情操作(SPFEM)は、特定の参照感情を表示するために話頭を変更することを目的としている。
参照およびソース入力に存在する感情とコンテンツ情報は、SPFEMモデルに対して直接的かつ正確な監視信号を提供することができる。
コントラスト学習による指導として、コンテンツと感情の事前学習を提案し、分離されたコンテンツと感情表現を学習する。
論文 参考訳（メタデータ） (2025-04-08T04:34:38Z) - Attention-based Interactive Disentangling Network for Instance-level
Emotional Voice Conversion [81.1492897350032]
感情音声変換(Emotional Voice Conversion)は、非感情成分を保存しながら、与えられた感情に応じて音声を操作することを目的とする。
本稿では,音声変換にインスタンスワイドな感情知識を活用する,意図に基づく対話型ディスタングネットワーク(AINN)を提案する。
論文 参考訳（メタデータ） (2023-12-29T08:06:45Z) - emotion2vec: Self-Supervised Pre-Training for Speech Emotion
Representation [42.29118614670941]
普遍的な音声感情表現モデルである感情2vecを提案する。
感情2vecは自己監督型オンライン蒸留を通じてラベルなしの感情データに基づいて事前訓練される。
最先端の訓練済みユニバーサルモデルや感情スペシャリストモデルよりも優れています。
論文 参考訳（メタデータ） (2023-12-23T07:46:55Z) - Emotion Rendering for Conversational Speech Synthesis with Heterogeneous
Graph-Based Context Modeling [50.99252242917458]
会話音声合成(CSS)は,会話環境の中で適切な韻律と感情のインフレクションで発話を正確に表現することを目的としている。
データ不足の問題に対処するため、私たちはカテゴリと強度の点で感情的なラベルを慎重に作成します。
我々のモデルは感情の理解と表現においてベースラインモデルよりも優れています。
論文 参考訳（メタデータ） (2023-12-19T08:47:50Z) - Enhancing Student Engagement in Online Learning through Facial
Expression Analysis and Complex Emotion Recognition using Deep Learning [1.3812010983144802]
本稿では,オンライン学習セッションにおける学生のエンゲージメントレベルを評価するために,表情に基づく深層学習技術を用いた新しいアプローチを提案する。
この課題に対処するため、基本的な感情を組み合わせることで、混乱、満足度、失望、フラストレーションなどの4つの複雑な感情の生成を提案した。
提案手法は畳み込みニューラルネットワーク(CNN)モデルを用いて学習者の基本的な感情状態を正確に分類する。
論文 参考訳（メタデータ） (2023-11-17T06:07:54Z) - Exploring Emotion Expression Recognition in Older Adults Interacting
with a Virtual Coach [22.00225071959289]
EMPATHICプロジェクトは、健康な高齢者が健康を改善し、自立した高齢化を促進することができる感情表現型バーチャルコーチを設計することを目的としている。
本稿では,仮想コーチの感情表現認識モジュールの開発について概説し,データ収集,アノテーション設計,第1の方法論的アプローチについて述べる。
論文 参考訳（メタデータ） (2023-11-09T18:22:32Z) - Emotion Intensity and its Control for Emotional Voice Conversion [77.05097999561298]
感情音声変換(EVC)は、言語内容と話者のアイデンティティを保ちながら、発話の感情状態を変換しようとする。
本稿では,感情の強さを明示的に表現し,制御することを目的とする。
本稿では,話者スタイルを言語内容から切り離し,連続した空間に埋め込み,感情埋め込みのプロトタイプを形成するスタイルに符号化することを提案する。
論文 参考訳（メタデータ） (2022-01-10T02:11:25Z) - Reinforcement Learning for Emotional Text-to-Speech Synthesis with
Improved Emotion Discriminability [82.39099867188547]
感情的テキスト音声合成(ETTS)は近年大きく進歩している。
i-ETTSと呼ばれるETTSの新しい対話型トレーニングパラダイムを提案する。
i-ETTSの最適化品質を確保するため、強化学習による反復トレーニング戦略を策定します。
論文 参考訳（メタデータ） (2021-04-03T13:52:47Z)
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。