論文の概要: CourseBlueprint: A Structured Pipeline for Adaptive Pedagogical Video Generation Grounded in Course Corpora
- arxiv url: http://arxiv.org/abs/2606.20608v1
- Date: Fri, 22 May 2026 02:02:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 23:18:58.121861
- Title: CourseBlueprint: A Structured Pipeline for Adaptive Pedagogical Video Generation Grounded in Course Corpora
- Title（参考訳）: CourseBlueprint: コースコーパスに接地した適応的教育ビデオ生成のための構造化パイプライン
- Abstract要約: CourseBlueprintは、適応型教育ビデオ生成のためのコース付きパイプラインである。
アドホックなプロンプトチェーンの代わりに、パイプラインは型付き中間表現とバリデーションを使用する。
その結果, 教育ビデオの質は, 明示的な型付き指導契約よりも表面流速に依存しないことがわかった。
- 参考スコア（独自算出の注目度）: 5.691710068675227
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative text-to-video systems can produce visually fluent educational clips, but they rarely encode the pedagogical content knowledge (PCK) needed for effective instruction, including prerequisite-aware sequencing, learner-adaptive depth, and sustained cognitive engagement. We present CourseBlueprint, a course-grounded pipeline for adaptive pedagogical video generation. Given a topic and learner persona, the system generates a structured teaching blueprint in a single forward pass over an undergraduate biomedical-imaging corpus (BMED 2300; twenty-three lectures, 1,116 slides). Instead of ad-hoc prompt chaining, the pipeline uses typed intermediate representations with validation: a scaffolding module builds a stage-labeled prerequisite concept graph with deterministic cycle removal, an adaptive controller assigns per-concept style specifications, and an engagement generator produces narration following a fixed hook->retrieval->core->analogy->forward contract. A deterministic slide-image override further grounds the rendered video by reusing instructor slides whenever retrieval confidence is high. We also release a reusable benchmark corpus and an evaluation harness combining repeated LLM-judge scoring with regex-grounded objective metrics. In a five-topic ablation, removing the engagement contract reduces the engagement score from 5.00 to 1.20, the adaptive score from 4.80 to 3.40, Flesch readability from 38.0 to 19.8, and analogy and retrieval-prompt counts to near zero. The slide-image override converts a 0/9 corpus-grounding failure into 9/10 successful slide matches on the same topic. These results show that pedagogical video quality depends less on surface fluency than on explicit, typed instructional contracts that make scaffolding, adaptation, engagement, and grounding auditable.
- Abstract（参考訳）: 生成したテキスト・ビデオ・システムは視覚に精通した教育用クリップを生成することができるが、学習者適応深度、認知的エンゲージメントの持続など、効果的な指導に必要な教育的内容知識(PCK)を符号化することは滅多にない。
本稿では,適応型教育ビデオ生成のためのコースグラウンドパイプラインであるCourseBlueprintを紹介する。
トピックと学習者ペルソナを与えられたシステムは、学部生のバイオメディカルイメージングコーパス(BMED 2300、23の講義、1,116のスライド)を1回のフォワードパスで構造化された教示青写真を生成する。
パイプラインは、アドホックなプロンプトチェーンの代わりに、型付き中間表現とバリデーションを使用する: 足場モジュールは、決定論的サイクル除去を伴うステージラベル付き必要条件概念グラフを構築し、適応コントローラは、概念単位の仕様を割り当て、エンゲージメントジェネレータは、固定されたフック->retrieval->core->analogy->forwardコントラクトに従ってナレーションを生成する。
決定論的スライド画像オーバーライドは、検索信頼度が高いときにインストラクタースライドを再利用することにより、レンダリングされた映像をさらにグラウンド化する。
また、再利用可能なベンチマークコーパスと、繰り返しLLM-judgeスコアとRegex-grounded Objective Metricsを組み合わせた評価手法もリリースした。
エンゲージメント契約の削除により、エンゲージメントスコアが5.00から1.20、アダプティブスコアが4.80から3.40、フレッシュ可読性が38.0から19.8、アナロジーと検索確率が0に近い。
スライドイメージオーバーライドは、0/9コーパスグラウンドの故障を同じトピックで9/10の成功スライドマッチに変換する。
これらの結果から, 足場, 適応, エンゲージメント, グラウンドリングを具体化する明示的, 型付き指導契約よりも, 教育的映像品質が表面流速に依存することがわかった。
関連論文リスト
- Vectorizing Classical Tamil: Representation Learning for Verse-Commentary Pairs [0.21485350418225244]
5つの古典的タミル語源部から1,262の韻律合成(urai)対のコーパスを構築する。
我々は、リカレントおよびトランスフォーマーエンコーダ、シームズスタイルのペアマッチングネットワーク、mBARTスタイルのエンコーダ-デコーダ、デコーダのみの言語モデルを訓練する。
論文 参考訳（メタデータ） (2026-09-04T05:38:31Z) - Video-IFBench: Evaluating Instruction Following of Multimodal LLMs in Video Understanding Scenarios [61.926801508808616]
本稿では,ビデオ理解における指示に従うためのベンチマークであるVideo-IFBenchを紹介する。
単一タスク,マルチタスク,選択,ネスト命令を含む4つのテンプレートを持つ命令分類法を開発した。
我々は,MLLM,プログラム処理,人体検証を組み合わせた半自動データ構築パイプラインを構築し,1.5Kのサンプルを得た。
論文 参考訳（メタデータ） (2026-08-26T08:35:42Z) - Exploring Automated Recognition of Instructional Activity and Discourse from Multimodal Classroom Data [8.014320244550243]
本研究は,マルチモーダル・インストラクショナル・アクティビティと談話認識に着目した,授業記録のAIによる分析について考察する。
164時間のビデオと68のレッスン書き起こしの高密度な注釈付きデータセットを使用して、並列なモダリティ固有のパイプラインを設計する。
微調整されたモデルはプロンプトベースのアプローチを一貫して上回り、マクロF1スコアはビデオで0.577、書き起こしで0.460である。
論文 参考訳（メタデータ） (2025-11-26T11:57:22Z) - Learning from Streaming Video with Orthogonal Gradients [62.51504086522027]
本稿では,映像の連続的ストリームからの表現学習を自己指導的に行うという課題に対処する。
これは、トレーニング中にビデオが切り刻まれ、シャッフルされ、非冗長なバッチを生成する、ビデオ学習の標準的なアプローチとは異なる。
3つのタスクでシャッフルからシーケンシャルな学習に移行する際のパフォーマンスの低下を実演する。
論文 参考訳（メタデータ） (2025-04-02T17:59:57Z) - VTD-CLIP: Video-to-Text Discretization via Prompting CLIP [44.51452778561945]
視覚言語モデルは視覚的および言語的理解を橋渡しし、ビデオ認識タスクに強力であることが証明されている。
既存のアプローチは、主にパラメータ効率の良い画像テキスト事前学習モデルの微調整に依存している。
本稿では,時間的モデリングの不十分さによる限定的な解釈可能性や一般化の低さに対処する,ビデオからテキストへの離散化フレームワークを提案する。
論文 参考訳（メタデータ） (2025-03-24T07:27:19Z) - TVTSv2: Learning Out-of-the-box Spatiotemporal Visual Representations at
Scale [59.01246141215051]
言語指導の観点から,その劣化要因を分析した。
本稿では,テキストエンコーダの一般化能力を維持するために,教師なし事前学習戦略を提案する。
最大10億のパラメータを持つTVTSv2と呼ばれる一連のモデルを作成します。
論文 参考訳（メタデータ） (2023-05-23T15:44:56Z) - Vita-CLIP: Video and text adaptive CLIP via Multimodal Prompting [111.49781716597984]
本稿では,教師付きおよびゼロショット性能のバランスをとるためのマルチモーダル・プロンプト学習手法を提案する。
Kinetics-600, HMDB51, UCF101では, 教師付き環境での競争力を維持しながら, 最先端のゼロショット性能を実現することができる。
論文 参考訳（メタデータ） (2023-04-06T18:00:04Z) - SELF-VS: Self-supervised Encoding Learning For Video Summarization [6.21295508577576]
本稿では,知識蒸留を用いてトランスフォーマーエンコーダを事前学習する自己教師型ビデオ表現学習手法を提案する。
提案手法は,フレーム重要度スコアに基づいて構築されたセマンティックビデオ表現と,映像分類を訓練したCNNから派生した表現とをマッチングする。
論文 参考訳（メタデータ） (2023-03-28T14:08:05Z) - SimulLR: Simultaneous Lip Reading Transducer with Attention-Guided
Adaptive Memory [61.44510300515693]
注意誘導型適応メモリを用いた同時唇読解用トランスデューサSimulLRについて検討した。
実験の結果、SimulLRは最先端の非同期手法に比べて9.10倍の高速化を実現していることがわかった。
論文 参考訳（メタデータ） (2021-08-31T05:54:16Z) - 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) - Watch and Learn: Mapping Language and Noisy Real-world Videos with
Self-supervision [54.73758942064708]
我々は、明示的なアノテーションを使わずに、文章と騒々しいビデオスニペットのマッピングを学習することで、視覚と自然言語を理解するように機械に教える。
トレーニングと評価のために、多数のオンラインビデオとサブタイトルを含む新しいデータセットApartmenTourをコントリビュートする。
論文 参考訳（メタデータ） (2020-11-19T03:43:56Z) - Learning Spatiotemporal Features via Video and Text Pair Discrimination [30.64670449131973]
クロスモーダルペア(CPD)フレームワークは、ビデオとその関連テキスト間の相関をキャプチャする。
我々は、標準的なビデオデータセット(Kinetics-210k)と未処理のWebビデオデータセット(-300k)でCDDモデルをトレーニングし、その効果を実証する。
論文 参考訳（メタデータ） (2020-01-16T08:28:57Z)
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。