論文の概要: Classroom Behavior Monitoring with YOLO An Empirical Study in Higher Education Settings

• arxiv url: http://arxiv.org/abs/2607.02580v1
• Date: Tue, 30 Jun 2026 23:53:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.333192
• Title: Classroom Behavior Monitoring with YOLO An Empirical Study in Higher Education Settings
• Title（参考訳）: YOLOを用いた授業行動モニタリング : 高等教育環境における実証的研究
• Authors: Sinh Vu Trong, Dung Nguyen Manh, Hieu Hoang Minh, Hieu Pham Trung, Thu Pham Ha, Nhu Le Hoang,
• Abstract要約: 本研究では,ベトナム銀行学院で収集された教室ビデオの実際のデータセットを紹介する。 コンピュータビジョンモデルの評価と比較が行われ、YOLOv11は最高の性能を達成した。
• 参考スコア（独自算出の注目度）: 0.11215232994550846
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Classroom behavior monitoring plays a vital role in evaluating student engagement and improving teaching effectiveness. Traditional observation methods remain subjective and lack scalability. This study introduces a real-world dataset of classroom videos collected at the Banking Academy of Vietnam (BAV-Classroom dataset), annotated with nine distinctive behavioral categories. State-of-the-art Computer Vision models were evaluated and compared, with YOLOv11 achieving the best performance. Experimental results indicate that students' concentration often decreases notably during the final part of lectures, highlighting challenges in sustaining engagement. Our findings demonstrate the feasibility of applying computer vision for automated classroom monitoring, providing valuable insights for academic quality management.
• Abstract（参考訳）: 授業行動モニタリングは,学生のエンゲージメントを評価し,教育効果を向上させる上で重要な役割を担っている。 伝統的な観察法は主観的であり、拡張性に欠ける。 本研究では,ベトナム銀行学院(BAV-Classroom)で収集された教室ビデオの実際のデータセットを紹介する。 最先端のコンピュータビジョンモデルの評価と比較を行い、YOLOv11は最高の性能を達成した。 実験結果から, 講義の最終段階において, 学生の集中度が顕著に低下することが示唆され, エンゲージメント維持の課題が浮き彫りとなった。 本研究は,コンピュータビジョンを自動教室監視に適用する可能性を示し,学術的品質管理に有用な知見を提供する。

関連論文リスト

• Student Classroom Behavior Recognition Based on Improved YOLOv8s [4.311211660681507]
  本稿では,ALC-YOLOv8sをベースとした授業行動認識モデルを提案する。 いくつかの主流検出手法と比較して,提案手法は複雑な教室シナリオにおいて,生徒の行動自動認識の要件を満たすことができる。
  論文  参考訳（メタデータ） (2026-04-30T01:13:25Z)
• Exploring the Application of Visual Question Answering (VQA) for Classroom Activity Monitoring [2.006804894857857]
  近年のVisual Question Answering (VQA)モデルの進歩は、ビデオ記録から教室での対話を自動的に分析するための有望なツールを提供する。 本稿では,LLaMA2,LLaMA3,QWEN3,NVILAなど,最先端のオープンソースVQAモデルの適用性について検討する。 ベトナム銀行学校における実世界授業のビデオ記録から得られたBAV-Classroom-VQAデータセットについて紹介する。
  論文  参考訳（メタデータ） (2025-07-30T04:25:14Z)
• Automated Visual Attention Detection using Mobile Eye Tracking in Behavioral Classroom Studies [13.85909788354718]
  教師がどの学生に焦点をあてているかを認識するために、手動で最小限のアノテートデータを必要とする自動処理パイプラインの概念を提案する。 我々は、最先端の顔検出モデルと顔認識機能埋め込みを利用して、教室環境における伝達学習を伴う顔認識モデルを訓練する。 本手法では,手動で注釈付けした大量のデータを必要としないため,教師の視覚的注意を非侵襲的に扱える。
  論文  参考訳（メタデータ） (2025-05-12T13:30:30Z)
• What Makes CLIP More Robust to Long-Tailed Pre-Training Data? A Controlled Study for Transferable Insights [67.72413262980272]
  大規模なデータ不均衡は、Webスケールの視覚言語データセットの間に自然に存在する。 事前学習したCLIPは、教師付き学習と比較してデータ不均衡に顕著な堅牢性を示す。 CLIPの堅牢性と差別性は、より記述的な言語監督、より大きなデータスケール、より広いオープンワールドの概念によって改善される。
  論文  参考訳（メタデータ） (2024-05-31T17:57:24Z)
• Self-Regulated Learning for Egocentric Video Activity Anticipation [147.9783215348252]
  自己制御学習(SRL)は、中間表現を連続的に制御し、現在のタイムスタンプのフレームにおける新しい情報を強調する表現を作り出すことを目的としている。 SRLは2つのエゴセントリックなビデオデータセットと2つの第三者のビデオデータセットにおいて、既存の最先端技術よりも大幅に優れています。
  論文  参考訳（メタデータ） (2021-11-23T03:29:18Z)
• Evaluating the Robustness of Self-Supervised Learning in Medical Imaging [57.20012795524752]
  自己監督は、小さな注釈付きデータセット上でターゲットタスクを訓練する際の効果的な学習戦略であることを示した。 本研究では,自己監視学習によって訓練されたネットワークが,医療画像の文脈における完全監視学習と比較して,堅牢性と汎用性に優れていることを示した。
  論文  参考訳（メタデータ） (2021-05-14T17:49:52Z)
• Heterogeneous Contrastive Learning: Encoding Spatial Information for Compact Visual Representations [183.03278932562438]
  本稿では,エンコーディング段階に空間情報を加えることで,対照的な目的と強いデータ拡張操作の間の学習の不整合を緩和する効果的な手法を提案する。 提案手法は,視覚表現の効率を向上し,自己指導型視覚表現学習の今後の研究を刺激する鍵となるメッセージを提供する。
  論文  参考訳（メタデータ） (2020-11-19T16:26:25Z)

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。