論文の概要: Algorithmic Accuracy as a Motivational Driver in Robot-Mediated Learning: A Comparative Study of Cross-Correlation and CNN-Based Sound Detection in an Interactive Quiz Game
- arxiv url: http://arxiv.org/abs/2607.16299v1
- Date: Mon, 13 Jul 2026 20:38:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.098205
- Title: Algorithmic Accuracy as a Motivational Driver in Robot-Mediated Learning: A Comparative Study of Cross-Correlation and CNN-Based Sound Detection in an Interactive Quiz Game
- Title（参考訳）: ロボット媒介学習における動機づけドライバとしてのアルゴリズム的精度:対話型クイズゲームにおける相互相関とCNNに基づく音響検出の比較
- Abstract要約: 本稿では,ロボットによるクイズゲームにおいて,音響検出アルゴリズムの精度が学生のモチベーションに影響を及ぼすかどうかを検討する。
Pepperのヒューマノイドロボットは、対話型ブザーベースのクイズをホストし、2つの音響検出手法を評価した。
- 参考スコア（独自算出の注目度）: 0.9467360130705919
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In competitive learning activities, inaccurate robot decisions may reduce students' perceptions of fairness and competence, ultimately affecting their motivation. This paper investigates whether the accuracy of sound detection algorithms influences student motivation during a robot-mediated quiz game. A Pepper humanoid robot hosted an interactive buzzer-based quiz in which two sound detection approaches, a Convolutional Neural Network (CNN) and a Cross-Correlation algorithm, were evaluated using a controlled between-subjects experiment involving 40 university students. Participants were equally assigned to a CNN group (n = 20) and a Cross-Correlation group (n = 20). Both groups completed the same quiz under identical conditions, differing only in the sound detection algorithm used for first-responder identification. Student motivation was assessed using the Intrinsic Motivation Inventory (IMI), while algorithm performance was evaluated through real-time detection accuracy. The results indicate that the Cross-Correlation approach achieved more reliable sound detection under classroom conditions and produced significantly higher scores across all IMI subscales, demonstrating greater student interest, perceived competence, effort, perceived choice, and lower perceived pressure (after reverse coding). These findings provide empirical support for the proposed Algorithmic Precision-Motivation Relationship (APMR) model, demonstrating that algorithmic accuracy is not merely an engineering performance metric but an important factor influencing learner motivation in robot-assisted educational environments.
- Abstract（参考訳）: 競争的学習活動において、不正確なロボット決定は、学生の公正性と能力に対する認識を減少させ、最終的にはモチベーションに影響を及ぼす可能性がある。
本稿では,ロボットによるクイズゲームにおいて,音響検出アルゴリズムの精度が学生のモチベーションに影響を及ぼすかどうかを検討する。
Pepperのヒューマノイドロボットは、対話型ブザーベースクイズをホストし、40人の大学生による制御対象間実験を用いて、畳み込みニューラルネットワーク(CNN)とクロス相関アルゴリズムの2つの音響検出手法を評価した。
参加者は同様にCNNグループ(n = 20)とクロス相関グループ(n = 20)に割り当てられた。
どちらのグループも同じ条件で同じクイズを完了し、第一応答者識別に使われる音検出アルゴリズムでのみ異なる。
Intrinsic Motivation Inventory (IMI) を用いて学生のモチベーションを評価した。
その結果,クロスコリレーション手法は教室環境下でより信頼性の高い音響検出を実現し,学生の興味,能力,努力,選択の認知,(リバースコーディング後の)知覚圧の低下など,すべてのIMIサブスケールで有意に高いスコアを得た。
これらの結果は,アルゴリズム精度が単なる工学的性能指標ではなく,ロボット支援教育環境における学習者のモチベーションに影響を及ぼす重要な要因であることを示すために,提案したアルゴリズム精度・モチベーション関係(APMR)モデルに対する実証的支援を提供する。
関連論文リスト
- Unsupervised Pairwise Learning Optimization Framework for Cross-Corpus EEG-Based Emotion Recognition Based on Prototype Representation [1.3354439722832292]
企業間感情認識は、特に意思決定境界付近のサンプルにおいて深刻な課題に直面している。
本稿では,ドメイン逆転変換学習に基づく感情特徴の微粒なアライメントに対する最適化手法を提案する。
私たちの研究は、感情認識のクロスコーパスに有望なソリューションを提供します。
論文 参考訳（メタデータ） (2025-08-06T06:29:19Z) - Improving Question Embeddings with Cognitive Representation Optimization for Knowledge Tracing [77.14348157016518]
KTモデリングの研究は、既存の未更新の学生の相互作用の記録に基づいて、将来の学生のパフォーマンスを予測することに焦点を当てている。
動的プログラミングアルゴリズムを用いて認知表現の構造を最適化する知識追跡型認知表現最適化(CRO-KT)モデルを提案する。
論文 参考訳（メタデータ） (2025-04-05T09:32:03Z) - Learning to Communicate Functional States with Nonverbal Expressions for Improved Human-Robot Collaboration [3.5408317027307055]
協調ロボットは、スムーズな対話を可能にするために、内部状態を人間に効果的に伝える必要がある。
雑音の多い人間のフィードバックに基づく強化学習アルゴリズムを提案し, 正確に解釈された非言語音声表現を生成する。
論文 参考訳（メタデータ） (2024-04-30T04:18:21Z) - Association between Prefrontal fNIRS signals during Cognitive tasks and
College scholastic ability test (CSAT) scores: Analysis using a quantum
annealing approach [0.4038539043067986]
前頭前葉のfNIRS信号を解析し,認知課題と学業成績との関連について検討した。
CSATスコアと相関する認知タスクを識別するために、fNIRSデータに新しい量子アニール(QA)特徴選択アルゴリズムを適用した。
論文 参考訳（メタデータ） (2024-02-06T04:44:57Z) - What to Remember: Self-Adaptive Continual Learning for Audio Deepfake
Detection [53.063161380423715]
既存の検出モデルは、既知のディープフェイク音声を識別することに成功したが、新しい攻撃タイプに遭遇する際には苦労している。
本稿では,Radian Weight Modification (RWM) と呼ばれる連続的な学習手法を提案する。
論文 参考訳（メタデータ） (2023-12-15T09:52:17Z) - Multi-Dimensional Ability Diagnosis for Machine Learning Algorithms [88.93372675846123]
本稿では,機械学習アルゴリズム評価のためのタスク非依存評価フレームワークCamillaを提案する。
認識診断の仮定とニューラルネットワークを用いて、各サンプルのアルゴリズム、サンプル、スキル間の複雑な相互作用を学習する。
我々の実験では、カミラはメートル法信頼性、ランクの整合性、ランクの安定性で最先端のベースラインを上回ります。
論文 参考訳（メタデータ） (2023-07-14T03:15:56Z) - Anomalous Sound Detection using Audio Representation with Machine ID
based Contrastive Learning Pretraining [52.191658157204856]
コントラスト学習を用いて、各音声サンプルではなく、各機械IDの音声表現を洗練する。
提案手法では、コントラスト学習を用いて音声表現モデルを事前学習する。
実験の結果,本手法はコントラスト学習や自己教師型分類を用いて最先端の手法よりも優れていた。
論文 参考訳（メタデータ） (2023-04-07T11:08:31Z) - Towards Diverse Evaluation of Class Incremental Learning: A Representation Learning Perspective [67.45111837188685]
クラスインクリメンタル学習(CIL)アルゴリズムは、インクリメンタルに到着したデータから新しいオブジェクトクラスを継続的に学習することを目的としている。
表現学習における様々な評価プロトコルを用いて,CILアルゴリズムによって訓練されたニューラルネットワークモデルを実験的に解析する。
論文 参考訳（メタデータ） (2022-06-16T11:44:11Z) - Classification of Upper Arm Movements from EEG signals using Machine
Learning with ICA Analysis [0.0]
本稿では,多層パーセプトロンニューラルネットワークを用いて,左右の動作を識別する独自のアルゴリズムを提案する。
不要信号の干渉は、アルゴリズムの性能に影響を与える脳波信号を汚染する。
論文 参考訳（メタデータ） (2021-07-18T18:56:28Z) - Can Active Learning Preemptively Mitigate Fairness Issues? [66.84854430781097]
データセットバイアスは、機械学習における不公平な原因の1つです。
不確実性に基づくALで訓練されたモデルが保護クラスの決定において公平であるかどうかを検討する。
また,勾配反転(GRAD)やBALDなどのアルゴリズム的公正性手法の相互作用についても検討する。
論文 参考訳（メタデータ） (2021-04-14T14:20:22Z)
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。