論文の概要: A Biometric Sensor Network to Enable Real-Time Measurement of Individual Student Engagement in STEM Lecture Environments

• arxiv url: http://arxiv.org/abs/2607.28944v1
• Date: Fri, 31 Jul 2026 01:54:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-03 14:29:40.561925
• Title: A Biometric Sensor Network to Enable Real-Time Measurement of Individual Student Engagement in STEM Lecture Environments
• Title（参考訳）: STEM講義環境における実時間学生エンゲージメント計測を可能にするバイオメトリックセンサネットワーク
• Authors: Ahmed Elsayed,
• Abstract要約: 学生エンゲージメント(SE)は、STEM教育における学業成績と維持のクリティカルな予測要因である。 本論文では,学生の参加状況のリアルタイム計測と連続的追跡を可能にするために,新しい$textitBiometric Sensor Network$(BSN)を提案する。
• 参考スコア（独自算出の注目度）: 0.4262824628235604
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Student engagement (SE) is a critical predictor of academic performance and retention in STEM education, yet existing measurement approaches are often intrusive, manually intensive, or unsuitable for real-time classroom use. This thesis proposes a novel $\textit{Biometric Sensor Network}$ (BSN) designed to enable real-time measurement and continuous tracking of individual student engagement in STEM classroom environments. The system enables capturing of behavioral, emotional, and cognitive indicators through camera-based sensing while preserving ethical and privacy constraints. To measure these indicators unobtrusively and ethically, we propose a BSN composed of $\textit{Student Processing Units}$ (SPUs) that function as distributed sensing nodes. The network is explicitly designed to satisfy five objectives: it must be $\textbf{non-intrusive}, \textbf{non-invasive}, \textbf{non-stigmatizing}, \textbf{real-time}$, and $\textbf{automatic}$, while ensuring rigorous protection of student data security and privacy. Each SPU supports two operational modes: (i) a $\textit{dataset-collection mode}$, in which raw student video is temporarily recorded to construct a private SE dataset for model training and validation, and (ii) an $\textit{analysis mode}$, in which the SPU performs real-time inference on 10-second video segments without storing or transmitting raw frames. In this analysis role, each SPU enables fully on-device processing---including face detection, gaze estimation, and affective analysis---ensuring that no identifiable video data leaves the device. A secure backend infrastructure manages device authentication, session orchestration, and encrypted data ingestion. The full system integrates hardware design, computer-vision pipelines, wireless networking, security protocols, and session-level data management.
• Abstract（参考訳）: 学生エンゲージメント(SE)は、STEM教育における学術的パフォーマンスと保持の重要な予測要因であるが、既存の測定手法は、しばしば侵入的、手動集約的、あるいはリアルタイム教室での使用には適さない。 本論文では,STEM 教室環境における学生のエンゲージメントのリアルタイム計測と連続的追跡を可能にするために,新たな $\textit{Biometric Sensor Network}$ (BSN) を提案する。 このシステムは、倫理的、プライバシー的な制約を保ちながら、カメラベースのセンシングを通じて行動、感情、認知の指標をキャプチャすることを可能にする。 これらの指標を客観的かつ倫理的に測定するために、分散センシングノードとして機能する$\textit{Student Processing Units}$ (SPUs)からなるBSNを提案する。 ネットワークは、以下の5つの目標を満たすように設計されている: $\textbf{non-intrusive}, \textbf{non-invasive}, \textbf{non-stigmatizing}, \textbf{real-time}$, $\textbf{automatic}$。 各SPUは2つの操作モードをサポートしている。 i) $\textit{dataset-collection mode}$ モデルトレーニングとバリデーションのためのプライベートSEデータセットを構築するために、生のビデオが一時的に記録される。 (ii)$\textit{analysis mode}$で、SPUは生フレームの保存や送信をせずに10秒のビデオセグメントでリアルタイムの推論を行う。 この分析ロールでは、各SPUは、顔検出、視線推定、感情分析を含む、デバイス上の完全な処理を可能にする。 セキュアなバックエンドインフラストラクチャは、デバイス認証、セッションオーケストレーション、暗号化データ取り込みを管理する。 完全なシステムはハードウェア設計、コンピュータビジョンパイプライン、無線ネットワーク、セキュリティプロトコル、セッションレベルのデータ管理を統合している。

関連論文リスト

• Progressive Online Video Understanding with Evidence-Aligned Timing and Transparent Decisions [75.23170605943457]
  textbfmodelは、メモリ統合から推論制御を分離するフレームワークである。 emphActive Thinking Decision Maker (ATDM)は、決定プロセスの外部化を行う透明な推論コントローラである。 emphHierarchical Progressive Semantic Integration (HPSI)モジュールは効率的なメモリシステムとして機能する。
  論文  参考訳（メタデータ） (2026-04-20T16:15:33Z)
• DexWorldModel: Causal Latent World Modeling towards Automated Learning of Embodied Tasks [54.32016216994156]
  本稿では,DINOv3特徴を生成対象として用い,視覚ノイズから相互作用意味を乱す因果潜在世界モデル(CLWM)を提案する。 メモリスケーリングを克服するため、CLWMはDual-State Test-Time Training (TTT)メモリを備えている。 EmbodiChainは、トレーニング中に物理基底軌道の無限の流れを注入することによって効率法を確立するオンラインフレームワークである。
  論文  参考訳（メタデータ） (2026-04-13T03:19:36Z)
• ViBED-Net: Video Based Engagement Detection Network Using Face-Aware and Scene-Aware Spatiotemporal Cues [0.0]
  ViBED-Netは、ビデオデータから学生のエンゲージメントを評価するために設計された新しいディープラーニングフレームワークである。 本モデルは,eラーニングにおける感情状態認識のための大規模ベンチマークであるDAiSEEデータセットを用いて評価する。
  論文  参考訳（メタデータ） (2025-10-20T18:48:25Z)
• AutoOEP -- A Multi-modal Framework for Online Exam Proctoring [1.6522310568442877]
  本稿では,コンピュータビジョンと機械学習を活用した総合的マルチモーダルフレームワークであるAutoOEP(Automated Online Exam Proctoring)を紹介する。 このシステムは、デュアルカメラ装置を使用して、検査の正面ビューとワークスペースの側面ビューの両方をキャプチャし、盲点を最小限にする。 Hand Moduleは、禁止アイテム(携帯電話、ノートなど)を検知し、これらのオブジェクトに手近をトラッキングするために、微調整されたYOLOv11モデルを使用している。
  論文  参考訳（メタデータ） (2025-09-13T16:34:38Z)
• FLEdge: Benchmarking Federated Machine Learning Applications in Edge Computing Systems [61.335229621081346]
  フェデレートラーニング(FL)は,ネットワークエッジ上での分散ディープラーニングのプライバシ強化を実現する上で,有効なテクニックとなっている。 本稿では,既存のFLベンチマークを補完するFLEdgeを提案する。
  論文  参考訳（メタデータ） (2023-06-08T13:11:20Z)
• Online Data Selection for Federated Learning with Limited Storage [53.46789303416799]
  ネットワークデバイス間での分散機械学習を実現するために、フェデレートラーニング(FL)が提案されている。 デバイス上のストレージがFLの性能に与える影響はまだ調査されていない。 本研究では,デバイス上のストレージを限定したFLのオンラインデータ選択について検討する。
  論文  参考訳（メタデータ） (2022-09-01T03:27:33Z)
• Attribute Inference Attack of Speech Emotion Recognition in Federated Learning Settings [56.93025161787725]
  Federated Learning(FL)は、クライアントをコーディネートして、ローカルデータを共有せずにモデルを協調的にトレーニングする分散機械学習パラダイムである。 本稿では,共有勾配やモデルパラメータからクライアントの機密属性情報を推測する属性推論攻撃フレームワークを提案する。 FLを用いて学習したSERシステムに対して,属性推論攻撃が達成可能であることを示す。
  論文  参考訳（メタデータ） (2021-12-26T16:50:42Z)
• Reconfigurable Cyber-Physical System for Critical Infrastructure Protection in Smart Cities via Smart Video-Surveillance [2.2509387878255818]
  分散クラウドエッジスマートビデオ監視を用いたCI保護のための再構成可能なサイバー物理システムを提案する。 ローカルエッジノードは、Deep Learningを介して人検出を行います。 クラウドサーバはノードから結果を収集し、生体認証、トラッキング、周辺監視を行う。
  論文  参考訳（メタデータ） (2020-11-29T18:43:25Z)

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。