論文の概要: When Attention Guardrails Become Barriers to Learning: Towards the Tipping Point
- arxiv url: http://arxiv.org/abs/2609.39023v1
- Date: Wed, 30 Sep 2026 05:27:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:27.232375
- Title: When Attention Guardrails Become Barriers to Learning: Towards the Tipping Point
- Title（参考訳）: 注意ガードレールが学習障害になる時--ティッピングポイントに向けて
- Abstract要約: オンライン学習は柔軟性を提供するが、教室の構造が欠けている。
本研究では,Webカメラによる学習者のモニタリングにより,その構造を復元するプラットフォームを提案する。
このようなモニタリングが、単一の試験ではなく、学習者全体に与える影響は、ほとんど検討されていない。
- 参考スコア（独自算出の注目度）: 2.1494596588623134
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Online learning offers flexibility but lacks the structure of a classroom, where a teacher's presence guides attention. The platform we study restores that structure by monitoring the learner through the webcam during ordinary coursework, interrupting or restarting a video when the learner appears distracted. What such monitoring does to a learner across a whole course, rather than in a single examination, is largely unexamined. We report a convergent mixed-methods study of one monitored course pipeline in a summer internship program. We read two free-text surveys alongside three platform channels. The dropout exit survey yielded 15 analyzable responses; the persisting-learner reflection survey, 36. The channels are camera-verification telemetry (14,529 flags from 448 students), an in-video emotion widget (615 submissions from 273 students), and a mandatory end-of-course survey (up to 634 respondents per item). Neither survey named monitoring, so every mention analyzed here was raised by the respondent. Focus-monitoring was raised by 18 of the 51 free-text respondents: 7 of 15 dropouts and 11 of 36 persisting learners. Among the dropouts who raised it, focus-monitoring was the stated primary cause of departure in 4 of 7 cases. None of the 18 questioned being observed in principle. What learners contest is the misreading of ordinary actions, drinking water or moving the head, and the severity of what follows a flag: a video already watched returns to the start of its segment. These findings identify two targets for redesign: the severity of the response to a flag, and the environment check, which can flag a learner before any content has been seen. We argue that the proportionality of that response marks the point at which an attention guardrail becomes a barrier to learning, the tipping point this study approaches.
- Abstract（参考訳）: オンライン学習は柔軟性を提供するが、教師の存在が注意を向ける教室の構造が欠けている。
本研究プラットフォームは,通常の授業中にWebカメラを通して学習者を監視し,学習者が気を散らすとビデオの中断や再起動を行うことで,その構造を復元する。
このようなモニタリングが、単一の試験ではなく、学習者全体に対して何を行うかは、ほとんど検討されていない。
夏期インターンシッププログラムにおける1つのモニタリング済みコースパイプラインのコンバージェント・ミックス・メソドスによる研究を報告する。
私たちは3つのプラットフォームチャンネルと共に2つのフリーテキストサーベイを読みました。
流出出口調査では, 解析可能な反応が15例, 持続的リフレクションサーベイ36。
チャネルは、カメラ検証テレメトリ(448人の生徒の14,529のフラグ)、ビデオ内の感情ウィジェット(273人の学生からの615の投稿)、必須のコース終了調査(アイテムあたり最大634の回答者)である。
どちらの調査も監視という名前は示していないので、ここで分析されたすべての言及は、応答者によって引き上げられた。
フリーテキスト回答者51名中18名,ドロップアウト15名中7名,継続学習者36名中11名がフォーカスモニタリングを行った。
7例中4例において, 集中監視が主な離脱原因であった。
18人はいずれも原則として観察されなかった。
学習者が争うのは、通常の行動の誤読、飲料水、頭を動かすこと、そして旗に続く行動の重大さだ。
これらの結果から,フラグに対する応答の重大度と,コンテンツを見る前に学習者にフラグを付ける環境チェックという,再設計のための2つの目標が明らかになった。
この応答の比例性は、注目のガードレールが学習の障壁となるポイントであり、この研究が近づく転換点であると主張する。
関連論文リスト
- Insights on Student Learning from Live Classroom Polls: More Than Right or Wrong [2.1494596588623134]
ライブ教室の投票は通常、回答キーを通じて、参加数と正しさのカウントとして読み取られる。
しかし、同じレコードは、どのキーが固定されるよりも早く保持される。
約2,400人の学習者の47回のセッションで,603の投票で340,668件の応募をライブ配信した。
論文 参考訳（メタデータ） (2026-09-30T04:41:05Z) - An Audit of Measurement Quality and Answer Bias in a Large Classroom-Poll Corpus [2.1494596588623134]
47セッション中604項目が340,668回回答し,2,807人の学習者が回答した。
講義書から正しい回答が得られた539項目について,すべての項目と学生を共通の尺度に配置する。
世論調査では, ほぼ4分の1の項目が, より弱い学生とほとんど区別されないほど, 厳密で容易な適度な精度(正解率約0.60)の尺度が得られた。
論文 参考訳（メタデータ） (2026-09-30T04:27:50Z) - Characterizing Questioning Patterns and Student Engagement Through Contextual Analysis of Real-Time Classroom Interactions [2.1494596588623134]
リアルタイムの教室のポーリングは、今では日常的に行われているが、そのデータは通常、狭めに読まれる。
本研究は, 講義の書き起こしに対して, 質問紙を読むことで, 回答者の回答と指導機能を判断できるかどうかを問うものである。
39日間にわたる47回のライブセッションの自然主義コーパスを解析し,604質問と2,807学習者340,668回答を得た。
論文 参考訳（メタデータ） (2026-09-30T03:55:08Z) - Does Local Video Understanding Transfer Across Encounters? The EgoGears Benchmark [73.41679841824603]
クロスビデオ精度は、局所的な知覚の失敗と観察のアイデンティティを保持する失敗を混同する。
EgoGearsは、この移行を診断するために設計された、補完的なシングルビデオとマルチビデオのベンチマークである。
論文 参考訳（メタデータ） (2026-09-29T16:20:01Z) - Learn Now, Use Next, Trust Later: Prequential Test-Time Learning for LLM Agents [55.440058537827134]
StepLearnは、永続的な信頼から即時の使用を分離する非パラメトリックフレームワークである。
情報的な遷移を仮説に変え、次のステップを導く。
GPT-5-miniでの平均成功率は59.9%、84.0%、Qwen3.5-35B-A3Bで57.8%、88.1%である。
論文 参考訳（メタデータ） (2026-09-28T08:06:03Z) - Video-HopChain: Multi-Hop Questions and Confidence-Gated Exploration for Video Reasoning Models [49.15470343618971]
われわれは13,378本のビデオで22,550件のマルチホップビデオ質問のデータセット、Video-HopChainを開発した。
各質問は1つのビデオのモーメントについて3つから6つのイエス/ノーの質問をチェーンし、その答えに応じて2つの整数のうち1つを得る。
まず、標準のビデオデータセットでQwen3-VL-8BをGRPOでトレーニングし、次にVideo-HopChainの2段目で平均8つのビデオ理解と推論ベンチマークを55.4から57.9に引き上げます。
論文 参考訳（メタデータ） (2026-09-22T07:08:13Z) - Learning What Matters: Supervising Global Context Pruning with Causal Evidence Sets [0.0]
我々は、選択者が注意と因果依存の相違を継承していることを示す。
教師は無視するために学んだ時代遅れの事実に出席し、同じ証拠を使用するトレーニングの実行に異なる参加をする。
論文 参考訳（メタデータ） (2026-07-23T17:11:34Z) - Demystifying Design Choices of Reinforcement Fine-tuning: A Batched Contextual Bandit Learning Perspective [83.75710105509076]
本稿では,学習と一般化のダイナミクスにおける設計選択の役割を浮き彫りにすることを目的とする。
根本的な課題は、設計選択が絡み合っており、学習や一般化への貢献が難しいことだ。
3つのベースモデルと2つのデータセットの実験は、学習と一般化ダイナミクスにおける様々な設計選択の役割に関する新たな理解を明らかにしている。
論文 参考訳（メタデータ） (2026-01-30T04:09:06Z) - Detection of Disengagement from Voluntary Quizzes: An Explainable Machine Learning Approach in Higher Distance Education [0.3141085922386211]
課題から脱落した学生は、学術的なドロップアウトなど、深刻な長期的な結果をもたらす可能性がある。
本稿では,遠隔地大学から4学年で42の教科の非命令的クイズにおける学生の離職を検知する。
我々は、訓練されたアルゴリズムの決定をよりよく理解するための、説明可能な機械学習フレームワークを開発する。
論文 参考訳（メタデータ） (2025-07-03T14:43:40Z) - Bridging Images and Videos: A Simple Learning Framework for Large
Vocabulary Video Object Detection [110.08925274049409]
検出と追跡を学習するために、利用可能なすべてのトレーニングデータを最大限に活用する、シンプルだが効果的な学習フレームワークを提案する。
様々な大語彙トラッカーを一貫した改良が可能であることを示す。
論文 参考訳（メタデータ） (2022-12-20T10:33:03Z) - TCLR: Temporal Contrastive Learning for Video Representation [49.6637562402604]
2つの新しい損失からなる新しい時間的コントラスト学習フレームワークを開発し、既存のコントラスト自己監督ビデオ表現学習方法を改善する。
一般的な3D-ResNet-18アーキテクチャでは、UCF101で82.4%(+5.1%)、HMDB51で52.9%(+5.4%)の精度を達成した。
論文 参考訳（メタデータ） (2021-01-20T05:38:16Z)
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。