論文の概要: AD4EDU: Benchmarking University Lecture Audio Description across Accessibility Standards, Metrics, and Learner Preferences

• arxiv url: http://arxiv.org/abs/2610.17042v1
• Date: Mon, 12 Oct 2026 16:15:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-18 03:36:04.114826
• Title: AD4EDU: Benchmarking University Lecture Audio Description across Accessibility Standards, Metrics, and Learner Preferences
• Title（参考訳）: AD4EDU: アクセシビリティ標準、メトリクス、学習者の嗜好にまたがる大学講義オーディオ記述のベンチマーク
• Abstract要約: 聴覚記述(AD)は視覚的メディアの視覚的アクセシビリティを高めることを目的としている。 スライドベースの講義が授業のデフォルトのモードである高等教育において、ADの講義は未熟なままである。 本稿では,ADベンチマークAD4Edu-Benchとルール診断可能な評価指標AD4Edu-EvalからなるAD4Eduを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Audio description (AD) aims to enhance the accessibility of visual media for blind and low-vision (BLV) persons. However, in higher education, where slide-based lectures are a default mode of teaching, lecture AD remains largely underexplored. The main reason is that existing production guidelines, evaluation metrics, and benchmark datasets are oriented toward entertainment content and do not transfer to lectures, where ADs must complement the lecturer's speech, resolve deictic references, and fit within narrow pauses. In this work, we propose AD4Edu, consisting of an AD benchmark, AD4Edu-Bench, and a rule-diagnosable evaluation metric, AD4Edu-Eval, for generating and evaluating ADs in higher education. Specifically, we consolidated established accessibility guidance, including WCAG 2.2, the DCMP Description Key, and NCAM's STEM description practices. We further collected silver reference ADs, judge-ordered preference pairs, and pairwise preferences from four BLV raters, and post-trained models with direct preference optimization (DPO) for detailed analysis. Our findings indicate that while the metric reliably detects violations of the standard, ADs that comply with it do not necessarily fulfill the subjective preferences of BLV persons, most notably on description length, underscoring the necessity of active participation of BLV persons in co-designing inclusive AI solutions.
• Abstract（参考訳）: 聴覚記述(AD)は視覚的メディアの視覚的アクセシビリティを高めることを目的としている。 しかし、スライドベースの講義がデフォルトの授業方法である高等教育においては、ADの講義は未熟なままである。 主な理由は、既存の生産ガイドライン、評価指標、ベンチマークデータセットがエンターテイメントコンテンツに向けられ、講義に転送されないためである。 本研究では,AD ベンチマーク AD4Edu-Bench とAD4Edu-Eval を用いたAD4Eduを提案する。 具体的には、WCAG 2.2、DCMP記述キー、NCAMのSTEM記述プラクティスを含む、確立されたアクセシビリティガイダンスを統合した。 さらに、4つのBLVレーダから銀の基準AD、判定順序付けされた選好ペア、ペアの選好を収集し、詳細な分析のために直接選好最適化(DPO)を用いた後学習モデルを構築した。 以上の結果から,基準の違反を確実に検出できるが,それに従うADは必ずしもBLV者の主観的嗜好を満足するとは限らないことが示唆された。

関連論文リスト

• LLM-based User-Product Relevance Evaluation for Dynamic Product Advertising [24.19101543689582]
  本稿では,動的商品広告(DPA)検索システムのオフライン評価のためのユーザ製品関連指標を提案する。 計量はまずエンゲージメント履歴をコンパクトなインテント代表集合に圧縮する。 推奨商品の個々の意図に対する関連性を評価し、それらをユーザレベルの関連スコアとして集計する。
  論文  参考訳（メタデータ） (2026-10-10T04:15:08Z)
• READ More than What You See: Reinforcement Learning for Accurate and Coherent Audio Description Generations [48.760748753984764]
  トレーニングベースのAD生成のための最初の強化学習フレームワークであるREADを提案する。 READは、ADを参照マッチング、長さ、フォーマット報酬によるシーケンスレベルの最適化として定式化する。 以上の結果から,RLは精度とコヒーレントなAD生成のための有望なパラダイムとして注目されている。
  論文  参考訳（メタデータ） (2026-06-22T02:05:38Z)
• UniER: A Unified Benchmark for Item-level and Path-level Exercise Recommendation [53.62147575168325]
  We present a Unified Benchmark for Exercise Recommendation (UniER) UniERは、ILERとPLERを統合する包括的な評価フレームワークである。 本研究は, pleRの系統的優位性を明らかにするとともに, ILERのフラグメントドレコメンデーションの教育的失敗を明らかにするものである。
  論文  参考訳（メタデータ） (2026-05-16T02:07:58Z)
• Optimizing LLM Annotation of Classroom Discourse through Multi-Agent Orchestration [0.21410799064827235]
  大規模言語モデル(LLM)は、教育データを注釈付けするためのスケーラブルなツールとしてますます位置づけられている。 しかし, シングルパスLCMの出力は, ハイテイクな教育施設では信頼性が低いことが示唆されている。 このスケールと妥当性の緊張は、現代の教育データ科学の核心にある。
  論文  参考訳（メタデータ） (2026-03-08T16:51:03Z)
• A Closed-Loop Personalized Learning Agent Integrating Neural Cognitive Diagnosis, Bounded-Ability Adaptive Testing, and LLM-Driven Feedback [5.190121417265426]
  本稿では,ニューラル認知診断モデル(NCD),境界能力コンピュータ適応テスト戦略(BECAT),大規模言語モデル(LLM)を統合するエンド・ツー・エンドの個別学習エージェントを提案する。 ASSISTmentsデータセットの実験では、NCDモジュールは解釈可能なマスタリーアセスメントを出力しながら応答予測において高い性能を達成する。 全体としては,提案した設計は効果的かつ実用的に展開可能であることを示唆している。
  論文  参考訳（メタデータ） (2025-10-26T07:32:31Z)
• IHEval: Evaluating Language Models on Following the Instruction Hierarchy [67.33509094445104]
  命令階層は、システムメッセージからユーザメッセージ、会話履歴、ツール出力への優先順位を定めている。 その重要性にもかかわらず、このトピックは限定的な注目を集めており、命令階層に従うモデルの能力を評価するための包括的なベンチマークが欠如している。 IHEvalは、異なる優先順位の命令が一致または矛盾するケースをカバーする、新しいベンチマークです。
  論文  参考訳（メタデータ） (2025-02-12T19:35:28Z)
• On the Loss of Context-awareness in General Instruction Fine-tuning [101.03941308894191]
  教師付き微調整後の文脈認識の喪失について検討した。 性能低下は,会話指導の微調整中に学んだ異なる役割に対する偏見と関連していることがわかった。 一般命令微調整データセットから文脈依存例を識別する指標を提案する。
  論文  参考訳（メタデータ） (2024-11-05T00:16:01Z)
• Supporting Vision-Language Model Inference with Confounder-pruning Knowledge Prompt [71.77504700496004]
  視覚言語モデルは、オープンセットの視覚概念を扱うために、画像とテキストのペアを共通の空間に整列させることで事前訓練される。 事前訓練されたモデルの転送可能性を高めるため、最近の研究では、固定または学習可能なプロンプトが採用されている。 しかし、どのようにして、どのプロンプトが推論性能を改善するのかは、まだ不明である。
  論文  参考訳（メタデータ） (2022-05-23T07:51:15Z)

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。