文献

J-GLOBAL ID：201902288170424179   整理番号：19A0516994

大規模eラーニングシステムにおけるアクティブビデオ視聴時間のモデリングと予測【JST・京大機械翻訳】

Modeling and Predicting the Active Video-Viewing Time in a Large-Scale E-Learning System

著者 (4件)： Xie Tao (Department of Computer Science and Technology, Xi’an Jiaotong University, Xian, China) ,  Zheng Qinghua (Department of Computer Science and Technology, Xi’an Jiaotong University, Xian, China) ,  Zhang Weizhan (Department of Computer Science and Technology, Xi’an Jiaotong University, Xian, China) ,  Qu Huamin (Department of Computer Science and Engineering, Hong Kong University of Science and Technology, Clear Water Bay, Hong Kong)
資料名： IEEE Access  (IEEE Access)
巻： 5  ページ： 11490-11504  発行年： 2017年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 大規模学習データのマイニングに関する多くの研究は,ユーザアクセスパターンとビデオ視聴挙動に焦点を合わせているが,アクティブビデオ視聴時間にはあまり注意が払われていない。本論文では,この完全に異なる解析ユニットを指摘し,その要因がそれに影響を及ぼす程度をモデル化し,ユーザがコースを永続的に葉にするときにさらに予測する。目的は,データ分析と特徴部分空間構築に関する新しい洞察とtuoriを,学習者,教育とデータマイニングコミュニティにおける人工知能の研究者に提供することである。この目的のために,大規模eラーニングシステムからビデオ視聴データを収集し,Cox比例ハザード関数を用いて,残る時間をモデル化した。モデルは,主に変数,非線形性仮定,および年齢分割の間の相互作用を含んでいる。最後に,学習特徴としてモデル共変量の収集ハザード比を使用し,ユーザが効率的な機械学習アルゴリズムを用いてコースを早く永続的に残す傾向があることを予測した。結果は,最初に,モデリングを分類問題のための効率的特徴抽出と選択技術として用いることができて,第二に,予測が効果的に,わずかな変数を用いて利用者の離脱時間を同定できることを示した。著者らの方法は,大量のオープンオンラインコースを分析するために効率的で有用である。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *モデリング ,  *録画装置 ,  コミュニティ ,  データ解析 ,  モデル ,  相互作用 ,  学習アルゴリズム ,  学習 ,  データマイニング ,  人工知能 ,  特徴抽出
準シソーラス用語： オンライン ,  共変量 ,  学習者 ,  *視聴 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 大規模 ,  eラーニングシステム ,  ビデオ ,  視聴時間 ,  モデリング ,  予測