文献

J-GLOBAL ID：202002245715583848   整理番号：20A0144882

PRIME 知的チュータリングシステムにおけるマルチモダリティのためのブロックごとの誤sing性処理【JST・京大機械翻訳】

PRIME: Block-Wise Missingness Handling for Multi-modalities in Intelligent Tutoring Systems

著者 (5件)： Yang Xi (North Carolina State University, Raleigh, NC, USA) ,  Kim Yeo-Jin (North Carolina State University, Raleigh, NC, USA) ,  Taub Michelle (University of Central Florida, Orlando, FL, USA) ,  Azevedo Roger (University of Central Florida, Orlando, FL, USA) ,  Chi Min (North Carolina State University, Raleigh, NC, USA)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11962  ページ： 63-75  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： マルチモーダルデータにおけるブロックごとの誤解は,それを超える解析のための挑戦的な障壁をもたらす。それは,マルチメディアインテリジェントチューリングシステム(ITS)のような実際的なシナリオにおいて非常に一般的である。本研究において,著者らは,3つのモダリティを含む生物学ITSを介して194人の大学生からのデータを収集した。しかし,194人の学生のうち32人だけが3つのモダリティを有し,それらの83%は顔表情データ,眼追跡データ,または両方を欠いていた。このようなブロックごとの欠落問題を扱うために,著者らは,自動符号化(PRIME)によるマルチモダリティのための漸進的に再構成された影響を提案した。それは,単一,ペアワイズ,および全体のモダリティに基づくモデルを進行的に訓練し,したがって,すべての利用可能なデータを最大限に利用することを可能にした。著者らは,1つの重要ではあるが挑戦的な学生モデリングタスクに関する,単一モダリティ対数のみ(誤解処理なし)と5つの最先端の欠落データ処理法に対するPRIMEを評価した。学生の学習利得を予測する。これらの結果は,欠落データ処理の結果として多モードデータを用いることにより,論理ファイルのみを用いた場合よりも良好な予測性能が得られ,PRIMEは学習利得予測とデータ再構成タスクの両方に対して他のベースライン法より優れていることを示した。Copyright 2020 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 再構成 ,  利得 ,  データ処理 ,  対数 ,  *学習 ,  多モード ,  基準線 ,  大学生
準シソーラス用語： データ再構成 ,  予測性能 ,  データ処理法 ,  誤解 ,  顔表情 ,  *モダリティ ,  *マルチモダリティ , 【Automatic Indexing@JST】

著者キーワード (3件)： マルチモーダル ,  ブロックごとの欠損 ,  利得予測の学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 知的チュータリングシステム ,  マルチモダリティ