文献

J-GLOBAL ID：202002262413778566   整理番号：20A1565541

バーチャルリアリティトレーニングにおける機械学習によるエンゲージメントの計測による命令の適応【JST・京大機械翻訳】

Adapting Instruction by Measuring Engagement with Machine Learning in Virtual Reality Training

著者 (4件)： Bell Benjamin (Eduworks Corporation, Corvallis, OR, USA) ,  Kelsey Elaine (Eduworks Corporation, Corvallis, OR, USA) ,  Nye Benjamin (USC Institute for Creative Technologies, Playa Vista, CA, USA) ,  Bennett Winston (“Wink”) (Warfighter Readiness Research Division, 711 HPW/RHA, Wright-Patterson AFB, OH, USA)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12214  ページ： 271-282  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： USAFは,訓練効率を達成し,準備性を改善し,スループットを上げるために,VR可能地上ベース訓練装置およびデータ駆動型技能追跡と伝統的飛行ソートを統合した,Pilot訓練次世代(PTN)と呼ばれる,特殊化アンダーグラデーションパイロット訓練(SUPT)に対する新しいアプローチを確立した。創造的技術のための教育とUSCの研究所は,任意のコンピュータ媒介訓練(シミュレーション,コースウェア)の間,ユーザ関与を測定することができる機械学習(ML)モデルであり,関与における崩壊を復元するための推薦を提供する。現在,PTN文脈における観察的動機とEngagement Generalized Appliance(OMEGA)と呼ばれるこの手法を開発し,試験している。2つの因子が本研究を動機づけた。第1に,PTNの1つの目標は,複数のシミュレータライドを同時に監視するためのインストラクタパイロット(IP)である。注意および関与に注意して,注意および関与は,IPが複数の学生を同じ時間に管理するのを助けることができ,さらなる指示的支援を提供する関与を復元するための推薦がある。第2に,仮想環境は,機械学習モデルがユーザ活動をユーザ関与と結びつけるのに利用できる生データの豊富なソースを提供する。以前に開発した理論的基礎に基づいて,MLモデルを構築するために,データ捕捉のためのテストベッドを作成した。著者らは,複数のPTNシナリオを通してパイロットを実行して,推薦OMEGAの効用を評価するインストラクタからの形式化データを収集して,重ねた関与が回復できる方法に関して,この推奨OMEGAの有用性を評価した。仮想環境の豊富なデータソース特性から関与を検出する学習のためのMLモデルの使用を検証する知見を期待する。これらの知見は,広範囲の従来およびVR訓練応用に適用可能である。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  シミュレータ ,  ソーティング ,  スループット ,  飛翔 ,  データ収集 ,  コンピュータ ,  コースウェア ,  *バーチャルリアリティ ,  *機械学習
準シソーラス用語： 実習指導者 ,  テストベッド ,  仮想環境 ,  データ駆動 ,  生データ , 【Automatic Indexing@JST】

著者キーワード (3件)： 適応訓練 ,  機械学習 ,  バーチャルリアリティ

分類 (3件)： 医学教育  (GA01040F) ,  シミュレータ  (QK03020L) ,  医療用機器装置  (GA05020L)

タイトルに関連する用語 (4件)： 機械学習 ,  計測 ,  命令 ,  適応