Collaboration and abstract representations
towards predictive
models based on raw speech and eye-tracking data
Zu finden in: CSCL 2009, 2009
Diese Seite wurde seit 6 Jahren inhaltlich nicht mehr aktualisiert.
Unter Umständen ist sie nicht mehr aktuell.
Zusammenfassungen
This study aims to explore the possibility of using machine learning techniques to
build predictive models of performance in collaborative induction tasks. More specifically, we
explored how signal-level data, like eye-gaze data and raw speech may be used to build such
models. The results show that such low level features have effectively some potential to
predict performance in such tasks. Implications for future applications design are shortly
discussed.
Von Marc-Antoine Nüssli, Patrick Jermann, Mirweis Sangin, Pierre Dillenbourg im Konferenz-Band CSCL 2009 (2009) im Text Collaboration and abstract representations Dieses Konferenz-Paper erwähnt ...
Anderswo suchen
Beat und dieses Konferenz-Paper
Beat hat Dieses Konferenz-Paper während seiner Zeit am Institut für Medien und Schule (IMS) ins Biblionetz aufgenommen. Beat besitzt weder ein physisches noch ein digitales Exemplar. Aufgrund der wenigen Einträge im Biblionetz scheint er es nicht wirklich gelesen zu haben. Es gibt bisher auch nur wenige Objekte im Biblionetz, die dieses Werk zitieren.