Prerequisite Graph Extraction from Lectures
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F22%3ABS8MU3TQ" target="_blank" >RIV/00216208:11320/22:BS8MU3TQ - isvavai.cz</a>
Výsledek na webu
<a href="https://link.springer.com/chapter/10.1007/978-3-031-11647-6_128" target="_blank" >https://link.springer.com/chapter/10.1007/978-3-031-11647-6_128</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-031-11647-6_128" target="_blank" >10.1007/978-3-031-11647-6_128</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Prerequisite Graph Extraction from Lectures
Popis výsledku v původním jazyce
The proliferation of video-sharing platforms and MOOCs has raised new challenges in the field of education. A challenging topic that is gaining an increased popularity is the identification of prerequisite relations between concepts in video lectures. In this paper, we propose unsupervised methods for prerequisite identification and the creation of a prerequisite graph. The contribution, compared to existing approaches, is the development of methods which (i) do not rely on external knowledge, (ii) do not require extensive training, and (iii) are intended to exploit both the lecture transcript and its visual features. Results from the preliminary evaluation are encouraging, and provide insights on the extraction of prerequisite relations from video transcripts compared to textbooks.
Název v anglickém jazyce
Prerequisite Graph Extraction from Lectures
Popis výsledku anglicky
The proliferation of video-sharing platforms and MOOCs has raised new challenges in the field of education. A challenging topic that is gaining an increased popularity is the identification of prerequisite relations between concepts in video lectures. In this paper, we propose unsupervised methods for prerequisite identification and the creation of a prerequisite graph. The contribution, compared to existing approaches, is the development of methods which (i) do not rely on external knowledge, (ii) do not require extensive training, and (iii) are intended to exploit both the lecture transcript and its visual features. Results from the preliminary evaluation are encouraging, and provide insights on the extraction of prerequisite relations from video transcripts compared to textbooks.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
—
Návaznosti
—
Ostatní
Rok uplatnění
2022
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Artificial Intelligence in Education. Posters and Late Breaking Results, Workshops and Tutorials, Industry and Innovation Tracks, Practitioners’ and Doctoral Consortium
ISBN
978-3-031-11647-6
ISSN
—
e-ISSN
—
Počet stran výsledku
4
Strana od-do
616-619
Název nakladatele
Springer International Publishing
Místo vydání
—
Místo konání akce
Cham
Datum konání akce
1. 1. 2022
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000877459600127