A new visual navigation system for exploring biomedical Open Educational Resource (OER) videos

Zhao, Baoquan; Li, Zongfang; Lin, Sheng; Luo, Xiliang; Duan, Lian

doi:10.1093/jamia/ocv123

Cited by 16 publications

(20 citation statements)

References 22 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Em particular, a linguagemé de extrema importância para a compreensão da natureza da mensagem. Ainda no cenário de vídeos informativos, o uso de OCR permite que a informação de slides apresentados durante o vídeo podem ser recuperados como fonte de anotação [Zhao et al 2015].…”

Section: Anotação Semântica Em Vídeosunclassified

“…Outros trabalhos exploraram a tarefa de indexação automática ou de anotação automática, comoé o caso dos trabalhos de [Hauptmann et al 2003], [Yang and Meinel 2014] e [Zhao et al 2015]. Em [Hauptmann et al 2003], os autores demonstram o efeito da extração e combinação de informação visual e deáudio para o processo de busca utilizando parte da Trilha de Recuperação de Vídeo do TREC 2001 1 (34 vídeos) como base de avaliação.…”

Section: Trabalhos Relacionadosunclassified

“…Por fim, [Zhao et al 2015] apresentam uma abordagem para melhoria na busca de vídeos educacionais daárea biomédica através do uso de técnicas para navegação visual e textual do conteúdo do vídeo. Para montar a navegação do vídeo, são utilizadas técnicas para detecção de cenas, OCR e reconhecimento de fala para identificação de palavras-chaves para cada cena do vídeo.…”

Section: Trabalhos Relacionadosunclassified

“…Contudo, os resultados e análises são distintas, visto que os trabalhos se diferem em relaçãoà tarefa (anotações manuais em [Grünewald and Meinel 2015]; busca utilizando textos, imagens e vídeos de exemplo em [Hauptmann et al 2003]; indexação por palavra-chave em [Yang and Meinel 2014]; construção de navegação visual de vídeos [Zhao et al 2015]),à base de avaliação (benchmark do TREC em [Hauptmann et al 2003]; base própria de avaliação em [Yang and Meinel 2014]; Youtube [Zhao et al 2015]), aos critérios de avaliação ( [Hauptmann et al 2003] usa cobertura e ARR -average reciprocal rank -como métricas de avaliação, enquanto [Yang and Meinel 2014] usa medida F e [Zhao et al 2015] e [Yang and Meinel 2014] avaliam o tempo que os participantes do experimento demoraram para terminar a tarefa de busca) eàs variáveis de análise ( [Hauptmann et al 2003] usa detecção de face, OCR para recuperar nomes de pessoas e cargos -útil para trechos de documentários -; [Yang and Meinel 2014] usa detecção de quadros-chaves, OCR para criar automaticamente o sumário da aula, reconhecimento de fala para associar palavras-chaves ao vídeo; [Yang and Meinel 2014] analisa a acurácia das ferramentas existentes para OCR e reconhecimento de fala). Neste trabalho,é avaliado o impacto do uso de dados extraídos de vídeos educacionais para o processo de anotação semântica automática e a avaliaçãoé realizada com uma base real de vídeos educacionais em língua portuguesa.…”

Section: Trabalhos Relacionadosunclassified

See 3 more Smart Citations

Comparativo entre fontes de dados para anotação automática de videoaulas

Gomes

Souza

Barrére

2017

Anais Do XXVIII Simpósio Brasileiro De Informática Na Educação (SBIE 2017)

View full text Add to dashboard Cite

Abstract. The volume of the educational video repositories has rapidly increased as the creation of new digital resources is facilited. However, such repositories need better indexing and searching engines. Users find it difficult to find useful information when educational videos has poor quality metadata. The proccess of adding new descriptors to videos is called annontation. In this work, we will discuss how the information extracted from educational videos influence the automatic semantic annotation task. We will present an comparative analysis among these information sources and we will demonstrate which information sources are most useful for annontation task.Resumo. A facilidade de criação de conteúdos digitais tem permitido que repositórios de recursos educacionais possam crescer rapidamente, gerando necessidade de melhores mecanismos de indexação e busca. Para usuários, ainda há muita dificuldade de encontrar vídeos de interesse quando estes possuem metadados de baixa qualidade. O processo de atribuir novos descritores aos vídeosé chamado de anotação. Este trabalho tem como objetivo explorar as fontes de informação presentes em videoaulas que podem auxiliar no processo no anotação semântica. O artigo apresenta uma análise comparativa entre a qualidade dessas fontes de dados de forma a demonstrar quais fontes geram melhor resultado para o processo de anotação. IntroduçãoA facilidade de criação de conteúdos digitais tem permitido que repositórios de recursos educacionais possam crescer rapidamente, gerando necessidade de melhores mecanismos de indexação e busca desses conteúdos. De todas as mídias, o vídeoé a que tem o maior destaque quando o assuntoé educação, seja pela sua capacidade de adaptaçãoàs diversas plataformas [de Oliveira et al. 2010] ou pela sua atratividade natural, unindo fatores auditivos e visuais numaúnica mídia [Medeiros and Pansanato 2015]. Por outro lado, para usuários dos repositórios de videoaulas,é quase impossível encontrar vídeos de interesse quando se utiliza apenas pequenos trechos de texto associado ao vídeo, como título e alguns metadados disponíveis nos repositórios que, quase sempre, são curtos e de alto nível [Yang and Meinel 2014].O fato dos usuários ainda não conseguirem extrair o máximo potencial em suas buscas mostra a relevância desses estudos, principalmente quando estão relacionados a

show abstract

Section: Anotação Semântica Em Vídeosunclassified

Section: Trabalhos Relacionadosunclassified

See 2 more Smart Citations

Comparativo entre fontes de dados para anotação automática de videoaulas

Gomes

Souza

Barrére

2017

Anais Do XXVIII Simpósio Brasileiro De Informática Na Educação (SBIE 2017)

View full text Add to dashboard Cite

show abstract

“…A server uses meta-data and tag to return a video animation which made up of key frames. Zhao [17] offers visualization for open education resource video. Their approach extracts key frames from video and uses collage technique to organize important content into one image.…”

Section: Related Workmentioning

confidence: 99%

Generating Summarized Preview for Education Resource based on Exploring and Comparing GUIs

Ma¹,

Chen²,

Yong³

et al. 2016

International Conferences on Software Engineering and Knowledge Engineering

View full text Add to dashboard Cite

Abstract-Compared to traditional education resource, Interactive Education Resource (IER) includes dynamic content to interact with users in order to enhance comprehension. The contents of IERs are relatively complex because of its dynamic feature. Exploring IERs and understanding its content during resource search become time-consuming. In this paper, we propose a preview generation approach based on automated software testing and image processing. Our approach first analyzes IERs to collect interactive elements and the event list. Based on the interaction related information, our approach simulates user actions and record snapshots step by step. Our approach compares snapshots to generate an image including the basic content, interaction region and dynamic contents. The image is used as the overall preview and the animation of snapshots collected during simulation is used as detail preview of the IER. In the experiment, we evaluate the completeness, correctness, and comprehension of the preview. The experiment result shows that the preview can be used to provide most information in the resource correctly and easy to understand. Our approach can save time for users in understanding the IERs.

show abstract

Automated data analysis of unstructured grey literature in health research: A mapping review

Schmidt,

Mohamed,

Meader

et al. 2023

Research Synthesis Methods

View full text Add to dashboard Cite

The amount of grey literature and ‘softer’ intelligence from social media or websites is vast. Given the long lead‐times of producing high‐quality peer‐reviewed health information, this is causing a demand for new ways to provide prompt input for secondary research. To our knowledge, this is the first review of automated data extraction methods or tools for health‐related grey literature and soft data, with a focus on (semi)automating horizon scans, health technology assessments (HTA), evidence maps, or other literature reviews. We searched six databases to cover both health‐ and computer‐science literature. After deduplication, 10% of the search results were screened by two reviewers, the remainder was single‐screened up to an estimated 95% sensitivity; screening was stopped early after screening an additional 1000 results with no new includes. All full texts were retrieved, screened, and extracted by a single reviewer and 10% were checked in duplicate. We included 84 papers covering automation for health‐related social media, internet fora, news, patents, government agencies and charities, or trial registers. From each paper, we extracted data about important functionalities for users of the tool or method; information about the level of support and reliability; and about practical challenges and research gaps. Poor availability of code, data, and usable tools leads to low transparency regarding performance and duplication of work. Financial implications, scalability, integration into downstream workflows, and meaningful evaluations should be carefully planned before starting to develop a tool, given the vast amounts of data and opportunities those tools offer to expedite research.

show abstract

A new visual navigation system for exploring biomedical Open Educational Resource (OER) videos

Abstract: Using the proposed tool, users can efficiently and effectively find videos of interest, precisely locate video segments delivering personally valuable information, as well as intuitively and conveniently preview essential content of a single or a collection of videos.

Cited by 16 publications

References 22 publications

Comparativo entre fontes de dados para anotação automática de videoaulas

Comparativo entre fontes de dados para anotação automática de videoaulas

Generating Summarized Preview for Education Resource based on Exploring and Comparing GUIs

Automated data analysis of unstructured grey literature in health research: A mapping review

Contact Info

Product

Resources

About