เปรียบเทียบวิธี

	การเรียนรู้เชิงรุกที่ผสานกับการเรียนรู้แบบกำกับตนเอง	การเรียนรู้แบบออนไลน์
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2020-2022	1958–2000s
ผู้ริเริ่ม	Multiple authors (active learning + SSL integration, 2020s)	Rosenblatt, F.; Littlestone, N.; Shalev-Shwartz, S. (key contributors)
ประเภท	Hybrid learning paradigm	Learning paradigm (sequential model update)
แหล่งต้นตำรับ	Bengar, J. Z., van de Weijer, J., Fuentes, L. L., & Raducanu, B. (2022). Class-Balanced Active Learning for Image Classification. Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), 3082–3091.	Shalev-Shwartz, S. (2011). Online Learning and Online Convex Optimization. Foundations and Trends in Machine Learning, 4(2), 107–194.
ชื่อเรียกอื่น	AL-SSL, active self-supervised learning, self-supervised active learning, query-based self-supervised learning	incremental learning, sequential learning, streaming learning, online machine learning
ที่เกี่ยวข้อง	6	6
สรุป	Active learning combined with self-supervised learning leverages unlabeled data through self-supervised pre-training to build rich representations, then uses an active query strategy to select the most informative examples for human annotation, maximizing model performance under a tight labeling budget. This hybrid approach is especially powerful when labeled data is scarce but large unlabeled pools exist.	Online learning is a machine learning paradigm in which a model is updated incrementally as each new data point arrives, rather than being trained once on a fixed dataset. It is essential when data streams continuously, storage is limited, or the underlying distribution shifts over time. Theoretical performance is measured by cumulative regret relative to the best fixed predictor in hindsight.