เปรียบเทียบวิธี

	การเรียนรู้เชิงรุกที่ผสานกับการเรียนรู้แบบกำกับตนเอง	การเรียนรู้แบบถ่ายโอน
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2020-2022	2010 (formalized); 1990s (early roots)
ผู้ริเริ่ม	Multiple authors (active learning + SSL integration, 2020s)	Pan, S. J. & Yang, Q. (survey); Bengio, Y. (deep learning framing)
ประเภท	Hybrid learning paradigm	Learning paradigm
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.	Pan, S. J., & Yang, Q. (2010). A Survey on Transfer Learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359.
ชื่อเรียกอื่น	AL-SSL, active self-supervised learning, self-supervised active learning, query-based self-supervised learning	TL, domain adaptation, fine-tuning, pre-trained model adaptation
ที่เกี่ยวข้อง	6	3
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.	Transfer learning is a machine learning paradigm in which knowledge gained from training a model on a source task or domain is reused to improve learning on a different but related target task or domain. It is especially powerful when labeled data for the target task is scarce, and it underlies most modern deep learning applications in computer vision, natural language processing, and beyond.