الشبكات العصبية العميقة تتطلب جمع وتصنيف كميات كبيرة من البيانات للتدريب بنجاح. لحل مشكلة قيود التصنيف، نقترح نهجًا جديدًا للتعلم التمثيلي الذاتي لميزات الزمانية والمكانية المستخرجة من الفيديوهات. نقدم طريقة Skip-Clip، التي تستفيد من التجانس الزمني في الفيديوهات، وذلك بتدريب نموذج عميق لتقييم ترتيب المقاطع المستقبلية على أساس مقطع سياقي كهدف بديل للتنبؤ بالمستقبل في الفيديو. نوضح أن الميزات المُتعلمة باستخدام طريقتنا قابلة للتعميم وتنتقل بشكل قوي إلى المهام اللاحقة. بالنسبة لتمييز الأفعال في مجموعة بيانات UCF101، نحقق تحسينًا بنسبة 51.8% مقارنة بالتهيئة العشوائية ونتفوق على النماذج التي تم تهيئتها باستخدام معلمات ImageNet المنفوخة (inflated). كما تحقق Skip-Clip نتائج تنافسية مع أفضل طرق التعلم الذاتي الحالية (state-of-the-art).