AIGC动态欢迎阅读
原标题:基于多模态数据的学习者专注度研究
关键字:特征,学习者,数据,生理,面部
文章来源:大数据文摘
内容字数:12750字
内容摘要:
大数据文摘受权转载自中国人工智能学会
文 / 武法提专注是产生有效学习的先决条件,在以自主学习为主的在线学习场景中具有更为重要的作用,但在线学习时空分离的特性难以保证学习者的专注度得到及时监控,故而探究精准识别在线学习专注度的可行方法至关重要。本研究主要关注在线学习中学习者的面部线索、眼动特征与生理数据,基于从视频数据中提取的眼部视线、头部姿态、面部动作单元等面部线索特征,从眼动数据中提取的注视停留时间、注视点、眼跳等眼动特征,以及从生理数据中提取的心跳间期、血液容积脉搏波、皮肤电活动、皮肤温度等生理特征,分别通过三类单模态特征,以及“视频+生理”和“视频 + 眼跳”两种多模态特征进行学习专注度识别,采用常用的六种机器学习方法构建相应的评估模型,对六种分类器的专注度预测性能进行了比较。实验结果表明,相较于面部线索,眼动特征与生理特征具有更好的识别潜力;与单一模态相比,模态融合能显著提高学习专注度识别效果,揭示了多模态数据特征的融合对学习专注度识别的互补性。关键词:学习专注度;面部线索;眼动;生理信号;多模态数据如今,以人工智能为核心的智能技术正在推动人类教育向智能教育阶段转型和演进,为
原文链接:基于多模态数据的学习者专注度研究
联系作者
文章来源:大数据文摘
作者微信:BigDataDigest
作者简介:普及数据思维,传播数据文化
© 版权声明
文章版权归作者所有,未经允许请勿转载。
相关文章
暂无评论...