基于多模態數據的學習者專注度研究

AIGC動態歡迎閱讀

原標題：基于多模態數據的學習者專注度研究
關鍵字：特征,學習者,數據,生理,面部
文章來源：大數據文摘
內容字數：12750字

內容摘要：

大數據文摘受權轉載自中國人工智能學會
文 / 武法提專注是產生有效學習的先決條件，在以自主學習為主的在線學習場景中具有更為重要的作用，但在線學習時空分離的特性難以保證學習者的專注度得到及時監控，故而探究精準識別在線學習專注度的可行方法至關重要。本研究主要關注在線學習中學習者的面部線索、眼動特征與生理數據，基于從視頻數據中提取的眼部視線、頭部姿態、面部動作單元等面部線索特征，從眼動數據中提取的注視停留時間、注視點、眼跳等眼動特征，以及從生理數據中提取的心跳間期、血液容積脈搏波、皮膚電活動、皮膚溫度等生理特征，分別通過三類單模態特征，以及“視頻+生理”和“視頻 + 眼跳”兩種多模態特征進行學習專注度識別，采用常用的六種機器學習方法構建相應的評估模型，對六種分類器的專注度預測性能進行了比較。實驗結果表明，相較于面部線索，眼動特征與生理特征具有更好的識別潛力；與單一模態相比，模態融合能顯著提高學習專注度識別效果，揭示了多模態數據特征的融合對學習專注度識別的互補性。關鍵詞：學習專注度；面部線索；眼動；生理信號；多模態數據如今，以人工智能為核心的智能技術正在推動人類教育向智能教育階段轉型和演進，為

原文鏈接：基于多模態數據的學習者專注度研究

聯系作者

文章來源：大數據文摘
作者微信：BigDataDigest
作者簡介：普及數據思維，傳播數據文化