使用多传感器方法预测考试成绩,用于具有统一预处理的可穿戴考试压力数据集
概括
生理信号可以高准确地预测学生的成绩. 选择特征和适当的模型是利用这些信号提高学业成绩和压力管理的关键.
科学领域:
- 生理信号处理 物理信号处理
- 教育数据挖掘教育数据挖掘
- 机器学习在教育中的应用
背景情况:
- 在考试期间学生的压力可以使用生理信号来监测.
- 关键的生理信号包括皮肤导电性,心率和温度.
研究的目的:
- 评估生理信号对学生成绩的预测能力.
- 为了比较各种模型和特征选择方法的有效性.
主要方法:
- 从七个生理信号中提取了301个特征.
- 应用统一的预处理和分析算法特征选择.
主要成果:
- 使用 100 和 150 个特征实现了高预测性能.
- 报告的准确度为0.9,AUROC为0.89,F1评分为0.87.
结论:
- 生理信号显示了准确预测学年级的潜力.
- 有效的特征选择和建模对于可靠的教育见解至关重要.
- 应用包括管理考试压力和提高学术成绩.
更多相关视频
10:45A Community-based Stress Management Program: Using Wearable Devices to Assess Whole Body Physiological Responses in Non-laboratory Settings
Published on: January 22, 2018
7.7K
07:32Use of Galvanic Skin Responses, Salivary Biomarkers, and Self-reports to Assess Undergraduate Student Performance During a Laboratory Exam Activity
Published on: February 10, 2016
9.4K
