一个数据集用于评估在线课程期间学生的实时注意力水平
Muhammad Kamal Hossen1,2, Mohammad Shorif Uddin1
1Department of Computer Science and Engineering, Jahangirnagar University, Dhaka 1342, Bangladesh.
Data in brief
|December 6, 2023
概括
这个数据集通过使用面部,手,头部和手机检测来捕捉在线课程期间学生的注意力. 它可以研究注意力模式和开发自动注意力检测模型,以改善远程学习.
科学领域:
- 计算机科学 计算机科学
- 教育技术的教育技术
- 心理学 心理学 心理学
背景情况:
- 在线学习需要有效的方法来监测学生的参与.
- 在偏远环境中,传统的注意力评估具有挑战性.
研究的目的:
- 引入一套新的数据集,用于分析在线课堂上的学生注意力.
- 促进机器学习模型的开发,用于自动检测注意力.
主要方法:
- 集成的面部检测,手跟踪,头部姿势估计和手机检测.
- 通过Django网络接口收集视频数据,以20 FPS处理.
- 从学生的网络摄像头中提取了16个特征和一个标签.
主要成果:
- 数据集包括各种特征 (数值,分类,浮点) 用于注意力分析.
- 它允许研究物理线索和学生注意力之间的相关性.
- 提供了构建和验证注意力检测算法的基础.
结论:
- 这一数据集是教育,心理学和计算机视觉研究人员的宝贵资源.
- 它支持智能辅导系统的发展和增强远程学习体验.
- 能够更深入地了解数字教育环境中的学生参与动态.
