教学方法改革的模型研究计算机实验室课程整合物联网技术技术
Xiao Zhou1, Ledan Qian2, Haider Aziz3
1Information Technology Center, Wenzhou University, Wenzhou, Zhejiang, China.
PloS one
|April 18, 2024
概括
本研究介绍了TFREC,这是使用边缘计算在物联网 (IoT) 设备上面部识别的教学模型. 通过高精度和低响应时间,TFREC提高了课堂集中度和学习效率.
科学领域:
- 教育技术的教育技术.
- 计算机科学 计算机科学
背景情况:
- 物联网 (IoT) 正在改变校园教育,面部捕捉服务旨在提高学生的注意力.
- 终端设备上的实时面部分析在响应延迟和有效执行方面面临挑战.
- 现有的方法在教育应用中难以平衡准确性和速度.
研究的目的:
- 提出使用边缘计算 (TFREC) 的物联网设备上面部识别的教学模型.
- 优化面部识别准确度,减少教育环境中的服务响应时间.
- 提供关于在教育中应用面部识别和边缘计算的见解.
主要方法:
- 开发了一种基于物联网服务的面部捕获算法,以提高识别准确度.
- 提出了基于边缘计算的服务部署方法,以实现最佳策略和降低延迟.
- 通过比较实验实施和评估TFREC模型.
主要成果:
- 在面部识别方面,TFREC实现了98.3%的准确性.
- 该系统显示服务响应时间为72毫秒.
- 实验结果验证了该模型在优化面部识别对教育物联网的有效性.
结论:
- 在优化学校课程教学方法方面,TFREC提供了显著的进步.
- 这项研究为整合面部识别和边缘计算在教育技术中提供了有价值的见解.
- 该模型有效地解决了用于教育的物联网环境中实时面部分析的挑战.
