在虚拟学习环境中,对视力障碍学生的音频反进行自动化情绪分析

科学领域:

• 教育技术的教育技术
• 教育中的人工智能
• 情绪分析 情绪分析

背景情况:

• 向虚拟学习环境的转变需要工具来支持视力障碍学生.
• 分析学生的反对于理解和改进电子学习体验至关重要.
• 现有的方法可能无法充分捕捉视觉障碍学习者的音频反的细微差别.

研究的目的:

• 开发和评估一个智能模型,用于预测和分析视觉障碍学生的音频反中的情绪.
• 为教育工作者提供自动化工具,用于评估音频反和了解学生情绪.
• 确定情绪分析,计算机素养和学生在虚拟环境中的表现之间的相关性.

主要方法:

• 利用了COVID-19后虚拟学习平台 (微软Teams) 的音频反数据.
• 采用机器学习算法,包括支持矢量机 (SVM) 和人工神经网络 (ANN),用于情绪分类和性能预测.
• 分析了结构化和非结构化数据,专注于第九周的业绩预测.

主要成果:

• 智能模型在使用ANN算法预测学生表现方面取得了成功.
• 情绪分析准确地确定了计算机素养的缺陷,并预测了学生的成绩.
• 在预测学生成绩方面,ANN算法表现出强的表现,特别是在第九周的非结构化数据中.

结论:

• 开发的模型提供了有价值的见解,视力受损的学生在电子学习的情绪.
• 技术在提高视力障碍学生的学习体验和表现方面发挥着至关重要的作用.
• 调查结果支持包容性教育政策,为多样化的学习者利用技术.