基于举手视频的学生动机分析

科学领域:

• 教育技术的教育技术
• 人与计算机的交互
• 教育中的人工智能

背景情况:

• 目前的智能课堂研究主要集中在识别举手动作上,忽视了详细的运动分析.
• 这种监督限制了教师利用学生行为提高教学策略的能力.
• 辅助教学方法需要能够识别和分析手举动的系统,以提供有针对性的指导.

研究的目的:

• 提出一种基于形态学的创新分析方法,以详细解释学生举手的动作.
• 解决现有的深度学习方法在分析教室举手热情和创建行为数据库方面的局限性.
• 为了使智能课堂系统能够提供基于对学生举手行为的全面理解的有针对性的指导.

主要方法:

• 利用神经网络,特别是YOLOX (对象检测) 和HrNet (骨架估计),获取学生骨架关键点数据.
• 开发了基于形态学的分析,将骨架关键点数据转换为几个单维时间序列.
• 分析了这些时间序列,以提取关于手举动速度和幅度的详细信息.

主要成果:

• 成功地识别了高准确度的举手动作.
• 提供了对举手运动速度和幅度的详细分析,超越了粗大神经网络识别的能力.
• 通过实验验证证明了拟议方法的有效性.

结论:

• 基于形态学的分析方法在理解智能教室中的学生行为方面取得了重大进展.
• 这种方法有效地补充了现有的深度学习模型,提供了对学生参与度的更丰富,可操作的见解.
• 这些发现为智能教育环境中更具响应性和个性化的辅助教学策略铺平了道路.