在智能学习环境中基于多式联网数据的教学预警系统的设计和分析

科学领域:

• 教育技术的教育技术.
• 人工智能的人工智能
• 情感计算是一种情感计算.

背景情况:

• 在线教学缺乏直接的情绪反,挑战教师的情绪表达管理.
• 有效评估和改进在线教育需要智能系统.

研究的目的:

• 在教学视频中对情绪段进行细分,并识别教师的情绪.
• 开发基于情感识别的在线教学早期预警系统.

主要方法:

• 开发了一种有效的算法,用于在长视频中搜索情绪过渡点.
• 设计了一种基于面部特征的算法,用于过中性情绪段.
• 提出了一种半监督的多模式深度学习模型,重视情感识别,规范化特征以减少个体差异.

主要成果:

• 在教学视频中成功细分了情感部分并识别了情感.
• 实施了一个教学早期预警系统,利用开发的算法.
• 带有注意力的多式模式模型实现了精确的情绪分类.

结论:

• 开发的系统为智能评估和改进在线教育提供了一种新的方法.
• 在教学视频中识别情绪可以为教学有效性提供宝贵的见解.
• 预警系统有助于管理和增强在线教学环境.