在课堂视频中自动检测教师行为,使用AlphaPose和Faster R-CNN算法
Jing Huang1,2, Harwati Hashim1, Helmi Norman1
1Faculty of Education, Universiti Kebangsaan Malaysia, Selangor, Malaysia.
PeerJ. Computer science
|June 26, 2025
概括
本研究介绍了一种使用AlphaPose和Faster R-CNN的自动化系统,用于在课堂上分析教师行为. 该框架准确地识别了不适当的行动,提高了教育质量和监测.
科学领域:
- 教育技术的教育技术
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 教师的行为显著影响教育成果.
- 手动评估课堂行为是耗时和主观的.
- 需要客观,可扩展的方法来监测和改进教学实践.
研究的目的:
- 开发一个用于实时分类教师行为的自动化框架.
- 利用计算机视觉技术对课堂互动进行客观分析.
- 减少评估教师行为的手工劳动,并确定需要改进的领域.
主要方法:
- 利用AlphaPose从课堂视频中提取详细的骨姿势数据.
- 用于行为分类的基于更快区域的卷积神经网络 (R-CNN).
- 验证了课堂行为 (PCB) 数据集 (74片段,51,800) 的框架.
主要成果:
- 在识别不恰当的教师行为方面取得了74.89%的准确性.
- 减少了47%的手动行为记录时间.
- 导致观察到的不适当行为减少了63%.
结论:
- 拟议的自动化系统为课堂行为分析提供了可扩展和客观的解决方案.
- 计算机视觉技术可以提高教师绩效监测和教育质量.
- 该框架为实时反和专业发展提供了可行的工具.
