通过变压器和注意力机制识别课堂行为:AI医学教育教学质量评估中的应用

科学领域:

• 人工智能
• 教育技术
• 行为科学

背景情况:

• 在医学和护理教育中,有效的教学质量评估和心理健康监测至关重要.
• 传统的课堂行为评估方法往往缺乏客观性和实时反能力.
• 识别学生的参与和情绪状态对于个性化学习和早期干预至关重要.

研究的目的:

• 开发和评估基于变压器的人工智能 (AI) 系统,用于自动识别课堂行为.
• 加强教育环境中的教学质量和心理健康监测.
• 利用多式联络数据对学生的参与和行为进行精确和强有力的分析.

主要方法:

• 使用基于变压器的人工智能模型整合视频,音频和骨运动数据.
• 实施了一种新的多式融合策略,
• 在EduSense和SBU Kinect数据集上评估了系统的行为识别准确性.

主要成果:

• 拟议的人工智能系统在准确性方面明显优于传统模型,并降低了错误报警率.
• 废除研究证实了空间和时间注意力模块在增强识别方面的有效性.
• 该系统在捕捉复杂的课堂行为和学生参与指标方面表现强.

结论:

• 基于变压器的人工智能系统为实时课堂行为监控提供了可扩展和适应的解决方案.
• 这项技术为体验式学习环境提供实用价值,并支持医学教育中的早期干预策略.
• 这种多模式方法提高了学生参与和行为分析的准确性和可靠性.