人工智能用于教育中可穿戴设备的生物识别数据分析:系统性审查

科学领域:

• 教育技术的教育技术
• 人工智能的人工智能
• 生物医学工程 生物医学工程

背景情况:

• 可穿戴设备在各种环境中提供可靠的生物识别数据收集.
• 人工智能 (AI) 算法越来越多地用于分析复杂的数据集.
• 将这些技术整合到教育中,为理解和增强学习提供了新的机会.

研究的目的:

• 系统地审查可穿戴设备和人工智能算法在教育环境中用于生物识别数据收集的应用.
• 研究在教育中结合可穿戴设备,生物识别和人工智能的研究的目标,数据类型和方法.
• 确定这一跨学科领域的趋势,挑战和未来研究方向.

主要方法:

• 根据PRISMA方法进行了系统审查.
• 在Scopus数据库中搜索了结合可穿戴设备,生物识别和AI算法的研究.
• 包含了43项相关研究,并对其目标,数据和方法进行了分析.

主要成果:

• 机器学习和深度学习算法主要用于分类任务,包括压力和注意力检测.
• 应用范围扩展到用于课堂管理和检测情绪/认知状态的人类活动识别 (HAR).
• 研究经常将现有的人工智能/可穿戴应用适应于教育领域,有些人开发了特定于背景的方法.

结论:

• 通过可穿戴设备的多式传感和人工智能驱动的预测建模的结合为个性化教育提供了巨大的潜力.
• 数据采集和报告的标准化对于实现复制,基准测试和结合发现至关重要.
• 需要进一步的研究来克服目前的局限性,并充分认识到这些技术在教育环境中的好处.