现代教育技术2023,Vol.33Issue(6) :101-108.DOI:10.3969/j.issn.1009-8097.2023.06.011

基于多模态生理信号的学习专注度识别

Learning Concentration Level Recognition based on Multimodal Physiological Signals

赖松 武法提
现代教育技术2023,Vol.33Issue(6) :101-108.DOI:10.3969/j.issn.1009-8097.2023.06.011

基于多模态生理信号的学习专注度识别

Learning Concentration Level Recognition based on Multimodal Physiological Signals

赖松 1武法提2
扫码查看

作者信息

  • 1. 西南大学 教育学部,重庆 400715;北京师范大学 数字学习与教育公共服务教育部工程研究中心,北京 100875
  • 2. 北京师范大学 数字学习与教育公共服务教育部工程研究中心,北京 100875
  • 折叠

摘要

学习专注度与学习表现密切相关,是影响学习质量的重要因素.学生的生理信号能够客观反映学习专注度,但当下借助生理信号识别学习专注度的研究较少.基于此,文章首先通过便携式腕带采集 46 位中学生在线学习时的多模态生理信号;然后,文章利用交叉验证提供可靠的学习专注度标签,并对多模态生理信号进行数据预处理、特征提取与特征选择,获得了 15 个有效特征,据此构建学习专注度识别模型,结果表明决策树的识别效果最好;最后,文章从标签的可靠性、特征的有效性、模型的可用性等方面对研究结果进行了总结和反思.文章通过学习专注度识别研究,旨在为教师的教学决策提供有效支持,从而促进教学质量的提升.

关键词

在线学习/学习专注度/多模态生理信号/专注度识别

引用本文复制引用

基金项目

国家自然科学基金面上项目(62177008)

出版年

2023
现代教育技术
清华大学

现代教育技术

CSSCI北大核心
影响因子:4.679
ISSN:1009-8097
参考文献量4
段落导航相关论文