人工智能视域下的学习参与度识别方法研究——基于一项多模态数据融合的深度学习实验分析

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据

中文摘要：学习参与度是表征学生学习参与情况的重要指标,其自动识别方法是研究如何精确刻画学习效果变化动因及进行智慧教学决策的基础.现有研究已发现,学习参与度同情感投入、行为投入与认知投入存在直接关系,利用人工智能实现自动评估具有合理性与必要性.但相关研究数量有限,且主要聚焦在基于图像模态的表情识别领域.真实教学情境中的学习参与度识别应基于多模态数据的采集与分析,具体来说,可采用基于众包的方法建立多模态数据集,设计多模态融合的深度学习分析模型,并通过一致性检验完善模型的数据验证,以提高识别的准确率.因此,开展深度学习的实验研究具有较强的应用价值.该实验截选了中国大学MOOC网上的三门不同学科的视频片段,招募50位被试进行自主学习,每隔3秒自动记录被试脸部图像、脑电波数据和学习日志,初步建立了含3万余条面部表情图片和脑电波数据的多模态数据集,并基于后期融合策略及卷积神经网络结构中的ResNet架构,构建了一个多模态融合深度学习模型,进行模型训练.实验结果显示:该模型对未知被试的学习参与度预测的准确率可达87％,基于多模态的学习参与度识别方法,要优于基于单模态的学习参与度识别方法.

外文标题：Research on Student Engagement Recognition Method from the Perspective of Artificial Intelligence:Analysis of Deep Learning Experiment based on a Multimodal Data Fusion

作者：

曹晓明、张永和、潘萌、朱姗、闫海亮

展开 >

作者单位：

深圳大学师范学院教育信息技术系,广东深圳 518060

关键词：

深度学习学习参与度识别人工智能多模态融合注意力精准教学

基金：

2017年广东省教育科学"十三五"规划专项课题2018年度教育部学校规划建设发展中心"未来学校"研究课题2018年广东省基础教育信息化融合创新示范培育推广项目

项目编号：

2017JKDY43CSDP18FS21022018-124的研究成果

出版年：

2019

远程教育杂志

浙江广播电视大学

远程教育杂志

CSSCI北大核心

影响因子：11.03

ISSN：1672-0008

年,卷(期)：2019.37(1)

被引量56
参考文献量12