一种用于“远程课堂”的学生听课专注度自动评估方法

作者：邵帅; 李思敏; 广田薰; 戴亚平^*

来源：北京理工大学学报, 2023, 1-8.

DOI：10.15918/j.tbit1001-0645.2023.138

• 深度学习
• 图像分析
• 行为识别
• 数据融合
• 远程课堂
• 专注度评估

在基于互联网的“远程课堂”中，如何利用学生课堂状态视频数据建立教师与学生授课-听课之间的评价关联关系，是一项富有挑战性的科学问题.本文针对“远程课堂”中的学生行为检测识别问题，提出针对课堂学生“面部姿态角度”检测模块与“身体动作行为”识别模块，对学生的课堂行为进行识别分类；针对“学生听课专注度”的定量分析问题，提出一种基于学生面部姿态角度和行为分类结果的量化评估算法；运用证据理论对“面部姿态”与“动作行为”并行进行数据融合计算，建立用于“远程课堂”的在线“学生听课专注度”自动评估系统模型.本文所提模型能够对课堂学生的听课行为进行在线检测与分析，完成“学生听课专注度”的定量评分并输出评估结果。实验中，系统对“学生听课专注度”的评估准确度达到90.4%，验证了系统的有效性.

• 单位
  北京理工大学; 中国电子科技集团公司第五十研究所; 自动化学院