【摘 要】
：
学生课堂参与度指学生投入在有效课堂教学活动中的时间和精力,直接体现课堂的教学效果和学生学习收获。准确的学生课堂参与度评估是进行教学质量监测的重要依据。目前的线下课堂教学质量评估主要依靠学生成绩、评课说课、常态教学抽查或学生评教等方式,难以全面准确、科学客观地反映实际情况,而且缺乏实时性。同时,日益发展的线上教学,更是需要借助新技术,实时跟踪学生的课堂参与情况。因此,客观、量化的学生课堂参与度的实时
论文部分内容阅读
学生课堂参与度指学生投入在有效课堂教学活动中的时间和精力,直接体现课堂的教学效果和学生学习收获。准确的学生课堂参与度评估是进行教学质量监测的重要依据。目前的线下课堂教学质量评估主要依靠学生成绩、评课说课、常态教学抽查或学生评教等方式,难以全面准确、科学客观地反映实际情况,而且缺乏实时性。同时,日益发展的线上教学,更是需要借助新技术,实时跟踪学生的课堂参与情况。因此,客观、量化的学生课堂参与度的实时评估对加强教学过程的精细化管理,促进教学改革和质量提高具有重要意义。提出基于一维卷积神经网络的多示例学习（MIL1DCNN）学生参与度评估方法。根据学生参与度的概念构成,将头部姿态、眼睛视线和眼睛开闭状态和最常用的17种面部运动单元作为视觉特征。在特征提取上,提出的相对变化特征的观点,基于Open Face工具集提取的视频特征,将三种视觉特征的相邻多帧相对中心点的距离的标准差作为视频的相对变化特征。将相对变化特征序列当作包,使用滑动窗口模型将序列分割成多个特征子序列段,将子序列段当作示例。考虑到示例中特征的相对位置相关性低,使用一维卷积神经网络（1DCNN）对示例进行分析,获得示例级学生参与度,使用多示例池化层,从示例级学生参与度推理出视频中的学生参与度。使用“Engagement in the wild”数据集进行实验,将MSE作为评估标准。当使用全部的视觉特征时,MIL1DCNN学生参与度评估方法能获得的最小MSE为0.075。在示例长度为10,40,70,100,130,160和190情况下进行实验,与基于LSTM的MIL方法进行对比,实验表明MIL1DCNN方法的MSE的均值和方差更小,说明MIL1DCNN方法的平均效果更好、更稳定。MIL1DCNN中提取相对变化特征的方法和将1DCNN作为示例级回归器的思想,为基于视频的学生参与度量化评估提供了一个新的思路。
其他文献
视觉惯性里程计（VIO）是实现移动机器人自主导航和定位的关键技术。近年来,随着无人机以及无人驾驶技术的广泛应用,高精度VIO系统逐渐成为机器人导航定位研究的热点。VIO系统采用视觉相机与惯性测量单元（IMU）作为感知传感器,通过融合传感器数据实现机器人位置与姿态的互补感知,进而提高机器人导航的精度和鲁棒性。本文首先对双目VIO系统算法进行了研究。利用ORB算法提取并匹配相机数据中的特征点,采用IM
随着微纳机器人技术的发展,磁性微纳机器人由于其可控性强、行动灵活等特点而受到研究学者们的广泛关注。在微纳操纵、靶向递送等领域,磁性微纳机器人具有很大的研究前景。磁性微纳机器人的传统研究多集中于单体机器人的设计制造、磁场操控以及应用功能探索。然而,随着工程化需求的发展,单体机器人难以完成复杂任务,群体磁性微纳机器人的群集控制逐渐成为该领域的研究热点。本文针对现有的群集模式单一、群体内部混乱等问题,研
现代船舶自动化程度不断提高,设备的可靠性对船舶运行起到至关重要的作用。为了保障船舶系统稳定可靠的运行,需要对系统的容错机制进行测试。通过人为的注入故障,可以加速系统的故障发生和失效过程,是作为容错实验的有效测试手段。本文以船舶控制系统中数据采集单元作为被测对象,基于物理注入方式进行故障注入系统的设计与实现。本文首先对设计需求进行分析,在此基础上,进行系统整体方案的设计和软硬件的实现。按照注入方式的
用户出行预测是基于位置的服务网络的一个重要应用。在目前的用户出行预测研究中,传统的基于模式的预测方法由于用户数据的多样性、复杂性等问题,已经难以应用于如今的大规模数据集。而现有的基于神经网络模型的方法存在着准确率不够高等问题。已有许多研究在理论层面证明了好友对用户出行的影响。通过将社交影响合理地引入神经网络模型,使模型利用用户与好友之间的出行规律相似性进行预测,对于提升出行预测准确性具有重要的意义
舰载机是航空母舰上最重要的武器装备之一,舰载机出动架次率的高低会直接影响航母的海上作战能力。然而高效地完成舰载机起飞之前的各项保障任务,是保证舰载机出动架次率的必要条件。在国内外的大多数航母上,仍然沿用着传统的人工调度的方式,随着舰载机机群规模的增大,甲板环境复杂程度的加大,使用传统的人工调度来制定保障作业计划时,花费的时间与精力越来越多,因此如何利用计算机来高效的制定舰载机最优保障调度计划,已经
随着网络空间中文本信息的爆炸式增长,事件抽取作为人工智能领域的一个研究方向开始受到更多关注。通过让计算机从非结构化文本中抽取出事件发生的时间、地点、对象、动作等结构化要素信息,可以使用户感兴趣的事件内容以更加简洁精炼的方式表示出来,从而大大提高人类从海量文本中获取有价值内容的效率。虽然近年来事件抽取研究取得了巨大进展,但现有研究大多着眼于句子级事件抽取,即假设事件的全部要素出现在单个句子中。这与实
截至目前,在全球灾难性爆发的新型冠状病毒肺炎（以下简称新冠肺炎）的确诊仍然存在临床困难。CT检查作为肺部疾病诊断的主要手段,医生通过观察CT影像可以判断肺部是否发生病变。然而,部分早期新冠肺炎的影像表征滞后于临床表现,这给早期新冠肺炎的诊断带来了困难。利用深度学习方法,探索CT影像中早期新冠肺炎的特征表现,并据此构建高敏感度的早期新冠肺炎预警模型,具有重要的实际与理论意义。针对早期新冠肺炎确诊困难
AI和5G网络的应用和普及,将会带来时代的新的变革,企业应该要抓住这样的机遇,创造开发出更好的产品和提供更好的服务。智能客服将在这个过程中扮演很重要角色:更智能化的产品需要人和机器进行对话,更好的用户体验也需要智能问答。本文客服系统包含人工坐席以及智能客服,默认先是智能机器人对话,不能回答的问题给人工坐席来回答。聊天机器人,是一种通过NLP来模拟人类进行对话的应用。智能聊天机器人可以代替企业中比较
近年来云计算技术发展迅速,计算资源、网络资源和存储资源可实现虚拟化并能按需分配,深受各行业广泛应用,在教育信息化不断完善的今天,将云计算技术引入教育行业能让课堂更加智能,可以发挥科技在教育领域的巨大作用。各高校在教学过程中会产生大量教学视频,及时将这些视频进行存储,一方面方便学生后期用于复习回顾课堂内容,另一方面,通过对这些视频数据进行图像分析,利用视频对教师进行评价,可为教育工作者提供宝贵经验。
今年是我国现代化建设进程中具有特殊重要性的一年,"十四五"开局,创造良好安全环境是举社会全力的大事。自组建以来,广东省应急管理厅认真贯彻落实习近平总书记关于以信息化推进应急管理现代化的重要指示精神,把应急管理信息化建设作为头等大事来抓,初步建成了具有较高科技含量和广东特色的智慧应急信息系统,为广东安全生产、自然灾害防御和突发事件应急处置提供有力支撑和保障。