课堂研究中视觉与音频数据的自动匿名化
计算机视觉与模式识别
2020-01-16 v1
摘要
理解教学期间学生与教师的言语及非言语行为，可能有助于推断有关教学质量的宝贵信息。在教育研究中，已有许多研究旨在测量学生对学习任务注意力的聚焦：基于音视频记录以及对师生行为的手动或自动评分。然而，学生数据高度敏感。因此，在当前实践中，确保高标准的数据保护与隐私至关重要。例如，在教学管理研究背景下，数据收集需获得小学生、家长、教师及学校管理方的同意。尽管如此，常会有学生的数据不能用于研究目的。将这些学生排除在课堂之外，是对课堂组织的不自然干扰。一种可能的解决方案是请求许可录制所有学生（包括非自愿参与者）的音视频记录并匿名化其数据。然而，音视频数据的手动匿名化极为费力。在本研究中，我们考察了利用人工智能方法自动匿名化特定人物的视觉与音频数据。
引用
@article{arxiv.2001.05080,
title = {Automated Anonymisation of Visual and Audio Data in Classroom Studies},
author = {Ömer Sümer and Peter Gerjets and Ulrich Trautwein and Enkelejda Kasneci},
journal= {arXiv preprint arXiv:2001.05080},
year = {2020}
}
备注
The Workshops of the Thirty-Fourth AAAI Conference on Artificial Intelligence