基于移动视野追踪的自动化视觉注意力检测：行为教室研究中的应用

教师在教室中所呈现的视觉注意力及其在学生之间的分布，对于学生参与度、成就水平以及教师专业培训具有重要意义。尽管如此，推断教师关注哪些学生的注意力信息并非易事。移动视野追踪可为此提供有力帮助；然而，仅依据移动视野追踪需要大量手动标注。为此，我们提出一种需要最小化手动标注数据的自动化处理管道概念，以识别教师所聚焦的学生。为此，我们利用最先进的面部检测模型和面部识别特征嵌入，在教室语境中进行迁移学习训练面部识别模型，并将这些模型与教师的视野结合起来。我们使用来自四个不同教室收集的数据进行评估，结果表明，在所有教室设置中均可以相当可靠的性能估计视觉聚焦的学生；而 U 型和小型教室结果最佳，准确率分别约为 0.7 和 0.9。尽管我们未针对教师-学生互动进行方法评估，仅聚焦于技术方法的有效性，但由于该方法无需大量手动标注数据，提供了一种非侵入性地处理教师视觉注意力的方式，它可能有助于改进教学策略、增强教室管理，并为教师专业发展提供反馈。