基于无约束身体探索的数学问题解决中反思性思维的自动检测
人机交互
2020-03-24 v2 机器学习
机器学习
摘要
对于旨在提供交互式学习的技术（如严肃游戏），关注问题解决过程中相关的心理体验（如反思性思维）十分重要。为推进该方向的研究，我们呈现了weDraw-1运动数据集，包含26名儿童在无约束环境中通过身体（全身或局部）探索数学问题时的身体运动传感器数据与反思性思维标签。此外，我们对观察者在识别这些会话中反思性思维时刻所使用的行为提供了定性分析。我们汇编中的身体运动线索为特征提供依据，基于长短期记忆（Long Short-Term Memory，LSTM）神经网络实现反思性思维自动检测的平均F1分数为0.73。我们进一步基于原始传感器数据对反思性思维时段进行端到端检测，获得0.79的平均F1分数。最后，该算法在短至4秒的时段子片段上取得0.64的平均F1分数。总体而言，我们的结果表明，从儿童身体探索数学概念（例如在严肃游戏过程中）的身体运动行为中检测反思性思维时刻是可行的。
引用
@article{arxiv.1812.07941,
title = {Automatic Detection of Reflective Thinking in Mathematical Problem Solving based on Unconstrained Bodily Exploration},
author = {Temitayo A. Olugbade and Joseph Newbold and Rose Johnson and Erica Volta and Paolo Alborno and Radoslaw Niewiadomski and Max Dillon and Gualtiero Volpe and Nadia Bianchi-Berthouze},
journal= {arXiv preprint arXiv:1812.07941},
year = {2020}
}