基于计算机视觉的线上教育中学习者注意力和参与度分析

近期，线上教育和视频会议平台的使用量迅速增长。由于虚拟教室的局限性，教师在教学期间可能难以实时分析学习者的注意力和理解程度。在数字化教育模式下，为教师提供一种自动化反馈机制以随时了解学习者的注意力将大有裨益。本研究提出了一种基于计算机视觉的方法，用于分析和量化线上学习场景中学习者的注意力、参与度以及其他情感状态。该工作提出了一种基于卷积神经网络的多类多输出分类方法，针对公开数据集DAiSEE进行开发。该方法在分类模型之上开发了一个基于机器学习的算法，输出学习者的综合注意力指数。进一步提出了一个端到端的管道，通过该管道处理学习者的实时视频流，为教师提供学习者的详细注意力分析。通过将本文提出的方法与先前方法的实验结果进行比较，证明了该方法在注意力检测方面优于最先进的方法。该系统是一个全面、实用且实时的解决方案，可部署且使用便捷。实验结果还表明，该系统在衡量学习者的注意力方面具有较高效率。