MOSAIC-F：通过个性化反馈提升学生口头演讲技能的框架
人机交互
2025-06-11 v1 人工智能
计算机视觉与模式识别
摘要
本文提出了一种新颖的多模态反馈框架 MOSAIC-F，即一个通过多模态学习分析（MMLA）、观察、传感器、人工智能（AI）和协作评估来生成学生学习活动个性化反馈的数据驱动框架。该框架包含四个关键步骤。第一，通过标准化评分量规（包含定量和定性评估）进行同伴和教授的评估。第二，在学习活动期间收集多模态数据，包括视频录制、音频采集、眼动追踪、生理信号（心率、运动数据）和行为交互。第三，利用人工智能生成个性化反馈，综合基于人的评估和基于数据的多模态洞察，如姿态、语音模式、压力水平和认知负荷等。最后，学生通过视频录制回顾自己的表现，参与自我评估和反馈可视化，将其自身评估与同伴和教授的评估、班级平均值以及人工智能生成的建议进行比较。通过结合基于人的和基于数据的评估技术，该框架实现了更准确、个性化和可操作的反馈。我们在提升口头演讲技能的背景下测试了 MOSAIC-F。
引用
@article{arxiv.2506.08634,
title = {MOSAIC-F: A Framework for Enhancing Students' Oral Presentation Skills through Personalized Feedback},
author = {Alvaro Becerra and Daniel Andres and Pablo Villegas and Roberto Daza and Ruth Cobos},
journal= {arXiv preprint arXiv:2506.08634},
year = {2025}
}
备注
Accepted in LASI Spain 25: Learning Analytics Summer Institute Spain 2025