n-Gage：在真实场景中预测课堂中的情绪、行为与认知参与度
人机交互
2020-07-24 v4
摘要
对学生参与度的研究已引起越来越多的关注，以应对学业表现低下、厌学和高辍学率等问题。现有测量学生参与度的方法通常依赖基于问卷的工具。尽管有效，这些方法耗时且费力。同时，问卷的回复率和质量通常较差。作为替代，本文研究我们是否仅使用传感器就能推断并预测多维度的参与度。我们假设多维学生参与度可转化为课堂中的生理反应和活动变化，并受环境变化影响。因此，我们旨在探索以下问题：我们能否在真实场景中利用传感数据测量高中生包括情绪、行为和认知参与在内的多维度学习参与度？我们能否推导出促成学生参与度不同维度的活动、生理和环境因素？如果可以，哪些传感器在区分参与度的各个维度时最有用？随后，我们在一所高中开展了为期4周、涵盖11门课程144个班级、涉及23名学生和6名教师的现场研究。我们提出n-Gage，一种结合可穿戴设备与环境传感器来自动检测学生课堂多维学习参与度的传感系统。实验结果表明，n-Gage在真实场景中使用所有传感器能以平均MAE 0.788和RMSE 0.975准确预测多维学生参与度。我们还展示了一系列有趣发现，关于不同因素（如传感器组合、学科、CO2浓度）如何影响学生学习的各个参与度维度。
引用
@article{arxiv.2007.04831,
title = {n-Gage: Predicting in-class Emotional, Behavioural and Cognitive Engagement in the Wild},
author = {Nan Gao and Wei Shao and Mohammad Saiedur Rahaman and Flora D. Salim},
journal= {arXiv preprint arXiv:2007.04831},
year = {2020}
}
备注
This paper has been accepted by the Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies (IMWUT) volume 4 issue 3, 2020