StuArt：基于自动行为识别与追踪的个性化课堂学生观察系统
人机交互
2023-03-14 v3 计算机视觉与模式识别
摘要
每个学生都很重要，但教师在课程中很难观察所有学生并立即向有需要者提供帮助。本文提出 StuArt，一种专为个性化课堂观察设计的新型自动系统，使教师能够关注每位学生的学习状态。StuArt 可识别五种与参与度高度相关的代表性学生行为（举手、起立、睡觉、打哈欠和微笑），并追踪其在课程中的变化趋势。为保护学生隐私，所有变化趋势均以座位号索引，不含任何个人身份信息。此外，StuArt 采用多种用户友好的可视化设计，帮助教师快速理解个体与整体的学习状态。在真实课堂视频上的实验结果证明了所嵌入算法的优越性与鲁棒性。我们期望本系统推动大规模学生个性化指导的发展。更多信息见 https://github.com/hnuzhy/StuArt。
引用
@article{arxiv.2211.03127,
title = {StuArt: Individualized Classroom Observation of Students with Automatic Behavior Recognition and Tracking},
author = {Huayi Zhou and Fei Jiang and Jiaxin Si and Lili Xiong and Hongtao Lu},
journal= {arXiv preprint arXiv:2211.03127},
year = {2023}
}
备注
accepted by ICASSP2023. Novel pedagogical approaches in signal processing for K-12 education