用于有序参与度测量的监督对比学习

学生参与度对教育项目的成功实施至关重要。自动化参与度测量有助于教师监控学生参与情况、识别注意力分散，并调整教学策略以有效提升学习成果。本文识别了该问题中的两个关键挑战：类别不平衡以及将顺序纳入参与度级别，而非将其视为单纯类别。随后，提出一种面向虚拟学习环境中基于视频的学生参与度测量的新方法，该方法利用监督对比学习进行参与度的有序分类。从视频样本中提取各种情感和行为特征，并在监督对比学习框架内（以顺序分类器作为编码器）用于训练有序分类器。一个关键步骤是对这些特征向量应用多种时间序列数据增强技术，以增强模型训练。使用公开的参与度测量数据集 DAiSEE（包含参与虚拟学习项目的学生视频）评估了所提方法的有效性。结果证明了所提方法对参与度级别分类的鲁棒能力。该方法有望为理解和提升虚拟学习环境中的学生参与度做出重要贡献。