|
Искусственный интеллект, инженерия данных и знаний
Detection of student engagement via transformer-enhanced feature pyramid networks on channel-spatial attention
[Определение вовлеченности учащихся с помощью сетей пирамидальных признаков, улучшенных трансформером, с канально-пространственным вниманием]
A. Naveen, I. Jacob, A. Mandava Gitam University-Bengaluru Campus
Аннотация:
Одним из важнейших аспектов современных образовательных систем является определение вовлеченности учащихся, которое включает выявление того, насколько вовлечены, внимательны и активны учащиеся на занятиях в классе. Для преподавателей этот подход имеет важное значение, поскольку он дает представление об опыте обучения учащихся, позволяя адаптировать подходы в обучении и улучшать качество обучения. Традиционные методы оценки вовлеченности учащихся часто являются трудоемкими и субъективными. В этом исследовании предлагается новая система определения степени вовлеченности учащихся в реальном времени, которая использует сети пирамидальных признаков (FPN), улучшенные с помощью архитектуры Трансформера, с канально-пространственным вниманием (CSA), называемая BiusFPN_CSA. Предлагаемый подход автоматически анализирует модели вовлеченности учащихся, такие как поза тела, зрительный контакт и положение головы, из визуальных потоков данных путем интеграции передовых методов глубокого обучения и компьютерного зрения. За счет интеграции механизма внимания CSA с возможностями иерархического представления признаков FPN, модель может точно определять уровни вовлеченности учащихся, улавливая контекстную и пространственную информацию во входных данных. Кроме того, благодаря внедрению архитектуры Трансформера, модель достигает лучшей общей производительности за счет эффективного учета долгосрочных зависимостей и семантических связей во входных последовательностях. Оценка с использованием набора данных WACV показывает, что предлагаемая модель превосходит базовые методы с точки зрения точности. В частности, вариант FPN_CSA_Trans_EH предлагаемой модели превосходит FPN_CSA на 3,28% и 4,98% соответственно. Эти результаты подчеркивают эффективность структуры BiusFPN_CSA в определении вовлеченности учащихся в реальном времени, предлагая преподавателям ценный инструмент для повышения качества обучения, создания активной среды обучения и, в конечном итоге, улучшения результатов учащихся.
Ключевые слова:
сеть пирамидальных признаков (FPN), канально-пространственное внимание (CSA), определение вовлеченности учащихся, трансформер.
Поступила в редакцию: 04.11.2024
Образец цитирования:
A. Naveen, I. Jacob, A. Mandava, “Detection of student engagement via transformer-enhanced feature pyramid networks on channel-spatial attention”, Информатика и автоматизация, 24:2 (2025), 631–656
Образцы ссылок на эту страницу:
https://www.mathnet.ru/rus/trspy1368 https://www.mathnet.ru/rus/trspy/v24/i2/p631
|
| Статистика просмотров: |
| Страница аннотации: | 106 | | PDF полного текста: | 51 |
|