Информатика и автоматизация
RUS  ENG    ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB  
Общая информация
Последний выпуск
Архив

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS



Информатика и автоматизация:
Год:
Том:
Выпуск:
Страница:
Найти






Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация


Информатика и автоматизация, 2025, выпуск 24, том 2, страницы 631–656
DOI: https://doi.org/10.15622/ia.24.2.10
(Mi trspy1368)
 

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
Тип публикации: Статья
УДК: 004
Язык публикации: английский
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
Цитирование в формате AMSBIB
\RBibitem{NavJacMan25}
\by A.~Naveen, I.~Jacob, A.~Mandava
\paper Detection of student engagement via transformer-enhanced feature pyramid networks on channel-spatial attention
\jour Информатика и автоматизация
\yr 2025
\vol 24
\issue 2
\pages 631--656
\mathnet{http://mi.mathnet.ru/trspy1368}
\crossref{https://doi.org/10.15622/ia.24.2.10}
Образцы ссылок на эту страницу:
  • https://www.mathnet.ru/rus/trspy1368
  • https://www.mathnet.ru/rus/trspy/v24/i2/p631
  • Citing articles in Google Scholar: Russian citations, English citations
    Related articles in Google Scholar: Russian articles, English articles
    Информатика и автоматизация
    Статистика просмотров:
    Страница аннотации:106
    PDF полного текста:51
     
      Обратная связь:
     Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2026