典型文献
联合面部线索与眼动特征的在线学习专注度识别
文献摘要：
专注是产生有效学习的先决条件,是取得良好学习成效的重要保证,在以自主学习为主的在线学习场景中具有更为重要的作用,但在线学习时空分离的特性难以保证学习者的专注度得到及时监控,故而探究精准识别在线学习专注度的可行方法至关重要.该研究主要关注在线学习中学习者的面部线索与眼动特征,基于从视频数据中提取的眼部视线、头部姿态、面部动作单元等面部线索特征以及从眼动数据中提取的注视停留时间、注视点、眼跳等眼动特征,分别通过两类单模态特征以及联合二者的多模态特征进行学习专注度识别,采用常用的六种机器学习方法构建相应的评估模型,对六种分类器的专注度预测性能进行了比较,并判断了专注度与学习成效的关系.实验结果表明,相较于面部线索,眼动特征具有更好的识别潜力,其体现的信息加工机制更能反映心理资源的投入程度;与单一模态相比,模态融合能显著提高学习专注度识别效果,揭示了面部线索特征和眼动特征对学习专注度识别的互补性;而学习专注度与学习成效显著相关,故而可将专注度作为优化在线学习的主要抓手,从学习材料设计者、教师与学习者等不同主体出发改善在线学习过程,提升在线学习效果.
文献关键词：
学习专注度;眼动;面部线索;学习分析;多模态数据
中图分类号：
作者姓名：
武法提;赖松;高姝睿;李鲁越;任伟祎
作者机构：
北京师范大学 教育学部 教育技术学院,北京 100875;北京师范大学 数字学习与教育公共服务教育部工程研究中心,北京 100875
文献出处：
引用格式：
[1]武法提;赖松;高姝睿;李鲁越;任伟祎-.联合面部线索与眼动特征的在线学习专注度识别)[J].中国电化教育,2022(11):37-44
A类：
面部线索
B类：
合面,眼动特征,学习专注度,有效学习,先决条件,好学,学习成效,学习为主,学习场景,更为重要,学习时空,时空分离,故而,精准识别,可行方法,习中学,视频数据,眼部,视线,头部姿态,面部动作,眼动数据,停留时间,注视点,眼跳,单模,多模态特征,六种,机器学习方法,分类器,预测性能,信息加工,加工机,心理资源,模态融合,互补性,成效显著,主要抓手,学习材料,材料设计,设计者,同主体,学习过程,在线学习效果,学习分析,多模态数据
AB值：
0.293477
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
