MỘT KỸ THUẬT ĐÁNH GIÁ SỰ TẬP TRUNG CỦA SINH VIÊN DỰA TRÊN TRẠNG THÁI ĐÓNG/MỞ CỦA MẮT

Thông tin bài báo

Ngày nhận bài: 20/04/21                Ngày hoàn thiện: 31/05/21                Ngày đăng: 31/05/21

Các tác giả

1. Trần Thanh Phương Email to author, Trường Đại học Lạc Hồng
2. Trần Văn Lăng, Trường Đại học Lạc Hồng
3. Đỗ Năng Toàn, Đại học Quốc gia Hà Nội

Tóm tắt


Phân tích học tập tự động đang trở thành một chủ đề thiết yếu trong lĩnh vực giáo dục, trong đó cần các hệ thống giám sát quá trình học tập và đo lường mức độ tham gia của sinh viên để giúp cho giáo viên có những điều chỉnh hợp lý hơn về chiến lược giảng dạy và môi trường học tập. Bài báo này đề xuất một kỹ thuật ước lượng mức độ buồn ngủ dựa trên trạng thái đóng/mở của mắt để đánh giá sự tập trung của sinh viên trong giờ học. Dữ liệu đầu vào của thuật toán được ghi nhận bởi camera trong lớp học và việc phân tích đánh giá được thực hiện trên từng sinh viên trong suốt quá trình học tập. Kỹ thuật đã được cài đặt thử nghiệm và tỏ ra hiệu quả đối với các lớp học lý thuyết với quy mô trung bình của các ngành học kỹ thuật.


Từ khóa


Sự tham gia của sinh viên; Phát hiện đóng mở mắt; Phát hiện ngủ gật; Nhận dạng sự chú ý; Phân tích hành vi

Toàn văn:

PDF

Tài liệu tham khảo


[1] D. Dinesh, A. Narayanan, and K. Bijlani, "Student analytics for productive teaching/learning," International Conference on Information Science (ICIS), Kochi, India, 2016, pp. 97-102.

[2] A. S. Won, J. N. Bailenson, and J. H. Janssen, "Automatic detection of nonverbal behavior predicts learning in dyadic interactions," IEEE Trans. Affect Comput, vol. 5, no. 2, pp. 112-125, 2014.

[3] P. Goldberg, Ö. Sümer, K. Stürmer, W. Wagner, R. Göllner, P. Gerjets, E. Kasneci, and U. Trautwein, "Attentive or Not? Toward a Machine Learning Approach to Assessing Students’ Visible Engagement in Classroom Instruction," Springer, vol. 33, pp. 27-49, 2021.

[4] X. Ma, M. Xu, Y. Dong, and Z. Sun, "Automatic Student Engagement in Online Learning Environment Based on Neural Turing Machine," International Journal of Information and Education Technology, vol. 11, no. 3, pp. 107-111, 2021.

[5] T. S. Ashwin and R. M. R. Guddeti, "Unobtrusive Behavioral Analysis of Students in Classroom Environment Using Non-Verbal Cues," IEEE Access, vol. 7, pp. 1-7, 2019.

[6] N. J. Butko, G. Theocharous, M. Philipose, and J. R. Movellan, "Automated facial affect analysis for one-on-one tutoring applications," In Automatic Face & Gesture Recognition and Workshops (FG 2011), 2011 IEEE International Conference On, 2011, pp. 382–287.

[7] J. Whitehill, Z. Serpell, Y.-C. Lin, A. Foster, and J. R. Movellan, "The faces of engagement: Automatic recognition of student engagement from facial expressions," IEEE Trans. Affect. Comput, vol. 5, no. 1, pp. 86-98, 2014.

[8] R. A. Calvo and S. D’Mello, "Affect detection: An interdisciplinary review of models, methods, and their applications," IEEE Trans. Affect. Comput, vol. 1, no. 1, pp. 18-37, 2010.

[9] M. Divjak and H. Bischof, "Eye blink based fatigue detection for prevention of computer vision syndrome," Proceedings of IAPR Conference on Machine Vision Applications (MVA), 2009, pp. 350-353.

[10] J. Bidwell and H. Fuchs, "Classroom analytics: Measuring student engagement with automated gaze tracking," BehavRes Methods, 2011.

[11] L. B. Krithika, "Student emotion recognition system (SERS) for e-learning improvement based on learner concentration metric," Procedia Computer Science, vol. 85, pp. 767-776, 2016.

[12] S. Turabzadeh, H. Meng, R. M. Swash, and M. Pleya, "Facial expression emotion detection for real-time embedded systems," Technologies, vol. 6, no. 1, p. 17, 2018.

[13] A. Kamath, A. Biswas, and V. Balasubramanian, "A Crowdsourced Approach to Student Engagement Recognition in E-learning Environments," IEEE Winter Conference on Applications of Computer Vision (WACV), 2016, pp. 1-9.

[14] P. Sharma, M. Esengönül, S. R. Khanal, T. T. Khanal, V. Filipe, and M. J. C. S. Reis, "Student Concentration Evaluation Index in an E-learning Context Using Facial Emotion Analysis," Technology and Innovation in Learning, TECH-EDU, 2018, pp. 529-538.

[15] D. M. Wiegand, J. McClafferty, S. E. McDonald, and R. J. Hanowski, "Development and Evaluation of a Naturalistic Observer Rating of Drowsiness Protocol," Final Report of the National Surface Transportation Safety Center for Excellence (NSTSCE), 2009.




DOI: https://doi.org/10.34238/tnu-jst.4406

Các bài báo tham chiếu

  • Hiện tại không có bài báo tham chiếu
Tạp chí Khoa học và Công nghệ - Đại học Thái Nguyên
Phòng 408, 409 - Tòa nhà Điều hành - Đại học Thái Nguyên
Phường Tân Thịnh - Thành phố Thái Nguyên
Điện thoại: 0208 3840 288 - E-mail: jst@tnu.edu.vn
Phát triển trên nền tảng Open Journal Systems
©2018 All Rights Reserved