Measuring Student Behavioral Engagement using Histogram of Actions

要約

この論文では、学生の行動認識を通じて行動への関与を測定するための新しい手法を提案します。
提案されたアプローチは、生徒の行動を認識し、生徒の行動関与レベルを予測します。
生徒の行動認識では、人間の骨格を使用して生徒の姿勢と上半身の動きをモデル化します。
生徒の上半身のダイナミクスを学習するために、3D-CNN モデルが使用されます。
トレーニングされた 3D-CNN モデルは、2 分ごとのビデオ セグメント内のアクションを認識するために使用され、これらのアクションは、生徒のアクションとその頻度をエンコードするアクションのヒストグラムを構築するために使用されます。
このヒストグラムは、SVM 分類器への入力として利用され、生徒が熱心に取り組んでいるかどうかを分類します。
提案されたフレームワークを評価するために、13 のアクションで注釈が付けられた 1414 の 2 分間のビデオ セグメントと、2 つのエンゲージメント レベルで注釈が付けられた 112 のビデオ セグメントで構成されるデータセットを構築します。
実験結果は、生徒の行動をトップ 1 の精度 83.63% で認識でき、提案されたフレームワークがクラ​​スの平均的な参加状況を把握できることを示しています。

要約(オリジナル)

In this paper, we propose a novel technique for measuring behavioral engagement through students’ actions recognition. The proposed approach recognizes student actions then predicts the student behavioral engagement level. For student action recognition, we use human skeletons to model student postures and upper body movements. To learn the dynamics of student upper body, a 3D-CNN model is used. The trained 3D-CNN model is used to recognize actions within every 2minute video segment then these actions are used to build a histogram of actions which encodes the student actions and their frequencies. This histogram is utilized as an input to SVM classifier to classify whether the student is engaged or disengaged. To evaluate the proposed framework, we build a dataset consisting of 1414 2-minute video segments annotated with 13 actions and 112 video segments annotated with two engagement levels. Experimental results indicate that student actions can be recognized with top 1 accuracy 83.63% and the proposed framework can capture the average engagement of the class.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google