A General Model for Detecting Learner Engagement: Implementation and Evaluation

要約

学習者のエンゲージメントを考慮することは、学習者と講師の両方にとって相互にメリットがあります。
インストラクターは、学習者の注意、関与、モチベーション、興味を高めるのを支援できます。
一方、インストラクターは、すべての学習者の累積結果を評価し、トレーニング プログラムをアップグレードすることで、指導パフォーマンスを向上させることができます。
この論文では、時間の経過に伴う逐次的な時間的関係を維持しながら、学習者の関与レベルを検出するための特徴を選択および処理するための、一般的で軽量なモデルを提案します。
トレーニングとテスト中に、学習者の関与の動的な本質を捉えるために、公開されている DAiSEE データセットのビデオを分析しました。
また、教育に関連するこのデータセットの感情状態を利用して、モデルの判断を向上させる新しいラベルを見つけるための適応ポリシーも提案しました。
提案されたモデルは、特定の実装において 68.57\% の精度を達成し、学習者のエンゲージメント レベルを検出する研究された最先端のモデルを上回っています。

要約(オリジナル)

Considering learner engagement has a mutual benefit for both learners and instructors. Instructors can help learners increase their attention, involvement, motivation, and interest. On the other hand, instructors can improve their instructional performance by evaluating the cumulative results of all learners and upgrading their training programs. This paper proposes a general, lightweight model for selecting and processing features to detect learners’ engagement levels while preserving the sequential temporal relationship over time. During training and testing, we analyzed the videos from the publicly available DAiSEE dataset to capture the dynamic essence of learner engagement. We have also proposed an adaptation policy to find new labels that utilize the affective states of this dataset related to education, thereby improving the models’ judgment. The suggested model achieves an accuracy of 68.57\% in a specific implementation and outperforms the studied state-of-the-art models detecting learners’ engagement levels.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google