【摘 要】
：
随着大数据时代教育信息化的进一步到来,如何通过大数据分析和现代化人工智能技术自动认知与准确理解教师和学生在课堂中出现的种种行为,并从中准确判断出学生的课堂参与情况,从而对课堂教学质量和学生学习效率进行综合分析是目前亟待解决的问题。在以往的传统课堂师生行为分析研究中,大多只针对课堂师生的言语行为进行种类划分,而忽视了非言语行为在课堂教学中的重要性。并且在判断学生课堂参与情况时,往往只单独根据学生的某
论文部分内容阅读
随着大数据时代教育信息化的进一步到来,如何通过大数据分析和现代化人工智能技术自动认知与准确理解教师和学生在课堂中出现的种种行为,并从中准确判断出学生的课堂参与情况,从而对课堂教学质量和学生学习效率进行综合分析是目前亟待解决的问题。在以往的传统课堂师生行为分析研究中,大多只针对课堂师生的言语行为进行种类划分,而忽视了非言语行为在课堂教学中的重要性。并且在判断学生课堂参与情况时,往往只单独根据学生的某种行为来判断其学习状态。然而当同一种学生动作源于教师不同的引导行为时,其很有可能代表了不同的课堂参与状态,所以以往研究中忽视学生行为与教师行为之间的关联性就容易导致对学生课堂学习状态的判断出现偏差。针对以上这些问题,本研究提出了一个基于姿态的课堂师生行为参与模式（TSBEP）来更准确地分析学生课堂参与情况,其中将师生课堂行为根据两者之间的关联性进行成对划分,组成19种师生行为模式对,并定义了每种师生行为模式对所代表的学生参与度水平。然后建立了针对传统课堂教学场景的师生行为识别视频数据集,并通过基于迁移学习的时空图卷积网络（ST-GCN）实现了基于视频的课堂师生行为识别,取得了较以往基于图片的师生行为识别研究更高的识别精度。最后通过对真实传统课堂教学视频中的师生行为进行统计与分析,从理论和实践相结合的角度验证了TSBEP在传统课堂师生行为分析研究中的有效性和客观性。
其他文献
本文以教育学习理论、教育心理学为指导,采用问卷调查的方法,对江苏省张家港市乐余高级中学高一学生进行了抽样调查和分析,力求从中概括出造成农村高中化学学习成绩差异的非智力因素,并提出了相应的教育教学对策。
在古代瓷器鉴定领域,判定这个瓷器的生产年代、它的烧制窑口、它的所属类别这些问题依旧是陶瓷考古的重要内容。在古代文物的保护与研究过程中,经常会发掘出大量古代瓷器碎片,这些混杂在一起的文物碎片属于不同的类型,来自不同的器物和产自不同的年代,从而加重了碎片分类的工作量,影响了瓷器复原的速度,不便于文物的管理和保护工作。本文围绕古代瓷器碎片的自动分类问题,通过理论分析、数据集制作、方法设计与实验对比,分别
我国寒武系产有非常丰富的古生物微体化石,出现了很多与现代生物完全不同的生物种类,它们对地球上早期生命演化和寒武纪生命大爆发具有非常高的研究价值。但是由于微体化石个体微小,传统的微体化石分拣工作都是通过人工在显微镜下逐个观察挑选完成,该方式效率低下。近年来,图像识别技术在各个领域被广泛研究应用,在此背景下,将图像识别技术引入到微体化石研究工作中,无疑会提供很大的便利。针对不同场景下的微体化石识别问题
JavaScript是一种流行的、平台无关的编程语言,为了保证JavaScript程序在不同平台上的互操作性,JavaScript解释器（即引擎）的实现必须符合ECMAScript-262标准。然而,标准的频繁变动使得引擎开发者往往难以做出及时的更新,从而使JavaScript引擎出现不符合标准的行为,即一致性缺陷。一致性缺陷不但会导致正确的JavaScript脚本在运行后得出错误的结果,还有可能
书法是中国汉字特有的一种书写载体,从甲骨文、金文、隶书等逐渐发展变化出楷书、草书、行书等书法。现今,使用纸张和碑刻作为书法作品传承的载体非常不易保存。氧化、虫蛀、风蚀等自然因素和战乱、损毁等人为因素都对书法作品保存造成了非常大的影响。所以,使用现今的科学技术对中国的书法古籍和碑文等进行虚拟修复和是非常有意义的工作。在计算机视觉领域中,使用卷积神经网络进行分类和特征提取,使用生成式的神经网络进行图像
化石图像作为化石标本的信息载体,是古生物学者之间讨论古生物分类学和系统学的重要依据。准确且自动化的化石图像检索,不仅有助于古生物学者建立生物演化关系,而且有助于古生物爱好者学习古生物知识。虽然使用常规计算机图像领域的方法可以对化石图像进行自动化识别和检索,并可以有效减轻化石图像检索过程中的错误率和主观性,但是,存在两个主要的问题:一是真实的化石图像数据量不足,导致模型泛化性能低;二是化石图像中主体
人机对话（Human-Computer Dialogue）是人工智能的重要应用之一,其特点是可以自动地生成对话回复与人进行交谈,而备受研究者的关注,其目标是希望生成的对话回复语句更加多样,富有情感,贴近人类的真实对话。在对话生成领域中,研究人员开始使用Seq2Seq模型进行实现,取得了一定的进步,提高了模型的适用性,但由于对话语境的复杂性,主要存在以下缺点:模型容易生成通用回复,语句质量较低,会导
随着社会发展,数据类型愈发多样化,时间序列数据是随时间变化生成的一系列连续实值,通常在时间上存在前后关系,它的特点是数据量大、数据维度高以及随时间变化更新。对时间序列数据进行分类是数据挖掘领域重要研究内容,考虑到时间序列数据通常是在一段子序列中表现出类别之间的差异,因此shapelet作为具有较高区分度的子序列也就引起重视。基于shapelet的时间序列分类算法具备可解释性、分类速度快、分类准确率
情感分析是自然语言处理中的基本任务,属于文本意见挖掘范畴,是指对文本数据进行清洗、处理、提取相关特征并计算判断文本蕴含的情感倾向,为各项决策提供依据,被广泛应用在舆情分析、经济发展、法制建设和推荐系统等方面。大量学者对情感分析任务展开研究,已经取得了一定的成果,但仍存在一些挑战。如静态词嵌入方式由于一词多义问题致使提取的特征存在偏差;传统的卷积、循环结构的深度学习网络无法对文本整体进行处理导致特征
随着可视化技术的不断发展,越来越多的地理地质领域的可视化平台不断地进入大众的视野。这些系统的兴起和大量的应用使得越来越多的地理地质科研工作者观察及分析数据更直观,工作效率更高。随着研究的不断深入,研究对象的周期不断增加,因此会产生更大规模的地形信息,更高精度的模型实时渲染和可表达数据连续性的可视化成为了需要解决的问题。因为地形地壳的数据体量庞大,现有的可视化方法不能够高效的对大体量数据进行建模,同