共查询到20条相似文献,搜索用时 46 毫秒
1.
学习者的面部表情是教师获得教学反馈信息的重要来源之一。表情识别利用计算机识别人脸表情,了解人的心理状态;视线跟踪则根据眼睛的特征和位置来判别注视的区域。二者的结合可以较好地弥补远程学习者对学习内容的表情反馈信息缺失方面的不足。但国内尚未查到将表情识别与视线跟踪相结合作为表情反馈信息收集方法的公开文献。为此,文中提出基于表情识别和视线跟踪技术的智能教学系统结构模型;构建学习相关表情库的方案;并设计表情识别与视线跟踪相结合获取反馈信息的技术框架。 相似文献
2.
3.
采用情感计算和Web3D技术创建具有交互性、沉浸感的虚拟学习环境,能够更好地发挥网络远程教育的优势,能有效地提高学习者的网络在线学习效果。本文在简要介绍虚拟学习环境的结构特性的基础上,分析了其实现过程中所涉及的主要技术,包括情感计算技术中的人脸表情识别以及Web3D技术中的VRML建模语言,并进一步探讨了实现的具体方法。 相似文献
4.
5.
人工智能物联网(AIoT)作为新的物联网应用形态在越来越多的领域得到应用。教室作为学生的重要学习场所,其环境影响着学生的学习效率。为了更好地掌握学生学习状态,运用人工智能、物联网等技术,给出了一种基于AIoT技术的智慧教室监控平台。平台可以实现对教室环境的监测,同时基于YOLOv5目标检测算法实现学生面部表情识别,结合教室环境和学生面部表情数据,辅助诊断学生学习状态。平台测试效果良好,可在一定程度上减轻教师工作强度,提高工作效率,并为建设智慧教室提供一定的思路。 相似文献
6.
詹泽慧 《现代远程教育研究》2013,(5):100-105
情感与认知状态的准确识别是实现远程学习者与教学Agent有效互动的基础。只有有效识别出学习者的情感与认知状态,教学Agent在改变学习者行为态度、帮助学习者获取和理解知识、支持学习者认知发展方面才能取得预期的效果。现有的教学Agent普遍存在两方面问题:一是缺乏情感交互性,容易使远程学习者产生厌倦情绪;二是认知推断功能薄弱,对学习效果的促进作用不稳定。这主要是由于Agent对学习者状态的识别不够充分造成的。已有的学习者状态识别方法虽然在学习者情绪状态的识别方面各有优势,但却无法同时检测学习者的视域、学习情绪与认知状态。学习者的眼动追踪数据是判断学习者实时状态的重要指标,也是学习者与Agent进行情感交互的重要依据。结合表情识别和眼动追踪技术构建的基于智能Agent的远程学习者情感与认知识别模型,将眼动追踪与表情监控迭代识别、情感与认知识别过程相耦合,以提高远程学习者状态的识别准确率,改进Agent对学习者的情感和认知支持,为智能教学Agent与远程学习者交互机制的研究提供新的思路和方法。 相似文献
7.
8.
梁利亭 《晋城职业技术学院学报》2020,13(2):40-44
传统的课堂教学评价往往效率低下,并带有较强的主观性。针对传统课堂评价中存在的不足,结合深度学习技术,在CNN模型基础上建立起适合课堂场景的人脸检测和表情识别模型,得到比较准确的人脸特征,接着使用朴素贝叶斯分类器对得到的人脸特征进行分类和评价,然后研究面部特征与课堂质量之间的关系,最后建立起基于人脸检测和表情识别的课堂评价规则。实验数据表明,本研究可以作为课堂教学评价的重要参考指标。 相似文献
9.
人脸表情是人类交流的一种重要的沟通方式,面部表情的识别有着广泛的应用领域,主要包括了人脸检测、表情特征提取和表情分类这3个关键环节。介绍了支撑向量机的基本原理,认为因其强大的分类能力,已被成功应用到人脸检测、人脸的姿态估计、人脸识别和语音情感识别中,且实验表明在表情识别方面亦能取得较高的识别率。 相似文献
10.
11.
为了在智慧学习环境下实现自适应情感交互,文章首先构建了基于学习者情感的学习画面情感自适应调整模型,并依托此模型开发了原型系统。随后,文章以济南市X中学的98名学生为研究对象,采用准实验研究法,通过学习者情感所占比例分析和问卷数据统计分析,验证了文章提出的假设成立,即智慧学习环境下学习画面情感自适应调整能够提高学习过程中学习者积极情感所占的比例,并能激发学习者的学习兴趣。在智慧学习环境下自适应调整学习画面情感,为解决智慧学习环境情感层面的自适应交互问题提供了新的思路与方法。 相似文献
12.
为研究大学生“情感缺失”问题,了解大学生在线学习时的情感状态,帮助教师智能化教学和学生个性化学习,文章融合大学生在线学习平台的课程评论、学习时的面部表情和姿态动作,运用深度学习方法,构建基于上下文增强的Bi-LSTMFN情感分析模型。模型包括4个部分,即上下文特征表示、跨模态信息交互、多模态信息融合和情感识别。该模型可以识别大学生在线学习时的情感状态,帮助教师改进教学策略,提高教师教学效果和学生自主学习能力。 相似文献
13.
冀春花 《读与写:教育教学刊》2013,(8):237
本文基于幼师视角,探讨了幼师如何运用面部表情来激发幼儿的情感认识。文章剖析了情感体验与幼儿成长的关联,并全面论述了幼师面部表情在幼教中的应用策略。 相似文献
14.
15.
人脸表情识别是当前计算机视觉、模式识别、人工智能等领域的热点研究课题。它是智能人机交互技术中的一个重要组成部分,近年来得到广泛的关注,不同领域的研究者提出了许多新方法。本文综述了国内外近年来人脸表情识别技术的最新发展状况,对人脸表情识别系统所涉及到的关键技术:人脸表情特征提取和人脸表情分类,分别做了详细分析和归纳。最后,总结了人脸表情识别的研究现状,并指出了其未来的发展方向。 相似文献
16.
姚娟 《佳木斯教育学院学报》2012,(3):250-250
教学效果影响着教学质量,判断课堂教学效果的方法也有很多。本文重点研究了教学效果与情感的关系,说明可以通过观察师生的表情对教师教学效果进行评价,为实现基于情感识别技术的教学评价系统提供了理论基础。 相似文献
17.
18.
情感是影响学习者认知和行为的关键性非智力因素。准确分析、识别学习者的情感状态,对教育的个性化、智能化发展尤为重要,它是情感计算的重要内容,已经成为人工智能和教育领域的交叉研究热点。学习体验文本是学习者情感分析的主要数据来源。面向学习体验文本,是在完善基础词典和情感词典的基础上,提出一种融合情感词典和机器学习的学习者情感分析模型,能够实现对段落级/篇章级学习体验文本的多级情感分类,从而挖掘学习者内隐的情绪状态。为了检验模型的有效性,采用宏平均指标全面评估情感分析模型的整体分类性能。研究结果表明:选择情感词特征和句子构成特征、采用SVM分类器时,该模型能够准确识别学习体验文本中的学习者情感;模型不仅为学习者多级情感分析提供新的研究思路,而且也为深入挖掘学习行为、改善在线教育的学情分析等,提供了技术支撑。这一研究结果,有助于进一步把握模型的应用前景、面临的问题和挑战等,并提出了相关建议。 相似文献
19.
面部表情识别是计算机视觉热门领域。表情识别技术使得计算机能够理解人类的情绪,具有广阔应用前景。针对基于传统机器学习和深度学习的表情识别方法进行研究,首先归纳表情识别领域常用的公开数据集;然后从传统的机器学习和深度学习角度介绍表情识别基本流程与常见方法;最后指出表情识别领域存在的问题,并对未来可能的发展方向进行了总结。 相似文献