發(fā)布時間：2021-04-10 14:50

　　學生課堂行為表現(xiàn)是課堂教學評價的重要組成部分,而進行學生課堂行為識別對課堂教學評價有重要意義。文章提出了基于人體骨架和深度學習的學生課堂行為識別方法,即通過提取學生行為圖像的人體骨架關鍵信息,結(jié)合一個10層的深度卷積神經(jīng)網(wǎng)絡（CNN-10）來識別學生的課堂行為。為驗證此方法的有效性,文章使用CNN-10和學生課堂行為識別方法,在學生課堂行為數(shù)據(jù)集上進行了對比實驗。實驗結(jié)果表明,學生課堂行為識別方法可有效排除學生體態(tài)、著裝、教室背景等無關信息的干擾,突出關鍵有效信息,具有更高的識別準確率與泛化能力。使用基于人體骨架和深度學習的學生課堂行為識別方法識別學生典型的課堂行為,能及時、有效地反映學生的學習狀態(tài),并幫助教師精準掌握學生的課堂學情,從而助力智能化課堂教學。 

【文章來源】：現(xiàn)代教育技術. 2020,30(11)北大核心CSSCI

【文章頁數(shù)】：8 頁

【部分圖文】：

Open Pose識別的人體骨架圖

進行學生課堂行為識別的CNN-10

本研究設計了基于人體骨架信息和深度學習的行為識別流程，如圖3所示。第一步，采集學生課堂行為數(shù)據(jù)，具體包含7種學生課堂行為的圖像與標簽。第二步，提取人體骨架信息，即利用Open Pose，獲取學生課堂行為圖像的人體骨架圖像信息——首先，有效排除學生的體態(tài)、穿著、教室背景等干擾因素；然后，使人體骨架圖像在保持大小不變的情況下分離出背景信息；最后，僅保留人體骨架信息。第三步，進行訓練與測試，是指將獲得的人體骨架圖像輸入到搭建好的深度卷積神經(jīng)網(wǎng)絡CNN-10中進行訓練和測試。(2)CNN-10的網(wǎng)絡結(jié)構

【參考文獻】：
期刊論文
[1]基于深度學習的學生課堂行為識別[J]. 魏艷濤,秦道影,胡佳敏,姚璜,師亞飛.  現(xiàn)代教育技術. 2019(07)
[2]基于殘差網(wǎng)絡的學生課堂行為識別[J]. 蔣沁沂,張譯文,譚思琪,楊耀祖.  現(xiàn)代計算機. 2019(20)
[3]基于深度學習的學生課堂異常行為檢測與分析系統(tǒng)[J]. 廖鵬,劉宸銘,蘇航,李啟芳,韓延巾.  電子世界. 2018(08)
[4]卷積神經(jīng)網(wǎng)絡研究綜述[J]. 周飛燕,金林鵬,董軍.  計算機學報. 2017(06)
[5]改進型弗蘭德斯互動分析系統(tǒng)及其應用[J]. 方海光,高辰柱,陳佳.  中國電化教育. 2012(10)
[6]支持教師專業(yè)發(fā)展的課堂分析技術新探索[J]. 顧小清,王煒.  中國電化教育. 2004(07)

碩士論文
[1]課堂學習行為測量系統(tǒng)的設計與實現(xiàn)[D]. 張鴻宇.華中科技大學 2016



本文編號：3129835