В настоящее время онлайн-курсы являются эффективным методом передачи знаний. Они быстро развиваются и способствуют обучению различными способами. Это позволяет студентам учиться в любое время, в любом месте. Эти учебные материалы предоставляются в системах онлайн-обучения, которые превращают общество в вездесущий образовательный институт. Чтобы улучшить этот опыт, мы могли бы обучить модели персонализировать тактику обучения в соответствии с внимательностью пользователя.
В настоящее время единственная оценка основана на активной обратной связи со студентами. Вместо этого мы можем анализировать видеопоток студента во время лекций и извлекать визуальные особенности, чтобы проверить проблему внимания студентов. Мы можем использовать фильтры для извлечения особенностей глаз, чтобы помочь в создании классификатора. Затем эти результаты можно использовать, чтобы увидеть, в течение какого времени учащийся кажется незаинтересованным, и предоставить подходящие результаты, например, задать больше вопросов, спросить, пропустить ли эту конкретную часть.
Несколько способов, которыми мы можем построить классификатор:
- Обнаружение лиц: мы должны определить, есть ли лицо на изображении, видео.
- Обнаружение лицевых точек: используйте различные лицевые точки, чтобы собрать больше данные об эмоциях.
- Обнаружение глаз: обнаружение глаз, извлечение изображений глаз для дальнейшей помощи в классификации.
- Классификация состояния глаз: мы можем классифицировать состояния глаз, такие как: отсутствующий, сонный, внимательный.
Для указанных классификаций мы можем обратиться к набору данных об эмоциях лица FER-2013.
Мы также можем включить подробную форму обратной связи, которая поможет настроить классификатор. Если это будет реализовано, то это изменит весь опыт онлайн-обучения, сделав его более личным и динамичным.
