Análise do Comportamento de Aprendizagem em Sala de Aula com Base em Aprendizado Profundo

Neste trabalho, estudamos a análise do comportamento de aprendizagem para avaliação automática do ensino em sala de aula. Definimos cinco comportamentos de aprendizagem em sala de aula, incluindo ouvir, fadiga, levantar a mão, lateral e ler-escrever, e construímos um conjunto de dados de comportamento de aprendizagem em sala de aula chamado ActRec-Classroom, que inclui cinco categorias com um total de 5.126 imagens. Com o auxílio de uma rede neural convolucional (CNN), propomos uma estrutura de sistema de análise do comportamento de aprendizagem em sala de aula. Primeiramente, usamos Faster R-CNN para detectar o corpo humano. Em seguida, usamos OpenPose para extrair pontos-chave do esqueleto humano, rostos e dedos. Por fim, um classificador baseado em CNN é projetado para reconhecimento de ações. Experimentações extensivas validam o sistema proposto. A precisão da validação alcança em média 92,86%, e atende à necessidade de análise do comportamento de aprendizagem no ambiente de ensino em sala de aula real.