Method Article

نظام قائم على الذكاء الاصطناعي للكشف عن مستويات الانتباه لدى الطلاب

DOI:

10.3791/65931

⸱

December 15th, 2023

 ,  ,  ,  ,  ,  , 
1University Institute for Computer Research, University of Alicante, 2Department of General and Specific Didactics, University of Alicante

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تقترح هذه الورقة نظاما قائما على الذكاء الاصطناعي للكشف تلقائيا عما إذا كان الطلاب ينتبهون إلى الفصل أو مشتتون. تم تصميم هذا النظام لمساعدة المعلمين في الحفاظ على انتباه الطلاب ، وتحسين دروسهم ، وإدخال تعديلات ديناميكية حتى يكونوا أكثر جاذبية.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يمكن تحسين مستوى انتباه الطلاب في الفصل الدراسي من خلال استخدام تقنيات الذكاء الاصطناعي (الذكاء الاصطناعي). من خلال تحديد مستوى الانتباه تلقائيا ، يمكن للمدرسين استخدام استراتيجيات لاستعادة تركيز الطلاب. يمكن تحقيق ذلك من خلال مصادر مختلفة للمعلومات.

أحد المصادر هو تحليل المشاعر المنعكسة على وجوه الطلاب. الذكاء الاصطناعي اكتشاف المشاعر ، مثل المحايدة والاشمئزاز والمفاجأة والحزن والخوف والسعادة والغضب. بالإضافة إلى ذلك ، يمكن أن يشير اتجاه نظرة الطلاب أيضا إلى مستوى انتباههم. مصدر آخر هو مراقبة وضع جسم الطلاب. باستخدام الكاميرات وتقنيات التعلم العميق ، يمكن تحليل الموقف لتحديد مستوى الانتباه. على سبيل المثال ، قد يكون لدى الطلاب الذين يترهلون أو يستريحون رؤوسهم على مكاتبهم مستوى أقل من الاهتمام. يمكن أن توفر الساعات الذكية الموزعة على الطلاب بيانات بيومترية وغيرها ، بما في ذلك معدل ضربات القلب والقياسات بالقصور الذاتي ، والتي يمكن استخدامها أيضا كمؤشرات للانتباه. من خلال الجمع بين مصادر المعلومات هذه ، يمكن تدريب نظام الذكاء الاصطناعي لتحديد مستوى الانتباه في الفصل الدراسي. ومع ذلك ، فإن دمج الأنواع المختلفة من البيانات يشكل تحديا يتطلب إنشاء مجموعة بيانات مصنفة. يتم الرجوع إلى مدخلات الخبراء والدراسات الحالية لوضع العلامات بدقة. في هذه الورقة ، نقترح دمج هذه القياسات وإنشاء مجموعة بيانات ومصنف انتباه محتمل. لتقديم ملاحظات للمعلم ، نستكشف طرقا مختلفة ، مثل الساعات الذكية أو أجهزة الكمبيوتر المباشرة. بمجرد أن يصبح المعلم على دراية بقضايا الانتباه ، يمكنه تعديل نهج التدريس الخاص به لإعادة إشراك الطلاب وتحفيزهم. باختصار ، يمكن لتقنيات الذكاء الاصطناعي تحديد مستوى انتباه الطلاب تلقائيا من خلال تحليل عواطفهم واتجاه نظراتهم ووضعية الجسم والبيانات البيومترية. يمكن أن تساعد هذه المعلومات المعلمين في تحسين عملية التعليم والتعلم.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

في البيئات التعليمية الحديثة ، يعد التقييم الدقيق لانتباه الطلاب والحفاظ عليه أمرا بالغ الأهمية للتعليم والتعلم الفعالين. ومع ذلك ، فإن الطرق التقليدية لقياس المشاركة ، مثل الإبلاغ الذاتي أو ملاحظات المعلم الذاتية ، تستغرق وقتا طويلا وعرضة للتحيز. لمواجهة هذا التحدي ، ظهرت تقنيات الذكاء الاصطناعي (الذكاء الاصطناعي) كحلول واعدة للكشف الآلي عن الانتباه. أحد الجوانب المهمة لفهم مستويات مشاركة الطلاب هو التعرف على المشاعر1. يمكن للأنظمة الذكاء الاصطناعي تحليل تعبيرات الوجه لتحديد المشاعر ، مثل المحايد والاشمئزاز والمفاجأة والحزن والخوف والسعادة والغضب2.

اتجاه النظرة ووضعية الجسم هي أيضا مؤشرات حاس....

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يتبع البروتوكول التالي إرشادات لجنة أخلاقيات البحوث البشرية بجامعة أليكانتي برقم البروتوكول المعتمد UA-2022-11-12. تم الحصول على موافقة مستنيرة من جميع المشاركين لهذه التجربة ولاستخدام البيانات هنا.

1. الأجهزة والبرامج وإعداد الفصل

  1. قم بتعيين جهاز توجيه بإمكانيات WiFi (تم إجراء التجارب باستخدام DLink DSR 1000AC) في الموقع المطلوب بحيث يغطي نطاقه الغرفة بأكملها. هنا ، تمت تغطية 25 م2 فصول دراسية مع 30 طالبا.
  2. قم بتعيين ساعة ذكية واحدة (هنا Samsung Galaxy Smartwatch 5) وكاميرا واحدة (هنا كاميرات Logitech C920) لكل موقع طالب. قم بتعيين جهاز مضمن واحد لكل طالبين. ثبت كاميرتين على حاملين ثلاثي القوائ....

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

الفئة المستهدفة من هذه الدراسة هي طلاب البكالوريوس والماجستير ، وبالتالي فإن الفئة العمرية الرئيسية تتراوح بين 18 و 25 عاما. تم اختيار هذه الفئة من السكان لأنهم يستطيعون التعامل مع الأجهزة الإلكترونية مع عدد أقل من عوامل التشتيت مقارنة بالطلاب الأصغر سنا. في المجموع ، ضمت المجموعة 25 شخصا. يمكن أن توفر هذه الفئة العمرية النتائج الأكثر موثوقية لاختبار الاقتراح.

نتائج مستوى الانتباه الموضح للمعلم لها 2 أجزاء. يعرض الجزء أ من النتيجة معلومات فردية حول مستوى الانتباه الحالي لكل طالب. يهدف الجزء ب .......

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يقدم هذا العمل نظاما يقيس مستوى انتباه الطالب في الفصل الدراسي باستخدام الكاميرات والساعات الذكية وخوارزميات الذكاء الاصطناعي. يتم تقديم هذه المعلومات لاحقا إلى المعلم حتى يكون لديهم فكرة عن الحالة العامة للفصل.

تتمثل إحدى الخطوات الرئيسية الحاسمة للبروتوكول في مزامنة معلومات الساعة الذكية مع صورة الكاميرا الملونة ، حيث أن لها ترددات مختلفة. تم حل ذلك عن طريق نشر التوت كخوادم تتلقى معلومات من الساعة الذكية والكاميرات مع الطوابع الزمنية الخاصة بها وإجراء مطابقة تقريبية لهذه المعلومات. أخيرا ، ي.......

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يعلن المؤلفون أنه ليس لديهم مصالح مالية متنافسة معروفة أو علاقات شخصية يمكن أن يبدو أنها تؤثر على العمل المذكور في هذه الورقة.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تم تطوير هذا العمل بتمويل من Programa Prometeo ، معرف المشروع CIPROM / 2021/017. البروفيسورة روزابيل رويج هي رئيسة اليونسكو "التربية والبحوث والشمول الرقمي".

....

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
4 وحدات معالجة الرسومات  Nvidia A40 AmpereNVIDIATCSA40M-PBGPU لخادم معالجة النموذج المركزي
FusionServer 2288H V5X-Fusion02311XBKالنظام الأساسي الذي يتضمن مصدر الطاقة واللوحة الأم لخادم معالجة النموذج المركزي
بطاقة الذاكرة Evo Plus 128 جيجابايتبطاقة ذاكرة SamsungMB-MC128KA / EUلتشغيل Raspberry Pi 4b 2GB.  واحد لكل توت العليق. 
ذاكرة الوصول العشوائي NEMIX - 512 جيجابايت كيت DDR4-3200 PC4-25600 8Rx4 EC NEMIXM393AAG40M32-CAERAM لخادم معالجة النموذج المركزي
معالج Intel Xeon Gold 6330معالج IntelCD8068904572101لخادم معالجة النموذج المركزي
Raspberry PI 4B 2GBRaspberry1822095خادم محلي يتلقى الطلبات من الساعات ويرسلها إلى الخادم العام. واحد من كل طالبين.
ساعة سامسونج جالاكسي 5 (40 ملم)ساعة سامسونجSM-R900NZAAPHEالتي تراقب نشاط كل طالب. لكل طالب. 
Samsung MZQL23T8HCLS-00B7C PM9A3 3.84Tb Nvme U.2 PCI-Express-4 x4 2.5 بوصة SSDSamsungMZQL23T8HCLS-00B7Cالتخزين الداخلي لخادم معالجة النموذج المركزي
WebCam HD Pro C920 كاميرا ويب FullHDLogitech960-001055كاميرا ويب HD. واحد لكل طالب بالإضافة إلى اثنان لوضعيات الطلاب.

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Hasnine, M. N., et al. Students' emotion extraction and visualization for engagement detection in online learning. Procedia Comp Sci. 192, 3423-3431 (2021).
  2. Khare, S. K., Blanes-Vidal, V., Nadimi, E. S., Acharya, U. R.

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Artificial IntelligenceAttention DetectionStudent EngagementEmotion RecognitionBody Pose EstimationGaze DirectionBiometric Data AnalysisDeep LearningSmartwatch MonitoringClassroom Analytics

Related Articles