Sistema baseado em inteligência artificial para detectar níveis de atenção em alunos

Summary

Este artigo propõe um sistema baseado em inteligência artificial para detectar automaticamente se os alunos estão prestando atenção na aula ou se estão distraídos. Este sistema foi projetado para ajudar os professores a manter a atenção dos alunos, otimizar suas aulas e introduzir modificações dinamicamente para que sejam mais envolventes.

Abstract

O nível de atenção dos alunos em sala de aula pode ser melhorado por meio do uso de técnicas de Inteligência Artificial (IA). Ao identificar automaticamente o nível de atenção, os professores podem empregar estratégias para recuperar o foco dos alunos. Isso pode ser alcançado por meio de várias fontes de informação.

Uma fonte é analisar as emoções refletidas nos rostos dos alunos. A IA pode detectar emoções, como neutro, nojo, surpresa, tristeza, medo, felicidade e raiva. Além disso, a direção do olhar dos alunos também pode indicar seu nível de atenção. Outra fonte é observar a postura corporal dos alunos. Usando câmeras e técnicas de aprendizado profundo, a postura pode ser analisada para determinar o nível de atenção. Por exemplo, os alunos que estão curvados ou descansando a cabeça em suas carteiras podem ter um nível mais baixo de atenção. Os smartwatches distribuídos aos alunos podem fornecer dados biométricos e outros, incluindo frequência cardíaca e medições inerciais, que também podem ser usados como indicadores de atenção. Ao combinar essas fontes de informação, um sistema de IA pode ser treinado para identificar o nível de atenção na sala de aula. No entanto, a integração dos diferentes tipos de dados representa um desafio que requer a criação de um conjunto de dados rotulado. A contribuição de especialistas e os estudos existentes são consultados para uma rotulagem precisa. Neste artigo, propomos a integração de tais medições e a criação de um conjunto de dados e um potencial classificador de atenção. Para fornecer feedback ao professor, exploramos vários métodos, como smartwatches ou computadores diretos. Uma vez que o professor se conscientize dos problemas de atenção, ele pode ajustar sua abordagem de ensino para reengajar e motivar os alunos. Em resumo, as técnicas de IA podem identificar automaticamente o nível de atenção dos alunos, analisando suas emoções, direção do olhar, postura corporal e dados biométricos. Essas informações podem auxiliar os professores na otimização do processo de ensino-aprendizagem.

Introduction

Em ambientes educacionais modernos, avaliar com precisão e manter a atenção dos alunos é crucial para um ensino e aprendizagem eficazes. No entanto, os métodos tradicionais de medir o engajamento, como autorrelato ou observações subjetivas do professor, são demorados e propensos a vieses. Para enfrentar esse desafio, as técnicas de Inteligência Artificial (IA) surgiram como soluções promissoras para detecção automatizada de atenção. Um aspecto significativo da compreensão dos níveis de engajamento dos alunos é o reconhecimento de emoções¹. Os sistemas de IA podem analisar expressões faciais para identificar emoções, como neutro, nojo, surpresa,....

Protocol

O protocolo a seguir segue as diretrizes do comitê de ética em pesquisa com seres humanos da Universidade de Alicante com o número de protocolo aprovado UA-2022-11-12. O consentimento informado foi obtido de todos os participantes para este experimento e para usar os dados aqui.

1. Configuração de hardware, software e classe

1. Defina um roteador com recursos WiFi (os experimentos foram realizados usando um DLink DSR 1000AC) no local desejado para que seu alcance cubra toda a sala. Aqui, foram cobertas salas de aula de 25 m² com 30 alunos.
2. Defina um smartwatch (aqui Samsung Galaxy Smartwatch 5) e....

Results

O público-alvo deste estudo são estudantes de graduação e mestrado, portanto, a principal faixa etária está entre 18 e 25 anos. Essa população foi selecionada porque pode lidar com dispositivos eletrônicos com menos distrações do que os alunos mais jovens. No total, o grupo incluiu 25 pessoas. Essa faixa etária pode fornecer os resultados mais confiáveis para testar a proposta.

Os resultados do nível de atenção mostrado ao professor têm 2 partes. A parte A do resultado mostra informações indiv.......

Discussion

Este trabalho apresenta um sistema que mede o nível de atenção de um aluno em sala de aula usando câmeras, smartwatches e algoritmos de inteligência artificial. Essas informações são posteriormente apresentadas ao professor para que ele tenha uma ideia do estado geral da turma.

Uma das principais etapas críticas do protocolo é a sincronização das informações do smartwatch com a imagem da câmera colorida, pois estas possuem frequências diferentes. Isso foi resolvido implantando framboesas como .......

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
4 GPUs  GPU NVIDIA TCSA40M-PB Nvidia A40 Ampere			para servidor de processamento de modelo centralizado
FusionServer 2288H V5	X-Fusion	02311XBK	Plataforma que inclui fonte de alimentação e placa-mãe para servidor de processamento de modelo centralizado
Cartão de memória Evo Plus 128 GB	Samsung	MB-MC128KA/EU	Cartão de memória para a operação do raspberry pi 4b 2gb.  Um para cada framboesa.
RAM NEMIX - 512 GB Kit DDR4-3200 PC4-25600 8Rx4 EC	NEMIX	M393AAG40M32-CAE	RAM para servidor de processamento de modelo centralizado
Processador Intel Xeon Gold 6330	Intel	CD8068904572101	para servidor de processamento de modelo centralizado
Raspberry PI 4B 2GB	Raspberry	1822095	Servidor local que recebe solicitações dos relógios e as envia para o servidor geral. Um a cada dois alunos.
Samsung Galaxy Watch 5 (40mm)	Relógio Samsung	SM-R900NZAAPHE	que monitora a atividade de cada aluno. Para cada aluno.
Samsung MZQL23T8HCLS-00B7C PM9A3 3.84Tb Nvme U.2 PCI-Express-4 x4 2.5 polegadas Ssd Samsung		MZQL23T8HCLS-00B7C	Armazenamento interno para servidor de processamento de modelo centralizado
WebCam HD Pro C920 Webcam FullHD	Logitech	960-001055	Webcam HD. Um para cada aluno mais dois para poses de estudante.