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

【文章來源】：現(xiàn)代教育技術(shù). 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(jìn)行學(xué)生課堂行為識別的CNN-10

本研究設(shè)計了基于人體骨架信息和深度學(xué)習(xí)的行為識別流程，如圖3所示。第一步，采集學(xué)生課堂行為數(shù)據(jù)，具體包含7種學(xué)生課堂行為的圖像與標(biāo)簽。第二步，提取人體骨架信息，即利用Open Pose，獲取學(xué)生課堂行為圖像的人體骨架圖像信息——首先，有效排除學(xué)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(jìn)行訓(xùn)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(luò)CNN-10中進(jìn)行訓(xùn)練和測試。(2)CNN-10的網(wǎng)絡(luò)結(jié)構(gòu)

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的學(xué)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(shù). 2019(07)
[2]基于殘差網(wǎng)絡(luò)的學(xué)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(jī). 2019(20)
[3]基于深度學(xué)習(xí)的學(xué)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(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計算機(jī)學(xué)報. 2017(06)
[5]改進(jìn)型弗蘭德斯互動分析系統(tǒng)及其應(yīng)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(shù)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(xué)習(xí)行為測量系統(tǒng)的設(shè)計與實(shí)現(xiàn)[D]. 張鴻宇.華中科技大學(xué) 2016



本文編號：3129835