课堂环境下基于多传感信息的学习注意力识别研究

Attention is one of the key factors that affect the learning efficiency in classroom. With the support of sensing technology, the convenient acquisition of individual data provides an effective way to track and obtain the changes of attention states. With focuses on measurability, identifiability and comprehensibility of learning attention, this research will involve the following three aspects: (1) Studying quantification mechanism of attention in classroom learning using wearable devices as the main means, and mine the essential features that effectively reflect the level of attention. (2) Studying the expression methods of attention in class, and the attention feature model and recognition algorithm with multiple elements are formed to improve the accuracy. (3) Studying the feedback mechanism to establish an association between the individual characteristics and learning content. Relying on actual smart classroom, conducting the typical experimental design and analytics of learning attention detection to fully verify the validity and reliability of proposed theories, approaches and technologies, and to offer valuable evaluation and feedback for further improvement. Research outcomes will be used to support data-driven analysis of learner’ internal state as key technologies for personalized teaching, which has high theoretical significance and practical value.

注意力是影响课堂学习效率的重要因素之一。在传感技术的支持下，个体数据的便捷获取为跟踪和把握注意活动的变化提供了有效途径。本项目针对课堂环境下学习注意力的识别，围绕学习注意力的可测量、可判定及可理解的关键问题，展开三方面的研究内容：1）研究课堂学习注意力的感知与量化机理，以可穿戴设备为主要手段实现注意行为的实时伴随性获取，挖掘有效反映注意力水平的要素特征；2）研究课堂学习注意力的建模与表达方法，形成多要素深度关联的注意力特征模型和识别算法，提高学习注意力识别的准确性；3）研究课堂学习注意力的反馈与干预机制，建立学习者个体特征和学习内容层面的多视图关联与应用分析系统。依托智慧教室环境，开展典型实例设计与分析，全面验证本项目所提理论、方法与技术的有效性与可靠性，并进行评估与反馈改进。研究成果有望形成数据驱动的学习者内隐状态分析关键技术，为课堂个性化教学提供支撑，具有较高的理论意义与应用价值。

注意力是影响课堂学习效率的重要因素之一。在传感技术的支持下，个体数据的便捷获取为跟踪和把握注意活动的变化提供了有效途径。本项目围绕学习注意力的可测量、可判定及可理解的关键问题，针对学习注意力的识别、建模分析与反馈干预的关键技术与方法展开一系列研究，主要研究成果如下：1）针对学习注意力的感知与量化机理，研究分析了基于传感技术的学习注意力测量方法、流程和原理，提出了基于传感数据的学习分析框架，对与学习注意力关联的行为进行有效获取和量化提供了理论基础；2）针对学习注意力的建模与表达方法，以可穿戴设备为主要手段，首先基于单模态数据，提出了一种基于光电容积脉搏波信号的特征提取及注意力识别方法；其次基于多模态数据，提出了一种基于CNN-LSTM混合网络的注意力识别算法，有效提高了学习注意力识别的准确率，增强了注意力识别方法的鲁棒性和泛化能力。最后，通过实证试验验证了模型、方法与技术的有效性与可靠性，实现了以便携式无侵入的方式进行学习注意力的有效识别。3）针对学习注意力的反馈与干预机制，建立了在线学习情境下基于脑电信号的注意力反馈和干预系统，通过实验探究了在线学习过程中反馈干预形式和标准对注意力的影响，以及在线学习环境中个性化脑电生物反馈对学习者的学业成绩、自我效能感、注意力状态和学习行为的影响，形成了学习注意力提升的策略和建议；基于符合个体认知规律的注意力水平展现方法，兼顾数据隐私与适用性，设计了慕课环境下注意力状态的有效呈现形式以及将学习注意力指标与慕课课程本身有效结合并加以分析的反馈形式，开发了基于PPG的学习注意力识别系统，实现了学习注意力的可视化。本项目完成了各项研究内容，项目的研究成果为数据驱动的学习者内隐状态分析提供了一个崭新的思路和视角，为课堂以及慕课学习环境下的个性化教学和学习提供了支撑。