上传者: 38526208
|
上传时间: 2021-12-23 13:32:23
|
文件大小: 1018KB
|
文件类型: -
在线学习每年都在Swift增长。 但是,有一些因素与传统的课堂学习方法不同。 在在线学习中,教师(主持人)无法一次监视每个学生(参与者),这在课堂学习中是可能的。 因此,难以识别学习者的注意力。 本文提出了一种深度学习方法,用于在边缘计算中使用卷积神经网络检测学习者的注意力水平。 另外,跟踪浏览器的活动以进一步识别学习者的注意力水平。 神经网络将学生的注意力分类为四个不同类别之一,即高度专心,专心,不太专心和至少专心。 此关注级别是在边缘设备上计算的,并且仅最终输出发送到服务器。 结果,消耗了少量的带宽并且尊重了用户的隐私。 使用“电子环境中的情感状态数据集”(DAiSEE)对CNN模型进行了训练。 在实验过程中,有效的系统精度达到了84.1%。