研究人员开发了一个多模态框架,用于预测在线学习环境中的学生参与度,解决了多维度参与状态和高个体差异的挑战。该系统整合了来自视频、音频和图像编码器的时空特征以及头部姿态、注视和面部动作单元等行为数据。它利用 Perceiver IO 瓶颈并对学生和教师的个性进行建模,以改进跨参与者的池化,并采用证据回归和高斯过程分类进行不确定性感知预测。 AI
影响 这项研究可能带来更有效、更校准的个性化在线教育AI工具。
排序理由 该集群包含一篇学术论文,详细介绍了用于在线学习参与度预测的新多模态框架。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →