MétaCan
Menu
Retour à la cohorte
Enregistrement W4386803116 · doi:10.23977/acss.2023.070711

Analysis of Spatiotemporal Characteristics of Student Concentration Based on Emotion Evolution

2023· article· en· W4386803116 sur OpenAlexvenueno aff
Tieming Xiang, Hongjian Ji, Jing Sheng

Notice bibliographique

RevueAdvances in Computer Signals and Systems · 2023
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCentroidWilcoxon signed-rank testDimension (graph theory)Reliability (semiconductor)CorrelationCorrelation coefficientComputer scienceStatisticsTransmission (telecommunications)Artificial intelligenceMathematicsMann–Whitney U testPhysics

Résumé

récupéré en direct d'OpenAlex

Detecting the concentration of students in the classroom can help teachers quickly understand the participation and activity of students. However, the concentration of students has complex spatiotemporal distribution and evolution laws, which is challenging to identify and quantify. This paper proposes a novel student concentration evaluation method based on emotional evolution and virus transmission, which analyzes the spatiotemporal characteristics of concentration. The research contents are as follows: (1) A visual emotion classification method based on deep learning algorithm is developed to identify and quantify the emotion changes of each student. (2) On the basis of quantification results of emotion, the concentration index model with introducing the theory of virus transmission is established and further used to explore the spread of student concentration in spatiotemporal dimensions. (3) The Wilcoxon rank sum test (RST) is used to verify the difference of the results calculated by concentration index model in different semesters, and the reliability of the model can be reflected by the Pearson correlation coefficient between the centroid of the spatiotemporal distribution of concentration and final exam results. The experiments of 64 offline courses have been carried out in a same class for two semesters, and the results show that the concentration of student in the spatial dimension can be affected by negative and positive emotions from different regions, while in the temporal dimension, the high concentration level will decrease with increase of course time, and the generation speed of this phenomenon will be further exacerbated after coupling the spatial factors.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,134
Tête enseignante GPT0,410
Écart entre enseignants0,276 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Computer Signals and SystemsMême sujetCOVID-19 epidemiological studiesTravaux en français237 207