A complex dynamical system approach to student engagement
Notice bibliographique
Résumé
Multimodal data analysis has been approached through three main avenues: (1) joint effect approach, (2) triangulation approach, and (3) separate latent construct approach. While these approaches have advanced our understanding of the learning process, they fail to capture its dynamic and emergent nature. This study examines multimodal data through the lens of complex dynamical system (CDS) approach. We investigated whether a CDS approach could provide unique insights into predicting and understanding cognitive engagement during learning. The participants comprised 61 third-year medical students (47.5 % females). From a CDS perspective, we analyzed eye gaze, head pose, and facial action units of participants engaged in an interactive learning environment. We found that specific parameters of eye gaze, head pose, and facial expressions significantly predicted cognitive engagement levels. Network density was also identified as a significant predictor of cognitive engagement. Notably, network density explained a greater proportion of the variation in cognitive engagement compared to any other individual variable considered. Additionally, we found that students in the low engagement group demonstrated consistently weak but stable interconnections among behavioral indicators, while the high engagement group displayed tightly clustered interaction patterns among variables. These findings highlight the added value of a CDS approach for modeling the dynamic complexity of cognitive engagement. This study represents a significant step in rethinking the research agenda in multimodal learning analytics. Methodologically, this study demonstrates the potential of CDS-based analytical techniques for gaining insights into physiological and psychological processes underlying engagement and learning. • We synthesize three motives for analyzing multimodal data about learning. • This study introduces a novel approach for analyzing multimodal data of engagement. • We analyzed eye gaze, head pose, and facial action units from 62 students. • A complex dynamical system approach provides additional insights into engagement. • This study contributes significantly to the field of multimodal learning analytics.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».