A Deep Image Recognition-Based Automatic Evaluation Method for English Speaking Interaction Behaviors Enhanced by Attention Mechanisms
Notice bibliographique
Résumé
Against the backdrop of globalization and the rapid advancement of intelligent education, English speaking interaction ability has become a core competence in international communication.Traditional manual evaluation methods suffer from low efficiency and strong subjectivity, making them inadequate for large-scale, objective assessments.Therefore, research on automatic evaluation methods for English speaking interaction behaviors is of significant practical importance.Current studies often rely solely on audio features, overlooking critical visual cues such as facial expressions and body movements, which results in incomplete assessments.While some approaches attempt to incorporate visual information, traditional image recognition models struggle to capture key features in complex interactive scenarios and lack effective mechanisms for integrating multidimensional features.To address these challenges, this study proposes an automatic evaluation method for English speaking interaction behaviors by integrating attention mechanisms with deep image recognition.The core contributions of this research are twofold: (1) the development of an interaction behavior recognition model based on an optimized attention mechanism, which consists of a global feature branch for holistic image feature extraction, an improved window-based attention branch for focusing on local key regions, and an enhanced channel attention branch for reinforcing important feature channels; (2) the design of an automatic evaluation framework that utilizes the accurately extracted features from the recognition model in conjunction with established speaking interaction assessment criteria to perform comprehensive evaluations.The innovations of this study lie in: (a) the proposed multi-branch attention model that enables precise extraction of global, local, and channel-specific features, overcoming the limitations of traditional models in feature representation; and (b) the deep integration of visual recognition with evaluation logic, establishing a complete technical pipeline from feature extraction to final assessment.This method significantly enhances the objectivity and accuracy of evaluations and offers a novel solution for intelligent spoken English assessment in the education domain.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».