如何开展深度学习驱动的多特征学生注意力评估？

近年来，深度学习驱动的学生注意力评估成为推动智慧教育变革的重要路径之一。然而，现有的学生注意力评估模型普遍存在评估维度单一、模型适应性弱、反馈不及时等问题。为此，文章首先设计了“‘人脸检测→表情识别+头部姿态估计与疲劳度检测’→学生多维度特征融合”的多特征学生注意力评估路线。之后，文章选取面部表情、头部姿态、疲劳度作为注意力评估的核心指标，实施了深度学习驱动的多特征学生注意力评估并对学生注意力进行了精准量化分析。在此基础上，文章以多特征学生注意力评估路线为指导，构建了深度学习驱动的多特征学生注意力评估模型。最后，文章利用课堂实录数据，从时序分析能力和评分准确性两个方面验证了此模型的应用效果，发现此模型能有效捕捉并精准刻画学生注意力的动态变化情况、能及时反映因认知生理机制或教学情境因素引起的注意力动态衰减规律，并且具有较高的评分准确性。文章的研究促进了教师教学的纵向延伸与学生学习方式的横向扩展，创新了“AI+教育”的融合路径。

如何开展深度学习驱动的多特征学生注意力评估？_于昊文.pdf

来源：《现代教育技术》2025年第七期