Core Concepts
실제 협력 학습 환경에서 학생 그룹 탐지, 학생 얼굴 인식, 동적 참여 추적을 통해 학생 참여를 효과적으로 평가할 수 있다.
Abstract
이 논문은 실제 협력 학습 환경에서 학생 참여를 평가하기 위한 데이터셋과 방법을 개발했다. 협력 학습 환경에서 학생들은 자유롭게 움직일 수 있어 강한 자세 변화, 카메라 화면 출입, 카메라를 향하지 않는 문제가 발생한다.
이를 해결하기 위해 두 가지 하위 문제를 제시했다: (i) 강한 배경 간섭에 대한 학생 그룹 탐지, (ii) 그룹 내 동적 참여자 추적. 12,518,250개의 학생 레이블 인스턴스, 총 21시간 22분의 실제 동영상으로 구성된 대규모 독립 테스트 데이터셋을 사용했다. 제안 방법은 YOLO보다 우수한 성능을 보였다.
동적 참여자 추적 시스템을 개발하여 장기 동영상 세션에서 학생 그룹 참여를 평가했다. 제안 방법은 35개 테스트 동영상 중 1개를 제외하고 학생을 놓치지 않았지만, 최신 방법은 14개 동영상에서 학생 추적에 실패했다. 제안 방법은 실제 협력 동영상에서 82.3%의 정확도를 달성했다.
Stats
제안 방법은 전체 데이터셋에서 F1 점수 0.85를 달성했으며, YOLO는 0.80을 달성했다.
제안 방법은 35개 테스트 동영상 중 1개에서만 실패했지만, 최신 방법은 14개 동영상에서 실패했다.
제안 방법은 실제 협력 동영상에서 82.3%의 정확도를 달성했다.
Quotes
"실제 협력 학습 환경에서 학생 그룹 탐지, 학생 얼굴 인식, 동적 참여 추적을 통해 학생 참여를 효과적으로 평가할 수 있다."
"제안 방법은 전체 데이터셋에서 F1 점수 0.85를 달성했으며, YOLO는 0.80을 달성했다."
"제안 방법은 35개 테스트 동영상 중 1개에서만 실패했지만, 최신 방법은 14개 동영상에서 실패했다."
"제안 방법은 실제 협력 동영상에서 82.3%의 정확도를 달성했다."