Core Concepts
MOOC 학습 시나리오에서 비디오 의미 정보와 생리학적 신호를 융합하여 학습자의 감정 상태를 효과적으로 인식할 수 있다.
Abstract
이 연구는 MOOC 학습 시나리오에서 학습자의 감정 상태 인식을 위해 비디오 의미 정보와 생리학적 신호를 융합하는 다중 모달 감정 인식 방법을 제안한다.
먼저, 대규모 언어 모델을 사용하여 교육 동영상의 의미 정보를 생성하고 추출한다. 그 다음, 눈동자 움직임과 PPG 신호와 같은 생리학적 신호와 비디오 의미 정보를 교차 주의 메커니즘을 통해 융합한다. 이를 통해 세 가지 모달리티의 중요 정보를 포함하는 특징을 얻을 수 있다. 마지막으로, 융합된 특징을 감정 분류기에 입력하여 학습자의 감정 상태를 인식한다.
실험 결과, 제안된 방법은 기존 방법에 비해 감정 인식 성능을 14% 이상 향상시켰다. 또한 공개 데이터셋에서도 우수한 일반화 성능을 보였다. 이는 교육 동영상의 의미 정보가 학습자의 감정 상태에 중요한 영향을 미치며, 제안된 방법이 MOOC 학습 시나리오에서 효과적인 감정 인식을 제공할 수 있음을 보여준다.
Stats
MOOC 학습 시나리오에서 학습자의 감정 상태는 교육 동영상의 의미 정보와 밀접한 관련이 있다.
교육 동영상의 의미 정보는 학습자의 감정 상태에 직접적인 영향을 미친다.
Quotes
"MOOC 학습 시나리오에서 학습자의 감정 상태는 교육 동영상의 의미 정보와 밀접한 관련이 있다."
"교육 동영상의 의미 정보는 학습자의 감정 상태에 직접적인 영향을 미친다."