首页 > 新闻中心 > 公司动态

广州链基课堂专注度分析系统首次亮相荧幕
作者:链基智能 发表时间:2019-07-04 15:30 来源:链基智能

        据2019年7月1日珠江新闻报道,这段时间好多家长和学生都忙着填报志愿,当然都在考虑以后哪个专业比较好就业。根据教育部公布的 2018年度普通高等学校本科专业备案和审批结果的通知,增加审批本科的专业是达到241个。其中人工智能成为最火的新专业,《教育部公布的 2018年度普通高等学校本  科专业备案和审批结果》的通知,全国有35所高校新增人工智能专业,并且会在今年开始招生。华南师范大学是广东省仅有的国家首批人工智能本科生资格的学校,看下记者谭兆麟的报道


 

       华南师范大学计算机学院人工智能朱佳教授兼链基智能首席科学家接受记者采访,并就广州链基智能科技有限公司的《人工智能课堂专注度》做以下新闻报道。这也是链基智能首次亮相于公众,是链基成立一周年以来最好的周年礼!链基将继续执工匠精神之心,成就链基团队的卓越不凡。

 

       如果你有定力能够安静地坐在台前全神贯注投入工作长达几个小时,我敢保证,在这样的状态下,即使是半个小时的工作,也一定比不断分心常遭干扰的一天的工作能取得更好的成果。而对于学生来说,主要是由于学习负担重,心理压力过大,而造成高度的紧张和焦虑,从而导致了注意力无法集中的障碍。另外,睡眠不足,大脑得不到充分休息,也可能出现注意力涣散的情况。


       保持良好的注意力,是大脑进行感知、记忆、思维等认识活动的基本条件。在我们的学习过程中,注意力是打开我们心灵的门户,而且是唯一的门户。门开得越大,我们学到的东西就越多。而一旦注意力涣散了或无法集中,心灵的门户就关闭了,一切有用的知识信息都无法进入。正因为如此,法国生物学家乔治.居维叶说:“天才,首先是注意力。”


       在正常情况下,注意力使我们的心理活动朝向某一事物,有选择地接受某些信息,而抑制其它活动和其它信息,并集中全部的心理能量用于所指向的事物。因而,良好的注意力会提高我们工作与学习的效率。注意力障碍,主要表现为无法将心理活动指向某一具体事物,或无法将全部精力集中到这一事物上来,同时无法抑制对无关事物的注意。造成这种情况的原因比较复杂,许多较严重的心理障碍都可以引起注意力障碍。


       专注度是人类智能行为的关键因素之一。特别是近几年来,我们对学习者的关注度受到广泛的重视。针对专注度评估提出了很多评测方法,包括问卷调查法,生理观察法,计算机视觉等方法。在中小学教学课堂上,学生的上课的专注度是影响学生成绩和教学效果的重要因素,因而是众多家长重点关注的问题。目前绝大部分学校是通过教师肉眼主观判断学生的上课专注度的情况,这种方式不仅占用老师上课时间,分散老师注意力,而且对于学生而言,肉眼的判断的准确率低,导致上课效果的测评效果欠佳。特别是,无法实时统计和分析上课学生专注度,从而产生一定的滞后性。


       在人工智能技术快速发展的情况下,机器视觉作为人工智能的一个分支,一直是学术界的一个研究热点,机器学习的原理就是用机器代替人眼去获取信息并对信息进行判断,机器视觉将摄取的信息转换成数字图像信号,应用数字图像处理的相关技术,提取研究人员需要的信息。人脸识别的研究作为机器视觉领域的重要课题之一,采用机器视觉摄取人脸图像,然后对脸部特征进行分析从而获取相关信息是目前学术界的重要研究领域,人脸识别技术已经被应用于军事、安全防护、电子商务、教育等各种领域。


       链基智能研究一种基于人脸识别技术的实时专注度分析系统,所述方法通过信息技术领域AI(人工智能)的人脸识别技术对当前视频监控环境下的学员脸部图像进行采样分析,能够在课堂教学过程中,在无干扰状态下,建立学生专注度的大数据采集标准,判断其专注度,通过大数据算法,为课堂、教学的学情做相关分析,提供了客观、真实的数据结果。将上述结果应用在教育技术领域,利用统计学及大数据算法,可完成整个课堂的学生专注度分析统计图。


      把学生的课堂行为归纳为六大特征:听讲、阅读、举手、趴桌子、书写、站立等,通过学生面部的128个关注点,结合学生的七个面部表情:中性、高兴、难过、愤怒、害怕、反感、惊讶等,从而分析出这个学生在课堂上的学习状态,为老师提供实时科学的课堂行为数据。

• 面向老师:
及时发现学生专注度是否下降从而调整教学模式。课后推送课堂报告,多维度数据分析,依据知识图谱发现教学缺陷,了解本班与其它班级状态差异。

• 面向家长:
定期推送孩子的日常课堂状态数据。根据教学知识点推荐参考资料,例如专家视频,知识点相关书籍等。

• 面向学校/教育局:
周期性推送学校端课堂状态报告。为校方在学生管理、教师管理等方面提供客观的数据支撑,搭配区块链帮助教育局作为参与节点建立公平公开的评价体系。
 
学而专系统亮点:

识别技术:专注度分析模型针对教育场景,结合教育学及心理学理论,专注度识别精度达到95%以上,关键点检测的准确率达到90%以上;人脸检测精度达到99%以上;动作分析准确度达到90%以上。

高效视屏流处理技术:一块1070TI可支持多达16路的视频流并发处理,大幅度减少深度学习所需硬件成本,远超业界平均水平。

知识图谱构建技术: 对教学内容纳米级细粒度拆分,构建高密度蜂巢式知识图谱,结合独有的嵌入式表征学习模型,有效发现老师课堂教学中的知识点缺陷。

        这是一种基于人脸识别技术的实时专注度分析方法,其特征在于通过摄像头采集课堂上课时学生的脸部视频;依据人脸识别算法,提取出视频图像中的人脸区域,提取人脸区域的特征;依据人脸识别的大数据算法,提取视频图像中的人脸区域去判断抬头的学生数目以及学生面部神情,测试学生的专注度。

下一篇:没有了