【技术实现步骤摘要】
本专利技术属于教育技术和人工智能领域，具体涉及一种融合信息熵的学习注意力识别方法、装置及存储介质。
技术介绍
1、随着信息技术的迅速发展，人工智能在教育领域的应用日益广泛，尤其是学习者行为和注意力状态的监测与分析，对于提高教学效果和学习效率具有重要意义。传统的注意力识别方法主要依赖于单一数据源，如仅使用视频监控数据或者依靠学习者的自我报告，这些方法存在一定的局限性：视频数据分析可能受到环境光线、学习者位置等因素的影响，而自我报告法则依赖于学习者的主观感受，准确性不高。
2、此外，现有的学习注意力评估技术往往忽略了数据的多模态性质和时序对齐的重要性，导致在实际应用中难以精准地评估学习者的注意力状态。例如，学习者的生理数据（如心率、皮肤电活动等）能够提供关于其注意力水平的重要信息，但如何有效地将这些生理信号与行为数据（如头部运动、面部表情等）进行融合和分析，以实现更高准确性的注意力识别，仍是一个待解决的技术挑战。
3、因此，迫切需要一种能够综合利用多种数据源，通过先进的数据处理和分析技术，实现对学习者注意力状态准确评...
【技术保护点】
1.一种融合信息熵的学习注意力识别方法，该方法特征在于，包括以下步骤：
2. 根据权利要求 1 所述的方法，其中，所述步骤 a) 进一步包括利用基于平均采样频率的多传感器时间表征算法进行所述视频数据和生理数据间的时域同步与对齐，以保证多模态数据间的相互关联性和数据一致性。
3. 根据权利要求 1 或 2 所述的方法，其中，所述步骤 e) 进一步涉及对多元数据进行交叉验证，包括自我报告法和专家观察法，以及使用 Kappa 一致性验证来确认标注结果的一致性和可靠性。
4.一种融合信息熵的学习注意力识别装置，包括：
5. 根据...
【技术特征摘要】
1.一种融合信息熵的学习注意力识别方法，该方法特征在于，包括以下步骤：
2. 根据权利要求 1 所述的方法，其中，所述步骤 a) 进一步包括利用基于平均采样频率的多传感器时间表征算法进行所述视频数据和生理数据间的时域同步与对齐，以保证多模态数据间的相互关联性和数据一致性。
3. 根据权利要求 1 或 2 所述的方法，其中，所述步骤 e) 进一步涉及对多元数据进行交叉验证，包括自我报告法和专家观察法，以及使用 kappa 一...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。