DIPSER: A Dataset for In-Person Student Engagement Recognition in the Wild
Created by
- Haebom
Category
Empty
저자
Luis Marquez-Carpintero, Sergio Suescun-Ferrandiz, Carolina Lorenzo Alvarez, Jorge Fernandez-Herrero, Diego Viejo, Rosabel Roig-Vila, Miguel Cazorla
개요
본 논문에서는 대면 수업 환경에서 학생들의 집중도를 평가하기 위해 설계된 새로운 데이터셋을 소개합니다. 이 데이터셋은 학생의 자세와 얼굴 표정을 포착하기 위해 학생 당 여러 대의 카메라로 촬영한 RGB 카메라 데이터와 각 개인의 스마트워치 센서 데이터를 포함합니다. 이 데이터셋을 통해 머신러닝 알고리즘을 학습시켜 집중도를 예측하고 감정과 상관관계를 분석할 수 있습니다. 자기 보고와 4명의 전문가 평가를 통해 각 학생에 대한 집중도 및 감정 레이블이 포괄적으로 제공됩니다. 본 데이터셋은 얼굴 및 환경 카메라 데이터, 스마트워치 지표를 독창적으로 결합하고, 기존 유사 데이터셋에서 과소 대표되는 민족들을 포함하며, 실제 대면 환경에서 수집되어 현재까지 가장 포괄적인 데이터셋입니다. 다양한 교육 환경에서 학생 상호작용에 대한 방대한 데이터와 다른 도구의 메타데이터를 제공하여 기존의 부족한 점을 해결하고 대면 수업에서 학생의 집중도와 감정 분석에 귀중한 자료를 제공합니다.
시사점, 한계점
•
시사점:
◦
대면 수업 환경에서 학생의 집중도 및 감정을 분석하기 위한 종합적이고 다양한 데이터셋 제공
◦
기존 데이터셋의 한계점(다양한 민족의 부족, 데이터 종류의 제한 등) 극복
◦
머신러닝 기반 집중도 예측 및 감정과의 상관관계 분석 가능
◦
다양한 교육적 맥락에서의 학생 상호작용 분석에 활용 가능
•
한계점:
◦
데이터셋의 크기 및 수집 방법에 대한 구체적인 정보 부족
◦
자기 보고 및 전문가 평가의 신뢰성 및 객관성에 대한 검토 필요
◦
특정 교육 환경에 편향될 가능성 존재 (일반화 가능성 검토 필요)
◦
데이터셋의 접근성 및 활용에 대한 제약 존재 가능성
