免费获取学习方案
ARTICLE DETAIL

资讯详情

深耕编程基础知识与建站技术分享的一线实战洞察。

多模态教学效果数据集:来自视觉、听觉和行为线索的实时评估数据

多模态教学效果数据集:来自视觉、听觉和行为线索的实时评估数据 摘要多模态教学效果数据集是一个面向教学效果实时评估、课堂参与度分析与智能教育研究的多模态教育数据集。数据集概述多模态教学效果数据集是一个面向教学效果实时评估、课堂参与度分析与智能教育研究的多模态教育数据集。数据融合视觉图像、教师语音和学生行为互动三类信息从教师表达质量、学生注意力、课堂互动和视觉动态等多个维度刻画教学过程。每条记录或图像样本均对应教学效果等级划分为低、中、高、优秀四个类别同时记录 Mode线上/线下和 Level学前、高中、大学适合研究不同教学环境和教育阶段下的教学质量差异。。数据结构与关键特征数据主要由音频、视觉和行为互动三种模态构成。音频特征包括 avg_pitch、语速、暂停比例、energy_mean、音调变化范围、清晰度评分、韵律平衡、声乐稳定性、言语连贯性和声学亮度可反映教师声音的音高、节奏、清晰度及表达稳定性行为特征包括学生注意力指数、互动频率、参与度得分、情绪平衡、参与度差异、动机指数、专注力稳定性、response_time_avg、合作得分和学习满意度。视觉模态则通过课堂图像描述学生表情、姿态、注意状态及师生互动等可观察信息从而形成“视觉 音频 行为 → 教学效果等级”的多模态监督学习结构。应用价值与研究方向该数据集适用于教学效果分类、学生参与度识别、教师语音质量评价、课堂行为分析和自适应教学反馈等研究。音频部分可采用 MFCC、Mel频谱、Wav2Vec 2.0 等方法视觉部分可使用 CNN、Vision Transformer、姿态估计或表情识别模型行为数据则可结合 XGBoost、LSTM、Transformer 等进行分析并通过多模态注意力网络实现联合建模。进一步可研究线上与线下教学效果差异、不同教育阶段的参与模式、实时课堂质量预测、教学策略动态调整以及智能教学评价系统。数据集来源由张家梁(Bob)整理并于2026年在7zcode平台公开发布。数据集信息免责声明与引用数据仅用于科研与教学用途。若用于商业场景请自行核验数据许可。如需引用请在论文或报告中注明数据集名称与版本号。作者信息作者Bob (张家梁)项目编号Datasets-490文件大小44M
返回列表