基于人工智能的平台，用于增强和个性化电子学习

马德里自治大学的研究人员最近创建了一个创新的人工智能平台，可以增强远程学习，使教育工作者能够安全地监控学生并验证他们是否正在参加必修在线课程或考试。

该平台的初始原型称为Demo-edBB，将于2022年2月在华盛顿举行的AAAI-23人工智能会议上展示，该论文的一个版本可在arXiv预印本服务器上获得。

“我们的调查小组，马德里自治大学的BiDA实验室，在生物识别信号和系统，行为分析和人工智能应用方面拥有丰富的经验，在过去二十年中发表了300多篇论文，”进行这项研究的研究人员之一Roberto Daza Garcia告诉TechXplore。

“在过去的几年里，虚拟教育发展迅速，成为最重要的教育机构的主要基础，并创造了新的宝贵学习机会。因此，我们的团队最近一直在研究电子学习的新技术，最终开发出一个结合生物识别和行为分析工具的平台。

由BiDA-Lab团队创建的平台EdBB专门设计用于改善在线学生评估流程，同时提高其安全性。该平台基于多种技术，包括根据用户行为（例如，使用键盘或“击键”的模式）或生理数据（例如，面部识别工具）识别用户的生物识别工具，以及经过训练以检测特定行为（例如，注意力，压力等）的算法。到目前为止，研究人员开发了他们平台的演示版本，称为edBB-demo，但他们现在正在研究整体版本。

“我们的平台从普通学生的计算机（网络摄像头、键盘、音频、元数据等）中捕获不同的传感器，并实时应用不同的技术来识别用户、可疑事件、行为估计等，随后在报告中概述给教师，”Daza Garcia 解释说。

“它可以以安全透明的方式捕获所有学生的传感器，同时允许学生使用任何其他在线教育平台。edBB-Demo结合了过去十年在远程生物识别和行为理解方面的一些最重要的进展。

该研究团队创建的平台依赖于多模态学习框架，该模型可以分析不同类型的数据，包括图像，视频，音频信号和元数据。该平台的演示版本在学习和考试课程的数据库上进行培训，每次持续 20 多分钟，有 60 名不同的学生。

“教育机构最大的担忧之一是如何证明远程学生实际上正在参加在线评估，”Daza Garcia说。“edBB-Platform的生物识别和行为检测技术可以确保这项重要任务中更高的安全性，同时还可以检测学生的行为，这可以改善学习过程，甚至为新技术估计学生的注意力或压力水平铺平道路。我们相信，这些新技术将成为未来为每个学生提供更个性化教育的基础。

edBB的演示版具有四个关键功能，即它可以以高精度水平对用户进行身份验证，识别视频中人类的行为，使用网络摄像头镜头估计学生的心率，并通过分析学生的面部表情来估计学生的注意力。用于训练框架的数据集最近在线提供，因此可用于训练其他机器学习模型。

这个研究团队创建的平台很快就会帮助推进远程学习，使教育工作者能够可靠、安全地验证电子学习者的身份。此外，它可以通过识别阻碍学生学习的可能问题（例如注意力不集中或压力水平高）来促进在线学习的个性化。

“我们相信这是一个广阔的领域，前景广阔，面临许多挑战，所以我们现在希望继续改进edBB平台，”Daza Garcia补充道。“我们希望继续开发我们目前正在研究的研究领域，以及新的认知负荷估计系统，使用多模态面部分析和新的多模态架构来识别学生的键盘或鼠标动态。此外，我们希望将我们的研究领域扩大到视觉注意力估计、凝视跟踪、答案预测等。