授業中の学生の典型的な表情の認識～集中度・理解度との関係を構築するため～

• Item type: SIG Technical Reports(1)
• 公開日: 2023-03-04
• タイトル: 授業中の学生の典型的な表情の認識～集中度・理解度との関係を構築するため～
• タイトル / 言語: en
• タイトル: Recognizing Typical Facial Expressions of Students in Classroom～To Build a Relationship with Concentration and Understanding～
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 一般セッション(2)
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 東京国際工科専門職大学
• 著者所属: 東京国際工科専門職大学
• 著者所属: 東京国際工科専門職大学
• 著者所属: 東京国際工科専門職大学
• 著者所属(英): en
• 著者所属(英): International Professional University of Technology in Tokyo
• 著者所属(英): en
• 著者所属(英): International Professional University of Technology in Tokyo
• 著者所属(英): en
• 著者所属(英): International Professional University of Technology in Tokyo
• 著者所属(英): en
• 著者所属(英): International Professional University of Technology in Tokyo
• 著者名: 大関, 和夫; 塩尻(斎藤), 亜希; 上條, 浩一; 鈴木, 雅実
• 著者名(英): Kazuo, Ohzeki; Aki, Shiojiri(Saito); Koichi, Kamijo; Masami, Suzuki
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 我々は，学生の集中度を向上させる教師の行動を特定するというテーマで研究を行っている．そのうち，本研究報告では，動画の中から，学生の顔表情を認識し，その表情から学生の状態を把握する部分について，検討した．古典的な 6 基本表情（笑い，怒り，悲しみ，驚き，嫌悪，恐怖）を授業内の状況に当てはめるため，動画内のシーンを探した所，怒り，悲しみ，嫌悪，恐怖は出現頻度が低く，活用が難しいことがわかり，除外することにした．一方，この動画内調査により，新たに授業内表情・動作として，眠気，見つめる，PC 作業等があることが分かった．そこで，これらを加え画像識別実験を行った．学習データを抽出し，授業内に発生する表情・動作認識を深層学習で行った．学習パラメータの調整により，認識精度の向上を達成することができた．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: We are conducting research on the theme of identifying teacher behaviors that improve students' concentration. Among them, in this research report, we examined the part that recognizes the student's facial expression from the video and grasps the student's state from the expression. In order to apply the classic six basic facial expressions (laughter, anger, sadness, surprise, disgust, and fear) to situations in the classroom, we searched for scenes in the video and found that anger, sadness, disgust, and fear appeared infrequently. We found it difficult to use, so we decided to remove them. On the other hand, from this video survey, it was found that there are new facial expressions and behavior in class, such as sleepiness, gazing, and PC work. Therefore, we performed an image recognition (identification) experiment by adding these. We extracted training data and performed deep learning to recognize facial expressions and behavior that occur in class. By adjusting the learning parameters, we were able to improve the recognition accuracy.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10096193
• 書誌情報: 研究報告コンピュータと教育（CE）; 巻 2023-CE-169, 号 23, p. 1-8, 発行日 2023-03-04
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8930
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会