【論文閱讀】Affective database for e-learning and classroom environments using Indian students’ faces, hand gestures and body postures】
1.這篇文章究竟講了什麼問題？
幾乎沒有一個標準的資料集，包含學生情感狀態識別以及分析，在線上課堂和教室環境。
2.這是否是一個新的問題？
不是
3.這篇文章要驗證一個什麼科學假設？
提出的資料集，包含多模態資料，克服現有工作的侷限性。多模態資料能跟準確的反映學生的學習狀態。
4.有哪些相關研究？如何歸類？誰是這一課題在這領域值得關注的研究員？
1)George D. Kuh (2003) What We're Learning About Student Engagement From NSSE: Benchmarks for Effective Educational Practices, Change: The Magazine of Higher Learning, 35:2, 24-32
2)Exploring Affective Technologies for the Classroom with the Subtle Stone
3)The faces of engagement: Automatic recognition of student engagement from facial expressions
4)Predicting students’ attention in the classroom from kinect facial and body features
5)Students’ affective content analysis in smart classroom enviroment using deep learning techniques
6)Unobtrusive students’ engagement analysis in computer science laboratory using deep learning techniques.
7)Emerging themes analysis of learner’s aesthetic emotions in e-learning enviroments.
8)An e-learning system with multifacial emotion recognition using supervised machine learning.
9)Automatic group happiness intensity analysis.
10)Monitoring affect states during effortful problem solving activities.
11)Using video to automatically detect learner affect in computer-enabled classrooms
5.論文中提到的解決方案之關鍵是什麼？
1)多模態資料採集
2)資料標記
3)資料集的變化，用於增強資料集的魯棒性
6.論文中的實驗是如何設計的？
1)比較特徵提取方法,10折交叉驗證
2)深度學習的方法用於分類和目標定位
3)整體對比和討論，和現有的其他資料集進行對比
7.用於定量評估的資料集是什麼？程式碼有沒有開源？
作者手機的多模態學生情感資料集，沒有
8.論文中的實驗及結果有沒有很好地支援需要驗證的科學假設？
有
9.這篇論文到底有什麼貢獻？
a)提出一個多模態資料集，單個人臉和多人臉的學生學習狀態資料集
b)使用深度學習結構來分析學生的情感狀態
c)新的分類方法:attentive 和 in-attentive
10.下一步呢？有什麼工作可以繼續深入？
1)多模態特徵的融合來分類情感，似乎文章沒有利用cnn提取多模態的特徵來分類
2)基於時序的情感識別
3)情感狀態與認知之間的關係