标签：适切 识别方法 论文 学习者 自动识别 IEEE 表情
1.这篇文章究竟讲了什么问题？
从适切性，现状，存在问题和提升路径几个角度来研究学习者情绪识别方法
2.这是否是一个新的问题？
不是
3.这篇文章要验证一个什么科学假设？
没有要验证的假设
4.有哪些相关研究？如何归类？谁是这一课题在这领域值得关注的研究员？
- Happy S L， Dasgupta A， Patnaik P， et al. Automated Alertness and Emotion Detection for Empathic Feedback during e -Learning [C]//2013 IEEE Fifth International Conference on Technology for Education. IEEE：47-50.
- 童莹.基于空间多尺度 HOG特征的人脸表情识别方法
- Whitehill J， Serpell Z， Lin Y C， et al. The Faces of Engagement： Automatic Recognition of Student Engagementfrom Facial Expressions [J]. IEEE Transactions on Affective Computing， 2014， 5（1）： 86-98.
5.论文中提到的解决方案之关键是什么？
论文提了一下自然环境下的学习者情绪识别的方法：
a) 面部表情数据库的共建共享
b) 融合多种特征的识别方法
c) 结合人工设计特征和自动学习特征的识别方法
6.论文中的实验是如何设计的？
没有实验
7.用于定量评估的数据集是什么？代码有没有开源？
无
8.论文中的实验及结果有没有很好地支持需要验证的科学假设？
无实验
9.这篇论文到底有什么贡献？
本文是一个综述性质的论文，从适切性，现状，存在问题和提升路径几个角度来研究学习者情绪识别方法。为研究工作者提供了一些思路，关于学习者情感识别。
10.下一步呢？有什么工作可以继续深入？
a)建立自然环境下的学习者表情数据集
b)在数据集基础上建立学习方法
c)智慧系统的闭环测试，利用方法，看看是否提高教学效果
标签：适切,识别方法,论文,学习者,自动识别,IEEE,表情 来源： https://www.cnblogs.com/crazyMint/p/15969083.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。