基于大模型数据增强的课堂行为分析
摘要
曾建电1，邹文成2，王田1 1.北京师范大学自然科学高等研究院，广东珠海； 2.南京理工大学自动化学院，江苏南京 摘要：课堂行为状态分析是教育智能化研究的重要方向，旨在通过自动化识别学生的学习行为，揭示其学习状态和参与度，为个性化教学和教育质量提升提供科学依据。然而，传统单模态方法在处理低分辨率图像或复杂背景时存在信息不足和噪声干扰的问题，难以全面捕捉学生行为特征。为此，本研究提出了一种基于多模态大模型的数据增强方法，结合图像和文本模态的联合建模，对学生课堂行为状态进行深入分析。实验结果表明，基于多模态大模型的数据增强方法在分类准确率和F1值指标上显著优于传统单模态方法，尤其在处理复杂背景和低分辨率图像时表现突出。本研究通过结合多模态大模型和特征融合技术，为课堂行为状态分析提供了一种高效、精准的解决方案，为智能教育研究提供了重要参考。
引用本文（GB/T 7714）
曾建电, 邹文成, 王田. 基于大模型数据增强的课堂行为分析[J]. 教育学刊, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。