DIPSER: A Dataset for In-Person Student Engagement Recognition in the Wild
यह शोध पत्र DIPSER प्रस्तुत करता है, जो इन-पर्सन छात्र जुड़ाव पहचान (इन-पर्सन स्टूडेंट इंगेजमेंट रिकग्निशन) के लिए एक नवीन और व्यापक 'इन-द-वाइल्ड' डेटासेट है, जो विभिन्न शैक्षिक संदर्भों में छात्र के ध्यान और भावनाओं के विश्लेषण को सुगम बनाने के लिए अद्वितीय रूप से मल्टी-व्यू RGB कैमरा डेटा, स्मार्टवॉच सेंसर मेट्रिक्स और विविध विशेषज्ञ-सत्यापित लेबल को संयोजित करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि यह समझने की कोशिश करना कि एक छात्र कैसा महसूस कर रहा है या वह कक्षा के दौरान कितना केंद्रित है। आमतौर पर, शिक्षकों को एक त्वरित नज़र के आधार पर अनुमान लगाना पड़ता है। यह शोध पत्र एक नया उपकरण पेश करता है जिसे DIPSER कहा जाता है, जो एक उच्च-तकनीकी "सुपर-ऑब्जर्वर" (महा-अवलोकनकर्ता) की तरह है जिसे किसी नकली कक्षा के बजाय, एक वास्तविक कक्षा में वास्तव में क्या हो रहा है, उसे सटीक रूप से पकड़ने के लिए डिज़ाइन किया गया है।
यहाँ बताया गया है कि शोधकर्ताओं ने क्या बनाया है, सरल उपमाओं का उपयोग करते हुए:
1. "सर्वव्यापी आँख" सेटअप (The "All-Seeing Eye" Setup)
कक्षा को एक मंच की तरह समझें। अतीत में, शोधकर्ता अक्सर छात्रों को उनके घरों से (ऑनलाइन कक्षाओं) या उन बाँझ विज्ञान प्रयोगशालाओं (sterile science labs) से देखते थे जहाँ अभिनेता छात्रों का अभिनय करते थे।
DIPSER अलग है। इसे एक वास्तविक विश्वविद्यालय की कक्षा में वास्तविक छात्रों के साथ फिल्माया गया था। पूरी तस्वीर पाने के लिए, उन्होंने एक "निगरानी दल" (surveillance swarm) स्थापित किया:
- वाइड-एंगल व्यू (The Wide-Angle View): उन्होंने कैमरों को ऊँचाई पर लटकाया (जैसे एक सुरक्षा गार्ड नीचे की ओर देखता है) ताकि पूरे कमरे, छात्रों के शारीरिक हाव-भाव और उनके बीच होने वाली बातचीत को देखा जा सके।
- क्लोज-अप व्यू (The Close-Up View): हर छात्र के पास उनकी डेस्क पर एक समर्पित कैमरा था, जो सूक्ष्म भावों (जैसे भौंह उठाना या त्योरियाँ चढ़ाना) को पकड़ने के लिए उनके चेहरे पर ज़ूम करता था।
- "पल्स" वॉच (The "Pulse" Watch): हर छात्र ने एक स्मार्टवॉच पहनी थी। यह एक फिटनेस ट्रैकर की तरह काम करती है, जो उनके हृदय की गति, उनकी हलचल (जाइरोस्कोप), और उनके शरीर के कंपन (एक्सेलेरोमीटर) को रिकॉर्ड करती है।
2. "फाइव-स्टार" रेटिंग सिस्टम
आप कैसे जानेंगे कि कैमरे और घड़ियाँ सच बोल रहे हैं? शोधकर्ताओं ने केवल कंप्यूटर पर भरोसा नहीं किया; उन्होंने एक "निर्णायक पैनल" का उपयोग किया।
प्रत्येक छात्र के लिए, उन्होंने हर सेकंड में छात्र कितना केंद्रित या भावनात्मक था, इस पर पाँच अलग-अलग राय एकत्र की:
- छात्र की अपनी आवाज़: कक्षा के बाद, छात्र ने वीडियो को वापस देखा और स्वयं को रेट किया।
- चार विशेषज्ञ निर्णायक: चार अलग-अलग मानव विशेषज्ञों ने फुटेज देखा और अपनी रेटिंग दी।
उन्होंने इन सबको मिलाकर हर सेकंड के वीडियो के लिए एक "गोल्ड स्टैंडर्ड" लेबल बनाया। यदि किसी छात्र ने कहा कि वह ऊब रहा था, और विशेषज्ञों ने भी सहमति जताई, तो डेटा को "ऊबना" (bored) के रूप में चिह्नित किया गया।
3. "नाइन-सीन" नाटक (The "Nine-Scene" Play)
डेटा केवल एक लंबा, उबाऊ व्याख्यान नहीं था। शोधकर्ताओं ने छात्रों को नौ अलग-अलग प्रकार की शैक्षणिक गतिविधियों से गुजरते हुए फिल्माया, जैसे एक नाटक के दृश्य:
- समाचार पढ़ना।
- विचारों पर मंथन करना।
- एक पारंपरिक व्याख्यान सुनना।
- फोन पर क्विज़ देना।
- प्रोजेक्ट प्रस्तुत करना।
- रोबोट के साथ खेलना।
- शैक्षिक खेल डिजाइन करना।
यह विविधता एक कार को हाईवे, कच्ची सड़क और रेसट्रैक पर टेस्ट करने जैसा है ताकि यह देखा जा सके कि वह विभिन्न स्थितियों में कैसा प्रदर्शन करती है।
4. विशाल लाइब्रेरी (The Massive Library)
परिणाम स्वरूप एक विशाल डिजिटल लाइब्रेरी तैयार हुई जिसमें 1.3 मिलियन से अधिक चित्र और लगभग 52 घंटे के वीडियो शामिल हैं।
- इसमें कच्चा (raw) वीडियो शामिल है।
- इसमें स्मार्टवॉच डेटा (हृदय गति, हलचल) शामिल है।
- इसमें "प्री-पैकेज्ड" डेटा शामिल है जहाँ कंप्यूटर ने पहले ही चेहरों के चारों ओर बॉक्स बना दिए हैं, उम्र का अनुमान लगाया है और भावनाओं का अंदाजा लगाया है, जिससे अन्य शोधकर्ताओं का समय बचता है।
5. यह क्यों महत्वपूर्ण है (शोध पत्र के अनुसार)
लेखकों का तर्क है कि पिछले डेटासेट "अभ्यास परीक्षणों" (ऑनलाइन या नकली लैब) की तरह थे जो वास्तविक जीवन को नहीं दर्शाते थे।
- यथार्थवाद (Realism): इसे "इन द वाइल्ड" (एक वास्तविक कक्षा में) फिल्माया गया था।
- विविधता (Diversity): इसमें विभिन्न पृष्ठभूमियों के छात्र शामिल हैं (इस संस्करण में विशेष रूप से कॉकेशियान विषयों का उल्लेख किया गया है, हालांकि वे बाद में अधिक विविधता जोड़ने की योजना बना रहे हैं)।
- गहराई (Depth): यह वास्तविक कक्षा में वीडियो, स्मार्टवॉच सेंसर और कई मानव विशेषज्ञों को मिलाने वाला पहला डेटासेट है।
निचोड़ (The Bottom Line)
यह शोध पत्र DIPSER को एक नए, विशाल और अत्यधिक विस्तृत डेटासेट के रूप में प्रस्तुत करता है। यह उन कंप्यूटर वैज्ञानिकों के लिए एक टूलबॉक्स है जो मशीनों को वास्तविक दुनिया के स्कूली परिवेश में मानवीय ध्यान और भावनाओं को समझना सिखाना चाहते हैं। लेखकों ने इस डेटा को अन्य शोधकर्ताओं के लिए उपलब्ध कराया है ताकि वे बेहतर AI उपकरण बना सकें, बशर्ते उन उपकरणों का उपयोग शैक्षणिक अध्ययन के लिए किया जाए न कि उत्पाद बेचने के लिए।
नोट: यह शोध पत्र पूरी तरह से इस डेटासेट को बनाने और मान्य करने पर केंद्रित है। यह दावा नहीं करता है कि इस प्रणाली का वर्तमान में छात्रों को ग्रेड देने, चिकित्सा स्थितियों का निदान करने या स्कूलों को चलाने के तरीके को बदलने के लिए उपयोग किया जा रहा है; यह सख्ती से अनुसंधान के लिए एक संसाधन है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।