From Motion Signals to Insights: A Unified Framework for Student Behavior Analysis and Feedback in Physical Education Classes
作者: Xian Gao, Jiacheng Ruan, Jingsheng Gao, Mingye Xie, Zongyun Zhang, Ting Liu, Yuzhuo Fu
发布时间: 2025-03-11
来源: arxiv
研究方向: 教育技术，人工智能，运动生理学
主要内容
提出一种基于运动信号的学生行为分析框架，用于物理教育课程中，通过分析学生的运动信号来优化教学设计和提高教学质量。
主要贡献
1. 提出一种将运动信号转换为可由大型语言模型（LLM）处理文本信息的方法。
2. 构建一个端到端框架，将原始的物理教育课程运动信号转换为有洞察力的教学分析。
3. 通过篮球课程案例研究验证了该框架的有效性和鲁棒性。
研究方法
1. 使用惯性测量单元（IMU）传感器收集学生的运动信号。
2. 采用运动检测、活动识别和动作质量评估模型来分析学生行为。
3. 利用大型语言模型生成教学分析报告和反馈。
4. 使用预训练和微调方法训练模型，以适应特定场景。
5. 采用对比学习和LoRA技术进行模型预训练和微调。
实验结果
实验结果表明，该框架可以准确地识别学生行为，并产生有意义的教学法洞察。模型在运动检测、活动识别和动作质量评估方面都取得了良好的性能。
未来工作
未来工作将集中在以下几个方面：1. 扩展该框架以支持更多类型的体育活动；2. 提高模型对复杂运动场景的鲁棒性；3. 探索将其他类型的传感器数据（如视频数据）与运动信号相结合的方法。