
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于 YOLOv11_BWC 实时学生姿态识别的动态教学质量评估
《Scientific Reports》:Dynamic teaching quality assessment relying on real-time student posture recognition with YOLOv11_BWC
【字体: 大 中 小 】 时间:2026年08月28日 来源:Scientific Reports 4.9
编辑推荐:
摘要传统课堂教学评估通常依赖主观反馈和事后学术指标,这限制了它们的客观性和及时性。为了克服这些局限性,本研究提出了 YOLOv11_BWC,这是一种用于智能教育中学生行为检测、课堂注意力评估和教学质量评价的实时目标检测框架。YOLOv11_BWC 集成了 BiFormer 模
传统课堂教学评估通常依赖主观反馈和事后学术指标,这限制了它们的客观性和及时性。为了克服这些局限性,本研究提出了 YOLOv11_BWC,这是一种用于智能教育中学生行为检测、课堂注意力评估和教学质量评价的实时目标检测框架。YOLOv11_BWC 集成了 BiFormer 模块以提高复杂课堂场景下的遮挡鲁棒性,使用 Wise-IoU v3 损失函数以增强多尺度定位,并采用轻量级 Shuffle Attention 机制以提高计算效率。利用 257 名学生的真实课堂视频,对三种与姿势相关的行为(即抬头、低头和趴伏姿势)进行了标注,并将图像从 840 张增强至 1,326 张,用于模型训练和评估。在课堂行为数据集上,YOLOv11_BWC 实现了 0.9672 mAP@0.5、0.7594 mAP@0.5:0.95、0.931 召回率和 136 FPS,在检测精度和实时性的整体平衡方面优于 YOLO26、YOLOv8、YOLO11、RT-DETR 和 YOLOv12。额外的 Jetson Orin Nano 测试和 POCO/SCB-Dataset3 验证进一步支持了其嵌入式部署效率和跨领域鲁棒性。热力图可视化验证了更集中的特征响应,时间分析揭示了一种探索性的课堂注意力模式,即初始注意力高、课堂中段下降、最后回升。该框架为教学反馈和动态课堂质量评估提供了客观、非侵入性和细粒度的行为证据。