人工智能Transformer对思想政治教育行为的识别

《Scientific Reports》：Ideological and political education behavior recognition by artificial intelligence transformers

　　

摘要

本研究旨在提高思想政治教育（IPE）课堂上过程评估的客观性和可扩展性，同时解决传统手动课堂观察在模拟多模态时间交互方面存在的高成本、强主观性和有限能力的问题。为此，本研究聚焦于IPE课堂行为的识别，并提出了一种基于Transformer的人工智能框架用于行为建模和识别。在实验评估中，所提出的优化模型与Video Masked Autoencoders V2（VideoMAE V2）以及专为高效视频理解设计的State-Space模型VideoMamba进行了比较。结果表明，在混合条件剪辑中，该模型的准确率（ACC）达到了0.905，曲线下面积（AUC）为0.958，同时Brier分数（BS）保持在0.091的低水平。这些发现表明，在混合干扰条件下，该模型具有更高的识别准确率，并能产生更可靠的置信度估计。在鲁棒性和泛化实验中，优化模型在低分辨率剪辑、视角变换剪辑和背景噪声剪辑上的准确率（R-ACC）分别为0.883、0.869和0.875。这些结果证明，所提出的时间建模和跨模态融合机制有效缓解了输入质量下降和数据分布变化对课堂行为识别的影响。总体而言，通过开发一种针对IPE课堂场景定制的多模态Transformer基行为识别模型并进行系统的实证评估，本研究为教育行为识别和思想政治教学的智能评估研究提供了宝贵的见解。