运动学习中的持续追踪参与
摘要：针对教授音乐、书写和驾驶等运动技能，最近发展起的技术如可穿戴手套的触觉反馈和机器人感知运动外骨骼对于促进有效的人机和机器人-人类身体互动非常有益。在这种师生互动中，教师能够获得关于学生参与状态的持续反馈在学习和练习过程中起着至关重要的作用。特别是对于运动学习来说，这种反馈是一个基本功能，该系统旨在指导教师如何控制身体互动的强度，并将其最佳适应学习者逐渐演变的表现。本文着重于开发一个几乎实时的机器学习模型，该模型可以从一组方便获取、非侵入式、保护隐私的穿戴式传感器中获取输入，以便跟踪学习者在运动任务中的参与度。我们以小提琴演奏作为目标领域，通过实证数据获取，精心开发了运动学习参与度的潜在构建，然后进行了机器学习模型的严格训练和验证。
作者：Segev Shlomov, Jonathan Muehlstein, Nitzan Guetta, Lior Limonad
论文ID：2308.07670
分类：Human-Computer Interaction
分类简称：cs.HC
提交时间：2023-08-16