有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
学生课堂行为数据集 (SCB-dataset3)|学生行为分析数据集|教育技术数据集
收藏arXiv2023-10-04 更新2024-06-21 收录
下载链接：
https://github.com/Whiffe/SCB-dataset
下载链接
链接失效反馈资源简介：
学生课堂行为数据集(SCB-dataset3)由成都东软学院创建，包含5686张图像和45578个标签，重点关注六种行为：举手、阅读、写作、使用手机、低头和趴桌。数据集覆盖从幼儿园到大学的不同场景，通过YOLOv5、YOLOv7和YOLOv8算法评估，平均精度达到80.3%。该数据集旨在为学生行为检测研究提供坚实基础，解决教育领域中学生行为数据集的缺乏问题。
提供机构：
成都东软学院
创建时间：
2023-10-04
AI搜集汇总
数据集介绍
构建方式
学生课堂行为数据集（SCB-dataset3）的构建基于真实课堂场景，通过收集从幼儿园到大学的课堂视频，提取并筛选出5686张图像。这些图像经过人工标注，涵盖了六种主要行为：举手、阅读、书写、使用手机、低头和趴在桌子上。数据集的构建过程中采用了迭代训练方法，首先使用YOLOv7模型进行初步检测，然后通过人工智能技术对检测结果进行微调，最终将优化后的数据重新输入模型进行训练，以提高检测的准确性和鲁棒性。
特点
SCB-dataset3数据集的特点在于其广泛的行为类别和高精度的标注。数据集包含了从幼儿园到大学的不同教育阶段的课堂场景，确保了数据的多样性和代表性。此外，数据集通过引入行为相似性指数（BSI），进一步量化了不同行为之间的相似性，为行为检测提供了更丰富的信息。数据集的构建过程中还采用了帧插值技术，显著提高了大学课堂场景中行为检测的准确性。
使用方法
SCB-dataset3数据集适用于基于深度学习的学生课堂行为检测研究。研究者可以使用该数据集训练和评估各种行为检测模型，如YOLOv5、YOLOv7和YOLOv8等。数据集的训练和验证集按照4:1的比例划分，研究者可以根据需要调整训练参数，如epoch、batch size和图像尺寸。通过使用该数据集，研究者可以开发出更准确和高效的学生课堂行为检测系统，从而为教育管理和教学改进提供有力支持。
背景与挑战
背景概述
近年来，随着行为检测技术的发展，分析学生在课堂视频中的行为以获取其课堂状态和学习表现的信息成为可能。这一技术对教师、学校管理者、学生和家长都具有重要意义。然而，传统教学模式中，教师难以关注到每个学生的学习情况，只能通过观察少数学生来了解自己的教学方法效果。为解决这一问题，学生课堂行为数据集（SCB-dataset3）应运而生。该数据集由成都东软学院的杨帆和王涛创建，包含5686张图像和45578个标签，重点关注六种行为：举手、阅读、写作、使用手机、低头和趴在桌子上。通过使用YOLOv5、YOLOv7和YOLOv8算法进行评估，该数据集的平均精度（mAP）达到80.3%，为未来学生行为检测研究提供了坚实的基础。
当前挑战
SCB-dataset3在构建过程中面临多项挑战。首先，数据集需要涵盖从幼儿园到大学的不同场景，确保数据的多样性和代表性。其次，行为检测在拥挤的教室环境中尤为困难，学生之间的遮挡和位置变化增加了检测的复杂性。此外，某些行为如阅读和写作在视觉上相似，使得模型难以区分。为了提高检测精度，研究团队采用了帧插值方法，并通过迭代训练优化模型。尽管如此，数据集仍存在类别不平衡的问题，特别是某些行为如使用手机和趴在桌子上在数据集中样本较少。未来研究需进一步解决这些问题，以提升数据集的质量和应用效果。
常用场景
经典使用场景
学生课堂行为数据集（SCB-dataset3）最经典的使用场景在于通过深度学习方法自动检测学生在课堂中的行为，如举手、阅读、写作、使用手机、低头和趴在桌子上等。这些行为数据的收集和分析有助于教师了解学生的课堂参与度和学习状态，从而优化教学策略。
衍生相关工作
基于SCB-dataset3，研究者们开发了多种行为检测算法，如YOLOv5、YOLOv7和YOLOv8，这些算法在数据集上的表现显著提升了行为检测的精度。此外，该数据集还促进了行为相似性分析的研究，如行为相似性指数（BSI）的提出，进一步丰富了课堂行为分析的理论和方法。
数据集最近研究
最新研究方向
近年来，学生课堂行为数据集（SCB-dataset3）在教育领域的应用研究取得了显著进展。该数据集通过深度学习方法，特别是基于YOLOv5、YOLOv7和YOLOv8算法的物体检测技术，实现了对学生课堂行为的自动检测。这一研究方向不仅有助于分析学生的课堂表现，提升教学效果，还为教育管理者和家长提供了更为全面和准确的学生学习状态反馈。此外，SCB-dataset3通过引入行为相似性指数（BSI），进一步提升了对相似行为的区分能力，为未来在学生行为检测领域的研究奠定了坚实基础。
相关研究论文
- 1SCB-Dataset3: A Benchmark for Detecting Student Classroom Behavior成都东软学院 · 2023年
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
China Health and Nutrition Survey (CHNS)
China Health and Nutrition Survey（CHNS）是一项由美国北卡罗来纳大学人口中心与中国疾病预防控制中心营养与健康所合作开展的长期开放性队列研究项目，旨在评估国家和地方政府的健康、营养与家庭计划政策对人群健康和营养状况的影响，以及社会经济转型对居民健康行为和健康结果的作用。该调查覆盖中国15个省份和直辖市的约7200户家庭、超过30000名个体，采用多阶段随机抽样方法，收集了家庭、个体以及社区层面的详细数据，包括饮食、健康、经济和社会因素等信息。自2011年起，CHNS不断扩展，新增多个城市和省份，并持续完善纵向数据链接，为研究中国社会经济变化与健康营养的动态关系提供了重要的数据支持。
www.cpc.unc.edu 收录
电商直播间互动率数据评价检测数据
1.了解观众兴趣和需求：通过分析互动率数据，商家可以了解观众对直播内容和商品的兴趣和需求，从而调整直播策略和商品陈列方式，提高观众的购买转化率。 2.评估主播能力和带货效果：互动率数据可以用来评估主播的能力和带货效果。如果一个主播能够有效地引导观众互动，可能说明该主播的能力较强。商家可以根据互动率数据来评估不同主播的能力和带货效果，从而更好地选择合作对象。 3.检测数据真实性：互动率数据可以反映观众在直播间中的真实活跃度和参与度，帮助商家检测数据的真实性。如果互动率数据与实际数据存在较大偏差，可能说明数据存在异常或问题，商家需要进一步调查和处理，以保障市场的公平和公正。 4.发现潜在问题：通过分析互动率数据，商家可以发现直播间中可能存在的问题。 5.优化售后服务：如果一个直播间的互动率很低，可能说明观众在购买商品后遇到了一些问题，商家需要优化售后服务，提高客户满意度和忠诚度。数据处理：将收集到的各电商直播间互动率数据进行归集，将电商直播间互动率数据计算数值与电商直播间互动率数据评定标准值对比判定该电商直播间互动率是否达标，（互动人数/进房人数*100%=互动率），互动率标准数值的确定方式：结合该直播类型、直播类型和观众画像等因素综合考虑得出互动率的标准数值，为50%，当计算数值大于标准数值时互动率达标，当计算数值小于标准数值时互动率不达标
浙江省数据知识产权登记平台 收录
RETQA
RETQA是由北京师范大学创建的第一个大规模开放领域中文表格问答数据集，专门针对房地产领域。该数据集包含4932个表格和20762个问答对，涵盖16个子领域，涉及房产信息、房地产公司财务信息和土地拍卖信息。数据集通过从中国八个主要城市的公开数据源收集并清洗整理，每个表格都配有摘要标题以辅助检索。RETQA的创建过程包括表格收集、问答对生成、意图和槽标签注释以及查询重写和质量控制。该数据集主要用于解决房地产领域的开放域和长表格问答问题，推动表格问答技术的发展。
arXiv 收录
gold-prices
自1950年以来的每月黄金价格数据，以美元计价（伦敦市场）。数据来源于德国联邦银行。
github 收录
FAOSTAT Agricultural Data
FAOSTAT Agricultural Data 是由联合国粮食及农业组织（FAO）提供的全球农业数据集。该数据集涵盖了农业生产、贸易、价格、土地利用、水资源、气候变化、人口统计等多个方面的详细信息。数据包括了全球各个国家和地区的农业统计数据，旨在为政策制定者、研究人员和公众提供全面的农业信息。
www.fao.org 收录