CADDI

CADDI数据集由西班牙阿利坎特计算机研究所创建，包含12名参与者在典型课堂环境中执行的19种不同的人类活动。数据集由加速度计、陀螺仪、旋转矢量数据和同步立体图像组成，为开发多模态算法提供了全面资源。该数据集旨在帮助开发监测课堂学生活动的算法，以便实时检测课堂中的紧张、无聊或有趣的部分，从而改善教学质量。

The CADDI dataset was created by the Computer Science Research Institute of Alicante, Spain. It comprises 19 distinct human activities performed by 12 participants in a typical classroom environment. The dataset consists of accelerometer, gyroscope, rotation vector data, and synchronized stereoscopic images, providing a comprehensive resource for developing multimodal algorithms. This dataset is designed to support the development of algorithms for monitoring student activities in classrooms, enabling real-time detection of tense, boring, or engaging segments during lessons to improve teaching quality.

搜集汇总

数据集介绍

构建方式

CADDI数据集的构建是通过使用低成本的IMU传感器（智能手表）收集12名参与者在典型课堂场景中执行的19种不同的人类活动。该数据集包括加速度计、陀螺仪、旋转向量数据和同步的立体图像，为开发多模态算法提供了全面的资源。

特点

CADDI数据集的特点在于：包含了19种不同的课堂活动，既有持续时间较长的连续活动，也有持续时间较短的瞬时活动；数据集由12名参与者提供，涵盖了多种生理和物理特征；数据以JSON格式存储，方便进行数据分析和模型训练。

使用方法

使用CADDI数据集时，研究者可以按照实验类型（连续或瞬时）和参与者进行数据划分。每个数据点都包含了时间戳，方便与图像数据同步。研究者可以使用Python等工具进行数据分析，以及TensorFlow或PyTorch等深度学习框架进行模型训练。

背景与挑战

背景概述

CADDI数据集是一项针对课堂活动监测的研究成果，由西班牙阿利坎特大学计算机研究所的研究团队创建。该数据集旨在通过低成本的惯性测量单元(IMU)传感器，捕捉并分析学生课堂上的行为，以辅助教育工作者实时调整教学策略，提升教学效果。CADDI数据集包含了19种不同的课堂活动，分为连续性和瞬时性两种类型，由12名参与者在典型的课堂环境中执行。它包含了加速度计、陀螺仪、旋转矢量数据以及同步的立体图像，为开发多模态算法提供了一个全面的资源。

当前挑战

CADDI数据集在构建过程中面临的挑战主要包括：1)确保从低成本传感器收集的IMU数据的一致性和准确性；2)处理和同步来自不同传感器和立体相机的大量数据；3)设计能够准确捕捉课堂活动的数据采集协议；4)由于课堂活动的复杂性和多样性，对算法的泛化能力提出了较高要求。此外，数据集的标注和验证过程也需要克服诸多困难，以保证数据集的质量和实用性。

常用场景

经典使用场景

CADDI数据集适用于捕捉和识别教室环境中学生的活动，其经典使用场景包括：学生上课时的连续活动（如写作、绘画、使用键盘等）和瞬时活动（如举手、喝水、翻页等）。该数据集通过低成本的传感器（智能手表）中的IMU数据，为研究者提供了分析学生课堂行为的丰富资源。

解决学术问题

CADDI数据集解决了教育领域中缺乏针对课堂活动的大型标记数据集的问题。它的出现为开发可靠的预测系统提供了可能，使得教育工作者能够实时调整教学策略，减少学生的负面情绪体验，提高课堂参与度。此外，该数据集也为研究者提供了一种非侵入式的监测学生活动的方法。

衍生相关工作

CADDI数据集衍生了多项相关工作，包括但不限于：基于该数据集的活动识别算法研究，智能教学系统的开发，以及学生行为分析模型的构建等。这些工作进一步推动了教育技术领域的发展，为提升教学质量和学习效果提供了有力支持。