Page 278 - SDMD CNKT va CNTT trong tien trinh CNH_HDH DBSCL

Hình 13.3. Minh họa ảnh sinh viên mất tập trung (phải) và tập trung (trái)
vào buổi học trực tuyến
(Nguồn: Bhardwaj et al., 2021)

Hình 13.2 và Hình 13.3 cho thấy nhóm tác giả đã sử dụng những thuật
toán rất thịnh hành như Haar Cascade và các kiến trúc tích chập sâu để phát
hiện người học có tập trung không.

Kaddoura and Gumaei (2022) nghiên cứu phát hiện hành vi gian lận của
người học qua các hệ giám sát. Hình 13.4 trình bày các xử lý chính của
phương pháp của nghiên cứu. Mô-đun thứ nhất và thứ hai nhận vào một chuỗi
các khung hình video, tùy thuộc vào kích thước cửa sổ thời gian đã chọn từ
trước bởi người sử dụng. Các mạng tích chập sâu được sử dụng để phân loại
các hành vi gian lận. Mô-đun thứ ba lấy các đoạn giọng nói được ghi theo
cùng kích thước cửa sổ từ mô-đun thứ nhất và thứ hai. Sau đó, các dữ liệu
này có thể được phân loại: gian lận, xác suất có thể gian lận, đồng thời kết
hợp thông tin với lần xuất hiện lời nói và không gian lận. Phương pháp thống
kê biến đổi Fourier rời dựa trên Gaussian được sử dụng.

Hình 13.4. Minh họa đề xuất bởi Kaddoura and Gumaei (2022)
để phát hiện hành vi gian lận trong kỳ thi

264