多项式SVM算法在可穿戴设备监测学习过程的应用

刘 峥，申 红，徐小勇

(西安铁路职业技术学院交通运输学院，陕西 西安 710064)

通过自我监控、自我评价来评估学生在不同阶段的学习效果，可帮助教师改进教学设计。为了监测学生的学习过程，相关研究使用了问卷调查方法[1]，对学生从学习情况、学习态度、对课程的评价及建议进行了调查分析，但这种方法并不是总能达到理想效果。为了提高问卷效度，学生需花费不少的时间和精力，且不可能将该问卷多次应用于所有课程。目前，价格低廉、具有获取和存储日常活动数据能力的可穿戴设备已经得到广泛应用。通过可穿戴设备，教师可以监测教学互动质量、学生心理健康和学习参与度[2]。

笔者在课堂活动中使用腕戴式设备捕获学生生理数据，并应用机器学习技术从生理数据推断学习效果。随后通过将学生在课堂上的相关信息提供给教师，促进教师不断提高教学质量，从而达到高效教学的目的[3]，以期为机器学习算法与人体生理数据研究领域提供新思路。

1 材料与方法

生理感知和量化自我技术的融合可以提供真实而细致的学习活动数据，从而为教师教学提供参考[4-5]。相关研究[6]表明，生理数据来源(包括可穿戴和稳定的设备)可以提供重要的信息来源，从而为使用可穿戴设备监测学生学习过程提供有力的数据保障。

在监测人体生理数据时，学者们往往关注来自自主神经系统的生理测量数据[7-8]，与中枢神经系统监测相比，自主神经系统监测成本更低、速度更快、佩戴更隐蔽，在生理学上更有效。……