في علاقة متزايدة التعقيد بين التعليم والتكنولوجيا، يبرز سؤالٌ محوري: كيف يمكننا قياس انتباه الطلاب دون انتهاك خصوصيتهم؟ في بحث جديد تم الإعلان عنه في arXiv، تم تقديم نظام مبتكر يتيح تحليل مقاطع الفيديو التعليمية بطريقة تحافظ على الخصوصية، مما يقدم حلاً لتحسين فهم سلوكيات الطلاب.

يستند النظام إلى تقنية تتميز بكفاءتها، حيث يعمل على وحدة معالجة الرسوميات (GPU) واحدة ويستخدم أدوات مثل OpenPose لاستخراج الهيكل العظمي (skeletal extraction) وGaze-LLE لتقدير الانتباه البصري. واللافت للنظر أنه يتم حذف الإطارات الأصلية للفيديو فوراً بعد استخراج الوضعية، مما يضمن الاحتفاظ فقط بالإحداثيات الهندسية المخزنة بصيغة JSON، بما يتماشى مع قانون حماية خصوصية التعليم العائلي (FERPA).

يساعد النظام في إجراء تحليل حول سلوك الطلاب عبر مقاطع المحاضرات، حيث يتم معالجة بيانات الهيكل والتوجه بواسطة نموذج QwQ-32B-Reasoning الذي يمكنه إجراء تحليل صفر-ضرب (zero-shot analysis) لسلوك الطلاب.

يتاح للمدرسين الوصول إلى النتائج من خلال لوحة ويب تحتوي على خرائط حرارية توضح مناطق الانتباه وملخصات السلوك، مما يسهل عليهم فهم مدى تفاعل الطلاب. ومع ذلك، تظهر النتائج الأولية أن النماذج اللغوية الضخمة لا تزال تواجه تحديات في الفهم المكاني لتوزيع الفصول الدراسية.

تناقش الدراسة هذه القيود وتطرح أفكاراً لتحسين فهم النماذج اللغوية للتركيز المكاني في سياقات تحليل التعليم، مما يفتح آفاق جديدة لتطبيقات الذكاء الاصطناعي في البيئة التعليمية.