Détection de l'engagement académique des étudiants par suivi oculaire

Abstract

L’engagement académique est un facteur clé dans la réussite scolaire des étudiants. Sa mesure, souvent subjective, peut être optimisée grâce aux technologies émergentes comme le suivi oculaire et l’intelligence artificielle. Ce travail propose un modèle intelligent combinant un réseau de neurones convolutif pré-entraîné (VGG16) et un réseau LSTM afin de détecter automatiquement le niveau d’engagement académique à partir de séquences d’images d’yeux. Après avoir étudié les approches existantes, un prétraitement des données a été réalisé sur le dataset Eye Dataset de Kayvan Shah. Le modèle proposé a été évalué en utilisant des métriques telles que la précision, le rappel et le F1-score, montrant des performances supérieures aux méthodes traditionnelles. Cette approche ouvre des perspectives prometteuses pour l'amélioration des dispositifs éducatifs intelligents.