Ana Uzelac

Predmet ovog istraživanja je praćenje parametara fizičkog okruženja primenom Interneta inteligentnih uređaja i analiza njihovog uticaja na kvalitet predavanja. Glavna hipoteza od koje se polazi i koja je dokazana je da se primenom tehnologije Interneta inteligentnih uređaja u nastavi može poboljšati proces odvijanja nastave. Zadatak inteligentnih uređaja je da mere relevantne parametre fizičke sredine, kao i aktivnosti predavača i studenata, koji će potom biti poslati na obradu.

Poboljšanje procesa odvijanja nastave ostvareno je implementacijom sistema za određivanje kvaliteta predavanja koji u gotovo realnom vremenu omogućava analizu prikupljenih podataka i prikazuje obrađene rezultate. Kako bi se realizovao sistem koji je u mogućnosti da u realnom vremenu pruži informaciju o kvalitetu predavanja, urađen je pregled relevantnih istraživanja i dostignuća u oblasti tehničkih i društvenih nauka. Urađen je pregled i klasifikacija postojećih implementacija pametnih učionica.

Da bi se identifikovali parametri fizičke sredine koji utiču na kvalitet predavanja, proučena je literatura relevantnih oblasti, sprovedena anketa i obrađeni dobijeni rezultati, pa su na osnovu toga izdvojeni oni koji bi mogli uticati na kvalitet predavanja. S obzirom na to da se sistem bavi i analizom predavačevog ponašanja, proučeni su i radovi iz oblasti obrazaca ponašanja i socioloških signala kao i njihova veza sa tehnologijama koje se bave prepoznavanjem aktivnosti posmatranih subjekata.

Na  samom početku su definisani zahtevi sistema, a potom je predstavljena arhitektura sistema koja ispunjava definisane zahteve. U osnovi projektovanog sistema nalazi se klasifikator koji je istreniran da odgovori da li studenti smatraju da je predavanje u datom trenutku kvalitetno ili ne. Tačnost klasifikatora na skupu podataka za učenje iznosi 93.2%. Zatim je implementiran sistem u Matlab-u koji ima mogućnost da obradi digitalni signal kako bi iz njega izvukao različite glasovne karakteristike, kao i da obradi izvorne podatke dobijene pomoću akcelerometra. Vrednosti ovih parametara se potom koriste kao ulazne vrednosti za klasifikator čiji je zadatak da, na osnovu istreniranog modela, za date ulazne vrednosti odluči kojoj klasi pripadaju. Nakon implementacije sistema urađena je evaluacija u realnim uslovima za četiri različite grupe podataka a dobijena tačnost se kreće od 70.7% do 83.8%