这篇文档属于类型a，即报告了一项原创性研究。以下是针对该研究的学术报告：

远程项目式学习（PBL）中视频活动报告对学习者参与度的支持研究

作者及机构
Kosuke Sasaki、Zhen He、Tomoo Inoue（均来自日本筑波大学）
发表信息
期刊：Journal of Universal Computer Science
卷期：Vol. 29, No. 11 (2023)
发表日期：2023年11月28日

学术背景

研究领域
本研究属于教育技术与计算机支持的协作学习（CSCL）交叉领域，聚焦远程项目式学习（Project-Based Learning, PBL）中的学习者参与度（engagement）监测与支持。

研究动机
远程学习的普及导致师生互动减少，而PBL中学习者参与度对任务完成和知识掌握至关重要。传统文本报告缺乏非语言信息（如语音停顿、表情），难以准确评估参与度。基于此，研究者提出利用视频活动报告（Video Activity Reports）捕捉语言与非语言信息，以支持教师远程识别学习者参与度变化。

理论基础
1. 参与度定义：采用Schaufeli等人的三维模型，包括活力（vigor）、奉献（dedication）和专注（absorption）。
2. 活动报告的作用：已有研究表明，视频报告比文本报告能提供更多情绪与认知状态线索（如填充停顿（filled pauses）和静默停顿（silent pauses））。
3. 技术可行性：He等人（2022）的初步研究证实了视频报告与员工参与度的关联性，但尚未在PBL场景中验证。

研究目标
1. 验证视频报告的言语与非言语信息与学习者参与度的关联性。
2. 设计AI支持系统的原型，帮助教师实时监测参与度。

研究流程与方法

研究对象与数据收集
- 参与者：8名研究生（男性，年龄23–26岁），均从事远程科研项目（PBL）。
- 数据量：共232份视频报告及对应的每日参与度问卷（UWES-3量表）。
- 实验周期：2020年8月至11月，工作日每日提交报告。

实验设计
1. 视频报告录制
- 内容：每日学习或研究进展（如文献阅读、实验设计）。
- 要求：面部清晰、环境安静，时长约30秒（无严格限制）。
2. 参与度测量
- 使用改编版UWES-3问卷（3个问题，评分0–6分），计算每日平均得分。
3. 数据处理与分析
- 言语信息分析：通过Google Cloud Speech-to-Text API转写文本，人工标注负面表达（如“未完成”“进展不顺”）。
- 非言语信息分析：人工标注填充停顿（如“呃”“嗯”）和静默停顿（>1秒），统计频率与时长。
- 统计方法：Welch’s t检验比较高低参与度组的差异，计算效应量（Cohen’s d）。

技术工具
- ELAN软件：用于标注语音停顿。
- BERT模型：尝试自动化情感分析（但准确率有限，需人工辅助）。

主要结果

1. 言语信息与参与度的关系

   • 含负面表达的报告（41份）当日参与度显著更低（均值3.4 vs. 4.0，p=0.007）。
     
   • 示例：如“模型训练未达预期”“数据不足无法分析”等语句与低参与度强相关。
     

2. 非言语信息与参与度的关系

   • 填充停顿：低参与度组的频率（11.3次/分钟 vs. 9.3次/分钟，p=0.03）和总时长（5.0秒/分钟 vs. 3.6秒/分钟，p=0.001）更高。
     
   • 静默停顿：低参与度组的频率（1.6次/分钟 vs. 3.8次/分钟，p<0.01）和总时长（2.4秒/分钟 vs. 5.8秒/分钟，p<0.01）更低。
     

3. 视频长度与参与度

   • 弱正相关（r=0.22），可能反映高参与度学习者更愿详细汇报。
     

结论与价值

科学意义
1. 首次验证视频活动报告在PBL场景中监测参与度的有效性，填补了远程教育中实时评估工具的空白。
2. 提出非言语信息（如停顿模式）作为参与度指标的理论依据，扩展了CSCL领域的研究维度。

应用价值
1. 教师支持系统：原型系统可通过自动分析视频报告，提示教师关注参与度下降的学生（如高频填充停顿或负面表达）。
2. AI技术整合：未来可通过深度学习优化个体化参与度模型（如结合面部表情、语音语调）。

研究亮点

1. 创新方法：将视频报告的非言语特征（停顿）量化，为参与度评估提供客观指标。
   
2. 跨学科融合：结合教育心理学（UWES量表）与计算机技术（语音分析API）。
   
3. 实践导向：直接服务于远程教育中的师生沟通优化。
   

局限性
- 样本单一（同实验室研究生），需扩大至不同学科与文化背景群体。
- 自动化情感分析（BERT）在日语报告中的准确率有待提升。

其他有价值内容

• 系统原型设计：展示了基于Web的师生交互界面（图7-8），支持教师评论与反馈。
  
• 未来方向：探索多模态数据（如眼动、肢体动作）与AI个性化建模的结合。
  

（报告字数：约2000字）