Résumé:
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.
