Abstract
В данном обзоре систематизированы исследования 2020–2025 годов, посвящённые автоматическому обнаружению вовлечённости студентов в онлайн-обучении на основе компьютерного зрения и глубокого обучения. Вовлечённость рассматривается как многомерный конструкт, включающий эмоциональные, когнитивные и поведенческие компоненты, которые играют ключевую роль в академической успеваемости. Анализируются используемые наборы данных (публичные и специализированные), методы извлечения признаков (мимика, направление взгляда, поза головы, движения тела), архитектуры моделей (CNN, LSTM, трансформеры) и подходы к мультимодальной интеграции. Показан переход от экспериментальных решений к комплексным системам реального времени, однако отмечены сохраняющиеся проблемы обобщаемости моделей, нехватки разнообразных данных и этических рисков, связанных с конфиденциальностью и обработкой персональной информации. Делается вывод о необходимости разработки стандартизированных, этически обоснованных и адаптируемых к различным условиям методов оценки вовлечённости.