本研究提出了一种新的知识建模与材料预测方法KMaP，旨在解决教育领域学生个性化不足和行为建模不充分的问题。该方法通过集群化学生画像提升了学习资源偏好的预测能力，并在实验中验证了其有效性及学生行为差异。

本文介绍了学生课堂行为数据集(SCB-dataset)，重点检测举手、阅读和书写等行为。研究采用YOLOv7算法，平均精度达到85.3%，并通过改进方法提升至87.1%。此外，研究探讨了通过学生动作和情绪识别衡量参与度，提出时空注意力方法(BDSTA)，提高了行为分类准确率。该数据集为学生行为检测研究提供了重要基础。