Sistem ini menggunakan kombinasi fitur audio-visual untuk memprediksi keaktifan siswa. Fitur-fitur tersebut:
Gerakan wajah:
 Sistem ini menggunakan metode deteksi wajah untuk mendeteksi fitur-fitur wajah, seperti mata, mulut, dan alis. Fitur-fitur tersebut kemudian digunakan untuk menghitung berbagai metrik, seperti durasi kontak mata, frekuensi kedipan mata, dan intensitas ekspresi wajah.
Gerakan mata:
 Sistem ini menggunakan metode pelacakan mata untuk melacak pergerakan mata siswa. Data pergerakan mata kemudian digunakan untuk menghitung berbagai metrik, seperti durasi melihat layar, frekuensi melihat ke bawah, dan frekuensi melihat ke samping.
 Suara:
Sistem ini menggunakan metode pengenalan suara untuk mengenali suara siswa. Data suara kemudian digunakan untuk menghitung berbagai metrik, seperti durasi berbicara, frekuensi berbicara, dan intensitas suara.
* Model:
Sistem ini menggunakan model pembelajaran mesin untuk memprediksi keaktifan siswa. Model pembelajaran mesin yang digunakan adalah model _support vector machine_ (SVM).
* Adaptasi:
 Sistem ini menggunakan teknik adaptasi untuk meningkatkan akurasi prediksi. Teknik adaptasi yang digunakan adalah teknik _online sequential extreme learning machine_ (OS-ELM).