学习小i机器人伴侣

!
"01123345678619:754:7;A@B;95>C!
基金项目!
本文受国家自然科学基金项目"多场景网络学习中基于#行为$情感$主题%联合建模的学习者兴趣挖掘关键技术研究&'项目编号!
国家重点研发计划课题"数据驱动的数字教育个性化服务支撑技术研究&'项目编号!
教育部人文社会科学研究项目"高校慕课环境下的互动话语行为及其对学习效果的影响机理研究&'项目编号!
,"'.
/00++1&(资助*01234516789:;随着人工智能技术和教育大数据的蓬勃发展+以慕课,可汗学院,翻转课堂为代表的学习革命正强烈冲击着传统教育的生态+引发了教育观念,教学方式,人才培养等方面的深刻变革*相比网络学习空间+物理学习空间的场景较为多元化+除了包含正式的学习场景'教室,多媒体机房等(外+还包含较多非正式的学习场景'阅览室,自习室等(*作为正式教育的重要组成部分+目前+物理学习空间下学习场景的数字化和智能化水平还较为滞后+教学方式,学习评价机制以及师生互动模式均亟待重塑*由于传统课堂学习数据的采集+主要依赖于人工观察和用户自报告等调查手段+采集到的数据往往不够全面+且具有一定的主观性+因此+学习数据的可获得性与信度成为物理空间重塑的难点*随着可穿戴技术和移动互联网的兴起+物理学习空间中的教与学分析与智能化的学习支持服务迎来了新的机遇*作为一个面向多研究领域的研究方向+当前"学习分析&的一个发展趋势是采用物理空间内的传感器数据+来支持学习者的自主学习*德国柏林洪堡大学'9:;@ABCDEFGC@H=I)EF>CB(的学习分析项目组负责人J=;KBGLK博士+探索了如何使用传感器检测学生情绪状态*她认为+对于每个个体+传感器的检测结果都会产生一个完全独立的模式+例如+脉搏,皮肤上的汗水和焦虑症等特征的特定组合+可表明学习者正处于多重恐慌发作的情绪状态4,5*新媒体联盟-地平线报告.
'&+,$高等教育版(指出!
从长远看来+情感计算与人工智能等新兴技术可以对教育产生巨大影响+但将其应用于实践仍有待底层技术突破)同时+当前用于测量学习者生理数据的穿戴式传感技术已趋于成熟+在未来-M1年将作为支撑技术对教育的变革起到推动作用4&5*在学习过程中+情绪是学习者的一项重要的内隐式学习特征+情绪互动的缺失易引发学习者产生倦怠和迷茫+进而导致学习动机的下降*对于学习者来说+他们回答问题时的语气,眼神以及表情等都能为教学者分析和调节其心理状态提供线索*孙波等利用基于子空间的表情识别技术+鉴别出学生在智慧课堂学习交互时产生的消极情绪+并支持教师开展及时的情感干预和教学活动调整4-5*美国麻省理工DD!
"#$"#学院!
"#媒体实验室情感计算研究组主任$%&'()教授开展了多项关于学习伴侣系统的美国自然科学基金项目*+,研发了一套面向-.
/0学生的教室内情绪检测系统并将这个新工具引入到教学实践中以改变当时忽略了情感交互功能的计算机辅助教学模式最终使计算机快速且适时地响应学习者的情感诉求123在当前数字化学习环境中教师在制定教学策略时仍较少考虑到学生的情绪然而该因素却贯穿于整个教学过程并与学习者的认知产生交互作用为此我们从学习分析视域出发探讨物理学习空间下学习者情绪感知的研究现状研究方法采用的设备以及在智能化教学中的关键应用方向旨在揭示物理学习空间下情绪感知在学习分析领域的研究状况和发展态势为基于数据驱动的学习分析研究与物理学习空间重塑提供新的视角和参考%&'()*一基于传感器的学习分析数据是学习分析研究的重要前提近年来在线学习环境中的学习数据点击行为互动对话文本作业提交或互评等因其大规模可获得性强等特点一直是学习分析主要的数据来源随着传感器技术越来越多地被应用于生活中每个人都或多或少地在智能手机中使用了传感器如地理位置分享情境感知与声纹识别等同时这些传感器设备也可用于获取学习者的生理数据如智能手表可记录他们的脉搏心跳步数等信息143还有一些设备可捕获用于感测个体生理压力值的皮电反应信号传感技术的不断成熟极大地提升了物理学习空间中数据的采集能力扩宽了学习分析的界限从0560年起连续六届学习分析技术与知识国际会议都指出传感技术如眼动脑电和心电等将成为学习分析重要的研究手段17893基于传感器的学习分析研究的目的是采集学习者的生理数据以感知其在真实学习环境下的行为情绪认知以及注意力等与学习相关的特征以探索这些学习特征在学习效果上的对应关系和影响机理并设计更为先进的学习技术以帮助学习者实现自我反思和自我管理式学习以及协助教师实现个体或群体学习状态的监测和干预二学习者情绪感知学习者情绪状态的有效感知能够增强教学群体之间的互动性在学习过程中及时了解个体情绪并针对学习者的不良情绪开展实时调节和干预以达到改善学习效果的目的物理学习空间中情绪感知主要通过基于个体的多模态生理或心理信号对其情绪进行识别这是人工智能研究的重要方面1:3研究者们已经采取多种方式表情识别文本情绪识别声音情绪识别等来感知个体的情绪165.
603用于监测个体生理数据心率血压皮电脑电等的传感器和智能可穿戴设备能有效感知其当前的情绪状态例如;等先后选取包含情绪色彩的图片回忆及游戏作为情绪刺激源从中提取脑电@>&A(B>=&>C(+C>&A(HIJ>=K%AE$+J和各波段能量谱特征还采用朴素叶贝斯支持向量机等分类算法实现了:类情绪状态不同程度情绪唤醒度与效价的组合的识别识别率达到47L87ML16M3三智能可穿戴设备智能可穿戴设备是指可以被用户穿戴的以手环眼镜头罩等佩戴物形式设计的智能设备它能使感知工具自然地融入到用户的日常生活中方便用户对自己的睡眠运动位置以及社会媒体交互等数据进行无缝追踪新媒体联盟地平线报告0567基础教育版预计可穿戴技术在0506年将会成为中小学阶段的主流教学工具1623目前的可穿戴设备不仅可以测量和记录个人数据还可以融合响应式支持以帮助个体理解身体信号学习情境以及学习成效之间的关系例如用于神经科学研究的一种携带式传感头带!
HK>已经被一些高校研究者用来开展教学实验以探索学生脑活动和教学效果的关系通过提供实时生理反馈和音频信号的暗示来优化学生的思维方式1643+&,-.
/012针对国内外研究者在物理学习空间中基于智能传感器技术开展学习者情绪检测研究我们从四个方面对文献进行梳理和综述首先在研究目标上国内早期的研究旨在弥补教学过程中师生之间的情感缺失进而增强在线学习系统的人性化和智能化1678693近年来随着人工智能技术的蓬勃发展研究者们通过对学习者情绪信号的采集将人工智能技术应用于学习者的学习过程与现实生活旨在为其提供个性化的学习服务16:8053在国外早期的研究目标主要是利用智能导学系统预测学习者情感状态并为其提供个性化反馈1063随前沿探索345678956:;/0@01123345678619:754:7;1等在英国意大利西班牙等七所特殊学校中将情绪感知测量系统@;AB7C7C应用于&K=79检索关键词传感器Q可穿戴设备情感Q情绪检测识别学习分析C921:QI9;:;L=9P9O7392NR1>71QMSS93>QC9>7R9>P9>93>71T931H7>7159;:7HM;=J>732相关文献数量A@B;95>CDE!
"#$"#的学习者情绪感知研究文献数量在近!
年呈现小幅上升趋势国外的相关研究一直处于领先的发展态势尤其自"#$%年以后研究文献数量出现明显上升趋势从国内外研究文献分布图来看国外该研究的数量明显多于国内我们通过研究发现国内进行实证研究的案例较少以对学习者在智慧教学环境下的面部表情分类居多&(")而对学习者个体的隐性情绪特征分析较少国外开展研究时间较早随着学习分析技术的兴起基于传感器设备的学习分析在年得到更多的关注研究者主要运用基于传感器的可穿戴设备来捕获个体生理数据和学习情境数据以全方位洞察学习者情绪状态变化且融合了感知辅助学习分析分类评估和问卷调研等方法来开展基于传感器数据的学习感知实验以及学习系统研发图国内外研究文献分布趋势图012345一情绪测量方法情绪测量是智能教育系统能够响应和改善学生情感状态的先决条件积极的情绪可以促进学习者改善知识素养同时也会影响学习者当前的学习行为和对学习资源的选择这里介绍两种常见的情绪测量方法$-基于传感数据与自报告相融合的测量方法.
/0和123由.
45信号提取而来信号可以测量生理压力和心率上的周期性变化特征该信号与人类的情绪特征有着紧密的联系德国柏林技术与经济应用科学大学6789:;@0AAB8:CDE8:7E:@L=;:/GH:的M"它能够推测学生的情感并利用情感知识提升学生的学习表现其技术特点在于能在任何时间点表情绪感知设备分类传感器类型类型介绍所属设备集合应用场景运动感知型传感器不受检测对象反射率影响可在智能设备中实现实时运动监测导航和人机交互压力鼠标姿势分析座椅陀螺仪加速度计压力传感器磁力计等在基于智能导师系统的人机交互中采用非侵入式传感设备感知个体学习中的情绪状态生理参数检测型传感器用来检测学习者在学习活动中一系列的心电脑电变化情况心电传感器脑电波传感器肌电传感器无线皮肤电导等用于脑电心电信号检测揭示学习者物理环境下的情绪状态变化情况环境感知型传感器环境感知类传感器用来监测环境中的某些参数为学习者活动提供指导温湿度传感器气压传感器等物理空间环境数据的采集与测试降低环境因素给学习者带来的负面情绪影响表情绪数据采集分类采集方式方法描述形式特点案例来源相关研究机构人工观察教师通过对学生面部表情动作等学习行为的观察判断和记录即可课堂实时观察也可通过视频记录事后标注和分析仅能发现浅层情绪变化安娜:凯塔琳娜普雷托里乌斯3$$/:@/*1/(%$/A(/'*,(%2)等对!
B个班级的BB9名学生及;!
名教师进行的情绪评估=C9德国国际教育研究所自我报告学习者以形容词评定量表来量化自己的情绪状态量表或对话形式的静态测量方法不能动态反应和监测学习者在学习过程中的情绪状态变化塔奴家珊达奈科D1/$2E/F/$G/$/+/H'等人采用成就情绪问卷301%'&'4'$*I4,*%,$J2'3IJ=CK斯里兰卡莫拉图瓦大学信息技术学院生理信号利用传感设备探测并记录各种相关生理参数提取出参数中隐含的特征变化具备很好的鲁棒性和客观性但是有些生理参数的稳定性差且易受不同环境下噪音的干扰伊冯阿罗约L&,$3((,+,教授等人使用观察法以及传感器技术对马萨诸塞州霍利奥克市的一所公立学校的"B名学生进行情绪检测=CM美国马萨诸塞大学阿姆赫斯特分校计算机科学系语音信号通过分析声音的韵律声调和一些非语言发音来识别情绪状态由语音信号采集情感特征提取与情感识别三个部分组成信号会受到噪音的干扰卡瓦史巴瑞尼@%/&/)15/1('%$%等人提出利用网络摄像头和麦克风促进学习的框架=>8荷兰开放大学终身学习实验室面部表情人脸检测技术通过定位人脸进行表情特征提取实现学习者自然状态下的数据采集测量结果存在主观因素影响如刻意伪装真实情感表情奈杰尔布什N%;扬州大学信息工程研究所美国圣母大学计算机科学与工程学院眼动信号利用眼动仪观测学习者的眼动模式识别学习者的学习状态是否为厌倦焦虑或无聊等基于人类的认知加工理论以及眼动状态的表意功能眼动信号捕捉具有客观同步和生态学效应特点易探测出简单且显性的情绪表征O.
'66,研发的智能导师统采用眼动仪探测学习者的眼动模式从而鉴别出个体在学习中是处于无聊懈怠还是分神状态根据不同状态该系统会提供不同的学习提示=>!
美国圣母大学计算机科学系与心理学系=>A@B;95>CDE!
"#$"#确定学生的情感状态!
并提供适应性支持!
长期使用可以改善学生的学习"他们使用包括传感硬件设备和机器学习软件在内的情感识别方法!
以鉴别学生的状态"在如图!
所示的四种传感设备所构成的研究平台中!
识别包括五种相互独立的情感变量#沮丧$有动力$自信$厌倦和疲乏"图智能导师系统中的四种情绪感知设备在识别出学习者情感状态后!
平台将提供情感反馈!
反馈方法包括鼓励学习者参与评论!
根据过往学习表现的可视化图形!
推送一系列干预机制等!
这些干预机制会根据不同情形自适应变化"例如!
在学生回答完一个问题后给予相应的解释%当学生在问题出现后思考时间过长时!
给予提示或给出以往做过的题目样例!
以帮助学生回忆和思考"与此同时!
该平台也会对干预措施进行评估!
以便在不同的场景下选择最佳的干预策略"二虚拟学习同伴当前!
在高等教育中正在逐渐普及的混合式教学模式!
强调了对学生自主学习能力的培养%对教师而言!
有效管理学生学习过程对教学效果有着重要的影响"为了进一步培养学生的自我管理意识!
虚拟化的学习伴随系统可作为一个理想的支持工具!
为学生提供定制化的学习反馈"另外!
基于传感器的自适应学习分析0%1#&.
0%23$.
#4)4$5,'6#718'!
是由德国联邦教育与研究部的一个校企合作项目资助的!
该项目旨在分析学习者在不同情境下的学习活动状态!
以及传感器检测到的与学习相关的生理信息!
来为学习者提供个性化学习支持和自适应反馈""718项目的核心就是开发移动设备(((19$%,:0&',0%&移动学习同伴'"19$%,:0&',0%不仅可以接收来自环境传感器$腕带传感器$体温传感器$心电传感器等多种传感器数据!
并将其传递到"718学习分析系统!
而且还可以在不影响个体学习的情况下!
进行学习者和数据之间的信息交互;!
"718系统框架如图所示"图系统框架具体来说!
19$%,:0&',0%传感设备接收传感信号!
并发送这些信号到"718学习分析引擎进行处理!
然后将处理后的数据返回到设备!
以反馈给学习者"这种学习者与19$%,:0&',0%之间的数据交流!
采用的正是移动学习同伴的概念!
它增强了学习活动与学习环境的情景信息!
强调学习同伴系统对个体学习支持的移动性$伴随性与情景性"此外!
:7@媒体实验室的情感计算研究组所研发的)学习伴侣*系统!
为计算机辅助的个体学习提供了情绪唤醒和调节等支持!
)学习伴侣*中的核心功能((()情绪伴侣*充当了陪伴人类学习的同伴或指导者"如!
当)伴侣*感知到反映学习者低唤醒情绪的肢体行为或面部表情时!
它会认为学习者当前具有较低的自我效能感和情绪状态!
从而采取一定的激励机制促使学习者完成困难的任务!
使他们能够在困难中获得宝贵的经验;"图=所示为学习同伴)B$-#+*与学习者的情绪互动过程"图=学习同伴B$-#+与学习者的情绪互动过程三情绪互动支持无线网络和传感器技术!
为提升物理学习空间的情绪体验支持开辟了新的途径!
学习者可以通过个体感知数据获得自身情绪特征的暗示"情绪的互皮电环境心电智能监视器后端学习应用蓝眼监视器坐姿压力鼠标视频捕捉皮肤电导性头部跟踪器游戏状态系统服务器日志记录推理引擎离线视频编码行为引擎特征体系前沿探索0123401123345678619:754:7;0-);0+/)对英国萨克维尔学校中@名高中生的情绪交互体验进行了研究(图A即为内置传感器B0-)B0+/)!
它包含C种不同的颜色!
学习者可以通过挤压操作!
显示符合自身情感相关的颜色!
来向老师传达不同的情感状态(结果表明)该技术能为实体课堂中学生社会化互动能力的提升"自我情绪的感知和反思"教师的课堂活动组织和教学策略调整提供很好的支持23C4(图A内置传感器B0-)B0+/)四自我调节能力评估注意力与自我调节能力是各年龄段学习者在自主学习环境下需具备的基本技能(目前!
学习分析领域的研究者主要依赖计算系统生成的数据$如!
学习管理系统!
点击流或日志数据%!
来检查学习者的自我调节能力(一个长达DE年"拥有FFF多个被试者的纵向研究发现)在控制了社会经济地位和智力两项影响因素后!
个体在儿童时期拥有更好的自我调节能力预示着!
其在成年后具有更健康"更少的犯罪行为和拥有更多的财富23G4(然而!
随着可穿戴技术能够采集到越来越多的生理心理数据!
使得研究人员能够更加准确的评估影响学习者自我调节能力的因素(如!
美国德克萨斯大学阿灵顿分校$7/"8)%1"09+:5)=$10+/%学习创新与网络知识$H)$%/"/*I//+8$0"+/$/&J)0K+%L)&M/+K-)&*)%研究实验室的凯瑟琳*斯潘$N$06)%"/)BO$/%等!
通过利用临床医用级可穿戴设备PQO$0",$PR!
收集生理心理数据来评估个休的注意力和自我调节能力(实验证明!
STU$S)$%0V%$0)U$%"$>"-"09%信号与情绪体验+认知过程有着显著关系!
具有更高静止心率的个体在实验室或真实场景中!
均能更好地完成对注意力和沉浸度要求较高的认知训练任务,心率信号可以有效评估学习者的自我调节能力!
并且为教师在实际课堂场景下!
评估和培养学习者的自我调节学习能力提供了新的视角23W4(PQO$0",$PR自动获取的数据!
可由研究人员通过在线PQO$0",$网站访问(图3为PQO$0",$PR软件体系结构图(图3PQO$0",$PR软件体系结构图五学情分析监控学习过程中的情绪检测和追踪研究已充分证实!
学生早期的先验情绪信息!
对教师开展定制化教学和交互式学习尤为重要(一旦学习者出现异常的学习表现$辍学"参与度降低或注意力分散等%时!
教师可根据以往情绪表征进行学情判断和分析2CF4(因此!
采取适当的方式分析监测学生的情绪!
是支持有效学习的关键!
对学生情绪状态的实时监测!
可为教学反思及教学过程的改进!
提供有效依据(美国英特尔实验室的.
-90-)B0+/)为学生在学习互动过程中以自我报告的形式!
实时向老师提供情感体验的工具(=>A@B;95>CDE!
"#$"#捉仪眼动追踪器和表情捕捉仪记录的学习数据以联合识别和记录学生的情绪通过学情分析实时为学习者提供早期学习预警斯洛文尼亚卢布尔雅那大学!
01*$%"#2电气工程学院的32"%45216(%1.
等研究者在真实课堂环境中利用78"69(注意力监测系统所获取的:;和K@我们认为以智能传感器技术感知情绪状态的方式来改善学生学习表现已成为教育技术界的研究热点基于物理学习空间感知数据的学习分析这一新兴领域为适应性学习建模和系统研发提供了新的途径但需要指出的是目前的学习状态包含情绪认知学习行为等测量和感知技术仍不能满足对课堂教学质量精准评估的需求一方面由于课堂环境的复杂性学生个体间的姿态差异性课堂教学情境的多样性等因素导致测量准确度较低实际测量结果还达不到课堂教学分析的要求另一方面随着教学改革的不断深入课堂教学评估的重点不再仅仅是教师在知识传授方面的有效性还需要关注教师帮助学生在协作建构知识方面的有效性这对课堂教学中学习活动数据的采集分析和处理均提出了新的要求将学生在物理学习空间中的传感数据与网络空间中的日志数据相结合是未来学习分析研究趋于空间多元化数据多模态化以及感知精准化的一大趋势但这也给学习者模型的设计和数据交互带来了巨大挑战目前在教学过程中利用传感器采集的数据为用户提供适应性反馈的成功案例和模式仍然较少此外多模态学习数据的并行感知和集成分析的技术解决方案以及允许人机交互和学生自我反思的一体化学习感知系统仍有待继续探索总的来说当前使用传感器技术进行学习者情绪的感知仍处于初步探索阶段未来怎样开展该方向的研究和技术应用还需进一步考虑以下四个方面的问题一沉浸式学习体验在用户体验方面应着重考虑如何设计一个受用户尊重与信任的学习同伴如智能监测系统和智能导学系统知识获取的关键在于流畅的学习过程和良好的学习体验营造沉浸式学习环境需要可穿戴技术在学习者周围自动感应与学习有关的情境信息生理信号运动信息迁移信息等数据利用随身携带的智能设备借助无线接口云计算和大数据分析技术开展精准的学习智能支持当学习者在物理学习空间出现情绪低落或消极时那些处在人机交互中的学习者即能够被可穿戴设备感知情绪信号又能够接收智能学习系统的适应性指导和情绪唤醒此外还应使学习者实时观察自身情绪的=2'CL*2&H以产生自我反思使学习者全身心投入到学习中来来自美国德克萨斯女子大学M6N2'O*G2"'A"8$6&'8()图书馆和信息研究学院的一项研究显示沉浸式的学习环境有益于支持学生快速获取知识和技能>P@二情绪状态识别的准确性用户情绪具有内隐性利用传感器准确感知情绪还存在诸多困难例如在通过感知设备记录的生理信号来推测情绪时易受到不同环境下噪音的干扰因此对个体情绪的准确测量尚存在相当大的难记录预处理人物设置特征提取架构人物任务特征计算计算平均值计算特征中值()*+重采样"#$%&'特征注意力注释注意力评估达滤量化联合评估参照注意力"近邻,-.
集成树/决策树01集成"近邻!
模型训练时间滤波预测注意力预测训练集过滤标准化数据分割2训练.
个用户测试0个用户3训练.
个用户测试0个用户4训练全用户567测试全用户167测试集验证准确率模型准确率视频录像"#$%&'特征前沿探索,-.
/012.
/3456789:;01123345678619:754:7;A@B;95>CDE!
"#$"#处于被动学习状态时!
它只能找出知识上的不足"错误答案的归因"不良情绪发生的强度和所处时间点!
对情绪的感知还需要辅助人性化和个性化的情绪干预#俄罗斯远东联邦大学副校长维多利亚$帕诺娃则用'软技能(对此进行阐述)'人工智能能够推动场景的时空转换!
填平城乡之间信息沟通不畅导致的教育鸿沟!
但无法解决教育氛围营造!
形成教师口传心授过程中融入的大量*情感因素+!
而后者对培养人才的决策力,沟通力"组织力至关重要(-因此!
情绪感知只是教育场景变革的一个起点!
未来的研究还需要进一步深入思考如何调节和干预学习者情绪!
以及唤醒其积极的学业情绪使其更高效地投入到学习中!
使教育变得更加有'温度(!
而不只是人工智能裹挟下的教学'监控器(!
以最终实现教育主体与客体人格和价值观的不断完善-这将是人工智能与教育进行深度融合及教育教学精准化的必然选择!
也是新一轮科技革命下构建教育新生态的关键诉求-参考文献012345673(27)2$3839%0)53()%4)2:'2-390;3%093732$7)%4@34)!
ABCDE#,!
FGHIJ"GJ""#,:220))CC09%47(L2:3U%93%KA&%27%(7(;4%03997(L2:35+AWE3'4(7(L;4%63))!
Y#RS5`;4%a36251&&'4'(@Q3)647027%(!
FGGVR!
Z#刘智!
刘三女牙!
康令云R物理空间中的智能学伴系统)感知数据驱动的学习分析技术.
.
.
访柏林洪堡大学教育技术专家S739);7(*)A@16'27%('9P%d%2)'(@5&'42P9'))4%%&)!
Y#Rf(234('27%('9Y%14('9%KO427K767'9f(23997L3(637(A@16'27%(!
FGH\!
F\%F&)VGHJVHFR!
FV#齐继东R论情绪情感在大学生自主学习中的作用及实施策略!
Y#R吉林广播电视大学学报!
FGHI%H&)\FJ\]R!
FI#507*%9Q!
U1KK'9@7A!
Q'd7)7')c!
32'9R5103487)3@+'6:7(3E3'4(7(L7(+1927&%@'9E3'4(7(LO('9276)K%4A)27&'27(L51663))7(;4%a362Jd')3@E3'4(7(L!
Y#RY%14('9%KP%&01234O))7)23@E3'4(7(L!
FGHI!
J]VVR!
F[#5:3(E!
g'(L+!
5:3(UROKK3627833JE3'4(7(L).
)7(L'A&%27%('9(Q'2'2%f&04%83E3'4(7(L7(;348')783E3'4(7(LA(874%(&3(2!
Y#RY%14('9%KA@16'27%('9W36:(%9%Li5%6732!
FGG[!
HF%F&,!
XG#;324%876'5,O@'02'27%(%KW12%47(L2%521@3(2)+A&%27%()7(A&%前沿探索0123401123345678619:754:7;@A0):-$9B$4-$C).
)$:)-$DB===>@A@A@7@AEF3A@5陶雷罗朝雄F基于GHI处理器的智慧教室电器开关控制系统硬件设计3J5F信息与电脑>@E@K@>L7@>KF3A>5+)MN%.
OP,Q!
)I%R9S%AT>EF3AA5程萌萌林茂松王中飞F应用表情识别与视线跟踪的智能教学系统研究3J5F中国远程教育>@AAUK7EVF3AV58,/17W).
.
)/.
%WG.
!
/C/:)GI:I%$,1P)!
%AUF3AU5^X!
%$9)$a)!
%!
;B$9,9[)\)@VF3A]5周肖肖F基于多模态融合的情感计算研究3[5F西安西安邮电大学>@LF3AL5_1/);P8/B[)'G)!
%L@EVT@E]F3AK54#R1#L@]K]T@LEF3V5W.
J[/K@VAT@U>F3V@5_)**)RXFBR!
)*.
%!
/R*i%.
!
/:/Q%!
-.
'X)R1/R*%R9BRC-.
M%@>UU>TUUUF3V>54%G4d).
`/R1N/IO-1)`%'G)!
%@A_,M%/R)G11-:/%!
/-R4-RC).
)R:)-RFB===>@A>U>T>U]F3VA5S/MJS-_FO):-RC/*,.
%Z@E@E@>>>F3VV5i-Q)1:,Oi-R)1:,[O-/Z,FXM%.
!
4@L>L!
;=G==B=GRR,%@L@7KF3VU5徐振国k陈秋惠张冠文F新一代人机交互自然用户界面的现状类型与教育应用探究兼对脑机接口技术的初步展望3J5F远程教育杂志>@LVV@7UF3VE5苏逸飞张永魁F用于情绪识别的无线生理信号采集传输系统3J5F电气电子教学学报>KUE@7EAF3V]5李英春尤磊贺靖康等F基于生理信号的情绪识别腕戴设备3J5F电子技术应用>@]>EK7]>l]ED3VL5X:;$)/9).
J^.
$).
[c%$O-1M%@U@U>VK]TV@AAD3VK5g,$_[-M%$1N%jW-.
!
)$Z%:;).
G)!
%@E>LTAED3U5W-.
!
)$Z%:;).
Gi/$N`%.
!
qg,$_D38BXG58)%.
$/$*G$%@]UK>TUKAD3U@58,gp;%$*Xp;%$*p)!
%@]@]E@AL>D3U>5冯满堂马青玉王瑞杰D基于人脸表情识别的智能网络教学系统研究3J5D计算机技术与发展>@@E@KAT@KED3UA5g,$_W-.
!
)$Z%:;).
Gi/$N`%.
!
q)!
%@]@T@@D3UV5^-1:;q[2)@EE>@]D3UU5刘三女牙李小文刘智D面向网络行为的情感识别关键技术研究3j5D武汉科学出版社>@L>KD3UE5j);.
%Z/%$GD4-22,Y-.
913J5D4-22,L@KAT>D3U]5i.
%)!
-.
/,1GSj:B$!
'.
)qGS@AB$!
).
$%!
/-$%@A>EET>]@D3UK5[G.
.
-'-BY--L>KTAKD3E5^Sq%9-@E>@U@AE]T@ALED3E@5^-1:;q[j)@EV@>UTV@>KD3E>5[j)@>]UA]]TAKLD3EA5Y--A@B;95>CDE!
"#$"#0*"&.
122"3.
45678&.
"9&09&):$2AAB!
C"DEC#$FGBHFICJ4ICKL0&M!
8,9)":;M!
N$9.
"&O)3>"9P!
".
):JQ,"9RS"&.
9'#1--9$T#>.
$.
>"U",'%&$2TV$O':"%90--"Y"H%9"'2O)9"8&.
"9)Z.
'$&[$9Z,>$-!
V"&,3>0&*S$W-0.
"9!
GAF\$CAFHCAI7XI]K^>"&4SKiig$9Z,>$-$&cW-).
>".
'31%"&.
,!
8&.
"9&).
'$&):S$&2"9"&3"$&10.
$&$W$0,1%V0:W,!
S$:0WO')Q&'a"9,'.
!
j"kL$9Z!
jLJGAAC$FAeRFF]J4I\Kf):))WV!
N'.
(-).
9'3Zl!
l$Jcm-:$9'&%P22"3.
'a"n"3>2$9.
>"S:),,9$$Wk'0O.
4SKiib9$3"2.
>"^8lSM8S$&2"9"&3"$&M0W)&N)3.
$9,'&S$W-0.
W,JPSV!
GdFd$FIGDRFIDGJ4IeKV$22'.
.
nc!
P9,"&")0:.
':*>$$*^":2R3$&.
9$:b9"*'3.
,M"):.
>!
g"b0O:'3^)2".
4;KJb9$3"2.
>"j).
'$&):P3)*"W$2^3'"&3",!
GdFF!
Fde%\&$GIBDRGIBeJ4IBK^-)&&SP!
^3>)"22"9;!
^'"W"&,lJcm-3$-"$2&$:$%4SKiib9$3"2.
>"^"a"&.
>8&.
"9&9&'&%P&):.
'3,oh&$k:"*%"S$&2"9"&3"JPSV!
GAF\$GADRGA\J4\AKg"&V!
L)&%U!
+$,"SJ^"&.
'W"&.
P&VppSU',30,,'$&N$90W,$g>8.
="::Q,q4SKiib9$3"2c*03).
'$&):U).
)V'&'&%!
GAFC$FDARFD\J4\FKP:0(j!
pZ09c!
pZ.
)c!
".
):J=$k)9*,)&cW$.
'$&):c&%)%"W"&.
V$*":$S)&P22"3.
'a"2))&3"cW$0,.
)'&)O':'.
$2/.
0*U9$-$0.
b9"a"&.
'$&4SKiib9$3"2.
>"\.
>8&.
"9&S$&2"9"&3"$&/$2.
k)9"U"a":$-W"3>2$9c&>)&3'&%P33",,'O'N'%>.
'&%8&2$R"m3:0,'$&JPSV!
GAFI$e]RBFJ4\DKr):".
":s;!
P&*9"shJb9"*'3.
'&%^.
0*"&.
,'P.
S:),,9$$W29$Wh'&"3.
N)3'):)&*Y$*N").
09",4;KJcQ+P^8b;$09&):$&8W)%")&*t'*"$b9$3",,'&%!
GAF\"F&$eAJ4\CK8WW$9*'&$RL)&%VM!
N)".
>VJn>2cW$Z'::"*8&.
0'9&'&%4;KJV'&*!
Y9)c*03).
'$&$j"09$,3'"&3"8W-:'3).
'$&,2$9.
>"S:),,9$$W!
GAFA!
IB$eDJ4\]KM'::t!
!
GAAB!
G\"D&$DDeRD]IJ!
作者简介"刘智!
博士!
华中师范大学国家数字化学习工程技术研究中心讲师!
主要研究方向$学习行为分析与文本挖掘(方常丽!
华中师范大学教育信息技术协同创新中心在读硕士!
主要研究方向$学习者学习状态感知(刘三女牙!
博士!
华中师范大学国家数字化学习工程技术研究中心常务副主任)教授)博士生导师!
主要研究方向为计算机应用)人工智能)教育信息技术等(孙建文!
博士!
华中师范大学国家数字化学习工程技术研究中心副教授!
主要研究方向为教育大数据分析)深度神经网络)知识计算*0#.
12%2345.
-#,61%#27#80#.
12#1,'9:'7%'2;#1-#57%'2"#,#.
1-*#$%&'$(#$%0*+1*(230%+4$*+56+701'-*234$%&'($)5&+6$%$7,(%-$)78&($#'-9$0="7'7,(%,-1'-*234$48(')'+07,(%-$)78&($#'-9$0A,""*03)a":$-W"&.
$2+>0W)&R.
"3>3$R"a$:0.
9&"9,':")9&9)3.
'a""&a'9$&W"&.
,)9"2)3'&%-9$2$0&*.
9)&,2$9W).
'$&,(n>0,9&'&%,0--$9.
,"9a'3"3):,-)3"O"9",>)-"*09%"&.
:J8&9"3"&.
")9,!
9",")93>"9,>)a"2$30,"*$&0,9.
"3>3$::"3.
:")9&"9,3):)&*O">)a'$9)3$WO'9&3,.
$'&2"9.
>"'9"W$9$-9'9a"&.
'$&W"3>)&',W,.
$'W-9$a"a""W$9$0,3)*"W'3,033",,JS099"W)'&W".
>$*,$2:")9&"9,'"W$.
'$&-"93"9.
'2'3'):$O,"9a),":2R9"-$9.
W"93"-.
'$&W".
>$*,O)3)3>2)3'):"m-9"W$a"W"&.
2'a".
-'3):3)0.
$9'W!
a'9.
0)::")9&'&%3$W-W$9)3.
'$&,0--$9.
!
,":2R9"%0:).
"*3)-)O'W"9&'&%,'.
0)W$&'.
$9'&%#)9"0.
.
$-9$a'*")&$a":9",")93>2$9.
>"20.
09"9"R3$&,.
903.
'$&$23)::")9&'&%,-)3",JcW$.
'$&b"93"9(g")9)O:"n"3>b>3)9&'&%P&):.
'3,(8&c*03).
'$&收稿日期$GAFe年FF月Fe日责任编辑$陈媛前沿探索0123488