物理学习空间中学习者情绪感知研究综述

被引：22

作者：

刘智 ^{[1
]}

方常丽 ^{[2
]}

刘三女牙 ^{[1
,3
]}

孙建文 ^{[1
]}

机构：

[1] 华中师范大学教育大数据应用技术国家工程实验室

[2] 华中师范大学教育信息技术协同创新中心

[3] 华中师范大学国家数字化学习工程技术研究中心

来源：

远程教育杂志 | 2019年 / 37卷 / 02期

基金：

国家重点研发计划;

关键词：

情绪感知; 传感器; 可穿戴技术; 生理信号; 学习分析; 智能教育;

D O I：

10.15881/j.cnki.cn33-1304/g4.2019.02.005

中图分类号：

G434 [计算机化教学];

学科分类号：

摘要：

在"人—技"协同进化的教育发展态势下,学习者的学习方式和交互环境正面临深刻变革,物理学习空间内的学习支持服务亟待重塑。近年来,研究者们致力于采用传感器获取学习者的生理行为数据,结合学习分析技术推测其情绪状态,并以适当的干预机制来提高积极情绪唤醒度,进而助力于个体学业成功。当前,在物理学习空间中,针对学习者情绪感知的主要手段有人工观察法、自我报告法、基于生理信号、语音信号、面部表情信号以及眼动信号的感知方法;应用研究案例包含智能导师系统、虚拟学习同伴、情绪互动支持、自我调节能力评估、学情分析监控等主题。对物理学习空间中学习者情绪感知的研究,可为未来学习空间的重塑带来新的研究视角和参照。

引用

页码：33 / 44

页数：12

共 33 条

[1]

基于多模态融合的情感计算研究.[D].周肖肖.西安邮电大学.2018, 12

[2]

基于深度学习的情绪感知系统的研究与设计.[D].王建伟.电子科技大学.2017, 02

[3]

基于人工神经网络的多生理信号情绪识别系统设计与实现.[D].郭漩.华东师范大学.2014, 10

[4] Supervised machine learning in multimodal learning analytics for estimating success in project-based learning [J].

Spikol, Daniel ;

Ruffaldi, Emanuele ;

Dabisias, Giacomo ;

Cukurova, Mutlu .

JOURNAL OF COMPUTER ASSISTED LEARNING, 2018, 34 (04) :366-377

[5]

Predicting students’ attention in the classroom from Kinect facial and body features.[J].Janez Zaletelj;Andrej Ko?ir.EURASIP Journal on Image and Video Processing.2017, 1

[6] Using Video to Automatically Detect Learner Affect in Computer-Enabled Classrooms [J].