E-Learning中一种基于气质类型的情感计算算法.pdfVIP

第42 卷第1 期 Vol. 42. No. 1 上海师范大学学报(自然科学版) 2013 年 2 月 Joumal of Shanghai Normal University( Natural Sciences) Feb. .2013 E-Learning 中一种基于气质类型的情感计算算法 汪碧云，杨新凯 (上海师范大学信息与机电工程学院，上海 2∞234) 摘 要:根据在学习中可能产生的情感提取了 5 个情感特征，引入心理学理论生成情绪感受 性矩阵，通过学习者不同的气质类型向量得出个性化的情感向量，更真实地体现了学习者的情 感状态，根据学习者不同的情感及情感强度推荐学习不同难度的知识，使得学习史人性化.气 质类型是基于希波克拉底的体液理论发展而来的气质学说，气质类型可以良好的表达人的人 格基础.将气质类型引入 E-Learning 中的情感计算，可以更好地对学习者的性格、学习状态进 行分类，切实做到因材施教. 关键词: E-Learning; 气质类型;情感强度;情感计算 中图分类号: TP 399 文献标识码:A 文章编号: 1刷δ137(2013)01 ，，(泊25，，(记 0 引言 随着因特网和其他数字媒体资源的广泛普及，E-kaming 教学活动作为教育信息化、教育技术现代 化和教育人性化的必然产物，其优势特点不言而喻，也越来越受到人们的普遍关注，其学习的随时随地 性、资源共享性远胜传统教育方式，打破了传统课堂的禁锢，成为未来教育发展的重要方向之一[1 -4] 然 而，由于教师与学生之间存在空间上的间隔，E - Learning 无法做到面对面教学那样掌握学习者的情感 动向与学习状态，缺少了学习中的情感互动，使得学习者的学习情绪无法及时被了解，致使教学过程中 情感缺失，达不到好的学习效果.因此，越来越多的研究者把情感因素纳入 E - Learning 的研究中，使 E - Learning 系统可以识别学习者的情绪. 相关研究涉及到情感计算、人工智能、教育学、心理学等领域.目前的 E - Learning 中的情感计算大 多以人的面部表情识别和语音识别，或者采集实验信号，例如肌电图、血容量搏动、皮肤电反应、呼吸作 用等作为情感计算的依据[5 -9] 然而，在人的情绪反应中，心理变化先于生理变化，每个人的人格不同也 会导致不同的生命体对于同一事物的反应和理解有所偏差，仅仅通过这些表象还不能很好地达到使计 算机理解人的目的，甚至产生情感模糊.因此，本文作者将由希波克拉底体液学说[叫演变而来，已在现 实中得到良好应用的气质类型引人E - Learning 系统中，使得对学习者的情感识别更为真实可靠，弥补 了目前E -Leaming 教学中情感交互不足. 1 现有 E - Learning 系统结构及改进 1.1 IEEE 学习技术系统结构标准(LTSA) 目前，较权威的 E - Leaming 系统结构是 2∞3 年提出的 IEEE 标准，即学习技术系统结构标准 (LTAS) .如图 1 中右上部分所示，它是由指导进程通过查询知识库和成绩库来确定学习者的学习模式 收稿日期: 2012-12-14 作者简介:汪碧云(1989 斗，女，上海师范大学信息与机电工程学院硕士研究生;杨新凯(1971 - ) .男，上海师范大 学信息与机电工程学院副教授. 26 2013 年 上海师范大学学报(自然科学版) 并将学习模式发送给学习进程，同时将知识库的学习内容传达给传达进程，并由传达进程将具体的多媒 体教学资料传送给学习进程.当次学习结束后，将学习进程中学习者的学习表现发送给评价进程，加上 由传达进程发送来的标准答案，一并经由评价进程对本次学习进行评估，并将成