个性OCC模型学习支持技术设计与实现.docVIP

个性OCC模型学习支持技术设计与实现 　　【摘要】由于网络学习中的时空差距，情感缺失问题成为阻碍其发展的一大障碍。基于模糊情感分析的个性_OCC情感模型，给出了网络学习中情感变量初始化和更新的一套规则，将个性与OCC情感模型相结合，利用模糊数学方法，综合评判引起情感变化的学习能力与学习过程因素。该模型克服了以往一些模型太过复杂、不能达到主体反应实时性的缺点，并考虑了个性对情感状态的影响。基于该模型的学习支持技术，有效解决了网络学习中情感缺失的问题，改善了网络学习的交互过程。 　　【关键词】 个性；OCC；网络学习；情感模型；模糊综合评判 　　【中图分类号】 G434 【文献标识码】 A 【文章编号】 1009—458x（2013）02—0026—06 　　一、引言 　　由于网络学习中的时空差距，情感缺失问题成为其与生俱来的短板。传统的面授课堂教学方式可以通过师生的语言、表情、动作等进行充分的情感交流，此时情感系统与认知系统协同工作、相互驱动；而网络学习中人与人之间处于时空分离的自主学习状态，这种学习方式容易引起的不良后果有：（1）认知与情感的失衡，导致无效或低效学习；（2）丧失必要的信任、友谊与人际支持；（3）人格异化[1]。从这个角度讲，结合情感技术的智能Agent助理技术无疑是一种理想的学习支持工具，它实质上是一种更加智能化的服务，实现更加人性化的交互手段，使网络学习内容的表现形式更加丰富、更具有吸引力，能够有力地提高学习者的学习兴趣和学习效率[2]。 　　将情感计算技术运用到网络学习环境的研究主要包括情感建模、教学情感、心理学等领域[3]。在情感建模领域，典型的建模方法有隐马尔科夫模型（HMM）[4]和认知情感评价模型（OCC）[5]等。 　　隐马尔可夫模型是一种用参数表示的、用于描述随机过程统计特性的概率模型。MIT媒体实验室的R.W.Picard在感知计算的技术报告中，正式提出将HMM应用于情感信号的识别。王巍、王志良等人针对HMM情感模型仅能产生基本情绪的问题，提出了一种改进模型，使其能够产生复合情绪[6]。但HMM 模型仅从概率的角度模拟情感，未考虑情感产生的认知和非认知因素，因此在相同的刺???下，HMM 模型的感知结果是确定的。 　　认知情感评价模型以情感是对价值的主观认知的思想为依据将人的情感分类，是目前应用最为广泛的情感模型[7]。OCC模型在教育领域已得到广泛的研究和应用。乔向杰、王志良、王万森等人根据OCC模型理论，提出一种在E-learning系统中基于认知评价的学生情感识别模型[8]。付彦飞、牛秦洲、陶小梅等人利用简化的OCC情感模型，设计了一个个性化的智能情感E-learning 教学系统[9]。吴茵、王万森、卢飞等人综合OCC情感模型和具有反向情绪的二维情绪模型，提出了一种适合学习情绪研究的情感建模方法，实现远程教学中认知和情感的交互[10]。但目前对基于OCC情感模型的研究很少论及非认知因素（例如个性）对情感状态的影响，而且较少阐述和讨论学习支持技术的设计与实现。 　　本文在E-learning学习支持技术中利用OCC情感模型，提出一种基于模糊综合评判的情感判别更新机制，用来模拟网络环境中学习者基本情绪的产生和迁移过程。通过加入Agent技术，适时引导学生情感的发展，恰当地干预学习过程，提供富有积极、真实的情感服务。 　　二、E-learning中学习支持技术的设计 　　我们在SQL Learning[11]中设计了如图1虚线框中所示的系统模型。在实际使用中，系统能为学生提供与认知水平相适应的学习资源、实验内容、测试题目等个性化服务内容。凭借条理的知识覆盖、及时的交互反馈、个性化的学习资源和实验内容，系统在提高学生的学习能力与成绩方面取得了很大进步。 　　对于图1中虚线框所示的系统，经过一段时间使用后，我们发现，学生利用该系统的主动学习兴趣并没有提高，表现为：学生上课上机时，利用系统在线实验学习时间较长，虽然偶尔与同学有交流，但并不影响兴趣的保持，并且情绪较好；相反，课下自主使用该系统学习时，在线时间较短。调查发现，学生无实体伙伴时，长时间在线学习普遍感到孤寂、苦闷，不能长时间保持注意。 　　为了改善系统的使用效果，在如图1所示的设计中加入情感Agent，利用情感计算学习支持技术在“《ACCESS技术及应用》网络学习系统”中收到了较好的效果。 　　三、基于个性的OCC情感初始化 　　情感在气质、性格方面的差异主要体现在情绪体验的强度、情绪状态变化的速度、情绪的稳定性与持久性，以及在同样刺激条件下产生某种情绪的倾向性的大小等[12]。在本文中，学生的个性特征数据以个性模型OCEAN（Openness，Conscientiousness，Extraversion，