基于情绪识别远程教学自适应调节策略研究.docVIP

基于情绪识别远程教学自适应调节策略研究 　　【摘 要】 　　为了提高远程学习的效率和质量，文章在分析情绪识别及其技术现状的基础上，探索性地提出了利用键盘和鼠标等常规I/O设备来感知在线学习者的情绪状况并自适应调整教学策略和学习资源内容，详细阐述了情绪特征的定性方法和定量算法，并设计了情绪识别模块嵌入连云港市教育局远程培训系统，在选修课“信息技术与课程整合”的网络教学中进行了实际应用，应用情况验证了上述远程教学自适应调节策略的可行性和有效性。 　　【关键词】 远程教学；情绪识别；自适应调节 　　【中图分类号】 G434 【文献标识码】 A 【文章编号】 1009―458x（2015）11―0018―07 　　一、引言 　　远程教学由于丰富、快速更新的学习资源和时空限制的突破，具有传统课堂教学无可比拟的优越性，越来越受到教育领域的关注和重视。但是，这种时空分离的教学形式也会导致教学活动中出现严重的“情感缺失”现象[1]，如果学生长时间面对冰冷的屏幕而感受不到人机交互的愉悦，就可能引起情绪上的负面反应，影响远程学习的效率和质量。 　　教育心理学家认为情绪是影响教学活动的一个极其重要的因素，与学习认知过程密不可分。失望、迷惘、焦虑和沮丧等负面情绪可导致思维迟钝、兴趣丧失、缺乏活力、消极懈怠和注意力不集中，不利于学习的顺利进行；而满意、自信、轻松和愉悦等正面情绪可使头脑清晰、思维敏捷、充满激情和积极主动，注意力也容易维持，有助于学习效率的提高。相关心理学实验也验证了情绪可以影响学习的精准判断和对学习内容的加工深度。[2] 　　因此，对远程教学中学生的情绪进行识别、分析和疏导、调节，并根据学生的学习状态自适应调整教学策略和学习内容，是当前远程教育实现智能化人机交互亟待解决的问题。对该问题的研究在某种程度上使远程教学系统体现出了“人文关怀”的氛围和“以学生为中心”的现代教育理念。 　　二、情绪识别及其技术 　　情绪，是对一系列主观认知经验的通称，是多种感觉、思想和行为综合产生的心理和生理状态。情绪识别是近几年计算机信息科学、认知科学和心理科学研究的热点，它以人类情绪理论为基础，以情绪信息获取、情绪模式识别、情绪建模与理解、情绪合成与表达、情绪传递与交流等为研究内容，以赋予计算机类似于人的情绪能力为终极目标。 　　对情绪识别的研究始于20世纪90年代，1990年美国MIT媒体实验室设计了一个情绪识别器，对人的各种情绪进行采集分析，比如人的语音信号、面部表情等[3]；MIT实验室的Picard教授在1997年系统地提出了情绪计算的概念和基本理论[4]。此后，欧洲和日本的各大高校和科研院所也相继成立了情绪识别的研究机构。在我国，相关研究起步稍晚，其中研究成果比较显著的有中科院和清华大学合建的情绪计算中心（ACCenter）。2010年中科院自动化所在武汉举办了国际情绪计算和智能交互学术会议；国际著名学术组织IEEE办有《情绪计算》专刊《IEEE Transactions on Affective Computing》[5]。情绪识别的研究也受到了企业界的关注，如跨国公司IBM、微软、GOOGLE等都设有情绪识别研究小组，进行商业应用上的探索。情绪识别是实现人机智能交互的关键技术之一，在远程教育、商业零售、刑事犯罪、公共安全和病理医疗等领域有着重要影响和广阔的应用前景。 　　一般来说，任何情绪的产生都会伴随着心理和生理上的某些变化。因此，情绪识别的基本技术主要就是对这些人体的变化，如面部表情、语音、姿态、文本和生理状况等进行信息采集和分析。 　　1. 基于面部表情的情绪识别 　　面部表情是指通过眼部肌肉、颜面肌肉和口部肌肉的变化表现出的各种情绪状态。除非经过特殊训练，一般人在任何时候都会自觉或不自觉地通过面部表情流露出其真实的心理情绪。 　　基于面部表情的情绪识别系统主要包括三个部分：人脸检测与定位、特征抽取和情绪分类。首先，通过摄像头等图像采集器获得面部图像，并在图像中进行人脸检测，确定人脸各部位的相对位置和大小。然后，对人脸进行特征抽取，得到反映情绪特征的关键信息。最后，对得到的情绪特征向量进行分类，得到所属的类别。 　　特征抽取是面部表情识别中最为核心的环节，有效的特征提取会极大提高识别的准确率。目前，基于静态图像特征提取的情绪识别准确率不高，所以大多数研究都集中在基于动态图像序列的表情特征提取上。其中，典型的特征提取方法有元分析法、活动外观模型法、Gabor小波变换法和光流法等[6]。 　　基于面部表情的情绪识别是各种技术中实际商业应用最早和最成熟的技术。2014年3月，脸部识别技术公司Emotient推出了一款谷歌眼镜应用软件，它可以根据脸部表情的不同，识别人们喜怒哀乐等各种情绪。在其推广演示的测试中，