自适应学习系统中基于情绪感知.docVIP

自适应学习系统中基于情绪感知 　　摘 要：本文针对自适应学习系统与学生之间缺乏的双向情感交流问题，提出了一种基于情绪感知的学生模型，便于系统能更有效地为学生提供个性化学习服务。通过表情识别技术感知学生的情绪，建立动态的学习风格和实时的情绪状态以及实时的学习动机。该模型可以为学习系统提供更准确的学生状态描述，便于系统更精确、更及时地调整教学方案和策略，实现学生和学习系统之间的双向情感交流，使学生取得更好的学习效果。 　　关键词：自适应学习系统；学生模型；学习风格；情绪状态；学习动机 　　中图分类号：G40-05 文献标志码：A 文章编号：1673-8454（2015）19-0085-04 　　一、引言 　　学生模型是现实世界中学生在计算机系统中的抽象表示，记录着学生的个体特征，而学习系统在一定程度上充当着教师的角色。一个好的学生模型是一面“镜子”，它能照出学生的学习状态、行为路径和思维过程。学生模型中特征的完整性、表征的准确性直接关系到学习系统能否为学生提供与之相适合的学习策略、学习内容和学习资源等，进而关系到学生个性化学习的实现与否。[1]但是从现有的学生模型来看，还很少考虑学生的情感因素在学习过程中的作用，这将导致学生在学习过程中缺乏情感支持。学生与系统之间没有情感的双向交流，这已经成为制约自适应学习效果的一个关键因素。本文在此背景下，提出一种基于情绪感知的学生模型。 　　二、传统学生模型研究现状 　　关于学生模型，国内外学者对此都做了很多研究。国内西南大学博士陈仕品和浙江大学张剑平教授提出了一种基于认知状态和学习风格的学生模型（CS- LS 学生模型）。[2]有的研究者提出了认知型学习者模型。[1]国外学者从知识水平的角度，认为对学习者知识状态的表示模型主要有铅版模型、覆盖模型、基于约束的模型等。[3]有的学者依据学生的个性特征来建立学生模型，例如学习风格和学习偏好等个性特征。[4] 　　传统学生模型已经为学习系统提供了较准确的学生状态描述，但是还存在三方面问题亟待解决。第一，学生模型只刻画了学生个性化的学习水平、认知能力和学习风格等，却未涉及学生的情感。情感是人适应生存的心理工具，是心理活动的组织者，也是人际通讯交流的重要手段。心理学的研究表明：情绪情感能促进或阻止工作记忆、推理操作和问题解决。同时，表情和情绪是紧密相连的， 前者是后者的外在表现，后者是前者的内在体验，在大部分情况下，知道二者中的一方，可以反推另一方。[5]学习表情是学习情绪的外在表现，它可以从一定程度上反映学生的学习情绪，而学习情绪会对学生的学习活动产生一定的影响。比如，学生在学习过程中，对于自己喜欢的内容会通过高兴的表情体现出积极的情绪，否则会通过厌恶的表情体现出消极的情绪。因此，在学习过程中及时了解学生的情绪，并针对负面情绪进行调控、干预，可以改善学习效果。根据教育心理学的建构主义学习理论的人本主义学习理念，学生是学习活动的主体。在自适应学习环境中缺乏学生与教师面对面的交流，建立一个精确的、个性化的，并能够支持情绪教学功能的学生模型更显得必要。第二，传统学生模型中的学习风格预测大多是采用量表和问卷方式，这些方式所获取的行为特征信息大量来自被测者的主观判断，不能准确地表征学生学习偏好。学生的学习风格在学习过程中是会发生改变的，它是一个动态的因素。通过对学生学习风格动态预测，学习系统给学生推送合适的学习资源和学习方式，让他们在学习过程中感觉到自然舒适，可以激发和维持学习动机，提高其学习效率。[6]第三，传统学生模型中只把学习动机划分为非认知属性，是一个静态信息，在具体操作中用关系型数据进行描述，而没有对学习动机进行动态分析。教育心理学认为，情绪与学习动机之间有着密切的关系。情绪是人行为的一部分，对人类的理性思维和决策能力具有重大的影响，能够激发心理活动和行为的动机，情绪影响学习动机的产生。[7] 　　近年来表情识别技术的发展，为学习系统中学生模型情绪监控功能的实现提供了有效的技术支持。通过摄像头动态地捕捉学生的面部表情图像，运用表情识别技术对获取的表情信息进行分析，进行表情计算，为学习系统对学生提供个性化服务给予支持。本文通过表情识别技术实现情绪的感知，通过对监控到的表情信息进行分析，完成动态学习风格的预测和实时情绪的标记，以及实时学习动机的判断，动态更新学生模型的数据。 　　三、学生模型的设计 　　1.学生模型构建 　　为了解决学习系统与学生之间缺乏双向情感交流的问题，本文在CS-LS学生模型[2]基础上，建立了一个基于情绪感知的学生模型，如图1所示。学生模型在传统的学生模型基础上加了两个部分，即情绪状态和学习动机。在自适应学习系统中，学生模型是表征学生的基本信息，根据自适应教学系统的目标，针对系统的需求对所需信息进行分析与