课堂教学环境下学生学习兴趣智能化分析.pdfVIP

课程与教学

课堂教学环境下学生学习兴趣智能化分析

陈靓影，罗珍珍，徐如意

(华中师范大学国家数字化学习工程技术研究中心，湖北武汉430079)

f摘要】学习兴趣影响学习发生的方式和学习过程，是提高学习效果的重要因素。目前对教学环境下学生学习兴

趣的研究大多采用传统的问卷调查或案例分析等方法，不利于教师对课堂中学生学习兴趣的及时获取以便有效改善

教学行为。因此，本文基于多模态自然感知技术展开对学习兴趣的智能化分析研究，提出了三维学习兴趣模型，通过

对头部姿态、面部表情、课堂互动多模态信息识别与融合，从认知注意力、学习情感与思维活跃度三个维度综合理解

学生的学习兴趣。实验结果表明，该学习兴趣智能化分析方法能真实反映学生的学习兴趣状态，为教师改进教学方

法、提高教学效果提供客观依据及有效手段。

关『键词】课堂环境；学习兴趣智能分析；多模态融合；自然感知技术；学习兴趣模型

【中图分类号】G434文【献标志码】A

作【者简介】陈靓影(1973一)，女，湖北武汉人。教授，博士，主要从事教育信息化、特殊儿童教育、人机交互、机器学习

等方面的研究。E—mail：chenjy@mail．CClIU．edu．cn。

技术也可用于兴趣状态分析，生理信号如心率、血

一、引言

压、皮肤电活动以及脑电波信号也可用于预测学习者

学习兴趣是指“个人对学习活动的一种积极认识的兴趣状态嘲。各种单一模态的方法有各自的优势与

倾向和情绪状态”IlI。研究表明[21，学习兴趣影响学习发劣势，基于单一模态的方法不足以全面地反映研究对

生的类型或方式，也影响学习的过程或机制。学习兴象的状态。而多模态的方法能更有效地表达研究对象

趣对学习目标的完成质量有重要影响，是提高学习效的状态。例如。Kapoor等融合来自摄像头、压力椅、压

果的重要因素。因此，对教学环境下学生学习兴趣的力鼠标和心理信号传感器多模态信号来检测学生在

分析研究十分有意义。学习兴趣状态包含了学习过程学习过程中的受挫状态，发展基于决策融合的高斯过

中的认知活动和心理活动3[1。随着自然感知技术的快程分类方法。识别率达79％。Nosu和Kurokawa融合

速发展．教学环境中的学生学习兴趣智能化分析成为了表情识别与心率、呼吸频率、手指温度生理信号识

可能。学习兴趣智能化分析研究大致可分为单一模态别推测学习者心理状态l0『1。总体而言，基于多模态信

的方法和多模态的方法。单一模态的方法是针对单一息的学习兴趣分析比单一模态能获得更丰富的信息、

感官的信息处理。多模态的方法是同时处理来自多个识别率显著高于单纯依赖表情识别的方法fll】。

感官的信息。目前学习兴趣的智能化研究侧重于对学习情绪

单一模态方法的代表是基于面部表情识别与头或者认知注意力的分析，并未综合考虑学习过程中的

部姿态估计的方法。面部表情是反映人情绪状态的最认知活动和心理活动，不能全面反映学生的学习兴趣

自然的途径之一。头部姿态能估计人的注意方向5[1，状态。因此。我们首先从教育心理学的角度提出了包

是学习兴趣表现的重要因素。此外，语音识别同、触屏含认知注意力、学习情感与思维活跃度的三维学习兴

基金项目：国家重点研发计划：“教育大数据分析挖掘技术及其智慧教育示范应用”(项目编号：2O18YFB100500，2018YFB1004504)；

中央高校基本业务费：“特殊儿童教育信息化研究”(项目编号：CCNU17ZD