卢布尔雅那

注册

 

发新话题 回复该主题

物理学习空间中学习者情绪感知研究综述 [复制链接]

1#
老中医专业治白癜风 http://dongying.dzwww.com/tongxin/201805/t20180504_16476462.htm

全文共字,建议阅读时长15分钟

本文由《远程教育杂志》授权发布

作者:刘智方常丽刘三女牙孙建文

摘要

在“人一技”协同进化的教育发展态势下,学习者的学习方式和交互环境正面临深刻变革,物理学习空间内的学习支持服务亟待重塑。近年来,研究者们致力于采用传感器获取学习者的生理行为数据,结合学习分析技术推测其情绪状态并以适当的干预机制来提高积极情绪唤醒度,进而助力于个体学业成功。当前,在物理学习空间中,针对学习者情绪感知的主要手段有人工观察法、自我报告法、基于生理信号、语音信号、面部表情信号以及眼动信号的感知方法;应用研究案例包含智能导师系统、虚拟学习同伴、情绪互动支持、自我调节能力评估、学情分析监控等主题。对物理学习空间中学习者情绪感知的研究,可为未来学习空间的重塑带来新的研究视角和参照。

关键词:情绪感知;传感器;可穿戴技术;生理信号;学习分析;智能教育

一、前言

随着人工智能技术和教育大数据的蓬勃发展,以慕课、可汗学院、翻转课堂为代表的学习革命正强烈冲击着传统教育的生态,引发了教育观念、教学方式、人才培养等方面的深刻变革。相比网络学习空间,物理学习空间的场景较为多元化,除了包含正式的学习场景(教室,多媒体机房等)外,还包含较多非正式的学习场景(阅览室、自习室等)。作为正式教育的重要组成部分,目前,物理学习空间下学习场景的数字化和智能化水平还较为滞后,教学方式,学习评价机制以及师生互动模式均亟待重塑。由于传统课堂学习数据的采集,主要依赖于人工观察和用户自报告等调查手段,采集到的数据往往不够全面,且具有一定的主观性,因此,学习数据的可获得性与信度成为物理空间重塑的难点。

随着可穿戴技术和移动互联网的兴起,物理学习空间中的教与学分析与智能化的学习支持服务迎来了新的机遇。作为一个面向多研究领域的研究方向,当前“学习分析”的一个发展趋势是采用物理空间内的传感器数据,来支持学习者的自主学习。德国柏林洪堡大学(HumboldtUniversityofBerlin)的学习分析项目组负责人Domanska博士,探索了如何使用传感器检测学生情绪状态。她认为,对于每个个体,传感器的检测结果都会产生一个完全独立的模式,例如,脉搏,皮肤上的汗水和焦虑症等特征的特定组合,可表明学习者正处于多重恐慌发作的情绪状态[1]。新媒体联盟《地平线报告》(高等教育版)指出:从长远看来,情感计算与人工智能等新兴技术可以对教育产生巨大影响,但将其应用于实践仍有待底层技术突破;同时,当前用于测量学习者生理数据的穿戴式传感技术已趋于成熟,在未来3—5年将作为支撑技术对教育的变革起到推动作用[2]。

在学习过程中,情绪是学习者的一项重要的内隐式学习特征,情绪互动的缺失易引发学习者产生倦怠和迷茫,进而导致学习动机的下降。对于学习者来说,他们回答问题时的语气,眼神以及表情等都能为教学者分析和调节其心理状态提供线索。孙波等利用基于子空间的表情识别技术,鉴别出学生在智慧课堂学习交互时产生的消极情绪,并支持教师开展及时的情感干预和教学活动调整[3]。美国麻省理工学院(MIT)媒体实验室情感计算研究组主任Picard教授,开展了多项关于“学习伴侣”系统的美国自然科学基金项目(NSF)研发了一套面向K——12学生的教室内情绪检测系统,并将这个新工具引入到教学实践中,以改变当时忽略了情感交互功能的计算机辅助教学模式,最终使计算机快速且适时地响应学习者的情感诉求[4]。

在当前数字化学习环境中,教师在制定教学策略时仍较少考虑到学生的情绪,然而该因素却贯穿于整个教学过程并与学习者的认知产生交互作用。为此,我们从学习分析视域出发,探讨物理学习空间下学习者情绪感知的研究现状、研究方法、采用的设备,以及在智能化教学中的关键应用方向,旨在揭示物理学习空间下情绪感知在学习分析领域的研究状况和发展态势,为基于数据驱动的学习分析研究与物理学习空间重塑,提供新的视角和参考。

二、相关概念

(一)基于传感器的学习分析

数据是学习分析研究的重要前提。近年来,在线学习环境中的学习数据(点击行为、互动对话文本、作业提交或互评等)因其大规模、可获得性强等特点,一直是学习分析主要的数据来源。随着传感器技术越来越多地被应用于生活中,每个人都或多或少地在智能手机中使用了传感器,如,地理位置分享、情境感知与声纹识别等。同时,这些传感器设备也可用于获取学习者的生理数据,如,智能手表可记录他们的脉搏、心跳、步数等信息[5],还有一些设备可捕获用于感测个体生理压力值的皮电反应信号。传感技术的不断成熟,极大地提升了物理学习空间中数据的采集能力,扩宽了学习分析的界限。从年起,连续六届“学习分析技术与知识国际会议”都指出,传感技术(如眼动、脑电和心电等)将成为学习分析重要的研究手段[6—8]。基于传感器的学习分析研究的目的,是采集学习者的生理数据,以感知其在真实学习环境下的行为、情绪、认知以及注意力等与学习相关的特征,以探索这些学习特征在学习效果上的对应关系和影响机理,并设计更为先进的学习技术,以帮助学习者实现自我反思和自我管理式学习,以及协助教师实现个体或群体学习状态的监测和干预。

(二)学习者情绪感知

学习者情绪状态的有效感知,能够增强教学群体之间的互动性,在学习过程中及时了解个体情绪,并针对学习者的不良情绪开展实时调节和干预,以达到改善学习效果的目的。物理学习空间中情绪感知,主要通过基于个体的多模态生理或心理信号对其情绪进行识别,这是人工智能研究的重要方面[9]。研究者们已经采取多种方式(表情识别、文本情绪识别、声音情绪识别等),来感知个体的情绪[10—12]。用于监测个体生理数据(心率、血压、皮电、脑电等)的传感器和智能可穿戴设备,能有效感知其当前的情绪状态。例如,Chanel等先后选取包含情绪色彩的图片、回忆及游戏,作为情绪刺激源,从中提取脑电(Electroencephalography,EEG)、功率谱密度(PowerSpectrumDensity,PSD)和各波段能量谱特征,还采用朴素叶贝斯、支持向量机等分类算法实现了9类情绪状态(不同程度情绪唤醒度与效价的组合)的识别,识别率达到56%—63%[13]。

(三)智能可穿戴设备

智能可穿戴设备是指可以被用户穿戴的、以手环、眼镜、头罩等佩戴物形式设计的智能设备,它能使感知工具自然地融入到用户的日常生活中,方便用户对自己的睡眠、运动、位置以及社会媒体交互等数据进行无缝追踪。新媒体联盟《地平线报告》(基础教育版)预计,可穿戴技术在年将会成为中小学阶段的主流教学工具[14]。目前的可穿戴设备不仅可以测量和记录个人数据,还可以融合响应式支持,以帮助个体理解身体信号、学习情境以及学习成效之间的关系。例如,用于神经科学研究的一种携带式传感头带Muse,已经被一些高校研究者用来开展教学实验以探索学生脑活动和教学效果的关系,通过提供实时生理反馈和音频信号的暗示,来优化学生的思维方式[15]。

三、国内外研究现状

针对国内外研究者在物理学习空间中,基于智能传感器技术开展学习者情绪检测研究,我们从四个方面对文献进行梳理和综述。

首先,在研究目标上,国内早期的研究旨在弥补教学过程中师生之间的情感缺失,进而增强在线学习系统的人性化和智能化[16—18]。近年来,随着人工智能技术的蓬勃发展,研究者们通过对学习者情绪信号的采集,将人工智能技术应用于学习者的学习过程与现实生活,旨在为其提供个性化的学习服务[19—20]。在国外,早期的研究目标主要是利用智能导学系统预测学习者情感状态,并为其提供个性化反馈[21]。随着教育界对人机交互技术需求的不断增加,研究者们开始使用教育机器人(充当智能导师或智能学伴),来开展具有个性化人机交互性的教学活动,以优化教学效果[22-25]。总之,在物理学习空间中,学习者的情绪感知数据和认知层次的有效结合,能够帮助学习者提高自身表现能力和学习能力,并降低辍学率[26]。国内外的研究目标逐渐从获取学习者情绪状态,发展到利用学习者情绪状态为其提供个性化的学习支持[27-28]上。

其次,在研究场景上,国内学者早期的研究场景大多是基于网络学习空间。直到年,上海交通大学的研究者们率先将脑电和皮电设备,应用于实验室可控场景和自习室开放场景中,以检测学习者的生理数据!用于识别学习者的情绪状态[29]。与国内类似,国外学者早期也主要研究学生在网络学习空间中的情绪变化,自年逐渐扩展到可控的线下实验场景以及课外学习场景[30]。目前,国内外的相关研究场景!均已从可控的网络学习场景,发展到复杂的线上与线下相结合的学习空间,尤其是在各种智能终端设备辅助下的智慧教室中使用情绪感知技术,以更好地提高情绪互动和课堂教学体验[31-32]。

再次,在研究对象上,国内主要研究对象集中于大学生群体和K-12群体,如,程萌萌等

分享 转发
TOP
发新话题 回复该主题