基于大數(shù)據(jù)的在線學(xué)習(xí)情緒測(cè)量模型構(gòu)建*

晉欣泉 王林麗 楊現(xiàn)民

（江蘇師范大學(xué)智慧教育學(xué)院，江蘇徐州221116）

基于大數(shù)據(jù)的在線學(xué)習(xí)情緒測(cè)量模型構(gòu)建*

晉欣泉 王林麗 楊現(xiàn)民[通訊作者]

（江蘇師范大學(xué)智慧教育學(xué)院，江蘇徐州221116）

文章基于大數(shù)據(jù)的一般處理流程，綜合視頻監(jiān)控、可穿戴設(shè)備、網(wǎng)絡(luò)爬蟲(chóng)、情感識(shí)別、文本挖掘等技術(shù)，構(gòu)建在線學(xué)習(xí)情緒測(cè)量模型，包括數(shù)據(jù)層、技術(shù)層和應(yīng)用層，并按其功能劃分為四個(gè)模塊——用戶數(shù)據(jù)模塊、分析診斷模塊、情緒集成模塊和反饋交互模塊，旨在解決在線學(xué)習(xí)中情感交流匱乏的問(wèn)題。最后，文章就模型構(gòu)建的關(guān)鍵問(wèn)題進(jìn)行了探討，提出了相關(guān)建議，以期為在線學(xué)習(xí)的建設(shè)與發(fā)展提供參考。

大數(shù)據(jù)；情緒測(cè)量；在線學(xué)習(xí)；模型構(gòu)建

引言

在線學(xué)習(xí)打破了傳統(tǒng)教學(xué)模式中時(shí)空的限制，已經(jīng)成為一種不可或缺的學(xué)習(xí)方式。目前越來(lái)越多的學(xué)者開(kāi)展了在線學(xué)習(xí)領(lǐng)域的相關(guān)研究，但大部分的研究主要集中于在線學(xué)習(xí)的教學(xué)設(shè)計(jì)和資源建設(shè)等方面，而忽略了在線學(xué)習(xí)中情緒測(cè)量的研究[1]。

情緒是影響在線學(xué)習(xí)效果的重要因素之一。研究表明，情緒滲透在我們學(xué)習(xí)生活的方方面面，具有動(dòng)機(jī)與知覺(jué)作用、喚醒與信號(hào)功能的積極力量，對(duì)我們的學(xué)習(xí)能起到促進(jìn)或者抑制作用[2]。近年來(lái)，研究者開(kāi)始關(guān)注在線學(xué)習(xí)環(huán)境中學(xué)習(xí)者的情緒問(wèn)題，通過(guò)對(duì)在線學(xué)習(xí)者產(chǎn)生的大量情緒相關(guān)數(shù)據(jù)進(jìn)行采集、分析與識(shí)別，進(jìn)而了解其所處的情緒狀態(tài)。大數(shù)據(jù)技術(shù)能夠從海量的教育數(shù)據(jù)中挖掘出具有巨大應(yīng)用價(jià)值的信息，為情緒測(cè)量的研究提供技術(shù)支撐，因此，本研究基于大數(shù)據(jù)技術(shù)，構(gòu)建在線學(xué)習(xí)情緒測(cè)量模型，以期為今后的研究工作提供借鑒。

一在線學(xué)習(xí)情緒測(cè)量研究現(xiàn)狀

目前，國(guó)內(nèi)外已有不少關(guān)于情緒測(cè)量的研究，測(cè)量方法主要包括主觀測(cè)量和客觀測(cè)量?jī)煞N[3]。主觀測(cè)量以自我報(bào)告法為主，通過(guò)量表來(lái)測(cè)量學(xué)習(xí)者的主觀情緒體驗(yàn)。Now lis[4]和David等[5]分別通過(guò)編制心境形容詞量表（Mood Adjective Check List，MACL）和積極消極情緒量表（Positive and Negative Affect Schedule，PANAS）來(lái)測(cè)量學(xué)習(xí)者情緒。國(guó)內(nèi)中科院心理研究所修訂的《2012中文簡(jiǎn)化版PAD情緒量表》[6]、董妍等[7]編制的的《青少年學(xué)業(yè)情緒問(wèn)卷》和湯詩(shī)華等[8]編制的成人在線學(xué)業(yè)情緒量表（Adult Online Academic EmotionSchedule，AOAES），都是通過(guò)量表測(cè)量學(xué)習(xí)者的情緒狀態(tài)。但是，主觀測(cè)量以學(xué)習(xí)者個(gè)體的主觀體驗(yàn)為主，量表的診斷結(jié)果容易受到使用者主觀性的影響，因此，若在一個(gè)項(xiàng)目中多次使用同一個(gè)量表，數(shù)據(jù)質(zhì)量將難以保證。

客觀測(cè)量分為生理測(cè)量和行為測(cè)量?jī)煞N。生理測(cè)量指有機(jī)體在情緒狀態(tài)下出現(xiàn)許多生理反應(yīng)，根據(jù)情緒與生理反應(yīng)之間的關(guān)系，運(yùn)用各種生理記錄儀器把變化記錄下來(lái)，通過(guò)生理反應(yīng)指標(biāo)來(lái)綜合判定情緒[9]。如韓國(guó)BIOPIA公司研制的“情感鼠標(biāo)”（Emotion Mouse）通過(guò)檢測(cè)學(xué)習(xí)者的脈搏（通過(guò)紅外線偵測(cè)）、體溫（通過(guò)熱感應(yīng)芯片量?。⑵つw流電反應(yīng)等方面的變化得知學(xué)習(xí)者的情緒變化[10]。同時(shí)，也可以使用核磁共振成像（Functional Magnetic Resonance Imaging，fMRI）或正電子斷層掃描技術(shù)（Positron Emission Computed Tomography，PET），通過(guò)標(biāo)明血氧水平fMRI的變化或與神經(jīng)放電相關(guān)聯(lián)的區(qū)域腦血流PET的變化來(lái)判斷學(xué)習(xí)者當(dāng)前的情緒[11]。

行為測(cè)量主要指通過(guò)對(duì)面部表情、身體動(dòng)作、語(yǔ)音特征和文本信息的測(cè)量來(lái)判斷情緒。在面部表情方面，通過(guò)面部動(dòng)作編碼系統(tǒng)（Facial Action Coding System，F(xiàn)ACS）[12]，基于過(guò)去面部表情評(píng)定工作的總結(jié)，進(jìn)而制定一個(gè)盡最大可能區(qū)分面部運(yùn)動(dòng)的綜合系統(tǒng)——該系統(tǒng)是迄今為止最為精細(xì)的面部運(yùn)動(dòng)測(cè)量技術(shù)，能夠測(cè)量并記錄所有可觀察到的面部表情。在身體動(dòng)作方面，Darwin[13]提出軀體行為是個(gè)體為與同類進(jìn)行情緒溝通而產(chǎn)生的生物演化結(jié)果。在語(yǔ)音特征方面，Banse等[14]檢驗(yàn)了14種誘導(dǎo)情緒與29種聲音變量之間的關(guān)系；中科院自動(dòng)化研究所、清華大學(xué)、南京航空航天大學(xué)等機(jī)構(gòu)目前正從事情感語(yǔ)音的研究[15]。在文本識(shí)別方面，朱祖林等[16]建立了基于情感權(quán)值詞典的成人在線學(xué)業(yè)情緒傾向的測(cè)量方法，該方法通過(guò)情感計(jì)算、社會(huì)網(wǎng)絡(luò)分析、文本挖掘、多元回歸分析等技術(shù)的綜合，分析在線交互文本中蘊(yùn)藏的學(xué)業(yè)情緒信息，從而了解成人學(xué)習(xí)者的在線學(xué)業(yè)情緒傾向及其影響因素。由此可見(jiàn)，任何一種與情緒有關(guān)的身體機(jī)能都存在著一定的關(guān)聯(lián)性，在對(duì)情緒測(cè)量模型構(gòu)建的研究中，應(yīng)盡可能地結(jié)合多種測(cè)量方法，以確保情緒測(cè)量的全面準(zhǔn)確。

目前，在線學(xué)習(xí)情緒測(cè)量模型構(gòu)建受到了研究者的廣泛關(guān)注，如喬向杰等[17]提出了在E-learning系統(tǒng)中基于認(rèn)知評(píng)價(jià)的學(xué)生情感識(shí)別模型；劉景福等[18]通過(guò)普適計(jì)算技術(shù)，設(shè)計(jì)了普適計(jì)算支持的遠(yuǎn)程教育人機(jī)情感交互模型和人際情感交互模型，但很少論及對(duì)學(xué)習(xí)者實(shí)時(shí)系統(tǒng)反饋的研究。本研究試圖基于Ortony等[19]提出的認(rèn)知情感評(píng)價(jià)模型（簡(jiǎn)稱OCC模型）、數(shù)據(jù)挖掘和情感計(jì)算等技術(shù)，構(gòu)建基于大數(shù)據(jù)的在線學(xué)習(xí)情緒測(cè)量模型，對(duì)學(xué)習(xí)者在線學(xué)習(xí)情緒進(jìn)行采集、處理、分析和反饋。

二在線學(xué)習(xí)情緒測(cè)量框架設(shè)計(jì)

大數(shù)據(jù)的處理流程包括數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)分析與應(yīng)用服務(wù)四個(gè)環(huán)節(jié)[20]。在此基礎(chǔ)之上，本研究結(jié)合情緒測(cè)量的特點(diǎn)，構(gòu)建了在線學(xué)習(xí)情緒測(cè)量模型，如圖1所示。

圖1 在線學(xué)習(xí)情緒測(cè)量模型

1數(shù)據(jù)層

數(shù)據(jù)層主要對(duì)數(shù)據(jù)進(jìn)行處理、存儲(chǔ)和讀取。即對(duì)技術(shù)層中所采集到的學(xué)習(xí)者在線學(xué)習(xí)過(guò)程中所產(chǎn)生的語(yǔ)音、姿態(tài)、文本、生理等數(shù)據(jù)進(jìn)行預(yù)處理，自動(dòng)聚類并按照相對(duì)應(yīng)的體系結(jié)構(gòu)存儲(chǔ)到數(shù)據(jù)庫(kù)中，建立索引功能，以備查詢和檢索使用。

2技術(shù)層

技術(shù)層的主要功能是數(shù)據(jù)采集和情緒分析，包括數(shù)據(jù)采集和分析診斷兩類技術(shù)。首先，系統(tǒng)通過(guò)視頻監(jiān)控、可穿戴設(shè)備和網(wǎng)絡(luò)爬蟲(chóng)等數(shù)據(jù)采集技術(shù)，對(duì)學(xué)習(xí)者在線學(xué)習(xí)過(guò)程中所產(chǎn)生的數(shù)據(jù)進(jìn)行記錄，傳輸?shù)綌?shù)據(jù)層；其次，系統(tǒng)從數(shù)據(jù)層提取數(shù)據(jù)，利用情感識(shí)別技術(shù)、文本挖掘等分析診斷技術(shù)進(jìn)行情緒識(shí)別。美國(guó)麻省理工學(xué)院情感計(jì)算實(shí)驗(yàn)室現(xiàn)已利用使用者握著鼠標(biāo)的力度對(duì)鼠標(biāo)造成的壓力，來(lái)分析使用者當(dāng)前的情緒[21]。

3應(yīng)用層

應(yīng)用層的主要功能是負(fù)責(zé)和用戶進(jìn)行交互，增加情感互動(dòng)。采用可視化技術(shù)將數(shù)據(jù)處理結(jié)果反饋給用戶，根據(jù)當(dāng)前學(xué)習(xí)者情緒狀態(tài)，給予正向強(qiáng)化或反向干預(yù)調(diào)整策略。麻省理工學(xué)院媒體實(shí)驗(yàn)室Picard小組研制的用于開(kāi)放教學(xué)的“情感計(jì)算系統(tǒng)”中的“情感助理”程序可識(shí)別學(xué)習(xí)者的情感并進(jìn)行相應(yīng)調(diào)整，如果發(fā)現(xiàn)學(xué)習(xí)者對(duì)視頻講座的一段內(nèi)容表現(xiàn)出困惑，“情感助理”會(huì)重放該片段或者給予講解[22]。Scherer[23]研發(fā)的情感機(jī)器人“Nexi”能對(duì)人的不同語(yǔ)音做出喜、怒、哀、樂(lè)等不同的反應(yīng)，并通過(guò)眼睛的睜閉及轉(zhuǎn)動(dòng)、張嘴、皺眉、打手勢(shì)及體姿等形式表達(dá)其相應(yīng)的情感。

三在線學(xué)習(xí)情緒測(cè)量功能模型

基于人機(jī)交互情感模型，本研究將在線學(xué)習(xí)情緒測(cè)量模型的功能劃分為四個(gè)模塊：用戶數(shù)據(jù)模塊、分析診斷模塊、情緒集成模塊和反饋交互模塊，如圖2所示。

圖2 在線學(xué)習(xí)情緒測(cè)量模型的功能模塊

1用戶數(shù)據(jù)模塊

用戶數(shù)據(jù)模塊包含在線學(xué)習(xí)中學(xué)習(xí)者產(chǎn)生的全部數(shù)據(jù)，即利用數(shù)據(jù)采集技術(shù)所收集到的學(xué)習(xí)者的語(yǔ)音、姿態(tài)、生理和文本等數(shù)據(jù)——語(yǔ)音信息主要是指通過(guò)視頻監(jiān)控技術(shù)采集的學(xué)習(xí)者的語(yǔ)速、音調(diào)、分貝、流利程度和口音等信息；姿態(tài)信息主要指從動(dòng)態(tài)圖像序列中提取的面部表情、姿勢(shì)動(dòng)作、持續(xù)時(shí)長(zhǎng)、頻率快慢等物理運(yùn)動(dòng)信息；生理信息主要指利用可穿戴設(shè)備采集的心率、脈搏和熱量攝入等各項(xiàng)生理指標(biāo)信息；文本信息主要指通過(guò)網(wǎng)絡(luò)爬蟲(chóng)技術(shù)采集的學(xué)習(xí)者發(fā)布帖子，在線檢索，瀏覽評(píng)價(jià)的詞匯、句子或文章等信息。

2分析診斷模塊

在分析診斷模塊中，基于OCC模型，結(jié)合情感識(shí)別技術(shù)、文本挖掘技術(shù)對(duì)情緒進(jìn)行測(cè)量。OCC情感模型是以對(duì)價(jià)值的主觀認(rèn)知的思想為依據(jù)將人的情感分類，定義了22種情感，是第一個(gè)以計(jì)算機(jī)實(shí)現(xiàn)而發(fā)展起來(lái)的、目前應(yīng)用最為廣泛的情緒模型[24]。該模型將處理后的情緒診斷返回到結(jié)果層中，并將相應(yīng)的數(shù)據(jù)更新到數(shù)據(jù)層。

3情緒集成模塊

該模塊主要是構(gòu)建學(xué)習(xí)者個(gè)性化情緒集成庫(kù)。通過(guò)對(duì)不同類型的學(xué)習(xí)者建立個(gè)性化情緒庫(kù)，以識(shí)別學(xué)習(xí)者的當(dāng)前情緒狀態(tài)，提高情緒測(cè)量的準(zhǔn)確性。當(dāng)學(xué)習(xí)者第一次使用系統(tǒng)進(jìn)行學(xué)習(xí)的時(shí)候，系統(tǒng)首先通過(guò)數(shù)據(jù)采集技術(shù)對(duì)學(xué)習(xí)者學(xué)習(xí)時(shí)的習(xí)慣性面部表情、姿勢(shì)動(dòng)作等特征值，建立初始化情緒庫(kù)，根據(jù)反饋交互處理信號(hào)，將正確診斷的情緒數(shù)據(jù)輸入給個(gè)性化情緒庫(kù)。當(dāng)學(xué)習(xí)者正常學(xué)習(xí)時(shí)，系統(tǒng)再次通過(guò)情緒診斷技術(shù)對(duì)采集到的學(xué)習(xí)者特性值進(jìn)行分析，同時(shí)將數(shù)據(jù)送到個(gè)性化情緒庫(kù)進(jìn)行對(duì)比判斷。學(xué)習(xí)者也可對(duì)個(gè)性化情緒庫(kù)進(jìn)行訪問(wèn)，查看自己的情緒特征。

4反饋交互模塊

為了進(jìn)一步提高在線學(xué)習(xí)的效果，以可視化形式將情緒的診斷結(jié)果呈現(xiàn)給學(xué)習(xí)者，并進(jìn)行反饋交互，主動(dòng)提供學(xué)習(xí)者需要的新信息，進(jìn)而緩解在線學(xué)習(xí)環(huán)境中情感缺失的現(xiàn)象。學(xué)習(xí)者對(duì)反饋進(jìn)行操作的同時(shí)，還要對(duì)情緒變化背后的原因進(jìn)行新的反饋并實(shí)時(shí)更新數(shù)據(jù)庫(kù)。本模塊主要以情感按鈕、人體輪廓圖、情緒助手等形式直觀呈現(xiàn)在線學(xué)習(xí)者的情緒。

（1）情緒按鈕

情緒按鈕是一個(gè)動(dòng)態(tài)變化的面部表情按鈕。系統(tǒng)自動(dòng)優(yōu)先推送情緒測(cè)量出的與其相對(duì)應(yīng)的表情圖標(biāo)，學(xué)習(xí)者通過(guò)鼠標(biāo)點(diǎn)擊情緒按鈕進(jìn)行情緒表情變換，，自行選擇相適應(yīng)的表情圖標(biāo)。同時(shí)根據(jù)用戶反饋，對(duì)分析診斷技術(shù)進(jìn)行及時(shí)更新調(diào)整。

（2）人體輪廓圖

人體輪廓圖是一種以最直觀形式呈現(xiàn)學(xué)習(xí)者生理特征情緒波動(dòng)的表現(xiàn)方式。定位情緒反應(yīng)活躍異常的學(xué)習(xí)者，并將其身體部位在一張人體輪廓圖上進(jìn)行標(biāo)記，可得到相應(yīng)反饋結(jié)果的可視化呈現(xiàn)，如圖3所示。增加活躍度的區(qū)域進(jìn)行從黑色到紅色再到黃色的顏色標(biāo)記，而減少活躍度的區(qū)域則由越來(lái)越明亮的藍(lán)色表示[25]。

（3）情緒助手

情緒助手是指系統(tǒng)中根據(jù)學(xué)習(xí)者當(dāng)前情緒自動(dòng)采取措施的虛擬人物程序。根據(jù)學(xué)習(xí)者當(dāng)前情緒狀態(tài)，影響消極情緒生成的因素有很多種，因此結(jié)合OCC情感模型剖析學(xué)習(xí)者學(xué)習(xí)特征，分析產(chǎn)生消極情緒的原因。借助情緒助手，系統(tǒng)適時(shí)地自動(dòng)彈出對(duì)話框，與學(xué)習(xí)者進(jìn)行交互，判斷影響因素并及時(shí)進(jìn)行干預(yù)引導(dǎo)，從而增加在線學(xué)習(xí)情感交互體驗(yàn)。

通過(guò)對(duì)在線學(xué)習(xí)者的情緒診斷結(jié)果進(jìn)行分析，若學(xué)習(xí)者當(dāng)前為消極狀態(tài)情緒時(shí)，系統(tǒng)會(huì)自動(dòng)暫停當(dāng)前學(xué)習(xí)任務(wù)，并彈出對(duì)話框，通過(guò)情緒助手以一對(duì)一交流的形式詢問(wèn)學(xué)習(xí)者當(dāng)前情緒狀態(tài)不佳的原因，對(duì)其采取相應(yīng)措施進(jìn)行適當(dāng)調(diào)節(jié)，如推送個(gè)性化的學(xué)習(xí)資源，以提升學(xué)習(xí)者的學(xué)習(xí)興趣；提供教育娛樂(lè)游戲，以激發(fā)積極情緒；選擇退出在線學(xué)習(xí)活動(dòng)進(jìn)行適當(dāng)?shù)男菹?，以提高學(xué)習(xí)效率。若學(xué)習(xí)者當(dāng)前情緒狀態(tài)良好，則采取即時(shí)正向強(qiáng)化措施，如提供獎(jiǎng)勵(lì)機(jī)制、在線學(xué)習(xí)群體交流討論等。

圖3 情緒人體輪廓

四在線學(xué)習(xí)情緒測(cè)量關(guān)鍵問(wèn)題探討

目前，已有很多適用于在線學(xué)習(xí)情緒測(cè)量的技術(shù)工具。本研究在視頻監(jiān)控、可穿戴設(shè)備、網(wǎng)絡(luò)爬蟲(chóng)、情感識(shí)別、文本挖掘等技術(shù)以及OCC情感模型的支持下，構(gòu)建了集情緒數(shù)據(jù)的采集、處理、分析和反饋為一體的基于大數(shù)據(jù)的在線學(xué)習(xí)情緒測(cè)量模型，可滿足學(xué)習(xí)者加強(qiáng)在線學(xué)習(xí)情感交互的需求，增加在線學(xué)習(xí)的興趣，以達(dá)到激活學(xué)習(xí)積極情緒、提高在線學(xué)習(xí)效率的目的。但由于在線學(xué)習(xí)領(lǐng)域的復(fù)雜性，在線學(xué)習(xí)情緒測(cè)量仍存在諸多亟待解決的問(wèn)題。

1數(shù)據(jù)采集的隱蔽性問(wèn)題

對(duì)學(xué)習(xí)者在線學(xué)習(xí)數(shù)據(jù)采集時(shí)需要啟動(dòng)顯性視頻監(jiān)控設(shè)備，或者讓學(xué)習(xí)者佩戴生理監(jiān)測(cè)設(shè)備。有調(diào)查表明，絕大部分學(xué)生認(rèn)為，教學(xué)環(huán)境中監(jiān)控設(shè)備的應(yīng)用就是對(duì)他們隱私權(quán)的侵犯[26]。因此，當(dāng)前數(shù)據(jù)采集技術(shù)會(huì)讓學(xué)習(xí)者感到不適應(yīng)，會(huì)降低學(xué)習(xí)者的思維活躍度，產(chǎn)生不良情緒，從而對(duì)研究結(jié)果產(chǎn)生一定的負(fù)面影響。對(duì)此，需要針對(duì)學(xué)習(xí)者的不同學(xué)習(xí)風(fēng)格來(lái)選擇與此相應(yīng)的數(shù)據(jù)采集技術(shù)。

2情緒測(cè)量的精準(zhǔn)度問(wèn)題

構(gòu)建在線學(xué)習(xí)情緒測(cè)量模型，應(yīng)首先對(duì)情緒的基本類型進(jìn)行劃分。然而，已有研究中對(duì)情緒分類還未形成統(tǒng)一標(biāo)準(zhǔn)。其次，在線學(xué)習(xí)的學(xué)習(xí)環(huán)境復(fù)雜多樣，情緒容易受到學(xué)習(xí)情境、身體機(jī)能和心理等因素的影響，測(cè)量值往往存在很大的差異性和波動(dòng)性。再次，相同類型的情緒可以通過(guò)采集語(yǔ)音、姿態(tài)、生理和文本等多種數(shù)據(jù)進(jìn)行測(cè)量，究竟應(yīng)該以哪一種指標(biāo)為主并沒(méi)有統(tǒng)一的標(biāo)準(zhǔn)，這為在線學(xué)習(xí)情緒的精準(zhǔn)識(shí)別帶來(lái)了一定的挑戰(zhàn)。

在進(jìn)行在線學(xué)習(xí)情緒測(cè)量時(shí)，需要緊密結(jié)合大數(shù)據(jù)技術(shù)和學(xué)習(xí)者情緒特征，進(jìn)行及時(shí)的情緒反饋。具體來(lái)說(shuō)，應(yīng)采取以下兩種措施：

第一，優(yōu)化檢測(cè)設(shè)備。在進(jìn)行在線學(xué)習(xí)活動(dòng)之前，對(duì)學(xué)習(xí)者進(jìn)行情緒預(yù)檢測(cè)。即結(jié)合學(xué)習(xí)者的學(xué)習(xí)風(fēng)格特征，通過(guò)檢測(cè)學(xué)習(xí)者對(duì)不同的數(shù)據(jù)采集技術(shù)設(shè)備所產(chǎn)生的情緒影響，選擇最合適的技術(shù)進(jìn)行數(shù)據(jù)采集。也可以不定時(shí)地對(duì)在線學(xué)習(xí)者無(wú)意識(shí)被監(jiān)控的狀態(tài)下的數(shù)據(jù)進(jìn)行采集，提高數(shù)據(jù)采集的隱蔽性和精準(zhǔn)度。

第二，及時(shí)反饋情緒。系統(tǒng)將處理得到的情緒診斷反饋信息及時(shí)向?qū)W習(xí)者以不同方式呈現(xiàn)，不僅可以促進(jìn)人機(jī)情感交互、激活積極情緒，還可以對(duì)錯(cuò)誤的情緒診斷結(jié)果實(shí)時(shí)糾正，更新學(xué)習(xí)者情緒數(shù)據(jù)庫(kù)，調(diào)節(jié)情緒診斷技術(shù)以及更改技術(shù)測(cè)量指標(biāo)，進(jìn)而增加情緒識(shí)別的準(zhǔn)確率。將反饋結(jié)果以可視化形式呈現(xiàn)，對(duì)學(xué)習(xí)者當(dāng)前情緒采取正向加強(qiáng)或負(fù)向干預(yù)的措施，以提升在線學(xué)習(xí)者的參與度，加強(qiáng)情感交互。

[1]高潔.在線學(xué)業(yè)情緒對(duì)學(xué)習(xí)投入的影響——社會(huì)認(rèn)知理論的視角[J].開(kāi)放教育研究,2016,(2):89-95.

[2]林崇德,楊治良,黃希庭.心理學(xué)大辭典[M].上海:上海教育出版社,2004:946-947.

[3]姜媛,林崇德.情緒測(cè)量的自我報(bào)告法述評(píng)[J].首都師范大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2010,(6):135-139.

[4]Nowlis V.The experimental analysis of mood[J].Acta Psychologica,1959,(59):426-427.

[5]Watson D,Tellegen A.Toward a consensual structure of mood[J].Psychological Bulletin,1985,(2):219-235.

[6]李曉明,傅小蘭,鄧國(guó)峰.中文簡(jiǎn)化版PAD情緒量表在京大學(xué)生中的初步試用[J].中國(guó)心理衛(wèi)生雜志,2008,(5):327-329.

[7]董妍,俞國(guó)良.青少年學(xué)業(yè)情緒問(wèn)卷的編制及應(yīng)用[J].心理學(xué)報(bào),2007,(5):852-860.

[8]湯詩(shī)華,朱祖林,畢磊,等.成人在線學(xué)業(yè)情緒測(cè)評(píng)研究[J].中國(guó)遠(yuǎn)程教育(綜合版),2013,(6):43-46.

[9]中學(xué)生讀書(shū)網(wǎng).二十一世紀(jì)中小學(xué)生素質(zhì)教育文庫(kù):情緒與情感[OL].〈http://www.fox2008.cn/ebook/21szjy/TS013071/0001_ts013071.htm〉

[10]耿超.PC硬件產(chǎn)品年度回顧——鼠標(biāo)篇[OL].〈http://diy.pconline.com.cn/other/reviews/0202/286131_7.html〉

[11]梁賢英,王丹,許遠(yuǎn)理.情緒測(cè)量研究現(xiàn)狀與展望[J].長(zhǎng)沙師范專科學(xué)校學(xué)報(bào),2010,(3):35-38.

[12]Donato G,Bartlett M S,Hager JC,et al.Classifying facial actions[J].IEEE Transactions on Pattern Analysis& Machine Intelligence,1996,(10):974-989.

[13]謝晶,方平,姜媛.情緒測(cè)量方法的研究進(jìn)展[J].心理科學(xué),2011,(2):488-493.

[14]Banse R,Scherer K R.Acoustic profiles in vocal emotion expression[J].Journal of Personality and Social Psychology,1996,(3):614-636.

[15]中國(guó)科學(xué)院.情感計(jì)算研究興起,未來(lái)大有用武之地[OL].〈http://www.1000thinktank.com/xxkj/9109.jhtml〉

[16]朱祖林,黃彩虹,李銳,等.成人在線學(xué)業(yè)情緒傾向的測(cè)度方法研究[J].中國(guó)電化教育,2011,(6):55-60.

[17]喬向杰,王志良,王萬(wàn)森.基于OCC模型的E-learning系統(tǒng)情感建模[J].計(jì)算機(jī)科學(xué),2010,(5):214-218.

[18]劉景福,陳松生.普適計(jì)算環(huán)境下遠(yuǎn)程教育情感交互的設(shè)計(jì)模型[J].現(xiàn)代教育技術(shù),2009,(4):90-93.

[19]王嵐,王立鵬.基于OCC的Agent情感模型研究[J].微計(jì)算機(jī)信息,2007,(5):256-258.

[20]楊現(xiàn)民,唐斯斯,李冀紅.教育大數(shù)據(jù)的技術(shù)體系框架與發(fā)展趨勢(shì)——“教育大數(shù)據(jù)研究與實(shí)踐專欄”之整體框架篇[J].現(xiàn)代教育技術(shù),2016,(1):5-12.

[21]夏洪文.情感計(jì)算及其在人機(jī)交互設(shè)計(jì)中的應(yīng)用[J].中國(guó)電化教育,2008,(1):106-110.

[22]傅小蘭.電子學(xué)習(xí)中的情感計(jì)算[J].計(jì)算機(jī)教育,2004,(12):27-30.

[23]星光.美開(kāi)發(fā)出情感機(jī)器人能表達(dá)喜怒哀樂(lè)[OL].〈http://blog.sina.com.cn/s/blog_9d7449b30100xa0z.html〉

[24]祝宇虹,魏金海,毛俊鑫.人工情感研究綜述[J].江南大學(xué)學(xué)報(bào)(自然科學(xué)版),2012,(4):497-504.

[25]雪姬.可視化:人體情緒地圖,你是快樂(lè)還是憤怒呢?[OL].〈http://www.36dsj.com/archives/6228〉

[26]鄭祖?zhèn)?曹陽(yáng).教室里的電子眼在看什么[OL].〈http://edu.qq.com/a/20130527/014352.htm〉

編輯：小西

Construction of Online Learning Emotional Measurement Model based on Big Data

JIN Xin-quan WANG Lin-li YANG Xian-min
(School of Wisdom Education,Jiangsu Normal University,Xuzhou,Jiangsu,China 221116)

Based on the general processing process of big data and the techniques of video surveillance,wearable devices,Web craw ler,affective recognition,text mining,this paper constructed an online learning emotional measurement framework.This framework included data layer,technology layer and application layer.Moreover, according to its function,this framework was divided into four modules,namely user data module,analysis and diagnosis module,emotion integration module and feedback interaction module,aiming at solving the problem of lacking emotion communication in online learning.Finally,the key issues for constructing this model were discussed, and some suggestions were also put forward,excepting to provide reference for the construction and development of online learning.

big data;emotional measurement;online learning;model construction

G 40-057

A【論文編號(hào)】1009—8097（2016）12—0005—07【DOI】10.3969/j.issn.1009-8097.2016.12.001

本文為國(guó)家級(jí)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目“虛擬現(xiàn)實(shí)技術(shù)支持的移動(dòng)APP微課資源創(chuàng)新設(shè)計(jì)與開(kāi)發(fā)研究”（項(xiàng)目編號(hào)：201510320033Z）、江蘇省普通高校學(xué)術(shù)學(xué)位研究生創(chuàng)新計(jì)劃項(xiàng)目“基于行為數(shù)據(jù)的在線學(xué)習(xí)預(yù)警機(jī)制設(shè)計(jì)”（項(xiàng)目編號(hào)：KYZZ15_0381）的階段性研究成果，并受江蘇省333高層次人才培養(yǎng)工程資助。

晉欣泉，在讀本科，研究方向?yàn)榻逃髷?shù)據(jù)和移動(dòng)學(xué)習(xí)，郵箱為18361350815@163.com。

2016年8月22日