情感計(jì)算教育應(yīng)用的多維透視

葉俊民 周 進(jìn) 李 超

(1.華中師范大學(xué) 計(jì)算機(jī)學(xué)院，湖北武漢 430079； 2.華中師范大學(xué) 教育信息技術(shù)學(xué)院，湖北武漢 430079)

一、研究背景與設(shè)計(jì)

情感是個(gè)體對(duì)特定情境的體驗(yàn)與反饋，并在個(gè)體行為、認(rèn)知、思維及決策中起著重要作用(Neophytou, 2013)。美國(guó)麻省理工學(xué)院皮卡德教授1997年首次提出情感計(jì)算概念，指出其目的是實(shí)現(xiàn)計(jì)算機(jī)識(shí)別、理解、表達(dá)和反饋人類情感，是人機(jī)交互研究的重要方向(Picard, 1997)。在教育領(lǐng)域，情感計(jì)算是當(dāng)前研究最為活躍的課題之一(Poria et al., 2017)，尤其在人工智能技術(shù)的推動(dòng)下，將學(xué)習(xí)情感視為教育研究的核心要素已成為一種趨勢(shì)(Jiménez et al., 2018; Ninaus et al., 2019)。綜觀國(guó)內(nèi)，學(xué)者圍繞學(xué)習(xí)情感識(shí)別及其應(yīng)用展開了探討(江波等, 2018; 馮翔等, 2019; 盧宇等, 2020; 朱珂等, 2020)，但情感計(jì)算教育研究與實(shí)踐尚處于探索階段，對(duì)其認(rèn)識(shí)和理解還不充分。

鑒于此，本研究以“affective computing” AND(education OR learning)為主題詞從Web of Science核心合集數(shù)據(jù)庫(kù)進(jìn)行檢索。鑒于情感計(jì)算自2010年才被廣泛應(yīng)用于教育研究(Wu et al., 2016)，因而檢索時(shí)間限定為2010—2020年，共有87篇文獻(xiàn)被納入樣本數(shù)據(jù)。然后，研究者采用內(nèi)容分析方法，從理論基礎(chǔ)、測(cè)量方法、系統(tǒng)開發(fā)、應(yīng)用場(chǎng)景及實(shí)踐價(jià)值五個(gè)維度透視該主題的最新研究進(jìn)展，并展望情感分析教育應(yīng)用的發(fā)展趨勢(shì)，思考推進(jìn)我國(guó)情感計(jì)算教育實(shí)踐的建議，以期為推進(jìn)我國(guó)相關(guān)研究與實(shí)踐提供借鑒與啟示。

二、結(jié)果分析

(一)理論基礎(chǔ)

鑒于情感的復(fù)雜性與模糊性，心理學(xué)家尚未就情感定義達(dá)成共識(shí)。在教育研究中，明確情感類型是設(shè)計(jì)情感識(shí)別方法與教學(xué)干預(yù)的基礎(chǔ)。文獻(xiàn)梳理發(fā)現(xiàn)，學(xué)習(xí)情感主要涉及三類：基本情感、維度情感和學(xué)業(yè)情感。基本情感包含普遍公認(rèn)的六種情感類型，即恐懼、生氣、厭惡、快樂(lè)、悲傷與驚訝，其他情感被認(rèn)為是這六種基本情感的組合(Darwin & Ekman, 2002)。維度情感是從不同維度映射的情感類型，即情感本身是個(gè)多維結(jié)構(gòu)。如羅素(Russell, 1980)提出的包含喚醒(arousal)和價(jià)態(tài)(valence)的二維情感模型；學(xué)者在其基礎(chǔ)上增加了六種基本情感，提出由愉悅和喚醒兩個(gè)相互正交的維度構(gòu)成的情感循環(huán)模型 (Fernández-Caballero et al., 2016)，其中每個(gè)維度的取值極限構(gòu)成一個(gè)圓，所添加的六種基本情感分布在模型圈的邊界；坎布里亞等提出了通過(guò)標(biāo)簽及四個(gè)獨(dú)立但同時(shí)存在的情感維度來(lái)表示情感狀態(tài)的漏斗模型，其中漏斗的豎軸表示情感的極性強(qiáng)度，且情感的衰減過(guò)程呈指數(shù)分布 (Cambria et al., 2012)；學(xué)業(yè)情感是與學(xué)生的認(rèn)知、動(dòng)機(jī)和社會(huì)交互關(guān)聯(lián)的情感狀態(tài)，包括成就情緒、認(rèn)知情緒、主題情感和社會(huì)情感四類(Zhang et al., 2020)。其中，成就情緒與學(xué)習(xí)活動(dòng)和表現(xiàn)有關(guān)；認(rèn)知情緒是在處理新的、非常規(guī)的任務(wù)時(shí)由認(rèn)知問(wèn)題引發(fā)；主題情緒與課程主題相關(guān)；社會(huì)情緒與師生互動(dòng)和集體學(xué)習(xí)相關(guān)。在情感計(jì)算教育應(yīng)用中，常用的理論基礎(chǔ)有控制-價(jià)值理論、認(rèn)知情感理論、OCC模型和情感動(dòng)力模型。

1.控制-價(jià)值理論

成就情緒的控制-價(jià)值理論( control-value theory，CVT)是情感計(jì)算教育研究使用頻率最高的基礎(chǔ)理論。該理論提供了理解學(xué)習(xí)成就和所經(jīng)歷情感的綜合框架，并分析其前因與結(jié)果(Pekrun, 2006)。控制價(jià)值理論確定了學(xué)習(xí)活動(dòng)的兩種重要評(píng)估，即控制評(píng)估與價(jià)值評(píng)估。控制評(píng)估是學(xué)習(xí)者對(duì)學(xué)習(xí)活動(dòng)和結(jié)果感知的可控性判斷，價(jià)值評(píng)估描述學(xué)習(xí)者對(duì)任務(wù)或結(jié)果的價(jià)值判斷?？刂?價(jià)值理論還認(rèn)為，情感以認(rèn)知資源、動(dòng)機(jī)、學(xué)習(xí)策略和自我調(diào)節(jié)為中介影響學(xué)習(xí)結(jié)果。例如，有研究以控制-價(jià)值理論為基礎(chǔ)，探討在線討論中情感表達(dá)與動(dòng)機(jī)、情感感知及學(xué)習(xí)結(jié)果(包括行為投入、認(rèn)知投入、學(xué)業(yè)成就)之間的關(guān)系，結(jié)果發(fā)現(xiàn)情感表達(dá)能顯著預(yù)測(cè)學(xué)業(yè)成就(Kim & Ketenci, 2020)。

2.認(rèn)知情感理論

多媒體學(xué)習(xí)的認(rèn)知情感理論(CATLM)以梅耶(Mayer, 2005)的多媒體學(xué)習(xí)認(rèn)知理論為基礎(chǔ)，將動(dòng)機(jī)與元認(rèn)知作為多媒體學(xué)習(xí)的中介，并整合多媒體學(xué)習(xí)中情感與認(rèn)知過(guò)程而形成(Moreno, 2006)。該理論認(rèn)為，多媒體學(xué)習(xí)材料的視覺設(shè)計(jì)具有認(rèn)知和情感功能：一方面支持學(xué)習(xí)者對(duì)材料的認(rèn)知加工，另一方面影響學(xué)習(xí)者的態(tài)度與動(dòng)機(jī)。有學(xué)者嘗試通過(guò)設(shè)計(jì)多媒體學(xué)習(xí)材料的顏色和形狀，激發(fā)學(xué)習(xí)者的積極情感(Plass et al., 2014)。實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)，學(xué)習(xí)材料的圓形設(shè)計(jì)能激發(fā)積極的學(xué)習(xí)情感，與暖色結(jié)合設(shè)計(jì)能促進(jìn)學(xué)習(xí)理解。認(rèn)知情感理論還指出，學(xué)習(xí)者特征是影響多媒體學(xué)習(xí)和情感的重要因素，包括先前知識(shí)、認(rèn)知風(fēng)格、能力與人格特質(zhì)、元認(rèn)知和自我調(diào)節(jié)能力。有研究基于認(rèn)知情感理論探討實(shí)驗(yàn)誘導(dǎo)的情緒對(duì)多媒體學(xué)習(xí)的影響，并考察學(xué)生特征在其中的調(diào)節(jié)作用(Knoerzer et al., 2016)。結(jié)果表明，消極情感比積極情感能帶來(lái)更好的學(xué)習(xí)效果，認(rèn)知資源(工作記憶能力、先前知識(shí))能顯著預(yù)測(cè)學(xué)習(xí)結(jié)果。

3.OCC模型

OCC模型(Ortony et al., 1990)描述了基于不同認(rèn)知評(píng)價(jià)標(biāo)準(zhǔn)觸發(fā)情感的機(jī)制，其評(píng)價(jià)標(biāo)準(zhǔn)包括事件結(jié)果、主體行為與客體感知，并根據(jù)觸發(fā)原因與強(qiáng)度以樹狀結(jié)構(gòu)圖的方式將情感分為22類。由于提供了基于規(guī)則的情感生成機(jī)制，OCC模型通過(guò)計(jì)算機(jī)可以有效推理各類情感，因此被廣泛應(yīng)用于人工智能等領(lǐng)域。例如，在智能學(xué)習(xí)系統(tǒng)設(shè)計(jì)中選擇OCC模型的事件結(jié)果評(píng)價(jià)標(biāo)準(zhǔn)，采用貝葉斯網(wǎng)絡(luò)算法對(duì)學(xué)習(xí)情感進(jìn)行推理及預(yù)測(cè)(Daouas & Lejmi, 2018)，結(jié)果顯示，智能學(xué)習(xí)系統(tǒng)的情感識(shí)別準(zhǔn)確度達(dá)到83.75%。

4.情感動(dòng)力模型

情感動(dòng)力模型(model of affect dynamics)揭示了深度學(xué)習(xí)中學(xué)習(xí)者認(rèn)知與情感的復(fù)雜關(guān)系(D’Mello & Graesser, 2012)。該模型認(rèn)為，當(dāng)學(xué)習(xí)者面臨學(xué)習(xí)障礙時(shí)，其認(rèn)知會(huì)從平衡轉(zhuǎn)向失衡，這一過(guò)程會(huì)觸發(fā)學(xué)習(xí)情感的動(dòng)態(tài)轉(zhuǎn)換，而認(rèn)知失衡恢復(fù)到平衡狀態(tài)是學(xué)生進(jìn)行深度學(xué)習(xí)的關(guān)鍵。其中，困惑是學(xué)習(xí)的關(guān)鍵情感指標(biāo)，若困惑情緒得不到解決，則會(huì)轉(zhuǎn)變?yōu)榇煺叟c無(wú)聊情緒，進(jìn)而影響學(xué)習(xí)效果。但如果學(xué)生能自己調(diào)節(jié)困惑情緒，其認(rèn)知也會(huì)達(dá)到平衡狀態(tài)，并繼續(xù)投入到學(xué)習(xí)活動(dòng)或任務(wù)中。鑒于困惑情緒對(duì)促進(jìn)學(xué)習(xí)投入與深層次理解的重要價(jià)值，阿格爾等(Arguel et al., 2017)依據(jù)情感動(dòng)力模型，提出了學(xué)習(xí)過(guò)程的最佳困惑期(zone of optimal confusion)概念，并總結(jié)了困惑情緒的識(shí)別方法，以促進(jìn)交互式學(xué)習(xí)環(huán)境的設(shè)計(jì)。還有研究以情感動(dòng)力模型為基礎(chǔ)，探討智能導(dǎo)師系統(tǒng)中學(xué)習(xí)者情感、認(rèn)知與元認(rèn)知的關(guān)系(Taub et al., 2019)。研究結(jié)果發(fā)現(xiàn)，學(xué)習(xí)者的挫折情緒能顯著預(yù)測(cè)認(rèn)知投入?？偟膩?lái)說(shuō)，情感動(dòng)力模型闡述了學(xué)習(xí)過(guò)程中情感與認(rèn)知的交互關(guān)系，為教學(xué)設(shè)計(jì)與干預(yù)提供了理論依據(jù)。

(二)測(cè)量方法

1.心理測(cè)量

心理測(cè)量以學(xué)習(xí)者自我報(bào)告為主，通過(guò)量表測(cè)量學(xué)習(xí)過(guò)程中的情感體驗(yàn)。其中，學(xué)業(yè)情緒量表應(yīng)用最廣泛，也是接受度最高的 (Pekrun et al., 2005)。如在基于增強(qiáng)現(xiàn)實(shí)的學(xué)習(xí)活動(dòng)中，利用學(xué)習(xí)情緒量表測(cè)量學(xué)習(xí)者的情緒變化(Harley et al., 2020)。學(xué)業(yè)情緒量表也可以進(jìn)行適當(dāng)?shù)母木帲赃m用于具體情境，比如，可以應(yīng)用改編后的數(shù)學(xué)學(xué)業(yè)情緒量表(Achievement Emotion Questionnaire in Mathematics, AEQ-M)，探討數(shù)學(xué)課程的學(xué)習(xí)動(dòng)機(jī)、數(shù)學(xué)成就情緒與認(rèn)知過(guò)程(Kim et al., 2014)，或者采用改編的在線學(xué)習(xí)情緒量表(E-Learning Academic Emotions Scale, E-AES)，探討在線學(xué)習(xí)環(huán)境中學(xué)業(yè)情緒在自我調(diào)節(jié)學(xué)習(xí)與學(xué)業(yè)控制中的作用(You & Kang, 2014)。

此外，應(yīng)用頻率較高的情緒量表還有積極消極情緒量表(Positive and Negative Affective Schedule, PANAS)與自我評(píng)定量表(Self-Assessment Manikin, SAM)。積極消極情緒量表(Watson et al., 1988)由積極情緒和消極情緒兩個(gè)子量表構(gòu)成，每個(gè)子量表包含10道測(cè)量條目，具備易于管理、簡(jiǎn)單、可靠等優(yōu)點(diǎn)，因而許多研究采用該量表測(cè)量學(xué)習(xí)者的情感狀態(tài)。比如，研究人員采用該量表測(cè)量可視化系統(tǒng)中學(xué)習(xí)情緒的變化(Lacave et al., 2020)。自我評(píng)定量表(Bradley & Lang, 1994)包括價(jià)態(tài)、喚醒及主導(dǎo)(dominance)三個(gè)子量表，采用9點(diǎn)李克特量表，其得分范圍為-4到4。有研究利用該量表測(cè)量學(xué)生在觀看教學(xué)視頻后的情感狀態(tài)，以探討教學(xué)視頻對(duì)學(xué)習(xí)者情感及學(xué)習(xí)結(jié)果的影響(Beege et al., 2018)。

2.行為測(cè)量

人類行為反應(yīng)在一定程度上表征了內(nèi)在情感及其變化。相關(guān)技術(shù)工具(如攝像頭、麥克風(fēng))可以采集學(xué)生學(xué)習(xí)過(guò)程的行為數(shù)據(jù)，實(shí)現(xiàn)對(duì)學(xué)習(xí)情感的客觀分析?，F(xiàn)階段，研究者多使用面部表情、文本信息、語(yǔ)音特征、手勢(shì)與姿態(tài)動(dòng)作來(lái)測(cè)量學(xué)習(xí)情感。

面部表情識(shí)別技術(shù)是對(duì)視頻圖像中面部(包括嘴巴、眼睛與眉毛)動(dòng)作進(jìn)行分析，并依據(jù)相關(guān)編碼系統(tǒng)(如Facial Action Coding System, FACS)建立面部表情與學(xué)習(xí)情感的映射關(guān)系。近年來(lái)，許多工具可用于識(shí)別面部表情，如FaceReader、Microsoft Emotion Recognition API、Affdex SDK等。有學(xué)者利用攝像頭每隔10秒采集學(xué)生的面部圖像，并使用微軟表情識(shí)別接口實(shí)現(xiàn)面部圖像的情感挖掘，分析學(xué)生情感的動(dòng)態(tài)變化規(guī)律(Tonguc & Ozkara, 2020)。結(jié)果發(fā)現(xiàn)，課堂教學(xué)中不同階段的情緒變化存在差異，而學(xué)生的困惑與厭惡情緒沒有顯著變化。除上述課堂教學(xué)環(huán)境外，特殊教育(Chu et al., 2018)與在線教育(Marchand & Gutierrez, 2012)中的面部表情識(shí)別技術(shù)也表現(xiàn)出巨大發(fā)展?jié)摿土己玫膽?yīng)用效果。

文本情感分析是自然語(yǔ)言處理領(lǐng)域的重要研究課題，它通過(guò)對(duì)文本信息分析挖掘用戶對(duì)特定主題或事件的態(tài)度或觀點(diǎn)(Liu, 2012)。常用的情感分析方法包括基于詞匯方法、機(jī)器學(xué)習(xí)方法與混合方法?，F(xiàn)階段，許多研究利用機(jī)器學(xué)習(xí)自動(dòng)挖掘?qū)W生的文本情感信息。如有研究利用機(jī)器學(xué)習(xí)對(duì)大規(guī)模評(píng)論信息進(jìn)行情感挖掘，以預(yù)測(cè)學(xué)習(xí)者對(duì)MOOC課程的滿意度(Hew et al., 2020)。該研究通過(guò)爬蟲工具采集249門MOOC課程評(píng)論，利用梯度提升樹(GBT)算法進(jìn)行主題分類及情感計(jì)算。研究結(jié)果發(fā)現(xiàn)，課程教師、課程時(shí)間安排、教學(xué)內(nèi)容與學(xué)習(xí)評(píng)價(jià)能顯著預(yù)測(cè)學(xué)生滿意度，這對(duì)MOOC課程的設(shè)計(jì)與優(yōu)化具有啟示意義。另外，深度學(xué)習(xí)算法也常用于文本情感信息分類，其分類效果優(yōu)于傳統(tǒng)機(jī)器學(xué)習(xí)(Onan, 2020a)。

人類通過(guò)捕獲語(yǔ)音信息感知情緒的動(dòng)態(tài)變化，而語(yǔ)音情感識(shí)別技術(shù)借助計(jì)算機(jī)從語(yǔ)音信號(hào)中提取相關(guān)特征(包括聲學(xué)特征、語(yǔ)言特征、上下文信息與混合特征)，建立與人類情感的聯(lián)系(Imani & Montazer, 2019)。一般而言，語(yǔ)音情感識(shí)別過(guò)程包括語(yǔ)音數(shù)據(jù)采集、語(yǔ)音特征提取和語(yǔ)音情感分類。在游戲化學(xué)習(xí)環(huán)境中，有學(xué)者通過(guò)語(yǔ)音情感識(shí)別技術(shù)分析學(xué)習(xí)者的情感狀態(tài)，干預(yù)學(xué)習(xí)情緒。結(jié)果發(fā)現(xiàn)，學(xué)習(xí)者的消極情緒轉(zhuǎn)變?yōu)榉e極情緒的速度變快，且學(xué)習(xí)效果明顯改善(Lara et al., 2018)。

心理學(xué)研究表明，身體姿態(tài)與手勢(shì)很大程度上反映了情感狀態(tài)，是情感識(shí)別的重要特征來(lái)源(Poria et al., 2017)?，F(xiàn)階段，姿態(tài)與手勢(shì)的情感識(shí)別主要基于圖像分析，即通過(guò)對(duì)頭部、手臂與身體的運(yùn)動(dòng)數(shù)據(jù)建模，刻畫學(xué)習(xí)者的情感狀態(tài)。與面部表情數(shù)據(jù)采集類似，姿態(tài)與手勢(shì)的數(shù)據(jù)采集也通過(guò)攝像頭，因此相關(guān)研究通常結(jié)合面部與姿態(tài)數(shù)據(jù)進(jìn)行情感挖掘。如有研究通過(guò)整合面部表情、手勢(shì)與身體姿態(tài)數(shù)據(jù)，實(shí)現(xiàn)自動(dòng)檢測(cè)課堂環(huán)境下學(xué)生的情感狀態(tài)(Ashwin & Guddeti, 2020)。該研究利用攝像頭采集課堂教學(xué)中學(xué)生的圖像數(shù)據(jù)，采用卷積神經(jīng)網(wǎng)絡(luò)模型(CNN)對(duì)三種情感(投入、無(wú)聊及中立)狀態(tài)進(jìn)行自動(dòng)分類。結(jié)果顯示，該方法的情感識(shí)別準(zhǔn)確度為70%。

3.生理測(cè)量

生理信息是身體受到刺激時(shí)中樞神經(jīng)系統(tǒng)表達(dá)的基本反應(yīng)，其作用主要是調(diào)節(jié)身體機(jī)能(Shoumy et al., 2020)。常用的生理信號(hào)包括腦電圖、心電圖、肌電圖、皮膚電、心率等。生理信號(hào)能客觀反映人類身體的動(dòng)態(tài)變化，因而常被用于學(xué)習(xí)情感研究及實(shí)踐中。有研究通過(guò)EMWave工具監(jiān)測(cè)學(xué)習(xí)者的心率變化識(shí)別情感狀態(tài)，以評(píng)估多媒體材料對(duì)視覺型與言語(yǔ)型學(xué)習(xí)者的情緒及學(xué)習(xí)表現(xiàn)的影響(Chen & Sun, 2012)。實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)，基于視頻的多媒體材料為言語(yǔ)型學(xué)習(xí)者帶來(lái)了最佳學(xué)習(xí)效果與積極情感。類似的，測(cè)量學(xué)生醫(yī)學(xué)診斷模擬系統(tǒng)中的皮膚電反應(yīng)水平，可探討醫(yī)學(xué)教育中學(xué)生的生理喚醒、情感調(diào)節(jié)與學(xué)業(yè)表現(xiàn)間的關(guān)系(Harley et al., 2019)。研究發(fā)現(xiàn)，學(xué)習(xí)者更高水平的生理喚醒對(duì)學(xué)習(xí)表現(xiàn)有顯著預(yù)測(cè)作用，且在情緒調(diào)節(jié)中所使用的重評(píng)策略顯著高于抑制策略。此外，許多研究結(jié)合不同的生理信號(hào)探究學(xué)生的情感與認(rèn)知過(guò)程，如利用眼動(dòng)、心率和腦電波數(shù)據(jù)分析學(xué)習(xí)者的注意力、情感體驗(yàn)及認(rèn)知負(fù)荷，比較數(shù)字化游戲與靜態(tài)數(shù)字化學(xué)習(xí)材料對(duì)學(xué)習(xí)效果的影響(Wu et al., 2020)。結(jié)果表明，數(shù)字化學(xué)習(xí)游戲顯著提升了學(xué)習(xí)者的注意力及情感體驗(yàn)。

(三)系統(tǒng)開發(fā)

在教育領(lǐng)域中，許多研究試圖運(yùn)用情感計(jì)算技術(shù)開發(fā)能識(shí)別學(xué)習(xí)者情感狀態(tài)并及時(shí)給予反饋與調(diào)節(jié)的智能系統(tǒng)，以提高學(xué)習(xí)體驗(yàn)與人機(jī)交互水平。情感識(shí)別是相關(guān)系統(tǒng)開發(fā)的基礎(chǔ)，有研究依據(jù)OCC模型構(gòu)建學(xué)習(xí)情感識(shí)別系統(tǒng)(Daouas & Lejmi, 2018)。該系統(tǒng)結(jié)合在線學(xué)習(xí)相關(guān)事件，采用貝葉斯網(wǎng)絡(luò)算法進(jìn)行情感識(shí)別。結(jié)果發(fā)現(xiàn)，情感識(shí)別的準(zhǔn)確度達(dá)83.75%。還有研究者開發(fā)了多模態(tài)情感識(shí)別系統(tǒng)(Ray & Chakrabarti, 2016)，采用決策級(jí)融合策略，結(jié)合面部表情與生理信號(hào)(心率、皮膚電、血壓)識(shí)別學(xué)習(xí)者的情感狀態(tài)。實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)，學(xué)習(xí)情感識(shí)別的總體準(zhǔn)確度達(dá)71.83%。

情感教學(xué)系統(tǒng)也被稱為情感導(dǎo)學(xué)系統(tǒng)(Affective Tutoring System，ATS)，其目的是模仿學(xué)習(xí)者的學(xué)習(xí)過(guò)程，有效地理解與適應(yīng)其情感狀態(tài)。有學(xué)者構(gòu)建了包含感知層、認(rèn)知層與行為層的情感導(dǎo)師系統(tǒng)(Ammar et al., 2010)。其中，感知層捕獲和提取面部表情(圖像采集和面部跟蹤)，并通過(guò)情感智能體加以分類；認(rèn)知層主要分析和診斷學(xué)習(xí)者的情感狀態(tài)；行為層根據(jù)實(shí)際情感狀態(tài)，對(duì)教學(xué)行為進(jìn)行決策。還有研究在面部表情識(shí)別的基礎(chǔ)上融合文本語(yǔ)義分析構(gòu)建情感導(dǎo)學(xué)系統(tǒng)(Wang & Lin, 2018)，該系統(tǒng)在情感識(shí)別模塊的基礎(chǔ)上，采用交互智能體為學(xué)生提供情感反饋，并向教師實(shí)時(shí)呈現(xiàn)學(xué)習(xí)者的學(xué)習(xí)狀態(tài)與學(xué)習(xí)評(píng)估結(jié)果，幫助教師開展教學(xué)輔導(dǎo)(見圖1)。實(shí)驗(yàn)表明，該系統(tǒng)能顯著提升學(xué)生的學(xué)習(xí)效果。

圖1 情感導(dǎo)學(xué)系統(tǒng)(Wang & Lin, 2018)

通常情況下，消極情緒會(huì)影響學(xué)生的學(xué)習(xí)效果，需要教師有針對(duì)性地緩解和調(diào)節(jié)學(xué)生的負(fù)面情緒。依據(jù)學(xué)習(xí)情感狀態(tài)，構(gòu)建情感調(diào)節(jié)系統(tǒng)也是現(xiàn)階段關(guān)注的重要課題。有研究通過(guò)設(shè)計(jì)與開發(fā)情感調(diào)節(jié)系統(tǒng)，并對(duì)交互文本進(jìn)行情感識(shí)別，結(jié)合學(xué)習(xí)者的人格特質(zhì)，向消極情緒的學(xué)習(xí)者推薦合適的調(diào)節(jié)策略(包括專家引導(dǎo)、同伴幫助及教學(xué)輔導(dǎo))，緩解其負(fù)面情感(Qin et al., 2014)。結(jié)果表明，所構(gòu)建的消極情緒調(diào)節(jié)系統(tǒng)可以為學(xué)習(xí)者帶來(lái)更強(qiáng)的滿足感，是降低學(xué)習(xí)者消極情緒可行而有效的方法。

(四)應(yīng)用場(chǎng)景

情感計(jì)算作為教育人工智能研究的重要領(lǐng)域，可對(duì)各類信息進(jìn)行情感分析與建模。在信息技術(shù)與教育深度融合的背景下，技術(shù)豐富型學(xué)習(xí)環(huán)境會(huì)生成各類數(shù)據(jù)，涵蓋交互行為、生理反饋、系統(tǒng)日志等。情感計(jì)算教育應(yīng)用會(huì)因場(chǎng)景與數(shù)據(jù)類型不同而產(chǎn)生差異。

1.智能導(dǎo)師系統(tǒng)

智能導(dǎo)師系統(tǒng)是推進(jìn)教育智能化發(fā)展的重要突破口。如何提高智能導(dǎo)師系統(tǒng)的交互水平是關(guān)鍵，情感計(jì)算是解決該問(wèn)題的著力點(diǎn)。在學(xué)習(xí)者與AutoTutor交互的過(guò)程中，研究者利用傳感器采集腦電波、肌電圖和皮膚電信號(hào)，利用機(jī)器學(xué)習(xí)算法對(duì)情感數(shù)據(jù)進(jìn)行處理(AlZoubi et al., 2012)。結(jié)果發(fā)現(xiàn)，K最近鄰與線性貝葉斯分類算法的識(shí)別率最高，且單通道與三通道的情感分析效果高于雙通道。類似的，有研究比較了MetaTutor智能導(dǎo)師系統(tǒng)的面部表情與皮膚電在情感識(shí)別效果上的差異，研究表明，面部表情的情感識(shí)別效果優(yōu)于皮膚電信息(Harley et al., 2015)。以上研究對(duì)甄選智能導(dǎo)師系統(tǒng)的情感識(shí)別與分析方法具有啟示意義。此外，為提高智能導(dǎo)師系統(tǒng)的情感交互體驗(yàn)，有研究也嘗試在智能導(dǎo)師系統(tǒng)中增加交互智能體。令人意外的是，交互智能體雖然提高了學(xué)生的學(xué)習(xí)成績(jī)，但對(duì)學(xué)習(xí)情感沒有顯著影響(Rodrigo et al., 2012)。

2.在線學(xué)習(xí)平臺(tái)

長(zhǎng)期以來(lái)，“情感缺位”是在線學(xué)習(xí)平臺(tái)發(fā)展的瓶頸。在線學(xué)習(xí)與面對(duì)面學(xué)習(xí)中，情感對(duì)學(xué)習(xí)過(guò)程的影響存在差異。有研究采用多元回歸方法分析在線混合課程情境下的情感表達(dá)、感知?jiǎng)訖C(jī)、感知情緒與學(xué)習(xí)結(jié)果(行為投入、認(rèn)知投入及學(xué)業(yè)表現(xiàn))之間的關(guān)系(Kim & Ketenci, 2020)。研究發(fā)現(xiàn)，感知?jiǎng)訖C(jī)與感知情緒對(duì)學(xué)習(xí)結(jié)果沒有顯著影響，但恐懼情緒對(duì)學(xué)業(yè)表現(xiàn)有顯著的預(yù)測(cè)作用。在MOOC論壇中，有研究者通過(guò)采集論壇帖子信息，利用機(jī)器學(xué)習(xí)算法自動(dòng)檢測(cè)成就情緒，并運(yùn)用生存分析方法解釋情緒對(duì)輟學(xué)的影響(Xing et al., 2019)。結(jié)果表明，學(xué)習(xí)者的消極激活情緒對(duì)MOOC輟學(xué)有顯著影響，而表達(dá)和暴露的積極激活情緒對(duì)課程學(xué)習(xí)沒有任何影響。

3.教育游戲

教育游戲是提升學(xué)生學(xué)習(xí)動(dòng)機(jī)與學(xué)習(xí)效果的有效方式。在學(xué)習(xí)過(guò)程中，教育游戲會(huì)引發(fā)各類學(xué)習(xí)情緒。有研究通過(guò)準(zhǔn)實(shí)驗(yàn)設(shè)計(jì)探究七年級(jí)學(xué)生在游戲化學(xué)習(xí)過(guò)程中的情緒與學(xué)習(xí)結(jié)果的關(guān)系(Cheng et al., 2020)。結(jié)果表明，與經(jīng)歷消極情緒的學(xué)生相比，經(jīng)歷積極情緒的學(xué)生取得了更好的學(xué)習(xí)效果。研究還發(fā)現(xiàn)，隨著游戲化學(xué)習(xí)時(shí)間的推移，兩類學(xué)生的學(xué)習(xí)效果沒有顯著差異。換句話說(shuō)，隨著教育游戲時(shí)間的延長(zhǎng)，學(xué)習(xí)過(guò)程中學(xué)生情緒的作用逐步減弱。此外，教育游戲能增加學(xué)生的情感投入(Ninaus et al., 2019)，進(jìn)而促進(jìn)學(xué)習(xí)交互(Sabourin & Lester, 2014)。

4.增強(qiáng)現(xiàn)實(shí)與虛擬現(xiàn)實(shí)

增強(qiáng)現(xiàn)實(shí)(AR)與虛擬現(xiàn)實(shí)(VR)是基于多通道數(shù)據(jù)實(shí)現(xiàn)實(shí)時(shí)仿真與交互的前沿技術(shù)，其教育應(yīng)用能提高學(xué)生的沉浸感與學(xué)習(xí)體驗(yàn)，具有無(wú)法比擬的價(jià)值潛能。虛擬現(xiàn)實(shí)可以提高學(xué)生的參與度和學(xué)習(xí)動(dòng)機(jī)，但其影響學(xué)習(xí)情感的機(jī)制尚不清楚。有研究調(diào)查了虛擬現(xiàn)實(shí)仿真系統(tǒng)中學(xué)習(xí)情感變化的潛在機(jī)制，發(fā)現(xiàn)虛擬現(xiàn)實(shí)系統(tǒng)的沉浸感可以顯著預(yù)測(cè)臨場(chǎng)感與積極情緒(Makransky & Lilleholt, 2018)。在移動(dòng)環(huán)境中使用智能設(shè)備生成與渲染的增強(qiáng)現(xiàn)實(shí)被認(rèn)為是移動(dòng)增強(qiáng)現(xiàn)實(shí)(MAR)，而智能終端的普及也極大地推動(dòng)了其教育應(yīng)用。研究表明，移動(dòng)增強(qiáng)現(xiàn)實(shí)與教育游戲結(jié)合能激發(fā)學(xué)生的學(xué)習(xí)動(dòng)機(jī)與好奇心，增強(qiáng)學(xué)習(xí)情感投入與改善學(xué)習(xí)體驗(yàn)(López-Faican & Jaen, 2020)。另外，在自閉癥兒童的情感技能培養(yǎng)上，研究者通過(guò)虛擬現(xiàn)實(shí)技術(shù)模擬學(xué)習(xí)與社交場(chǎng)景，發(fā)現(xiàn)虛擬現(xiàn)實(shí)系統(tǒng)能顯著改善自閉癥兒童的情感表達(dá)與社交技能(Ip et al., 2018)。

5.教育機(jī)器人

元分析結(jié)果表明，教育機(jī)器人有助于提升學(xué)生的學(xué)習(xí)效果(周進(jìn)等, 2019; 單俊豪等， 2019)。在教學(xué)實(shí)踐中，教育機(jī)器人的角色通常包括導(dǎo)師、同伴及被指導(dǎo)者。為提高教育機(jī)器人的智能交互性，有研究采用強(qiáng)化學(xué)習(xí)(RL)構(gòu)建自適應(yīng)角色轉(zhuǎn)換模型，從而依據(jù)學(xué)生情感狀態(tài)與學(xué)習(xí)過(guò)程實(shí)現(xiàn)機(jī)器人角色的自動(dòng)轉(zhuǎn)換(Chen et al., 2020)。該研究通過(guò)攝像機(jī)采集兒童學(xué)習(xí)詞匯過(guò)程中的面部表情數(shù)據(jù)，運(yùn)用Affdex SDK自動(dòng)識(shí)別學(xué)生的情感狀態(tài)，并結(jié)合學(xué)習(xí)行為來(lái)自適應(yīng)切換Tega機(jī)器人所扮演的角色。研究結(jié)果發(fā)現(xiàn)，作為導(dǎo)師和同伴的教育機(jī)器人可以促進(jìn)學(xué)生的深度學(xué)習(xí)，而作為被指導(dǎo)的教育機(jī)器人能提升學(xué)生的情感投入。該研究所提出的自適應(yīng)角色轉(zhuǎn)換策略對(duì)設(shè)計(jì)與開發(fā)智能學(xué)習(xí)工具(比如教育機(jī)器人、教育智能體、智能學(xué)習(xí)助手等)具有借鑒意義。

6.課堂環(huán)境

課堂環(huán)境是智慧校園與智慧教室建設(shè)的重要抓手，是促進(jìn)信息技術(shù)與教育深度融合的主陣地。相較于在線學(xué)習(xí)環(huán)境，課堂環(huán)境的數(shù)據(jù)采集是推進(jìn)課堂信息化變革的難點(diǎn)。為降低數(shù)據(jù)采集時(shí)對(duì)學(xué)生的干擾與侵入性，盡可能收集真實(shí)情境的學(xué)習(xí)數(shù)據(jù)，研究者通常運(yùn)用攝像頭采集學(xué)生的面部表情、手勢(shì)、身體姿態(tài)等行為數(shù)據(jù)，以分析學(xué)生的情感狀態(tài)及學(xué)習(xí)投入(Ashwin & Guddeti, 2020)。有研究利用攝像頭采集高中生課堂協(xié)作學(xué)習(xí)的面部表情，以識(shí)別協(xié)作學(xué)習(xí)中的意見領(lǐng)袖(Dindar et al., 2020)。結(jié)果表明，基于面部表情識(shí)別的方法是檢測(cè)意見領(lǐng)袖的可行方法，其結(jié)果為解釋協(xié)作學(xué)習(xí)的社會(huì)交互與情感變化提供了基礎(chǔ)。類似的，有研究探討了大學(xué)課堂環(huán)境下學(xué)生情感的自動(dòng)識(shí)別方法及應(yīng)用(Tonguc & Ozkara, 2020)，幫助教師實(shí)時(shí)掌握課堂教學(xué)中學(xué)生的情感投入，及時(shí)優(yōu)化教學(xué)策略。

(五)實(shí)踐價(jià)值

情緒會(huì)分散學(xué)生注意力影響學(xué)習(xí)，若對(duì)其加以管理與調(diào)節(jié)，將對(duì)學(xué)生思考和決策發(fā)揮重要作用(Cleveland-Innes & Campbell, 2012)。情感計(jì)算通過(guò)挖掘教學(xué)實(shí)踐的學(xué)習(xí)情感及其變化過(guò)程，實(shí)現(xiàn)賦能學(xué)業(yè)預(yù)測(cè)、學(xué)習(xí)交互、教學(xué)干預(yù)與教學(xué)評(píng)價(jià)。

1.學(xué)業(yè)預(yù)測(cè)

學(xué)業(yè)預(yù)測(cè)是實(shí)現(xiàn)學(xué)習(xí)預(yù)警及風(fēng)險(xiǎn)防范的基礎(chǔ)，然而，僅從行為數(shù)據(jù)角度進(jìn)行學(xué)業(yè)預(yù)測(cè)仍存局限。鑒于學(xué)生的學(xué)習(xí)情感與學(xué)業(yè)表現(xiàn)顯著相關(guān)(Jarrell et al., 2017)，本研究認(rèn)為將情感作為核心指標(biāo)可以增長(zhǎng)學(xué)業(yè)預(yù)測(cè)效果。如在線學(xué)習(xí)社區(qū)中，結(jié)構(gòu)化數(shù)據(jù)(如作業(yè)完成情況、出勤、點(diǎn)擊次數(shù)等)預(yù)測(cè)學(xué)業(yè)失敗的能力有限，有學(xué)者嘗試結(jié)合情感計(jì)算對(duì)非結(jié)構(gòu)化數(shù)據(jù)(如自我評(píng)論)進(jìn)行情感分析來(lái)提升預(yù)測(cè)效果(Yu et al., 2018)。實(shí)驗(yàn)研究表明，相比于結(jié)構(gòu)化數(shù)據(jù)的學(xué)業(yè)預(yù)測(cè)，結(jié)合情感分析的早期學(xué)業(yè)預(yù)測(cè)的準(zhǔn)確度提升了14%，該發(fā)現(xiàn)對(duì)調(diào)整和優(yōu)化學(xué)業(yè)預(yù)測(cè)系統(tǒng)具有重要意義。

2.學(xué)習(xí)交互

交互是學(xué)習(xí)過(guò)程中典型的行為特征，而應(yīng)用情感計(jì)算可促進(jìn)學(xué)生與系統(tǒng)、教師的交互。在系統(tǒng)交互中，有研究基于學(xué)習(xí)者面部情感識(shí)別，利用智能體(agent)促進(jìn)學(xué)生與智能導(dǎo)師系統(tǒng)的交互，通過(guò)系統(tǒng)可用性量表(SUS)評(píng)估，發(fā)現(xiàn)學(xué)習(xí)者的滿意度較高(Lin et al., 2012)。一項(xiàng)針對(duì)59名5-7歲兒童詞匯學(xué)習(xí)的研究中(Chen et al., 2020)，通過(guò)對(duì)兒童面部表情識(shí)別并將結(jié)果實(shí)時(shí)傳遞給教育機(jī)器人，來(lái)促進(jìn)學(xué)生與教育機(jī)器人的語(yǔ)音交互。結(jié)果發(fā)現(xiàn)，兒童詞匯學(xué)習(xí)效果得到明顯改善。情感計(jì)算還能促進(jìn)學(xué)生與教師及資源的交互，它通過(guò)表情反應(yīng)分析系統(tǒng)(ERRA)識(shí)別學(xué)生在多媒體學(xué)習(xí)中的情感變化，來(lái)賦能師生交互及社會(huì)交互(Hung et al., 2017)。

3.教學(xué)干預(yù)

文獻(xiàn)梳理發(fā)現(xiàn)，基于情感計(jì)算實(shí)現(xiàn)教學(xué)干預(yù)的方式包括過(guò)程干預(yù)與情感干預(yù)。在學(xué)習(xí)過(guò)程中，自動(dòng)詢問(wèn)、情境設(shè)置與資源推薦是常用的干預(yù)策略。比如，通過(guò)系統(tǒng)自動(dòng)詢問(wèn)的方式采集學(xué)生情緒，實(shí)現(xiàn)對(duì)具體教學(xué)問(wèn)題的實(shí)時(shí)指導(dǎo)。研究結(jié)果發(fā)現(xiàn)，干預(yù)后學(xué)生的情感狀態(tài)及行為狀態(tài)有明顯的改善(Aslan, 2018)；在計(jì)算機(jī)支持的學(xué)習(xí)環(huán)境中，教師設(shè)置相互矛盾的信息、設(shè)備故障和錯(cuò)誤反饋等問(wèn)題情境來(lái)激發(fā)困惑情緒，促進(jìn)學(xué)生的深層次學(xué)習(xí)與主動(dòng)探索(Lehman et al., 2012)。針對(duì)學(xué)習(xí)過(guò)程中暴露的情感狀態(tài)，研究者可以運(yùn)用相關(guān)工具或可視化反饋進(jìn)行調(diào)節(jié)。比如，有研究通過(guò)應(yīng)答器來(lái)激活學(xué)生的積極情緒，結(jié)果發(fā)現(xiàn)該方法能提升學(xué)習(xí)動(dòng)機(jī)(Buil et al., 2016)。在協(xié)作學(xué)習(xí)中，研究人員采用S-Reg工具收集學(xué)生的自我報(bào)告情感，以交通信號(hào)燈的形式反饋小組學(xué)習(xí)情感(J?rvenoja et al., 2020)。結(jié)果表明，在具有挑戰(zhàn)性的學(xué)習(xí)活動(dòng)中，S-Reg工具可以通過(guò)平衡情緒和動(dòng)機(jī)來(lái)調(diào)節(jié)協(xié)作學(xué)習(xí)。

4.教學(xué)評(píng)價(jià)

教學(xué)評(píng)價(jià)是教育機(jī)構(gòu)改進(jìn)教學(xué)質(zhì)量的重要信息來(lái)源，而從學(xué)生情感的角度開展教學(xué)評(píng)價(jià)是值得探索的方向。面對(duì)大規(guī)模數(shù)據(jù)集，有研究采用深度學(xué)習(xí)與機(jī)器學(xué)習(xí)算法對(duì)154000條課程評(píng)論進(jìn)行情感分析(Onan, 2020b)。結(jié)果發(fā)現(xiàn)，運(yùn)用深度學(xué)習(xí)進(jìn)行情感分析的效果優(yōu)于機(jī)器學(xué)習(xí)，準(zhǔn)確度最高達(dá)到98.29%，這為大規(guī)模的自動(dòng)教學(xué)評(píng)價(jià)提供了啟示。類似的，在MOOC環(huán)境下，有研究采集課程評(píng)論與課程元數(shù)據(jù)(課程時(shí)間安排、課程專業(yè)、課程持續(xù)時(shí)間等)挖掘?qū)W生的課程情感傾向(Hew et al., 2020)，研究結(jié)果為MOOC機(jī)構(gòu)及從業(yè)者優(yōu)化課程設(shè)計(jì)提供了證據(jù)支持。還有研究者在課堂環(huán)境下，利用面部表情進(jìn)行情感建模，實(shí)現(xiàn)對(duì)課堂教學(xué)的自動(dòng)評(píng)價(jià)(Pan et al., 2018)。

三、結(jié)論與討論

學(xué)習(xí)情感是教育研究不可忽視的要素，情感計(jì)算為探索學(xué)習(xí)情感的作用機(jī)制提供了技術(shù)支持。融合情感計(jì)算，創(chuàng)新教育應(yīng)用，已成為智能教育研究與實(shí)踐的重要趨勢(shì)。

(一)推動(dòng)認(rèn)知與情感融合，重構(gòu)學(xué)習(xí)理論基礎(chǔ)

在學(xué)習(xí)過(guò)程中，認(rèn)知加工并非學(xué)習(xí)者唯一的內(nèi)部活動(dòng)。許多研究者呼吁擴(kuò)展學(xué)習(xí)理論，納入情感加工的作用(Pekrun, 2006; Renkl & Atkinson, 2007)。近年來(lái)，學(xué)習(xí)理論和實(shí)踐的重大轉(zhuǎn)變，是從認(rèn)知研究轉(zhuǎn)變?yōu)閷⑶楦信c認(rèn)知充分融合(Sinha et al., 2015)，認(rèn)為社會(huì)實(shí)踐、認(rèn)知變化和情感行為是知識(shí)建構(gòu)與知識(shí)創(chuàng)造的關(guān)鍵組成部分(Baker et al., 2013)。換句話說(shuō)，學(xué)習(xí)理論正重新審視情感因素在認(rèn)知加工和學(xué)習(xí)中的核心價(jià)值，并積極推動(dòng)情感與認(rèn)知的融合。在機(jī)器智能時(shí)代，教育研究一方面要結(jié)合神經(jīng)科學(xué)，積極探索學(xué)習(xí)過(guò)程中情緒對(duì)記憶與認(rèn)知加工的腦科學(xué)機(jī)制，為融合情感與認(rèn)知提供科學(xué)依據(jù)；另一方面學(xué)習(xí)活動(dòng)設(shè)計(jì)與智能學(xué)習(xí)環(huán)境構(gòu)建要有效地喚醒學(xué)生情感體驗(yàn)，合理引導(dǎo)其認(rèn)知注意力分配，控制學(xué)習(xí)者情緒負(fù)荷處于其自身調(diào)節(jié)能力范圍內(nèi)。因此，未來(lái)要依據(jù)科學(xué)證據(jù)與教育實(shí)踐結(jié)果，充分考慮學(xué)習(xí)情感的核心作用，豐富與重構(gòu)已有學(xué)習(xí)理論。

(二)整合情感測(cè)量方法，實(shí)現(xiàn)多模態(tài)情感計(jì)算

在梳理三類情感測(cè)量方法文獻(xiàn)的基礎(chǔ)上，本研究總結(jié)了心理測(cè)量、行為測(cè)量與生理測(cè)量的優(yōu)缺點(diǎn)(見表一)?？梢园l(fā)現(xiàn)，各類方法都存在不同維度的優(yōu)劣勢(shì)。隨著深度學(xué)習(xí)技術(shù)的發(fā)展及傳感設(shè)備的廣泛應(yīng)用，學(xué)習(xí)情感研究采用客觀測(cè)量與多模態(tài)方法已成為趨勢(shì)，如利用計(jì)算機(jī)視覺整合面部表情、手勢(shì)與身體姿態(tài)進(jìn)行情感挖掘；運(yùn)用傳感器結(jié)合腦電、皮膚電與心率信號(hào)分析學(xué)生情感變化。相較于單模態(tài)數(shù)據(jù)的情感分析，基于多模態(tài)數(shù)據(jù)的情感識(shí)別表現(xiàn)出更優(yōu)的性能，其平均準(zhǔn)確度提升了9.83%(D’mello & Kory, 2015)。未來(lái)要圍繞多模態(tài)情感計(jì)算開展實(shí)踐探索，核心任務(wù)是降低測(cè)量方法的侵入性，探尋合適的情感特征及其融合策略，分析情感反應(yīng)的內(nèi)因。

表一 情感測(cè)量方法比較

(三)提升系統(tǒng)嵌入能力，賦能平臺(tái)情感檢測(cè)與調(diào)節(jié)

根據(jù)上述分析，本研究認(rèn)為情感計(jì)算系統(tǒng)的開發(fā)遵循“情感表征-數(shù)據(jù)采集-情感建模-系統(tǒng)應(yīng)用”的思路，即首先依據(jù)相關(guān)理論確定所關(guān)聯(lián)的情感類型，明確情感表征的數(shù)據(jù)通道；利用情感測(cè)量方法或工具采集特定通道的情感數(shù)據(jù)；隨后根據(jù)數(shù)據(jù)模態(tài)與關(guān)聯(lián)性建立數(shù)據(jù)融合策略，并在此基礎(chǔ)上利用機(jī)器學(xué)習(xí)建立情感模型；最后在教育實(shí)踐中應(yīng)用、評(píng)估及優(yōu)化系統(tǒng)。未來(lái)，情感計(jì)算系統(tǒng)開發(fā)應(yīng)具有低侵入性、多模態(tài)數(shù)據(jù)整合、實(shí)時(shí)反饋及可視化呈現(xiàn)的特點(diǎn)，即結(jié)合教育場(chǎng)景采用低侵入性的情感信息采集策略，通過(guò)多模態(tài)數(shù)據(jù)融合方法，實(shí)現(xiàn)情感數(shù)據(jù)的實(shí)時(shí)反饋，并以可視化方式呈現(xiàn)結(jié)果。在教育人工智能的背景下，學(xué)習(xí)平臺(tái)或系統(tǒng)具備情緒檢測(cè)與監(jiān)控能力已成為發(fā)展趨勢(shì)(Yadegaridehkordi et al., 2019)，因而提升情感計(jì)算系統(tǒng)的嵌入能力迫在眉睫：通過(guò)將系統(tǒng)進(jìn)行模塊化開發(fā)及封裝，實(shí)現(xiàn)與現(xiàn)有平臺(tái)對(duì)接，提升平臺(tái)的智能交互及情感體驗(yàn)。

(四)拓展情感計(jì)算的教育應(yīng)用，助力教育創(chuàng)新變革

情感計(jì)算已應(yīng)用于多種教育場(chǎng)景。未來(lái)，要鞏固和優(yōu)化已有教育應(yīng)用與實(shí)踐，但更重要的是突破“路燈效應(yīng)”，積極推動(dòng)情感計(jì)算的教育應(yīng)用從線上學(xué)習(xí)走向線下學(xué)習(xí)、從計(jì)算機(jī)支持的學(xué)習(xí)環(huán)境到課堂學(xué)習(xí)環(huán)境。換句話說(shuō)，研究者要擺脫對(duì)計(jì)算機(jī)或在線環(huán)境的過(guò)度依賴，即情感計(jì)算教育應(yīng)用要以實(shí)際需求為導(dǎo)向，在真實(shí)的教育情境中提升學(xué)習(xí)體驗(yàn)與學(xué)習(xí)效果。因此，未來(lái)研究應(yīng)專注于從真實(shí)學(xué)習(xí)環(huán)境中采集多源數(shù)據(jù)，以拓展情感計(jì)算的教育應(yīng)用。比如，在大規(guī)模課堂教學(xué)或講座中，利用攝像頭與計(jì)算機(jī)視覺實(shí)時(shí)分析課堂氛圍，幫助教師及時(shí)調(diào)整教學(xué)策略。情感計(jì)算在其中主要解決大規(guī)模課堂教學(xué)中，教師無(wú)法關(guān)注到每位學(xué)生學(xué)習(xí)狀態(tài)的困境。類似的，后疫情期的在線學(xué)習(xí)，可通過(guò)采集多源數(shù)據(jù)(面部表情、文本信息、身體姿態(tài)等)識(shí)別學(xué)習(xí)者的情感狀態(tài)，提升學(xué)習(xí)體驗(yàn)與優(yōu)化教學(xué)設(shè)計(jì)，助力在線教育的創(chuàng)新變革。

(五)探索教育實(shí)踐潛能，凸顯情感計(jì)算的應(yīng)用價(jià)值

從情感與認(rèn)知不可分割的角度講，融合學(xué)習(xí)情感的教育研究才是完整的實(shí)踐探索，即教育實(shí)踐要充分整合和探索學(xué)習(xí)情感的潛能，凸顯情感計(jì)算的實(shí)踐價(jià)值。對(duì)管理者而言，決策制定要結(jié)合大數(shù)據(jù)分析和情感計(jì)算技術(shù)，挖掘?qū)W生對(duì)教學(xué)、生活與學(xué)校管理的態(tài)度與反饋，真實(shí)掌握學(xué)生的現(xiàn)實(shí)需求，輔助制定科學(xué)嚴(yán)謹(jǐn)?shù)慕逃龥Q策。換句話說(shuō)，未來(lái)研究者應(yīng)加強(qiáng)三方面研究：一要利用情感計(jì)算挖掘?qū)W習(xí)過(guò)程中的潛在規(guī)律與發(fā)生機(jī)制，比如學(xué)習(xí)的行為-認(rèn)知-情感演化規(guī)律；二要探索教學(xué)過(guò)程中的學(xué)習(xí)情感影響因素及可能的結(jié)果，在此基礎(chǔ)上制定情感干預(yù)策略，尤其是針對(duì)負(fù)面情感加以調(diào)節(jié)；三要發(fā)揮決策過(guò)程中情感因素的核心作用，提升數(shù)據(jù)決策與數(shù)據(jù)治理的科學(xué)性。

四、思 考

情感計(jì)算作為教育人工智能的關(guān)鍵技術(shù)，是當(dāng)前研究關(guān)注的重要方向。本研究通過(guò)梳理國(guó)外情感計(jì)算教育應(yīng)用的最新進(jìn)展，總結(jié)了未來(lái)研究的發(fā)展趨勢(shì)，思考并給出了推進(jìn)我國(guó)情感計(jì)算教育研究與實(shí)踐的相關(guān)建議。

(一)加強(qiáng)理論研究與宏觀設(shè)計(jì)，夯實(shí)教育創(chuàng)新基礎(chǔ)

推進(jìn)我國(guó)情感計(jì)算教育應(yīng)用，需創(chuàng)新理論研究：一方面依據(jù)教育場(chǎng)景明確學(xué)習(xí)情感類型。比如，消極情緒(如困惑)在復(fù)雜學(xué)習(xí)過(guò)程中是有益于學(xué)習(xí)的(D’Mello et al., 2014)，相較于積極情緒可能會(huì)帶來(lái)更好的學(xué)習(xí)效果(Knoerzer et al., 2016)，因此需根據(jù)教育場(chǎng)景明確學(xué)習(xí)情感類型，實(shí)現(xiàn)有針對(duì)性的學(xué)習(xí)干預(yù)；另一方面要?jiǎng)?chuàng)新理論基礎(chǔ)，消除情感與認(rèn)知處于割裂狀態(tài)而導(dǎo)致的學(xué)習(xí)理論缺乏對(duì)情感因素的考量。比如，在多媒體學(xué)習(xí)中，有研究發(fā)現(xiàn)，學(xué)習(xí)情感對(duì)認(rèn)知加工存在顯著影響，繼而基于梅耶的認(rèn)知加工理論(Mayer, 2005)創(chuàng)新發(fā)展，提出了多媒體學(xué)習(xí)認(rèn)知情感理論(Moreno, 2006)。情感計(jì)算涉及的教育場(chǎng)景(智能導(dǎo)師系統(tǒng)、在線學(xué)習(xí)平臺(tái)等)與學(xué)習(xí)方式(如自我調(diào)節(jié)學(xué)習(xí))，需要進(jìn)行宏觀設(shè)計(jì)與系統(tǒng)研究，構(gòu)建其理論支撐。

(二)加大關(guān)鍵技術(shù)攻關(guān)，提升產(chǎn)品研發(fā)質(zhì)量

學(xué)習(xí)情感計(jì)算包括多種測(cè)量方法，各種方法存在不同層面的技術(shù)難點(diǎn)，尤其是行為數(shù)據(jù)和生理信號(hào)處理方法。如對(duì)面部表情識(shí)別，環(huán)境光、攝像機(jī)圖像質(zhì)量、學(xué)生身高和坐姿等都會(huì)對(duì)數(shù)據(jù)分析造成干擾，而學(xué)生聽課時(shí)用手捂住嘴或臉，或伸展身體等行為會(huì)對(duì)情感分析造成障礙。可以說(shuō)，上述現(xiàn)象引發(fā)的技術(shù)難點(diǎn)，是不可回避且亟需解決的。這些問(wèn)題的解決，需要跨學(xué)科、多領(lǐng)域協(xié)同合作，針對(duì)痛點(diǎn)問(wèn)題加大技術(shù)攻關(guān)力度。另外，情感計(jì)算需以工具、平臺(tái)、系統(tǒng)等產(chǎn)品形式加快落地實(shí)踐，能成為學(xué)校與一線教師“可用、能用、實(shí)用”的利器。所研發(fā)的產(chǎn)品需具備易接入、交互強(qiáng)、可視化表達(dá)等特點(diǎn)?？梢灶A(yù)見，這些產(chǎn)品的市場(chǎng)前景極為廣闊。

(三)開展常態(tài)化教育實(shí)踐，拓展教育應(yīng)用邊界

相較于其他領(lǐng)域，我國(guó)教育實(shí)踐忽視學(xué)習(xí)情感的問(wèn)題較為突出，這是導(dǎo)致情感計(jì)算教育研究與實(shí)踐緩慢的重要原因，因此建議加快構(gòu)建“政產(chǎn)學(xué)研”實(shí)踐共同體，推動(dòng)常態(tài)化情感計(jì)算教育實(shí)踐，即通過(guò)政府購(gòu)買服務(wù)的形式，企業(yè)提供技術(shù)支持與產(chǎn)品服務(wù)，高?；蜓芯繖C(jī)構(gòu)提供理論指導(dǎo)，各類學(xué)校開展常態(tài)化教育探索。更重要的是，教育實(shí)踐要拓展教育應(yīng)用邊界。根據(jù)不同應(yīng)用情境(個(gè)人環(huán)境、班級(jí)環(huán)境及學(xué)校環(huán)境)和教育階段(學(xué)前教育、基礎(chǔ)教育、高等教育、特殊教育及職業(yè)教育)，整合情感計(jì)算技術(shù)挖掘其潛在影響及規(guī)律，是未來(lái)發(fā)展的重要方向。比如，特殊教育領(lǐng)域可借助情感計(jì)算增強(qiáng)特殊兒童與學(xué)習(xí)系統(tǒng)的交互，培養(yǎng)情感技能。因此，積極拓展教育應(yīng)用的價(jià)值潛能，是我國(guó)未來(lái)情感計(jì)算教育應(yīng)用的重要內(nèi)容。

(四)重視倫理問(wèn)題，規(guī)避教育應(yīng)用的算法風(fēng)險(xiǎn)

作為教育人工智能領(lǐng)域的關(guān)鍵技術(shù)，情感計(jì)算教育應(yīng)用的倫理問(wèn)題不容小覷。教育實(shí)踐中，要防止對(duì)學(xué)習(xí)者情感數(shù)據(jù)的濫用，這需要政策法規(guī)的約束。其次，教育機(jī)器的情感智能達(dá)到一定水平后，會(huì)引發(fā)何種倫理挑戰(zhàn)，值得從倫理角度加以探討。從技術(shù)層面講，對(duì)行為數(shù)據(jù)與生理信號(hào)的情感建模需依賴機(jī)器學(xué)習(xí)算法，而算法本身存在黑箱、偏見及鴻溝問(wèn)題(譚維智, 2019)，導(dǎo)致教育問(wèn)題與分析結(jié)果面臨簡(jiǎn)約化與形式化的風(fēng)險(xiǎn)。未來(lái)的研究，要加強(qiáng)發(fā)展可解釋性算法，提升情感建模的透明性；教育實(shí)踐要擺脫對(duì)算法的過(guò)度依賴，強(qiáng)化教師在結(jié)果分析與教學(xué)決策中的核心作用；管理層面要健全對(duì)算法與產(chǎn)品的審核機(jī)制，明確產(chǎn)品開發(fā)者的主體責(zé)任等，以此規(guī)避情感計(jì)算教育應(yīng)用的潛在隱患。