网络教学中基于学习情绪的情绪教学研究

论文摘要

计算机、网络技术、人工智能和情绪心理学的研究与发展正在迅速改变传统的生活、工作和学习方式。网络教学系统使得教学资源利用率得到极大提高,但传统网络教学系统存在着严重的情感缺失,将网络学习环境下学习者学习情绪的研究引入到教学系统中,可以在一定程度上弥补传统网络教学系统在情绪教学方面的缺陷,是智能网络教学系统发展的一个重要方向。本文在北京市教委科技计划重点项目暨北京市自然科学基金重点项目(编号:KZ200810028016)“基于情绪认知模型的个性化数字教育关键技术研究”的资助下,结合传统教学理论和情绪教学理念,对情绪模型和基于情绪指导的教学系统进入了深入的研究。本文所做的主要工作如下:(1)在对情感计算和情绪模型进行分析的基础上,选取了OCC情绪模型,并将OCC情绪模型和二维情绪模型相结合,提出了一种适合教学系统的情绪模型——基于OCC的二维情绪指导模型。此模型将学习中出现的学习状态分为12种,分别给予定义,将其中出现的7种状态给予提醒。(2)在本组其他同学对愉快/苦恼、兴趣/厌倦四种学习情绪类型研究和识别的基础上,将情感强度进行量化,提出了学习愿望强度的概念及其量化方法。研究表明,此概念对教学系统有着良好的适用性。(3)对于教学系统的设计,根据当前被普遍认可的教学系统模型,提出了结合情绪教学的学习系统,分析得出系统需要的数据表,然后对系统的各个模块进行了概要分析。(4)以Visual Studio.NET和SQL Server 2005为开发工具,C#为开发语言,采用.NETFramework 2.0架构,开发了一个具有初步学习情绪指导功能的教学系统原型。该系统原型采用典型的分层结构设计,包括数据访问层、业务逻辑层、实体层和表示层。

论文目录

• 摘要
• ABSTRACT
• 1. 引言
• 1.1 远程智能教学系统概述
• 1.1.1 远程教学系统的发展
• 1.1.2 人工智能
• 1.1.3 现有远程智能教学系统存在的不足
• 1.2 本课题研究的理论及现实意义
• 1.3 本课题研究的主要内容
• 1.4 本文的章节结构
• 2. 表情识别和情感模型基础
• 2.1 人脸检测的一般方法
• 2.1.1 基于静态图像的人脸检测
• 2.1.2 基于运动图像中的人脸检测
• 2.2 面部表情识别的一般方法
• 2.2.1 基于静态图像的面部表情识别
• 2.2.2 基于动态图像序列的面部表情识别
• 2.3 情感计算
• 2.4 常用的情感模型
• 2.4.1 基于隐马尔科夫模型的情感模型
• 2.4.2 基于欧式空间的情感模型
• 3. 基于OCC的二维情绪指导模型
• 3.1 OCC情感模型
• 3.1.1 情感分类
• 3.1.2 情感起因的分类和情感的量化
• 3.1.3 映射
• 3.1.4 情感表达
• 3.2 维情感模型
• 3.3 OCC情感模型&二维情感模型
• 3.4 具体情感的分类和推导过程
• 4. 系统的设计
• 4.1 教学系统的介绍
• 4.2 理论指导
• 4.2.1 学习方法
• 4.2.2 学习环境
• 4.3 教学系统的设计
• 4.3.1 学生模型的组成
• 4.3.2 教师模型的组成
• 4.3.3 其余模型的组成
• 4.4 学生用户智能终端流程
• 5. 教学系统的架构
• 5.1 系统运行环境和开发工具
• 5.1.1 Visual Studio 2005.NET（VS）
• 5.1.2 SQL Server 2005
• 5.2 系统的实现
• 5.2.1 数据库设计
• 5.2.2 数据库访问层设计思想
• 5.2.3 业务逻辑层设计思想
• 5.2.4 配置文件模块设计思想
• 5.2.5 缓存模块设计思想
• 5.2.6 系统的部分页面
• 6. 总结与展望
• 6.1 论文总结
• 6.2 未来工作展望
• 参考文献
• 附录
• 攻读硕士学位期间参与的学术活动
• 致谢