网络教学环境下学习情绪及情绪模型的研究

论文摘要

现代远程教育作为创新型服务业得到越来越多人的关注,并且取得了一定的发展,然而当前的各类现代远程教育系统缺乏教师与学生的情感互动,教师无法针对学习者的学习情况实施因材施教的个性化教学,系统也没有充分考虑教学环节中教学双方的情绪状态对教学的影响。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,通过对人工心理和情感计算的研究,将情感计算的概念引入到网络教学系统,通过对学习者面部表情的识别,根据构建的基于模糊逻辑的情感认知模型对学习者的学习状态进行分析,针对学习者学习情绪的不同进行智能化调整。本文所作的主要工作如下:1.基于情绪的基本理论和国内外常用的情绪模型,通过对情绪的分类和维度空间论的研究,结合网络教育环境下学习者的实际学习情绪,提出了基于人脸检测的趋避度和基于眼帘检测的专注度的学习情绪概念,并利用曲线拟合的方法构建了趋避度模型和专注度模型,组成了二维的情绪空间。2.研究了基于肤色的人脸检测和表情特征提取。本文在前人的肤色空间的基础上,采用基于YUV空间的肤色模型,利用肤色密度法得到肤色区域和非肤色区域的划分,进一步用水平和垂直投影得到人脸候选区域。在确定人脸区域以后,对人脸区域二值化,利用投影积分法确定嘴巴区域和眼睛区域,进而用形态学运算确定了嘴巴和眼睛的中心。3.构建基于模糊逻辑的情感认知模型。通过对模糊逻辑的研究和分析,在样本数据的基础上,应用模糊统计法对各种情感类型的隶属函数曲线进行分析,并在MATLAB的模糊控制工具箱中选取了适当的、能够代表相应曲线的隶属函数。并通过对模糊模式识别中的最大隶属原则和择近原则的分析选择了最合适的辨别原则。4.通过情绪认知模型,可以得到学习者的学习状态,并据此设计情绪反应模型。影响情绪反应的因素很多,本文主要考虑在线时间评价值、学习效果评价值及学习者当前的情绪评价值三个因素。根据认知教学理论,对网络教学系统中的情感认知模块进行总体设计和功能测试。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 现代远程教育及现状
• 1.1.1 远程教育中的情感缺失问题
• 1.1.2 现代远程教育理论
• 1.2 情感计算
• 1.2.1 研究内容
• 1.2.2 关键技术
• 1.2.3 应用前景
• 1.3 课题的研究背景及意义
• 1.4 本文的研究内容和论文结构
• 第2章 情绪的相关理论
• 2.1 情绪的基本理论
• 2.1.1 情绪的分类
• 2.1.2 情绪和情感的关系
• 2.1.3 情绪的表达
• 2.2 人脸检测及表情识别的研究现状
• 2.2.1 人脸检测技术
• 2.2.2 表情识别的研究现状
• 2.3 情感模型
• 2.3.1 OCC情感模型
• 2.3.2 HMM模型
• 2.3.3 Kismet的情感空间
• 2.3.4 基于欧式空间的情感模型
• 2.4 本章小结
• 第3章 基于肤色的表情特征提取
• 3.1 基于肤色的人脸检测
• 3.1.1 常用的色彩空间
• 3.1.2 模型的选取
• 3.2 图像预处理
• 3.2.1 图像的平滑
• 3.2.2 灰度拉伸
• 3.2.3 光线补偿
• 3.3 人脸区域的定位
• 3.3.1 基于YUV空间的肤色模型
• 3.3.2 肤色过滤
• 3.4 嘴巴和眼睛的定位
• 3.4.1 二值化处理
• 3.4.2 嘴巴的定位
• 3.4.3 眼睛的定位
• 3.5 形态学算法
• 3.5.1 原理和算法
• 3.5.2 基本运算
• 3.6 小结
• 第4章 情绪认知模型
• 4.1 基于曲线拟合的情绪建模
• 4.1.1 趋避度和振奋度
• 4.1.2 曲线拟合方法
• 4.1.3 曲线拟合方法进行趋避度建模
• 4.1.4 二维的情绪空间
• 4.2 模糊逻辑的基本理论
• 4.2.1 模糊集合的定义
• 4.2.2 模糊集合的隶属度函数
• 4.2.3 模糊逻辑的基本运算
• 4.2.4 模糊逻辑推理
• 4.2.5 模糊模式识别
• 4.3 基于模糊逻辑的情绪认知模型
• 4.3.1 趋避度和振奋度的重定义
• 4.3.2 确立隶属函数
• 4.3.3 建立识别对象辨别原则
• 4.3.4 实验结果分析
• 4.3.5 两种模型的比较
• 4.5 智能Agent情绪反应模型
• 4.6 网络教学系统中情绪认知模块的设计
• 4.6.1 情绪认知模块的设计
• 4.6.2 情绪认知模块的功能测试
• 4.7 小结
• 第5章 总结和展望
• 5.1 工作总结
• 5.2 下一步研究工作
• 参考文献
• 在学期间作者参加科研与发表论文情况
• 致谢