黎孟雄 郭鵬飛 黎知秋

【摘 要】

為了提高遠(yuǎn)程學(xué)習(xí)的效率和質(zhì)量，文章在分析情緒識(shí)別及其技術(shù)現(xiàn)狀的基礎(chǔ)上，探索性地提出了利用鍵盤和鼠標(biāo)等常規(guī)I/O設(shè)備來感知在線學(xué)習(xí)者的情緒狀況并自適應(yīng)調(diào)整教學(xué)策略和學(xué)習(xí)資源內(nèi)容，詳細(xì)闡述了情緒特征的定性方法和定量算法，并設(shè)計(jì)了情緒識(shí)別模塊嵌入連云港市教育局遠(yuǎn)程培訓(xùn)系統(tǒng)，在選修課“信息技術(shù)與課程整合”的網(wǎng)絡(luò)教學(xué)中進(jìn)行了實(shí)際應(yīng)用，應(yīng)用情況驗(yàn)證了上述遠(yuǎn)程教學(xué)自適應(yīng)調(diào)節(jié)策略的可行性和有效性。

【關(guān)鍵詞】 遠(yuǎn)程教學(xué)；情緒識(shí)別；自適應(yīng)調(diào)節(jié)

【中圖分類號(hào)】 G434 【文獻(xiàn)標(biāo)識(shí)碼】 A 【文章編號(hào)】 1009—458x（2015）11—0018—07

一、引言

遠(yuǎn)程教學(xué)由于豐富、快速更新的學(xué)習(xí)資源和時(shí)空限制的突破，具有傳統(tǒng)課堂教學(xué)無可比擬的優(yōu)越性，越來越受到教育領(lǐng)域的關(guān)注和重視。但是，這種時(shí)空分離的教學(xué)形式也會(huì)導(dǎo)致教學(xué)活動(dòng)中出現(xiàn)嚴(yán)重的“情感缺失”現(xiàn)象[1]，如果學(xué)生長(zhǎng)時(shí)間面對(duì)冰冷的屏幕而感受不到人機(jī)交互的愉悅，就可能引起情緒上的負(fù)面反應(yīng)，影響遠(yuǎn)程學(xué)習(xí)的效率和質(zhì)量。

教育心理學(xué)家認(rèn)為情緒是影響教學(xué)活動(dòng)的一個(gè)極其重要的因素，與學(xué)習(xí)認(rèn)知過程密不可分。失望、迷惘、焦慮和沮喪等負(fù)面情緒可導(dǎo)致思維遲鈍、興趣喪失、缺乏活力、消極懈怠和注意力不集中，不利于學(xué)習(xí)的順利進(jìn)行；而滿意、自信、輕松和愉悅等正面情緒可使頭腦清晰、思維敏捷、充滿激情和積極主動(dòng)，注意力也容易維持，有助于學(xué)習(xí)效率的提高。相關(guān)心理學(xué)實(shí)驗(yàn)也驗(yàn)證了情緒可以影響學(xué)習(xí)的精準(zhǔn)判斷和對(duì)學(xué)習(xí)內(nèi)容的加工深度。[2]

因此，對(duì)遠(yuǎn)程教學(xué)中學(xué)生的情緒進(jìn)行識(shí)別、分析和疏導(dǎo)、調(diào)節(jié)，并根據(jù)學(xué)生的學(xué)習(xí)狀態(tài)自適應(yīng)調(diào)整教學(xué)策略和學(xué)習(xí)內(nèi)容，是當(dāng)前遠(yuǎn)程教育實(shí)現(xiàn)智能化人機(jī)交互亟待解決的問題。對(duì)該問題的研究在某種程度上使遠(yuǎn)程教學(xué)系統(tǒng)體現(xiàn)出了“人文關(guān)懷”的氛圍和“以學(xué)生為中心”的現(xiàn)代教育理念。

二、情緒識(shí)別及其技術(shù)

情緒，是對(duì)一系列主觀認(rèn)知經(jīng)驗(yàn)的通稱，是多種感覺、思想和行為綜合產(chǎn)生的心理和生理狀態(tài)。情緒識(shí)別是近幾年計(jì)算機(jī)信息科學(xué)、認(rèn)知科學(xué)和心理科學(xué)研究的熱點(diǎn)，它以人類情緒理論為基礎(chǔ)，以情緒信息獲取、情緒模式識(shí)別、情緒建模與理解、情緒合成與表達(dá)、情緒傳遞與交流等為研究?jī)?nèi)容，以賦予計(jì)算機(jī)類似于人的情緒能力為終極目標(biāo)。

對(duì)情緒識(shí)別的研究始于20世紀(jì)90年代，1990年美國(guó)MIT媒體實(shí)驗(yàn)室設(shè)計(jì)了一個(gè)情緒識(shí)別器，對(duì)人的各種情緒進(jìn)行采集分析，比如人的語音信號(hào)、面部表情等[3]；MIT實(shí)驗(yàn)室的Picard教授在1997年系統(tǒng)地提出了情緒計(jì)算的概念和基本理論[4]。此后，歐洲和日本的各大高校和科研院所也相繼成立了情緒識(shí)別的研究機(jī)構(gòu)。在我國(guó)，相關(guān)研究起步稍晚，其中研究成果比較顯著的有中科院和清華大學(xué)合建的情緒計(jì)算中心（ACCenter）。2010年中科院自動(dòng)化所在武漢舉辦了國(guó)際情緒計(jì)算和智能交互學(xué)術(shù)會(huì)議；國(guó)際著名學(xué)術(shù)組織IEEE辦有《情緒計(jì)算》?？禝EEE Transactions on Affective Computing》[5]。情緒識(shí)別的研究也受到了企業(yè)界的關(guān)注，如跨國(guó)公司IBM、微軟、GOOGLE等都設(shè)有情緒識(shí)別研究小組，進(jìn)行商業(yè)應(yīng)用上的探索。情緒識(shí)別是實(shí)現(xiàn)人機(jī)智能交互的關(guān)鍵技術(shù)之一，在遠(yuǎn)程教育、商業(yè)零售、刑事犯罪、公共安全和病理醫(yī)療等領(lǐng)域有著重要影響和廣闊的應(yīng)用前景。

一般來說，任何情緒的產(chǎn)生都會(huì)伴隨著心理和生理上的某些變化。因此，情緒識(shí)別的基本技術(shù)主要就是對(duì)這些人體的變化，如面部表情、語音、姿態(tài)、文本和生理狀況等進(jìn)行信息采集和分析。

1. 基于面部表情的情緒識(shí)別

面部表情是指通過眼部肌肉、顏面肌肉和口部肌肉的變化表現(xiàn)出的各種情緒狀態(tài)。除非經(jīng)過特殊訓(xùn)練，一般人在任何時(shí)候都會(huì)自覺或不自覺地通過面部表情流露出其真實(shí)的心理情緒。

基于面部表情的情緒識(shí)別系統(tǒng)主要包括三個(gè)部分：人臉檢測(cè)與定位、特征抽取和情緒分類。首先，通過攝像頭等圖像采集器獲得面部圖像，并在圖像中進(jìn)行人臉檢測(cè)，確定人臉各部位的相對(duì)位置和大小。然后，對(duì)人臉進(jìn)行特征抽取，得到反映情緒特征的關(guān)鍵信息。最后，對(duì)得到的情緒特征向量進(jìn)行分類，得到所屬的類別。

特征抽取是面部表情識(shí)別中最為核心的環(huán)節(jié)，有效的特征提取會(huì)極大提高識(shí)別的準(zhǔn)確率。目前，基于靜態(tài)圖像特征提取的情緒識(shí)別準(zhǔn)確率不高，所以大多數(shù)研究都集中在基于動(dòng)態(tài)圖像序列的表情特征提取上。其中，典型的特征提取方法有元分析法、活動(dòng)外觀模型法、Gabor小波變換法和光流法等[6]。

基于面部表情的情緒識(shí)別是各種技術(shù)中實(shí)際商業(yè)應(yīng)用最早和最成熟的技術(shù)。2014年3月，臉部識(shí)別技術(shù)公司Emotient推出了一款谷歌眼鏡應(yīng)用軟件，它可以根據(jù)臉部表情的不同，識(shí)別人們喜怒哀樂等各種情緒。在其推廣演示的測(cè)試中，情緒識(shí)別率極高，速度也非?？?，無論是略帶憂傷的微妙表情還是一閃即過的笑容都能被及時(shí)捕捉。

2. 基于語音的情緒識(shí)別

語音是人類表達(dá)情緒的最直接方式。但要從語音的聲學(xué)特征逆向反推出情緒的類別，就當(dāng)前研究現(xiàn)狀而言實(shí)為不易。因?yàn)槌诉@些聲學(xué)特征復(fù)雜多變外，語音結(jié)構(gòu)和語音內(nèi)容還涉及自然語言理解問題。[7]

基于語音的情緒識(shí)別常采用的方法是：首先采集目標(biāo)的聲學(xué)特征，如基頻語調(diào)、聲音力度、語速緩急和流利程度等，然后將這些特征與情緒分類系統(tǒng)進(jìn)行對(duì)照，從而判斷說話者的情緒。情緒語音庫為識(shí)別提供了訓(xùn)練集，樣本越大，情緒識(shí)別的結(jié)果越不易受個(gè)體和聲音背景的干擾和影響。

目前，最出色的語音情緒識(shí)別企業(yè)有英國(guó)的EI Technologies、以色列的Beyond Verbal和美國(guó)的Cogito等公司。EI Technologies公司正在研發(fā)的語音情緒識(shí)別平臺(tái)，雖然準(zhǔn)確率可以達(dá)到70%到80%，但只能識(shí)別5種基本情緒：快樂、憂傷、平和、恐懼和憤怒。所以，基于語音的情緒識(shí)別還有待更加深入的研究。

3. 基于姿態(tài)的情緒識(shí)別

人在不同的情緒狀態(tài)下，身體姿態(tài)會(huì)發(fā)生不同的變化，如焦慮時(shí)撫摸頭發(fā)，高興時(shí)手舞足蹈，恐懼時(shí)緊縮雙肩，緊張時(shí)坐立不安，無可奈何時(shí)雙手一攤，等等。

基于人體姿勢(shì)的情緒識(shí)別主要是根據(jù)姿態(tài)動(dòng)作的持續(xù)時(shí)間長(zhǎng)短、頻率快慢等特征進(jìn)行判斷，從動(dòng)態(tài)圖像序列中提取物理運(yùn)動(dòng)信息，然后跟各種情緒狀態(tài)下的典型姿態(tài)模型樣本進(jìn)行特征比對(duì)。[8]

但是，由于有較多的人體姿勢(shì)和動(dòng)作都不具備明顯的情緒特征，并且心理學(xué)家的研究也表明，人體姿態(tài)不僅存在個(gè)別差異，而且存在民族或地域差異。后者表現(xiàn)了社會(huì)文化和傳統(tǒng)習(xí)慣的影響，同一種姿態(tài)在不同的民族中用來表達(dá)的情緒很可能不同。所以，基于姿態(tài)的情緒識(shí)別有較大的局限性。

4. 基于文本的情緒識(shí)別

根據(jù)粒度的不同，基于文本的情緒識(shí)別可以分為詞語級(jí)、句子級(jí)、篇章級(jí)和海量級(jí)文本情緒傾向性判斷。主要有兩種方法：一種是基于語義詞典HowNet進(jìn)行分析識(shí)別，另一種是基于大規(guī)模語料庫進(jìn)行分析識(shí)別。

兩種方法都需要首先對(duì)文本進(jìn)行主客觀分類等預(yù)處理，剔除對(duì)于實(shí)體事件及其屬性的客觀性陳述文本，然后從包含有豐富感情色彩的情緒觀點(diǎn)和態(tài)度的主觀性文本中抽取情緒特征詞，根據(jù)預(yù)設(shè)閾值判斷特征詞的極性和強(qiáng)度，最后計(jì)算句子語義的相似度，在句子情緒傾向分析的基礎(chǔ)上進(jìn)行篇章或海量級(jí)文本的整體情緒分析識(shí)別。[9]

基于文本的情緒識(shí)別是自然語言理解技術(shù)中最貼近實(shí)際需求的研究方向。但由于自然語言處理技術(shù)在商業(yè)化應(yīng)用中還存在瓶頸，目前還沒有哪個(gè)軟件系統(tǒng)能夠在文本情緒識(shí)別上達(dá)到較高的準(zhǔn)確率。

5. 基于生理的情緒識(shí)別

情緒變化導(dǎo)致的人體生理變化只受人的自主神經(jīng)系統(tǒng)和內(nèi)分泌系統(tǒng)的支配，不受主觀意識(shí)控制。因此，采用生理信號(hào)測(cè)量法進(jìn)行情緒識(shí)別的結(jié)果最為精確和客觀。

跟情緒有關(guān)的生理信號(hào)一般有心電圖、皮膚電反應(yīng)、皮膚溫度、血管壓力、呼吸頻率和幅度等。[10]由于這些生理參數(shù)攜帶極為準(zhǔn)確的情緒信息，所以對(duì)情緒特征的匹配和識(shí)別也顯得簡(jiǎn)單易行。

三、基于常規(guī)I/O設(shè)備的情緒識(shí)別

從上述的情緒識(shí)別技術(shù)可以得知，準(zhǔn)確率較高的主要是基于面部表情和生理信號(hào)的識(shí)別技術(shù)。不過，這兩種技術(shù)在遠(yuǎn)程教學(xué)中都不可行。其一，在遠(yuǎn)程教學(xué)過程中顯然不可能要求每個(gè)學(xué)生都佩戴既昂貴又不方便的生理監(jiān)測(cè)設(shè)備，這種設(shè)備只能用于被測(cè)人員較少的特殊情況；其二，雖然現(xiàn)在價(jià)廉質(zhì)高的攝像頭成為筆記本的標(biāo)配，在臺(tái)式機(jī)上安裝也極容易，但是，教學(xué)中啟用攝像頭這種顯性監(jiān)控設(shè)備必然讓學(xué)生覺得時(shí)時(shí)刻刻有一雙眼睛在盯著自己，會(huì)使他們感到不自在，甚至極度不安和壓抑，嚴(yán)重束縛了學(xué)習(xí)和思維的活躍度。有調(diào)查表明，絕大部分學(xué)生堅(jiān)持認(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。[11]所以，作為負(fù)激勵(lì)措施的攝像頭等顯性監(jiān)控，無疑給教學(xué)帶來了極為不利的負(fù)面影響而不具有現(xiàn)實(shí)操作性。

因此，本研究提出在遠(yuǎn)程教學(xué)系統(tǒng)中利用鍵盤和鼠標(biāo)等常規(guī)I/O設(shè)備對(duì)學(xué)生的當(dāng)前情緒進(jìn)行識(shí)別，并且所有與情緒相關(guān)的數(shù)據(jù)信息都是通過后臺(tái)靜默采集，對(duì)學(xué)生不會(huì)造成額外的負(fù)擔(dān)和壓力。

1. 情緒特征的定性

情緒識(shí)別模塊的技術(shù)基礎(chǔ)是調(diào)用操作系統(tǒng)的鉤子函數(shù)對(duì)學(xué)生的鍵盤和鼠標(biāo)等常規(guī)I/O設(shè)備的擊鍵和滾輪等操作行為進(jìn)行監(jiān)測(cè)，得到鍵鼠的擊鍵特征信息。

對(duì)鍵盤的操作行為，主要監(jiān)測(cè)記錄擊鍵頻率（擊鍵間隔時(shí)間）和擊鍵力度（擊鍵持續(xù)時(shí)間）兩個(gè)特征向量。以情緒平靜狀態(tài)下的訓(xùn)練樣本模型中擊鍵平均頻率和平均力度作為計(jì)算基準(zhǔn)，求這兩個(gè)特征向量的標(biāo)準(zhǔn)方差，然后將標(biāo)準(zhǔn)方差值和學(xué)生模型中的情緒庫（鍵盤三元模型<情緒狀態(tài)，鍵盤頻率方差，鍵盤力度方差>）進(jìn)行匹配，對(duì)其當(dāng)前情緒特征作定性識(shí)別。

對(duì)鼠標(biāo)的操作行為，只需監(jiān)測(cè)記錄滾輪的滾動(dòng)速度（單位時(shí)間內(nèi)的滾輪距離）和左鍵的擊鍵頻率。同樣以情緒平靜狀態(tài)下的訓(xùn)練樣本模型中的滾輪平均滾動(dòng)速度和平均擊鍵頻率作為計(jì)算基準(zhǔn)，求其標(biāo)準(zhǔn)方差。情緒庫中鼠標(biāo)三元模型為<情緒狀態(tài)，滾輪滾動(dòng)速度方差，鼠標(biāo)頻率方差>。

以鍵盤操作為例，如果監(jiān)測(cè)到鍵盤擊鍵頻率方差和力度方差超過設(shè)定的最大值MaxKeyThreshold，則判斷學(xué)生當(dāng)前情緒狀態(tài)為憤怒；如果力度方差小于閾值MinKeyThreshold，則可識(shí)別為沮喪狀態(tài)；如果在某兩個(gè)閾值之間，則識(shí)別為愉悅狀態(tài)。再比如，如果監(jiān)測(cè)到鼠標(biāo)左鍵的擊鍵頻率超過閾值MouseThreshold可認(rèn)為被急促短擊，并且一定時(shí)間內(nèi)光標(biāo)快速移位或滾輪快速滾動(dòng)大于閾值RollerThreshold，則可識(shí)別為焦躁?duì)顟B(tài)。

2. 閾值自適應(yīng)更新

不同人雖然使用計(jì)算機(jī)的習(xí)慣差異很大，但擊鍵頻率、擊鍵力度等擊鍵行為特征值在統(tǒng)計(jì)學(xué)上還是符合正態(tài)分布的。[12]所以，對(duì)于所有標(biāo)準(zhǔn)閾值的初始設(shè)置和自適應(yīng)更新都是基于訓(xùn)練樣本模型對(duì)應(yīng)特征向量的平均值。使用的學(xué)生人數(shù)越多，訓(xùn)練樣本越大，標(biāo)準(zhǔn)閾值收斂速度越慢，其值就越趨向合理。

而學(xué)生模型中的MaxKeyThreshold、MinKeyThreshold、MouseThreshold 和RollerThreshold等相關(guān)閾值和對(duì)應(yīng)標(biāo)準(zhǔn)閾值的偏移差可由該學(xué)生模型情緒庫中擊鍵特征向量和標(biāo)準(zhǔn)庫中擊鍵特征向量的偏移值加權(quán)計(jì)算來進(jìn)行自適應(yīng)動(dòng)態(tài)更新。

3. 情緒特征的定量

實(shí)踐證明，在實(shí)際系統(tǒng)開發(fā)中，三維空間模型的性價(jià)比過低，所以情緒特征值的定量算法采用二維情緒空間模型來對(duì)情緒強(qiáng)度進(jìn)行計(jì)算，它由愉悅、沮喪、焦躁和冷靜四種基本情緒組成。[13]二維情緒空間EmotionalSpace={joy，frustration，anxiety，calm}，其中joy表示愉悅，frustration表示沮喪，anxiety表示焦躁，calm表示冷靜。情緒空間模型如圖1所示，橫軸X用來代表互相對(duì)立的焦躁和冷靜兩種情緒，縱軸Y代表相反的愉悅和沮喪兩種情緒。如此可以保證情緒特征值都被限制在以圓心為原點(diǎn)的單位圓之內(nèi)。

圖1 二維情緒空間模型

情緒特征值的定量算法：

（1）計(jì)算單位時(shí)間內(nèi)情緒特征數(shù)據(jù)的樣本方差S的值：

[s2=1ni=1n（xi-x）2]。

（2）計(jì)算情緒特征值在二維空間的方位，即與X軸正向的角度：

[θs=arctan（ys/xs）]。

（3）計(jì)算情緒的強(qiáng)度，即離原點(diǎn)的長(zhǎng)度r的值：

[rs=log（x2x+y2s）]。

由情緒特征值的方位可以確定情緒類型，強(qiáng)度r的值可以進(jìn)一步精確判斷出沮喪、焦躁等情緒的程度，為后續(xù)遠(yuǎn)程教學(xué)模塊的自適應(yīng)調(diào)節(jié)策略提供依據(jù)。

四、自適應(yīng)調(diào)節(jié)策略

遠(yuǎn)程教學(xué)系統(tǒng)最能體現(xiàn)智能性的就是系統(tǒng)能夠及時(shí)感知學(xué)生的當(dāng)前情緒狀態(tài)和能力水平，通過學(xué)習(xí)環(huán)境的自身調(diào)節(jié)來適應(yīng)學(xué)生的性格和認(rèn)知特點(diǎn)，最大限度地取得最佳教學(xué)效果。遠(yuǎn)程智能教學(xué)系統(tǒng)中基于情緒的自適應(yīng)調(diào)節(jié)策略主要包括負(fù)面情緒的調(diào)節(jié)和正面情緒的維持。

1. 負(fù)面情緒的調(diào)節(jié)

在遠(yuǎn)程學(xué)習(xí)過程中，產(chǎn)生負(fù)面情緒的原因一般 有[14]：

（1）學(xué)習(xí)疲勞。長(zhǎng)時(shí)間地持續(xù)進(jìn)行學(xué)習(xí)，在生理和心理方面容易產(chǎn)生怠倦，注意力渙散、思維遲緩、記憶衰退，致使學(xué)習(xí)效率下降。此時(shí)，如果繼續(xù)學(xué)習(xí)可能會(huì)帶來情緒上的波動(dòng)，如厭倦、壓抑、郁悶和易怒，個(gè)別學(xué)生甚至?xí)那闃O度煩躁而不能繼續(xù)學(xué)習(xí)。

（2）學(xué)習(xí)困難。這里討論的學(xué)習(xí)困難是指不適當(dāng)?shù)慕虒W(xué)內(nèi)容和學(xué)習(xí)方法導(dǎo)致的暫時(shí)性認(rèn)知障礙，非生理或精神上的疾病和缺陷。不同的學(xué)生對(duì)教學(xué)內(nèi)容的理解和認(rèn)知可能存在顯著差異，當(dāng)遇到學(xué)習(xí)困難時(shí)，會(huì)產(chǎn)生迷惘、失望、焦慮和沮喪等負(fù)面情緒。

（3）需要缺乏。跟學(xué)習(xí)困難相反的是，當(dāng)前的教學(xué)課程對(duì)部分已經(jīng)掌握了的學(xué)生而言可能顯得過于簡(jiǎn)單和容易。對(duì)學(xué)習(xí)內(nèi)容缺乏需要時(shí)，也會(huì)使人興趣喪失、消極和懈怠，產(chǎn)生失望和煩躁情緒。

（4）內(nèi)容單調(diào)。如果課程資源只有概念、原理和范例等單調(diào)乏味的純文字性內(nèi)容，無疑不可能激發(fā)學(xué)生的學(xué)習(xí)興趣和欲望，這種沉悶、枯燥的學(xué)習(xí)內(nèi)容肯定會(huì)導(dǎo)致郁悶、焦躁等嚴(yán)重的負(fù)面情緒。

（5）感覺孤獨(dú)。遠(yuǎn)程教學(xué)雖然有較強(qiáng)的人機(jī)交互性，但由于師生之間、學(xué)生之間存在地理環(huán)境上的阻隔，不能面對(duì)面進(jìn)行學(xué)習(xí)上的探討，再加上語言、表情和手勢(shì)等交流手段的缺少，學(xué)生容易產(chǎn)生學(xué)習(xí)和情感上的孤獨(dú)甚至自閉。教育心理學(xué)研究表明，孤獨(dú)感會(huì)引發(fā)沮喪、抑郁和煩躁等情緒，也是產(chǎn)生厭學(xué)情緒的重要因素之一，厭學(xué)情緒反過來又會(huì)使孤獨(dú)感進(jìn)一步強(qiáng)化。[15]

有些負(fù)面情緒與產(chǎn)生來源是一一對(duì)應(yīng)的關(guān)系，但另外一些如失望、煩躁等負(fù)面情緒產(chǎn)生的原因也許有多種可能，系統(tǒng)這個(gè)時(shí)候需要適時(shí)地自動(dòng)彈出消息對(duì)話窗口跟學(xué)生進(jìn)行微交互，作進(jìn)一步精確判斷，如圖2所示。

針對(duì)上述導(dǎo)致負(fù)面情緒產(chǎn)生的幾種原因，系統(tǒng)可以有針對(duì)性地通過對(duì)教學(xué)策略和教學(xué)資源的重新調(diào)節(jié)來達(dá)到改善或消除學(xué)生負(fù)面情緒的目的。

（1）學(xué)習(xí)時(shí)間的調(diào)節(jié)。缺少人際面對(duì)面真實(shí)互動(dòng)的遠(yuǎn)程學(xué)習(xí)比傳統(tǒng)課堂更易產(chǎn)生疲勞狀態(tài)。因此，每一輪的學(xué)習(xí)時(shí)間長(zhǎng)度最多不宜超過40分鐘，屆時(shí)系統(tǒng)就需要強(qiáng)制性暫停，提醒學(xué)生起身活動(dòng)或閉目養(yǎng)神，以使大腦和神經(jīng)活動(dòng)得到放松和恢復(fù)。休息時(shí)間根據(jù)情緒強(qiáng)度r的值作適當(dāng)調(diào)整。

（2）學(xué)習(xí)氣氛的調(diào)節(jié)。對(duì)于r值較小的輕度抑郁和焦躁，學(xué)習(xí)期間系統(tǒng)可以播放一些柔和的背景音樂。優(yōu)美的音樂可以舒緩神經(jīng)、平靜內(nèi)心，讓人產(chǎn)生愉悅感，激發(fā)正能量。需要強(qiáng)調(diào)的是，背景音樂應(yīng)該是那種沒有歌詞的純音樂，因?yàn)楦柙~可能會(huì)分散學(xué)生的注意力而影響學(xué)習(xí)效果。對(duì)于r值較大的負(fù)面情緒如重度抑郁和煩躁，可以穿插播放一些搞笑視頻短片來活躍學(xué)習(xí)氣氛。

（3）教學(xué)資源的調(diào)節(jié)。初始學(xué)習(xí)時(shí)的通用性教學(xué)策略所呈現(xiàn)的知識(shí)結(jié)構(gòu)和資源內(nèi)容不一定適合所有的學(xué)生。因此，要實(shí)現(xiàn)差異化教學(xué)，就得根據(jù)監(jiān)測(cè)到的學(xué)生情緒所表征的需要缺乏或?qū)W習(xí)困難對(duì)教學(xué)資源進(jìn)行調(diào)節(jié)，即在教學(xué)資源庫中重新檢索能匹配其認(rèn)知能力的教學(xué)資源進(jìn)行個(gè)性化推薦，而高精度地測(cè)量教學(xué)資源的難度和學(xué)生的能力水平是資源調(diào)節(jié)的核心。藍(lán)思分級(jí)閱讀測(cè)評(píng)體系正好從這兩個(gè)方面進(jìn)行計(jì)算，使用同一個(gè)度量標(biāo)尺（Lexile，L），難度范圍設(shè)置為0L-1700L，數(shù)字越小表示學(xué)習(xí)難度或認(rèn)知能力越 低。[16]

對(duì)學(xué)生能力水平的測(cè)量可根據(jù)其對(duì)不同難度系數(shù)的教學(xué)資源的試題測(cè)試情況來綜合分析和計(jì)算，分析的要素包括試題的理論難度、試題的實(shí)際難度、試題的質(zhì)量、平均作答正確率、學(xué)生年級(jí)、參加測(cè)試學(xué)生總數(shù)和試題每個(gè)選項(xiàng)選擇的具體人數(shù)，之后通過Rasch model分析以上數(shù)據(jù)，最終得出反映學(xué)生學(xué)習(xí)能力水平的藍(lán)思等級(jí)，并同步更新學(xué)生模型。

因?yàn)檫h(yuǎn)程教學(xué)系統(tǒng)的測(cè)評(píng)體系采用相同的度量標(biāo)準(zhǔn)來計(jì)算資源難度和學(xué)生的能力水平，所以在調(diào)節(jié)教學(xué)資源時(shí)只要根據(jù)用戶的學(xué)生模型從云端教學(xué)資源庫中重新檢索恰當(dāng)?shù)腖exile等級(jí)的教學(xué)資源即可。比如，學(xué)生能力水平為750L，就可以檢索推薦1000L左右的教學(xué)資源，此時(shí)學(xué)生對(duì)該資源內(nèi)容的理解程度會(huì)是75%。這個(gè)難度既不會(huì)讓學(xué)生因無法駕馭而失去信心，也能對(duì)其現(xiàn)有的認(rèn)知能力提出挑戰(zhàn)，激發(fā)他們的學(xué)習(xí)興趣。

（4）呈現(xiàn)方式的調(diào)節(jié)。信息化教育資源的特點(diǎn)在于可以充分利用多媒體的表達(dá)優(yōu)勢(shì)，將文本、圖像、視頻、動(dòng)畫和聲音等多種形式進(jìn)行組合教學(xué)。遠(yuǎn)程教學(xué)系統(tǒng)可以使用兩種或兩種以上不同媒體來呈現(xiàn)同一學(xué)習(xí)內(nèi)容，如圖文整合比圖文分離的呈現(xiàn)方式更有利于學(xué)習(xí)興趣的維持。

（5）互動(dòng)交流的強(qiáng)化。傳統(tǒng)學(xué)習(xí)社區(qū)的留言、評(píng)論、發(fā)帖和回復(fù)等交流方式因其非即時(shí)性特點(diǎn)往往難以排遣遠(yuǎn)程學(xué)習(xí)者的孤獨(dú)感。所以，在教學(xué)系統(tǒng)中嵌入基于IM（Instant Messaging，IM）的智能導(dǎo)學(xué)機(jī)器人[17]，既可以強(qiáng)化學(xué)生與導(dǎo)學(xué)機(jī)器人或通過它和其他在線學(xué)習(xí)者進(jìn)行實(shí)時(shí)性的互動(dòng)討論，又能避免學(xué)生之間使用騰訊QQ、微軟Skype等第三方IM工具難以監(jiān)管的境況。由于知識(shí)庫、機(jī)器學(xué)習(xí)和人工智能技術(shù)的引入，使導(dǎo)學(xué)機(jī)器人能夠在學(xué)生實(shí)時(shí)交流的討論內(nèi)容偏離學(xué)習(xí)主題時(shí)及時(shí)介入和引導(dǎo)，避免討論演變成與學(xué)習(xí)無關(guān)的閑聊。

2. 正面情緒的維持

隨著時(shí)間的延長(zhǎng)，學(xué)習(xí)沉浸感逐漸上升，達(dá)到峰值后會(huì)逐漸下降。這個(gè)時(shí)候?qū)W生的心理狀態(tài)一般都會(huì)同步地從愉悅轉(zhuǎn)向輕松，最后因?yàn)閷W(xué)習(xí)樂趣感知的消失而進(jìn)入冷漠甚至沮喪等負(fù)面情緒狀態(tài)。所以，遠(yuǎn)程教學(xué)系統(tǒng)在教學(xué)時(shí)長(zhǎng)之內(nèi)應(yīng)盡可能地使學(xué)生維持在正面情緒的學(xué)習(xí)氛圍中，可以采用以下三種策略：

（1）制造學(xué)習(xí)群體效應(yīng)。群體效應(yīng)實(shí)際上就是絕大部分個(gè)體的從眾心理所反映出的社會(huì)現(xiàn)象，具有普遍性，是指?jìng)€(gè)人極易受到外界人群行為的影響，而在自己的知覺、判斷和認(rèn)識(shí)上表現(xiàn)出符合公眾輿論或多數(shù)人的行為方式。譬如一直廣受教育心理學(xué)界關(guān)注的高?！鞍嗉?jí)效應(yīng)”和“宿舍效應(yīng)”，還有高校圖書館的那種群體性的強(qiáng)烈的學(xué)習(xí)氛圍，都是群體效應(yīng)在學(xué)習(xí)上的典型體現(xiàn)。

當(dāng)教學(xué)系統(tǒng)監(jiān)測(cè)到正面情緒強(qiáng)度r在峰值后呈下降趨勢(shì)并達(dá)到一定程度時(shí)，即以比較醒目的方式把當(dāng)前在線學(xué)習(xí)的人數(shù)顯示在學(xué)習(xí)界面的右上方，目的就是制造濃厚的群體學(xué)習(xí)氣氛，激發(fā)學(xué)生繼續(xù)學(xué)習(xí)的動(dòng)力。這種帶有主觀意愿的學(xué)習(xí)正面情緒狀態(tài)會(huì)相對(duì)穩(wěn)定。當(dāng)然，如果人數(shù)比較少，起到的作用會(huì)截然相反。因此，可以考慮借用網(wǎng)絡(luò)購物賣家刷單營(yíng)銷的方式對(duì)當(dāng)前學(xué)習(xí)者的人數(shù)適當(dāng)善意夸大。

（2）及時(shí)兌現(xiàn)學(xué)習(xí)獎(jiǎng)勵(lì)。適當(dāng)?shù)膶?shí)質(zhì)性獎(jiǎng)勵(lì)在教學(xué)過程中具有一定的必要性，能夠調(diào)動(dòng)學(xué)生的情緒、興趣和潛能。及時(shí)的可視化獎(jiǎng)勵(lì)可以強(qiáng)化學(xué)生良好的學(xué)習(xí)行為，也可以使學(xué)生獲得學(xué)習(xí)信心和愉悅感而激發(fā)學(xué)習(xí)上的正面情緒。

目前的遠(yuǎn)程教學(xué)系統(tǒng)普遍采用基于建構(gòu)主義教學(xué)理論的“任務(wù)驅(qū)動(dòng)法”課程教學(xué)資源設(shè)計(jì)模式，學(xué)生圍繞某個(gè)學(xué)習(xí)任務(wù)，通過對(duì)教學(xué)資源的積極主動(dòng)應(yīng)用，進(jìn)行自主探究和協(xié)作學(xué)習(xí)，在完成既定任務(wù)的同時(shí)獲得知識(shí)和能力提升?！叭蝿?wù)驅(qū)動(dòng)法”的優(yōu)點(diǎn)是將以往以傳授知識(shí)為主的傳統(tǒng)教學(xué)理念，轉(zhuǎn)變?yōu)橐越鉀Q問題、完成任務(wù)為主的探究式學(xué)習(xí)理念，使學(xué)生處于積極的學(xué)習(xí)狀態(tài)。但隨著學(xué)生對(duì)該教學(xué)方法和模式的逐漸熟悉，任務(wù)驅(qū)動(dòng)的學(xué)習(xí)激勵(lì)效果可能會(huì)逐漸消失。

為了解決這一問題，可以采取以下類似的學(xué)習(xí)獎(jiǎng)勵(lì)措施：根據(jù)學(xué)生的課程在線學(xué)習(xí)時(shí)長(zhǎng)、討論區(qū)發(fā)言次數(shù)、教學(xué)課件點(diǎn)播或下載次數(shù)、歷次作業(yè)的提交時(shí)間和完成質(zhì)量、參與討論答疑的情況、發(fā)表各類BBS文章的數(shù)量、以及知識(shí)點(diǎn)的學(xué)習(xí)進(jìn)度等各種學(xué)習(xí)行為的表現(xiàn)，給予一定數(shù)量的學(xué)習(xí)銀幣獎(jiǎng)勵(lì)。每10個(gè)學(xué)習(xí)銀幣可以兌換1個(gè)學(xué)習(xí)金幣，每1個(gè)學(xué)習(xí)金幣可以兌換該門課程考試成績(jī)的一定分?jǐn)?shù)。這種實(shí)質(zhì)性的獎(jiǎng)勵(lì)既可以提高學(xué)習(xí)過程的趣味性，又可以激活每一個(gè)學(xué)習(xí)環(huán)節(jié)的學(xué)習(xí)內(nèi)驅(qū)力。

需要注意的是，每一次的學(xué)習(xí)獎(jiǎng)勵(lì)一定要及時(shí)兌現(xiàn)且以彈窗式可視化形式告知學(xué)生。因?yàn)榧皶r(shí)的學(xué)習(xí)獎(jiǎng)勵(lì)可以顯著提高學(xué)生正面情緒的激勵(lì)效果，而滯后的獎(jiǎng)勵(lì)則會(huì)削弱學(xué)生學(xué)習(xí)的內(nèi)驅(qū)力。

（3）脈沖式微信息刺激。前景理論指出，脈沖式的生活變化會(huì)帶來更加持久的幸福感。例如，即便生活水平并不高的人如果在生活中時(shí)不時(shí)有些旅游、探險(xiǎn)等活動(dòng)，這些脈沖式的快樂會(huì)使他比條件優(yōu)越但生活平淡、缺乏起伏的人感到更加強(qiáng)烈和長(zhǎng)久的幸福?；谙嗤?，我們可以借助脈沖式微信息提示來給相對(duì)固定的遠(yuǎn)程教學(xué)系統(tǒng)帶來一些環(huán)境變化，這些變化因素會(huì)持續(xù)地刺激學(xué)生的敏感神經(jīng)，使之在較長(zhǎng)時(shí)期保持一個(gè)較高r值的正面情緒狀態(tài)。

微信息內(nèi)容可以是引導(dǎo)性激勵(lì)語句、學(xué)習(xí)獎(jiǎng)勵(lì)提示、受懲罰警戒通告和實(shí)時(shí)互動(dòng)短信提醒等。這里的懲罰通告是指在遠(yuǎn)程學(xué)習(xí)上有不良表現(xiàn)行為的低概率懲罰措施的廣而告知。例如，“學(xué)習(xí)時(shí)掛網(wǎng)玩游戲人數(shù)1%的學(xué)生該門課程考試不合格”或“綜合評(píng)價(jià)排名靠后1%的學(xué)生將不具備期末考試資格”等懲罰措施（概率過大會(huì)失去懲罰的警示作用）。由于非理性決策心理的存在，系統(tǒng)通過微信息對(duì)違規(guī)學(xué)生進(jìn)行警戒通告會(huì)對(duì)其他在線學(xué)習(xí)者產(chǎn)生較強(qiáng)的心理影響，也就有能效地增強(qiáng)了他們的正面情緒和學(xué)習(xí)投入程 度。[18]

但是，微信息窗口的顯示頻率不能過快，顯示時(shí)間也不能太久，否則會(huì)爭(zhēng)奪在線學(xué)生頭腦中的學(xué)習(xí)認(rèn)知資源，分散其對(duì)教學(xué)資源主體內(nèi)容的注意力。

五、結(jié)束語

為了檢驗(yàn)實(shí)際應(yīng)用效果，我們?cè)O(shè)計(jì)了情緒識(shí)別模塊嵌入筆者開發(fā)的連云港市教育局遠(yuǎn)程培訓(xùn)系統(tǒng)，在選修課“信息技術(shù)與課程整合”的網(wǎng)絡(luò)教學(xué)中進(jìn)行了45個(gè)教學(xué)課時(shí)的無告知試用，課程結(jié)束后設(shè)計(jì)了反饋表隨機(jī)分發(fā)給120位學(xué)生填寫并全部予以回收，其中有效份數(shù)116份，有效回收率96.7%。對(duì)學(xué)生的反饋和評(píng)價(jià)進(jìn)行分析，結(jié)果表明：77.1%的學(xué)生認(rèn)為系統(tǒng)對(duì)沮喪、平靜和焦躁等幾種基本情緒的識(shí)別效果較好，82.2%的學(xué)生認(rèn)為遠(yuǎn)程教學(xué)系統(tǒng)的自適應(yīng)調(diào)節(jié)策略對(duì)自己的學(xué)習(xí)興趣和學(xué)習(xí)效果有一定促進(jìn)作用。學(xué)生評(píng)價(jià)反饋的數(shù)據(jù)分析結(jié)果如表1所示。

目前，基于面部表情、語音和身體姿態(tài)的情緒識(shí)別技術(shù)是人工智能在商業(yè)領(lǐng)域的熱門應(yīng)用之一，但在遠(yuǎn)程教學(xué)中的研究還處于初始階段，并在實(shí)際部署應(yīng)用上存在一定的局限性。本文探索性地提出利用常規(guī)的鍵盤和鼠標(biāo)等I/O設(shè)備來感知在線學(xué)習(xí)者的情緒狀況并自適應(yīng)調(diào)整教學(xué)策略和學(xué)習(xí)資源內(nèi)容。在整個(gè)監(jiān)測(cè)計(jì)算和分析識(shí)別過程中，系統(tǒng)都是在后臺(tái)以多線程的靜默方式進(jìn)行，系統(tǒng)運(yùn)行速度沒有明顯延遲，不會(huì)影響學(xué)生正常的鍵盤和鼠標(biāo)操作動(dòng)作和學(xué)習(xí)體驗(yàn)。

[參考文獻(xiàn)]

[1] 劉景福，鐘志賢. 網(wǎng)絡(luò)教育的情感缺失現(xiàn)狀及其對(duì)策[J]. 中國(guó)遠(yuǎn)程教育，2001，（2）：15-17.

[2] 張振新，徐憲斌. 情緒狀態(tài)對(duì)學(xué)習(xí)判斷的影響及其機(jī)制[J]. 心理科學(xué)，2012，35（1）：153-159.

[3] CHENNOUKH S，GERRITS A，MIET G，et al.Speech enhancement via frequency bandwidth extension using line spectral frequencies[C].Proc of IEEE International Conference on Acoustics，Speech，and Signal Processing.2001：665-668.

[4] PICARD R W.Affective computing[M]. Combridge：The MIT Press，1997.

[5] GOKCAY D，YILDIRM G.Affective computing and interaction：psy-chologieal，cognitive and neuroscientific perspectives[M]. Hershey IGI Global，2010.

[6] 張利偉，張航，張玉英. 面部表情識(shí)別方法綜述[J]. 自動(dòng)化技術(shù)與應(yīng)用，2009，28（1）：92-97.

[7] 林菡，張侃. 語音情緒識(shí)別的應(yīng)用和基礎(chǔ)研究[J]. 人類工效學(xué)，2009，15（2）：64-67.

[8] KAPUR A，VIRJI N，TZANETAKIS G，et al.Gesture-based affective computing on motion capture data[C]. Proc of the International Conference on Affective Computing and Intelligent Interaction. 2005：1-7.

[9] 楊立公，朱儉，湯世平. 文本情感分析綜述[J]. 計(jì)算機(jī)應(yīng)用，2013，33（6）：1574-1578.

[10] 陳繼華，李嵐，坤喜. 基于多生理信號(hào)的情緒初步識(shí)別[J]. 生物醫(yī)學(xué)工程研究，2006，25（3）：141-146.

[11] 教室里的電子眼在看什么[EB/OL]. [2013-05-27]. http：//edu.qq.com/a/20130527/014352.htm.

[12] Dunn A.Biometric Authentication-Real Identities for a Virtual World. MIDAS[R].Project Development Final Report，2002.

[13] 王征，谷安平，劉心松. 基于在線客戶情緒能量感知的商品推薦算法[J]. 吉林大學(xué)學(xué)報(bào)（信息科學(xué)版），2009，27（3）：262-267.

[14] 彭文輝. 網(wǎng)絡(luò)問題學(xué)習(xí)行為研究[J]. 中國(guó)電化教育，2014，325（2）：40-45.

[15] 王冬梅. 高職高專類學(xué)校學(xué)生厭學(xué)狀況研究[J]. 齊齊哈爾師范高等?？茖W(xué)校學(xué)報(bào)，2009，109（3）：137-138.

[16] 羅德紅，余婧. 美國(guó)藍(lán)思分級(jí)閱讀框架：差異化閱讀教學(xué)和測(cè)評(píng)工具[J]. 現(xiàn)代中小學(xué)教育，2013，（10）：90-93.

[17] 黎孟雄. 基于IM的智能導(dǎo)學(xué)機(jī)器人的研究與設(shè)計(jì)[J]. 現(xiàn)代教育技術(shù)，2013，23（1）：97-101.

[18] 郝立興，趙想飛，李雪梅等. 基于前景理論的虛擬學(xué)習(xí)共同體中激勵(lì)機(jī)制的設(shè)計(jì)研究[J]. 現(xiàn)代教育技術(shù)，2009，19（3）：19-21.

收稿日期：2015-06-05

定稿日期：2015-08-31

作者簡(jiǎn)介：黎孟雄，副教授，江蘇師范大學(xué)海州教師教育學(xué)院（222006）。

郭鵬飛，教授，連云港師范高等?？茖W(xué)校數(shù)學(xué)與信息工程學(xué)院（222006）。

黎知秋，系統(tǒng)分析師，微軟亞洲研究院（100080）。

責(zé)任編輯 石 子