王凱 余發(fā)碧 李敏

摘要：情緒情感能力是人生存與發(fā)展的關鍵，在課堂教學中開展情感教學既是培養(yǎng)學生情緒情感能力的重要途徑，也是推動課程標準落地的應有之義。該研究基于情緒自動識別技術，結合教師觀察，構建了幫助教師檢驗情感目標達成效果的模型，該模型對于教師而言簡單易行，配合情緒自動識別技術可以提高教師教學反思的準確性和全面性，進而促進新課程標準的有效落實。

關鍵詞：情緒識別；情感目標；檢測模型

中圖分類號：G434 文獻標識碼：A

本文系全國教育科學“十三五”規(guī)劃2019年度教育部重點課題“基于情緒識別技術的學科情感目標檢測與教學設計改進研究”（課題編號：DHA190365）研究成果。

伴隨著人工智能技術的不斷發(fā)展，許多基礎性工作正逐漸被機器所取代，特別是ChatGPT的出現，人工智能從決策式變?yōu)樯墒?，一些含有一定技術含量的工作也可能被機器輕松完成，但人工智能的核心還是基于數據的理性邏輯，無法從根源上實現與人類情緒情感的交互及共鳴，情感為人類天生所具有，可以預見，在未來情緒情感能力將是人與人工智能相比的最大優(yōu)勢，相應的，如何在教育教學中培養(yǎng)學生在未來有競爭力的情緒情感能力，成為教育改革無法忽視的現實課題。

一、問題的提出：教學中情感目標的虛化

學生的完整發(fā)展是教育一直追求的目標，從三維目標的提出，到學生發(fā)展核心素養(yǎng)的出臺，再到學科核心素養(yǎng)的確立，情感目標都是其中的關鍵內容和重要維度。聯合國教科文組織在《反思教育：向“全球共同利益”的理念轉變》一書中指出：“在知識學習過程中掌握方法，獲取知識，形成能力，培養(yǎng)情感態(tài)度價值觀，這是一個整體”“如果教育的過程、內容、方法等不包含價值，教育本身就無教育價值”[1]。情感目標是課程的“意義”目標，它不是虛無或強加的，是教育教學中的過程性體驗及有目的有計劃地形成的學生情感狀態(tài)。通過對學生在學習過程中的情緒情感狀態(tài)的觀察，教師也可以掌握學生的學習狀態(tài)，進而有針對性地調整教學計劃，促進有意義學習的發(fā)生。

然而長期以來課堂教學一直以認知發(fā)展作為內在結構，情感目標的教學設計與達成檢測一直是一個灰色地帶，帶有很強的隨意性，并逐漸虛化。2001年《基礎教育課程改革綱要（試行）》明確提出了“情感態(tài)度價值觀”作為新課程教學的“三維目標”之一，然而二十余年過去了，情感目標教學對于教師來說仍然是個難題。教師會在教案的目標部分列入情感目標，但往往只是單純地列在上面，在實際教學實施中并未考慮如何實現該目標，也有的教師雖然主觀上希望達成情感目標，但實際上并不清楚如何實現，教學設計上還是按照知識教學的思路進行。之所以存在“重認知，輕情感”的問題，一方面是因為考試作為指揮棒極少涉及到情感態(tài)度價值觀的內容，另一方面則歸咎于對情感目標教學的研究較少。

在新修訂頒布的2022版義務教育課程標準中，“情感”不再單獨作為一維目標，而是整體融入了核心素養(yǎng)，這就使得教師在實際教學中更容易忽視素養(yǎng)中的情感成分。總體來看，在實際教學過程中，教師在課堂教學中對情感目標的重視程度普遍不夠，對情感目標的整體設計思路不清，情感目標的達成檢測技術與策略不明，針對情感目標達成的反思與改進基本處于空白狀態(tài)，這些現實問題亟需解決。

二、文獻綜述：情感內涵構成與識別技術

（一）情感的內涵

情感是人們日常生活中普遍使用的詞語，使用中往往可以指代多種含義。我國傳統(tǒng)文化中使用“情”一字往往包含感情、情誼、感受、想法、態(tài)度等多種含義，如“人之常情”中的情兼有情緒、情誼、想法，“一往情深”中的情包含情誼、感受。在英文中，Feeling和Affect均有情感的意思，科林斯英語字典定義情感（Feeling）“就是一種情緒（Emotion）”“你對某件事情的情感是你對它的想法和感受，或你對它的態(tài)度”[2]，韋氏字典對情感（Affect）定義為“一組可觀察到的體驗到的情緒表現：通常伴隨著情緒的面部表情、手勢、姿勢、聲調等”[3]。美國心理學會（American Psychological Association，以下簡稱APA）將情感（Affect）定義為“感受或情緒的體驗……通常用積極情感或消極情感來描述，情緒（Emotion）和心境（Mood）都被認為是一種情感狀態(tài)”，APA對情感的另一詞Feelings定義為“一種獨立的可感知經驗，是主觀的、評價性的，并且獨立于喚起它們的感覺、思想或圖像”，情感區(qū)別于感覺、知覺的核心特征是其“評價性”，即情感都是基于主體對客觀事物的主觀評價而產生的[4]。

可見，“情感”和“情緒”聯系密切，情感一詞在使用中有時和情緒同義，同時情感也包含了除情緒外的想法、感受和態(tài)度。情感和情緒的這種難以準確區(qū)分的關系也體現在教育領域，如我國教育家朱小蔓在其著作《情感教育論綱（第3版）》中使用的“情感”一詞，“它包含著情緒和情感的綜合過程，既有情緒的含義，也有情感的含義”[5]。因此在實際教學中所指的情感，也包含情緒和情感的雙重含義。

情感和情緒既有所區(qū)別又相互關聯，情緒可以看作是情感的情境性、暫時性的表達[6]，因此我們往往可以通過對個體當下情緒的觀察以得知其對某事物的具體情感。基于此，本研究形成學科情感目標達成檢測的研究思路：把學科情感目標拆解并在教學設計中預設相應的外顯情緒，以改變傳統(tǒng)的以認知主線為主的教學設計，把情感目標從暗線變?yōu)槊骶€，再進行情感目標教學達成情況與預設目標的匹配度研究及歸因分析，分析不一致或者未達成目標的原因。

（二）情感的維度和類別

從情感的表現而言，情感“是由獨特的主觀體驗、外部表現和生理喚醒等三種成分組成”[7]。也可以從效價、動機強度、喚醒程度三個方面對情感進行分析，效價是指情感的積極性或消極性，如悲傷、憤怒為消極情感，高興、滿足為積極情感；動機強度是指情緒或情感激發(fā)行動的強烈程度；喚醒程度可以通過主觀報告或者檢測交感神經系統(tǒng)的激活程度而得知[8]。我國學者將課堂教學中情感性教學分為三種[9]：樂情，教學能促進學生對課程的喜歡；冶情，教學能使學生獲得積極的情感體驗；融情，教學能使學生與教師和周圍同學情感融洽。并根據內化程度不同，在樂情、冶情、融情三個維度上均進行了四層次劃分。

情緒可以分為基本情緒和復合情緒，“每一種基本情緒都具有獨立的神經生理機制、內部體驗和外部表現，并具有不同的適應功能”[10]，復合情緒則是由不同的基本情緒組合形成。關于基本情緒的種類目前尚未達成共識，有心理學家和人類學家提出至少包含8種基本情緒，也有研究者提出只有4種基本情緒，目前接受度比較高的觀點是包含6種或7種基本情緒：害怕、驚訝、厭惡、難過、憤怒、高興、輕蔑（7種說）。在心理治療中，情感又被分為五種：完全的情感、限制的情感、遲鈍的情感、貧乏的情感、不穩(wěn)定的情感[11]；我國學者將人類具有的高級社會性情感分為道德感、理智感和美感[12]。

（三）情感的檢測方法及應用

根據情感和情緒的三個構成成分，主觀體驗、外部表現、生理喚醒，情感的檢測方式也可以分為三大類：主觀報告法、外部觀察法、穿戴設備監(jiān)測法。

主觀報告法是個體報告自己的情緒情感狀態(tài)，通常通過訪談、問卷、量表、句子完成法等方式進行[13]。訪談既包括正式的訪談也包括非正式訪談，如教師在和學生的偶爾閑談中了解學生的情緒情感就是一種非正式訪談；問卷法、量表法是研究者經常采用的測量方法，該方法操作簡便，結果清晰，但容易受到個體自身期待或動機的影響，且通常是在事件發(fā)生一段時間后才讓個體通過回憶的方式進行主觀報告，其準確性、完整性會受到一定影響；句子完成法是通過讓個體補充完整特定的句子，繼而研究者通過對個體補寫的句子進行分析解讀而得出個體的情緒情感狀態(tài)，該方法對研究者本人的專業(yè)性要求較高。

穿戴設備監(jiān)測法主要通過佩戴相應的儀器設備以檢測個體的腦電、皮膚電、心跳等信息，目前也有研究嘗試采用無線信號識別生理喚醒情況，該技術通過無線信號在接觸一個人身體后回彈，分析其呼吸和心跳信息，從而識別情緒[14]，然而該技術受到雙重技術的阻礙，一方面是無線信號對生理狀態(tài)的反應準確性和完全性，另一方面是如何根據生理信號準確分析出個體的情緒情感狀態(tài)。

外部觀察法主要針對情緒情感所展現出的表情，含面部表情、姿態(tài)表情、語調表情，長期以來主要通過他人的觀察來了解。近年來人工智能技術的發(fā)展也使得機器識別人類情緒情感成為可能，基于AI的情緒自動識別“是采用非接觸式途徑采集個體語言、面部變化和肢體動作等自然狀態(tài)下的生態(tài)化情緒數據，利用機器學習或深度學習等算法建立情緒預測模型，從而實現自動化情緒識別”[15]，現有技術已經可以實現對面部表情、語音表情、姿態(tài)表情的自動識別，情緒的自動識別技術已經廣泛應用于刑偵、銷售、管理等多個領域[16-18]。相比于姿態(tài)表情和語音表情，面部表情的自動識別應用最廣，這是由于面部表情本身是表達情緒的最主要的通道，有研究發(fā)現，情緒表達=7%的言詞+38%的語音表情+55%的面部表情[19]，也有研究表明，面部表情相比于姿態(tài)表情更能準確反應個體的實際情緒[20]。

在教育領域中，面部表情識別最早應用在遠程教育中，用以監(jiān)測學習者情感變化，以調整教學方法，提高教學質量[21]。如有研究者將表情識別與視線跟蹤相結合，構建了遠程學習中的智能教學系統(tǒng)結構模型[22]；另有研究者提出了一種學習困惑的自動識別方法，使教師對學習困惑進行有效檢測并提供干預[23]；也有研究者通過語音、表情和自我報告相結合的方式形成了學習者情緒可視化儀表盤[24]。但這些研究并沒有關注課堂中的學科情感目標的達成。

三、工具研發(fā)：基于情緒識別技術的學科情感目標檢測框架構建

（一）情感目標教學問題聚焦

本研究通過對北京市的不同區(qū)不同學科的教學設計進行調研分析發(fā)現，情感目標設計中存在如下問題：（1）教學設計中缺乏對情感目標的描述或者描述不具體：有的教師在教學設計中缺乏對情感類的目標描述，只關注認知類的目標；還有的教師在教學設計中雖然關注了情感教學目標，但是對情感目標的描述過于籠統(tǒng)，并不能完全精準地對應于“這節(jié)課本身”；（2）情感目標在教學設計中思路不清：絕大部分教師不了解學生情感形成機制，不了解情感目標達成所需要的主要條件，因此表現在教學設計上僅僅只是列為目標，但在落實思路上并不清晰，教學設計中對情感目標的主脈絡是以認知為主線的，忽略情感線索；（3）情感目標達成的檢測不足：教師在進行評價時只關注知識、技能的檢測，通過學生達成的行為來描述和表達，但對于情感目標，由于存在認知偏差，對此達成檢測嚴重不足，情感目標變?yōu)橛坞x于評價之外的因素；（4）情感目標達成的改進策略缺失：由于對情感目標的不明就里，設計的無視和評價的游離，致使學生情感目標達成與否以及存在的問題無法得知，相應地，也就缺乏針對問題的改進策略。

（二）開發(fā)“四能四類三層”情感目標分析表

本研究采用質性研究方法，對2022年版義務教育各學科課標中的“課程目標”、2017年版2022年修訂的普通高中各學科課標中的“學科核心素養(yǎng)與課程目標”部分關于情感目標的表述進行類屬分析，得到新課標中關于情感目標的描述包含情感能力、情感類型兩大類：

1.情感能力指學生在情感表達、情感體驗與情緒情感調控上所具有的能力。具體包括：（1）情感體驗，如“感受和體驗文學作品的語言、形象和情感之美”；（2）情感表達，如“能運用祖國語言文字表達自己的審美體驗，表達自己的情感、態(tài)度和觀念”；（3）情感調控，如“學會調控自己的情緒，積極應對挫折和失敗，保持良好的心態(tài)”。

在實際教學中，還涉及到對情感的認識和分析，如正確認識友情、分析主人公的情感狀態(tài)變化，因此本研究認為教學目標中的情感能力包括情感認知、情感體驗、情感表達、情感調節(jié)；

2.情感類型指學生所需分析、感受、體驗和表達的具體情感。具體分為如下幾類：（1）道德類，含愛黨愛國、愛社會、愛集體、愛家庭、愛勞動、愛自然、熱愛和平、關愛他人等；（2）學習類，含愛學科、學習興趣、學習自信等；（3）審美類，含學科美、藝術美、文化美、自然美、社會生活美等；（4）健康類，含熱愛生活、珍愛生命、自尊自信、享受運動等；（5）人際類，含友情、師生情等。

以課程標準為基礎，我們將情感目標分為“四能四類三層”，四能是指四種情感能力，四類三層是指四種情感類型拆解為三個層次，以便為教師提供更加具體、可操作化的情感目標拆解工具，具體為每一類情感下列出具體情感，以及情感對應最可能出現的情緒。

（三）建立基于情緒識別技術的課堂觀察框架

在實際教學中對學生的情緒情感狀態(tài)進行監(jiān)測和識別，如若采用主觀報告法，可能受到學生的期待和動機影響，傾向于往教師期待的方面報告自己的情緒情感狀態(tài)，或某些情緒片段并未引起學生注意，則無法做出準確的自我報告，也容易受到學生心理發(fā)展水平影響，低年級學生可能對一些詞語缺乏準確的理解[25]，或難以準確清晰地識別和表達自己的情緒情感；若采用穿戴設備法則會影響學生的自然上課狀態(tài)，老師的實時觀察可以幫助老師及時掌握教學效果，但無法實現時時刻刻觀察、全覆蓋觀察。因此本研究建立了如圖1所示的基于面部表情自動識別技術的課堂情感目標檢測模型，該模型通過教室內安裝的攝像頭獲取學生上課時的視頻畫面，進而提取學生面部表情特征并進行基本情緒識別，最終呈現出整節(jié)課的實時表情結果報告。

研究表明，人工智能情緒識別準確率可以達到88%，其中對高興的情緒識別準確率可以達到96%，識別準確率最低的憤怒情緒也可以達到76%[26]。然而目前人工智能自動識別的情緒僅限于基本情緒，即害怕、驚訝、厭惡、難過、憤怒、高興、中性，而實際在課堂教學中，基本情緒僅是學生表現出的情緒一部分，諸如困惑、沮喪等情緒狀態(tài)也是學生學習過程中常見的情緒，與心理喚醒狀態(tài)密切相關，而目前的情緒識別技術卻無法很好地將其與中性情緒區(qū)別開來[27]。為此，本研究將情緒自動識別技術與傳統(tǒng)的觀察法相結合，以幫助教師檢驗自己的教學過程，并改進教學設計和教學技能。

1976年，Ekman和Friesen提出6種基本情緒，并基于6種基本情緒提出面部表情編碼系統(tǒng)（Facial Action Coding System， FACS），該系統(tǒng)成為后來研究者和實踐者進行面部表情自動識別普遍采用的系統(tǒng)，系統(tǒng)可以讓編碼者基于情緒表達的46個動作單元和面部動作進行情緒評估，Ekman和Friesen提供了“面部表情編碼手冊”，手冊共包含9個方面的信息，就算是第一次參與面部表情識別規(guī)則的人員也能使用該手冊進行工作[28]，但FACS系統(tǒng)的使用需要投入大量的時間和精力，工作人員需要反復不斷地練習及對每一個表情進行多輪次打分，這一特點恰好是人工智能技術的優(yōu)勢所在，人工智能識別技術正是建立在深度學習的基礎上，相比于傳統(tǒng)手動識別的方法，深度學習方法可以自動提取特征并以端到端的方式進行分類[29]。人工智能面部表情識別的核心是模型的訓練，一般基于實驗室環(huán)境下和自然環(huán)境下的數據集對模型進行反復訓練[30]，實現面部表情自動識別模型的建立和優(yōu)化。整個面部表情識別過程一般包含數據收集和處理、面部特征檢測和提取、表情識別（分類）、輸出結果并評估等步驟[31-33]。具體到教學場景中，基于人工智能的面部表情識別應用框架，主要包括感知層、算法層、數據層和應用層。

（1）感知層

感知層是整個技術框架的感知終端，利用終端設備對課堂教學過程中產生的非結構化數據進行采集。通常使用的設備包括攝像頭（彩色攝像頭，深度攝像頭，紅外攝像頭等），拾音器陣列，智能手表/手環(huán)，心率采集裝置，腦電波采集裝置等。其中后三種設備在教育場景的普及度較低，本研究采用彩色攝像頭與拾音器搭配的采集方案，以便實現無侵入的數據采集，不影響正常教學流程。

（2）算法層

算法層是技術框架的核心，主要對感知層采集到的非結構化數據進行分析，將其轉變?yōu)榻Y構化的信息。如針對圖像數據進行人員身份識別，動作姿態(tài)檢測，情感計算，以及圖像層面的統(tǒng)計指標分析。針對語音數據進行說話活動識別，說話人識別，以及語音指標統(tǒng)計。更進一步通過時間軸的統(tǒng)一可以將語音信息與圖像信息進行關聯分析，綜合教學的場景特點得到語音和圖像信號的關聯關系。

（3）數據層

數據層主要利用機器學習、模式識別等技術對算法層產生的結構化數據進行進一步的處理。預先標注特定行為后對獲取結果進行分類識別。對于新的模式可以利用無監(jiān)督算法進行聚類分析，找到不同數據的不同模式。例如在無先驗知識的情況下對班級內學生的學習模式的聚類，對不同班級或不同老師之間的教學模式的聚類。

（4）應用層

應用層是課堂觀察技術框架的最頂層，是身份特征識別、行為識別和情感計算等智能感知技術形態(tài)實現的最終功能體現。應用層通過接收來自算法層的數據處理結果，面對課堂場景，面對不同對象，提供情緒變化可視化數據等，如情感飽滿度、音量與節(jié)奏的授課分析，情感與課堂氛圍的聽眾分析。

四、問題解決：基于學科情感目標檢測框架的教學改進

為幫助教師更好地達成一節(jié)課的情感目標，課題組為教師提供了系列工具支架，包括課節(jié)目標描述工具、預設環(huán)節(jié)目標拆解工具，其中課節(jié)目標描述由教學情境、情感能力、情感對象、具體情感四部分組成，通過四部分描述可以幫助教師將情感目標具體化，加強課節(jié)目標對整節(jié)課的引導作用；預設環(huán)節(jié)情感目標拆解分為教學內容/模塊、教學情境、情感能力、具體情感、對應情緒，該工具既可以幫助教師提高教學設計的科學性、有效性，也可以提高情緒自動識別結果與預設結果對比分析的準確率。

以一堂小學三年級語文課《在牛肚子里旅行》為例，本課中課節(jié)情感目標為：通過對課文內容的分析認識友情的內涵，在現場表演中體悟青頭和紅頭之間的珍貴友情，在分享友情故事中拓展對友情的認識，進而珍惜友情。根據教學設計，教師預設1—10分鐘以著急、高興情緒為主，10—20分鐘以興奮、感動為主，20—30分鐘以感悟為主，30—40分鐘以領悟為主。教學結束后，AI情緒分析結果顯示，整節(jié)課學生的正面情緒（高興、驚喜）占18%，中性情緒占79%，負面情緒（傷心、生氣、害怕）占3%，其中正面情緒主要為高興，負面情緒主要為生氣。具體如表1所示。

整體而言，這節(jié)課的情感目標教學效果與預期存在一定差距，這與教師對情感目標教學經驗不足有關，特別是關于學生情緒發(fā)生的影響因素、情緒的準確命名上存在較為明顯的短板，如教師反思到學生的情感變化最大的原因不是故事情節(jié)的變化，而是課堂上教師的語言、教學活動的安排，這與該環(huán)節(jié)本身的設計有關，課前引入環(huán)節(jié)，以“談話”導入的方式，未能很好地激發(fā)學生的情緒情感狀態(tài)，也影響了整節(jié)課的情感基調，因此建議該環(huán)節(jié)加強情境創(chuàng)設；又如教師對20—30分鐘、30—40分鐘的情緒情感進行預設時，未能將其進一步細化到可明確觀察的情緒層次，感悟感、領悟感本身包含多種情緒成分和過程，如學生從困惑到驚訝、興奮，可能還會有因為獲得了新知而產生的滿足。這節(jié)課中，教師呈現的配樂、圖片等，對于幫助學生理解故事內容，激發(fā)學生預設的情緒情感狀態(tài)的作用比較明顯，可見適當呈現形式多樣的材料對于實現情感教學目標是有幫助的。

基于上述分析，我們與授課教師對這節(jié)課的教學設計共同進行了改進，包括以視頻故事的方式作為導入；在表演環(huán)節(jié)由原來的兩組學生（共計4個學生）上臺表演改為全班同學兩兩一組同時表演，結束后請同學分享感受；提前一天讓學生準備友情故事，以便在最后的友情故事分享環(huán)節(jié)進行高質量的分享；同時，我們還建議教師在上課時，注意充分利用自身語調、表情、動作等情緒表現來帶動學生的情緒情感狀態(tài)。在第二次教學后，教師和研究者通過觀察，都認為學生的情感目標達成效果好于第一次課堂，AI情緒識別結果也顯示學生的中性情感占比下降至50%，正面情緒和負面情緒占比均有所增加，在各環(huán)節(jié)的情緒占比相比第一次課堂更加符合預設狀態(tài)。

五、前景展望：情緒自動識別技術應用于情感目標教學的前景與挑戰(zhàn)

（一）未來發(fā)展與應用前景

情緒自動識別技術已經廣泛應用于管理、醫(yī)療、游戲等多個行業(yè)，目前也有研究與實踐嘗試將該技術應用于學校教學，其客觀性、高效性可以為教師和研究者提供較為準確、豐富的支持性數據，幫助教師更加客觀、完整地分析課堂中學生的情緒情感狀態(tài)。對學生情緒情感狀態(tài)的識別不僅可以用作檢驗情感目標教學效果，也能為日常教學中監(jiān)測學生學習動機激發(fā)情況、學習卷入度情況、學習效果等提供支持[34-36]，目前的研究主要將情緒識別的結果用于教學評估，如教學質量的評估[37]、學習過程狀態(tài)評估[38]，對于情緒識別數據在教學中的應用還可以更加多元，如推動個性化學習，目前已有研究嘗試利用情緒自動識別的結果進行個性化學習內容的推送[39]，利用情緒自動識別結果為推動學生個性化學習進程服務也是未來情緒自動識別應用于教學的重要方式。目前情緒識別技術主要應用在線上教學過程中，但在日常的線下課堂教學中的應用還存在一定的滯后性，即在教學過程結束后才進行結果分析，教師再根據結果反思教學，改進下一次教學，這種方式無法讓教師對本堂課進行實時改進，未來還需進一步探討在常規(guī)班級授課環(huán)境下，如何進一步使情緒識別結果實時反饋給授課教師，讓教師在上課的過程中就可通過實時數據了解學生的情緒情感狀態(tài)，及時調整教學安排。

（二）可能的挑戰(zhàn)

情緒自動識別的應用一直處于較窄范圍的實驗，其最大的阻礙在于情緒自動識別的范圍有限。一方面，目前對情緒的自動識別還僅限于七種基本情緒，基本情緒只是人類情緒類別中的冰山一角，并不是學習情境中發(fā)生頻率最高的情緒類別，且面部表情存在較大的地域文化差異，將情緒的自動識別拓展到更多的復合情緒還有很長的一段路要走，且涉及心理學、生理學、社會學、信息科技等多個領域。情緒自動識別的發(fā)展首先要突破對情緒的識別范圍，隨著技術的不斷推進，對情緒識別進行更加細分領域的模型訓練成為可能，如分地域、文化的情緒識別。另一方面，目前的情緒識別訓練數據集都是以清晰正面鏡頭的面部數據為基礎，而像教室中采集的普通群像的視頻集數據，存在面部信息不全、位置不正、位置變換等情況，使得實際數據分析存在較大的困難，如何解決自然群體錄像中的面部特征數據的缺失帶來的問題，也是情緒識別技術常態(tài)化應用于常規(guī)課堂教學所面臨的挑戰(zhàn)。

參考文獻：

[1] 聯合國教科文組織.反思教育：向“全球共同利益”的理念轉變？[M].北京：教育科學出版社，2017.

[2] Collins English Dictionary.Definition of feeling [EB/OL].https：//www. collinsdictionary.com/dictionary/english/feeling，2023-04-01.

[3] Merriam-Webster Dictionary.Affect Definition and Meaning [EB/OL]. https：//www.merriam-webster.com/dictionary/affects，2023-02-24.

[4] American Psychology Association.APA dictionary of psychology--feelings [EB/OL].https：//dictionary.apa.org/feeling，2023-01-01.

[5] 朱小蔓.情感教育論綱（第3版）[M].南京：南京師范大學出版社，2019.

[6][7][10][12] 彭聃齡.普通心理學（第四版）[M].北京：北京師范大學出版社，2012.

[8] Eddie Harmon-Jones，Philip A.Gable，et al.Does Negative Affect Always Narrow and Positive Affect Always Broaden the Mind Considering the Influence of Motivational Intensity on Cognitive Scope [J].Current Directions in Psychological Science，2013，22（4）：301-307.

[9] 盧家楣.課堂教學的情感目標分類[J].心理科學，2006，29（6）：1291-1295.

[11] Verywellmind.Understanding Inappropriate Affect [EB/OL].https：//www. verywellmind.com/understanding-inappropriate-affect-4767992，2022-11-26.[13] 趙德成.課程實施中的情感、態(tài)度和價值觀評價[J].課程·教材·教法，2003，（9）：10-13.

[14] 黃勇萍.基于無線信號的情緒識別應用研究[J].無線互聯科技，2018， 15（20）：24-25.

[15][16] 胡心約，張怡路等.基于AI的情緒識別在組織中的實踐：現狀、未來和挑戰(zhàn)[J].中國人力資源開發(fā)，2022，39（1）：57-70.

[17] 楊天琪.訊問中謊言識別技術智能化及其法律風險規(guī)制研究[D].武漢：中南財經政法大學，2020.

[18] 劉洋，秦海波.語音情緒識別技術在載人航天領域的應用[J].人民論壇·學術前沿，2018，（17）：69-73.

[19] 陳子健，朱曉亮.基于面部表情的學習者情緒自動識別研究——適切性、現狀、現存問題和提升路徑[J].遠程教育雜志，2019，37（4）：64-72.

[20] Paul Ekman，Wallace V.Friesen.Detecting deception from the body or face [J]. Journal of Personality and Social Psychology，1974，29（3）：288-298.

[21] 李勇帆，李里程.情感計算在網絡遠程教育系統(tǒng)中的應用：功能、研究現狀及關鍵問題[J].現代遠程教育研究，2013，（2）：100-106.

[22] 程萌萌，林茂松等.應用表情識別與視線跟蹤的智能教學系統(tǒng)研究[J].中國遠程教育，2013，（3）：59-64.

[23] 江波，李萬健等.基于面部表情的學習困惑自動識別法[J].開放教育研究，2018，24（4）：101-108.

[24] Mohamed Ez-zaouia，Lavoué E.EMODA：a tutor oriented multimodal and contextual emotional dashboard [EB/OL].https：//doi. org/10.1145/3027385.3027434，2017-03-13.

[25] 姜媛，林崇德.情緒測量的自我報告法述評[J].首都師范大學學報.社會科學版，2010，（6）：135-139.

[26] Sabrina St ckli，Michael Schulte-Mecklenbeck，et al.Facial expression analysis with AFFDEX and FACET：A validation study [J].Behavior Research Methods，2018，50（4）：1446-1460.

[27] Bethany McDaniel，Sidney D Mello，et al.Facial Features for Affective State Detection in Learning Environments [J].Proceedings of the Annual Meeting of the Cognitive Science Society，2007，29（29）：467-472

[28] Paul Ekman，Wallace V.Friesen.Measuring Facial Movement [J]. Environmental Psychology end Nonverbal Behavior，1976，1（1）：56-75.

[29][31] Muhammad Sajjad，Fath U Min Ullah，et al.A comprehensive survey on deep facial expression recognition：challenges，ap plications，and future guidelines [J].Alexandria Engineering Journal，2023，68：817-840.

[30][32] 張雋睿.基于深度學習的靜態(tài)和動態(tài)面部表情識別研究[D].成都：電子科技大學，2022.

[33] 李廣鵬，劉波等.一種基于機器學習的人臉情緒識別方法研究[J].計算機技術與發(fā)展，2019，29（5）：27-31

[34] 龔雅云，唐小煜等.基于面部情緒識別的物理實驗教學過程評價[J].物理實驗，2020，40（9）：20-31.

[35] 陳盛，戴建邦等.基于學生情緒動態(tài)識別的課堂教學研究[J].中國教育信息化，2019，（13）：33-36.

[36] 陳子健.在線學習環(huán)境下基于面部表情的學習情緒識別方法及應用研究[D].武漢：華中師范大學，2020.

[37] 譚利，陳子洋等.基于情緒識別和深度學習的課堂教學質量形成性評價算法[J].信息與電腦，2022，（17）：236-241.

[38][39] 謝盼，張賀.基于面部情緒識別的在線學習過程評價的研究與實現[J].吉林廣播電視大學學報，2021，（6）：24-27.

作者簡介：

王凱：研究員，博士，主任，研究方向為課程理論與實踐。

余發(fā)碧：助理研究員，碩士，研究方向為課程理論與實踐研究、教材編寫與管理。

李敏：中學一級，碩士，研究方向為學習方式變革、電子教材。

Research on Subject Emotion Goal Achievement Detection and Teaching Improvement Based on Expression Recognition Technology

Wang Kai1， Yu Fabi1，2， Li Min1

（1.Beijing Institute of Educational Sciences， Beijing 100036； 2.Faculty of Education， Beijing Normal University， Beijing 100875）

Abstract： Emotional ability is the key to humans survival and development. Carrying out emotional teaching in classroom teaching is not only an important way to cultivate students emotional ability， but also the due meaning of the implementation of curriculum standards. Based on the emotion automatic identification technology and combined with teachers ‘observation， this study constructs a model to help teachers test the effect of emotional goals. This model is simple and easy for teachers. The automatic emotion recognition technology can promote the implementation of the new curriculum standards， and improve the accuracy and comprehensiveness of teachers teaching reflection.

Keywords： facial expression recognition； affect goals； analyzing model

責任編輯：李雅瑄