课堂环境中智能情感评价系统的设计与应用研究

发布时间：2020-04-06 21:19

【摘要】：随着人工智能技术迅速发展,教育领域迎来了人工智能时代。表情识别技术作为教育人工智能的关键技术,正在助力教育的变革。表情识别技术通过捕捉人脸面部表情,利用算法分析,赋予计算机识别、理解人类情感的能力。经过大量的文献研究发现,目前在教育领域,表情识别技术主要被应用到网络环境下的学习中,用来解决网络环境下师生交互过程中情感缺失问题。而对于课堂环境下应用表情识别技术辅助教师完善课堂教学评价的研究还不是非常广泛。课堂教学评价是对课堂教学过程中客体对象产生的行为进行评价,主要包括教和学两个方面。对于一堂课来说,完善的课堂评价机制既能够促进学生成长,也能够推动教师专业教学能力的提高。因此课堂教学评价在现代教学中占有重要地位,它不仅是成功开展教学的基础,更是实施各种教育决策的基础。但是经过调查研究发现,目前课堂教学评价效果并不是很理想,现代的课堂评价存在以下问题:其一,评价角度多为认知层面,忽略了对学生情感方面的评价;其二,一对多的课堂教学环境,难免造成评价的不全面,不及时性;其三,现有的评价方式不利于个别化教学的开展,无法充分的发展学生的个性;其四,评价方式单一,随着信息技术的迅速发展,技术改善教学是教育的大势所趋。本研究提出了一种适用于课堂教学的,基于表情识别技术的智能情感评价方法。首先,通过文献分析法和调查法总结了课堂教学中常见的五种学习情感状态,包括倾听、理解、疑惑、抗拒和不屑,并定义了五种学习情感状态的表情特征,以及给出了表情分类的依据。其次,提出了评价课堂教学质量的三个指标,包括关注度、参与度和疑难度,并给出了系统计算公式。再次,对智能情感评价系统进行需求分析,详细介绍了该系统的设计思路,包括总体架构和各模块设计。最后,采用实验法,将智能情感评价系统应用到大连市某高级中学的语文课堂,通过具体应用实例来探究本系统的可行性和有效性。最后以访谈的形式与该校师生进行沟通和交流,获取他们对情感评价系统的反馈意见。结果表明本系统操作简单且识别结果具有较高的准确率,能够为教师提供智能的、全面的教学反馈,促使教师及时掌握课堂教学内容及学生学习情况,节省人力和物力的同时实现了对于课堂教学来说较强的实用价值。
【图文】：

课堂环境,表情,面部表情

辽宁师范大学硕士学位论文，科学家坎农、汤姆金斯、伊扎德等人先后对情感的身体反应过程明情感一旦激活，身体的内脏反馈远慢于面部活动，并且这些反馈观察。由此，汤姆金斯认为面部表情其实就是情感[14]。的学习表情教学中，学生的表情是对当前所学内容理解程度的一种反馈，也具学生理解了当前的知识点，学生的表情通常是愉快的、自信的；当难以理解时，学生的表情通常是焦虑的、困惑的；当学生在学习过学生的面部表情通常是双眼无神、眼睛变小，甚至眼睛闭合；当学趣时，通常会出现走神现象，如图 2.1 所示。因此教师应该重视这情反馈的信息及时调整教学策略，调动学生积极的情感体验，促使。

部分内容,活动单元

图 2.2 是面部运动编码系统的部分内容。FACS 将人脸划分为单位，每一个最小的活动单位被称为活动单元（AU），一个 AU 可包肉组织。艾克曼经过大量研究总结了面部活动单元与表情变化之间数的面部表情是由几个活动单元（AU）组合一起形成的，这些组合间存在着主、次之分，当一个活动单元在某个面部表情中占主导地次要活动单元特征不明显时是可以被忽略的。比如惊讶时通常会出上抬且向上弯曲、双唇分开、下颌下垂等特征；愤怒时通常伴有眉毛之间有邹纹，双唇紧闭、有时眼睛会眯成缝等表情特征；悲伤时脸部或者扬起，两眉之间有垂直的皱纹，嘴角下撇；恐惧时两眉毛同时，并锁在一起，嘴巴紧张且向回收缩；快乐时眉毛舒展，，眼睛弯弯，眼睛、眉毛、嘴巴和鼻子等部位的状态是区分不同面部表情依据。单一活动单元引起面部变化，和所有可能的组合活动单元引起面部变描述，并且制作了手册，为后人相关的研究起到指导作用。
【学位授予单位】：辽宁师范大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：G434

【相似文献】