论文部分内容阅读
随着信息化社会的发展，以注重学生学习个性化、自主化的自适应学习系统越来越受到人们的关注。自适应学习系统是在自适应超媒体系统基础上发展起来的，它拥有智能导学系统的特性，并且比以往的网络学习系统在技术功能上具有更多的优势，这使得它成为未来远程学习发展的趋势。自适应学习系统由三部分组成，即学生模型、领域知识模型和适应性引擎，其中学生模型在自适应学习系统中占有重要的地位。学生模型在计算机系统中用来抽象表示现实世界中的学生的个性特征，而学习系统在一定程度上扮演指导教师的角色。学生模型中对学生特征的完整描述和准确表征，这都直接影响学习系统能否为学生提供合适的学习内容和学习策略等，进而也影响学生能否实现个性化学习。 从目前的学生模型来看，对学生的情感因素在学习过程中的作用还很少考虑，这将导致学生在学习过程中缺乏情感支持。如果学生在学习过程中遇到难题时，不能得到系统的实时的情感关怀，那将对自适应的教学效果产生消极影响。本文就自适应学习系统与学生之间缺乏的双向情感交流问题，提出一种基于情绪感知的学生模型。通过表情识别技术感知学生的情绪，建立动态的学习风格和实时的情绪状态以及实时的学习动机。本文给出了学生模型完成学习风格、情绪状态和学习动机动态分析的原理及其实现方法，并采用一种教学模拟实验验证本文给出的学生模型完成学习风格、情绪状态和学习动机动态分析及其实现方法是否可行。 本文的贡献和创新： （1）为了解决学习系统与学生之间缺乏双向情感交流的问题，本文在 CS-LS学生模型基础上，建立了一个基于情绪感知的学生模型。学生模型在传统的学生模型基础上加了两个部分，即情绪状态和学习动机。 （2)动态的学习风格、实时的情绪状态以及实时的学习动机的分析。相对于传统学生模型来说，本文建立的学生模型优点在于，学习风格、情绪状态和学习动机因素都是基于表情识别技术计算的，学习系统动态、实时地获取这些信息。