25、自适应推理：用于增强电子学习的情感相关反馈方法

自适应推理：用于增强电子学习的情感相关反馈方法

1. 引言

由于新冠疫情的影响，电子学习近年来迅速兴起并广受欢迎。在疫情期间，全球大多数大学都转向了紧急在线教学，如今在线教学已成为新常态。对于学习者、教师和课程开发者而言，了解学习者在在线教学过程中的学习情况至关重要。

目前，分析学习者学习情感的方法有很多，如同伴评价、调查、开放式问题、拖放练习、测验和游戏化等。然而，这些方法在教学过程中无法为教师提供实时反馈。传统课堂上，教师主要通过观察学习者的面部表情、肢体语言、眼神等身体特征来判断他们的学习情感，还会通过提问来评估学习者的理解程度。

近年来，研究人员开始运用机器学习技术，对学生的面部表情等线索进行分类，以预测他们在课堂和在线环境中的学习情感。但在实时在线环境中，利用学习者表达的情感状态评估其理解程度并及时提供反馈仍是一个复杂的问题。因此，提出了一个基线框架来解决这一问题，相关反馈的目标是基于学习者表现出的线索与教师（在本文中为机器学习模型）推断出的线索之间的推理。

推理通常被认为是生物所展现的智能行为。人类能够自然地对所见事物之间的关系进行推理，并得出逻辑结论。但对于机器来说，从数据流中提取有意义的模式是一个难题。近年来，推理在图像理解、信号处理、机器人技术和通用人工智能等领域受到了广泛关注。将推理概念融入电子学习中，用于学习情感估计和反馈生成将具有重要意义。

学习情感指的是学习者在学校表现和获得的态度、兴趣和价值观，对其毕业后的生活影响可能远超学业成绩。对学习情感进行推理十分重要，原因如下：
- 帮助教师推断学习者情况，设计后续课程。
- 有助于设计情感响应式学习环境，帮助学生控制情绪，提高学习参与度。