51、计算机学习环境中基本情绪与成就情绪的关系建模

计算机学习环境中基本情绪与成就情绪的关系建模

在计算机学习环境中，检测学生的情绪对于开发能够响应学生情感需求的教学干预措施至关重要。随着情感计算领域的发展以及情绪在自我调节学习中的重要性日益凸显，研究者们一直致力于开发能够集成到计算机学习环境中的情感检测技术。然而，不同领域对于情感检测的侧重点有所不同。

1. 研究背景

在教育领域之外，大多数情感计算研究侧重于检测被认为是人类心理基础的原型基本情绪。商业面部情感检测软件通常在大型数据库上进行训练，能够高精度地检测基本情绪，并且可以集成到任何配备网络摄像头的计算机上，提供准确且非侵入性的情绪检测。

但在计算机学习环境中，学习者面临的是更复杂的成就情景，这些情景会引发诸如困惑、沮丧和专注等成就情绪。目前，用于检测这些成就情绪的模型存在一些问题。基于活动特征的模型具有上下文敏感性，开发和部署都需要大量精力；基于面部特征的模型虽然更具通用性，但由于缺乏跨不同人群的大型测试数据集，预测特定情感状态的准确性较低。

因此，一种替代方法是开发将成就情绪与基本情绪联系起来的方法，以便将商业软件的输出转化为报告学术成就情绪。

2. 情绪相关概念

2.1 基本情绪

随着时间的推移，研究者们定义了一组处理普遍人类情况或在人类进化中具有基本生物和社会功能的基本情绪。例如，悲伤会引发同理心，恐惧会引发保护行为。Ekman列出的七种基本情绪状态包括愤怒、轻蔑、厌恶、恐惧、喜悦、悲伤和惊讶，并且每种基本情绪都有独特的面部表情。

目前，像iMotions AffDex这样的商业软件，通过使用情感面部动作编码系统（EMFACS），能够从面部特征高精度地预测这些