石宜金，賈志洋

（1.云南大學旅游文化學院，云南麗江 674100；2.北京大學信息科學技術學院，北京 100871）

基于維度情感計算的E-Learning模型研究

石宜金1，2，賈志洋1

（1.云南大學旅游文化學院，云南麗江 674100；2.北京大學信息科學技術學院，北京 100871）

以維度情感模型為基礎劃分學習者學習情感，采用情感計算方法，定量表示學習情感和學習者性格，在學習過程中結合情感計算值和知識體系難度劃分來動態(tài)進行知識點推薦和交互。提出了基于維度情感模型的情感計算方案，用以建設現(xiàn)有E-Learning系統(tǒng)，增加系統(tǒng)的個性化推薦策略，提高系統(tǒng)交互性，從而達到增加系統(tǒng)效用，為學習者服務的最終目的。

E-Learning；情感模型；情感計算；推薦策略

E-Learning將網絡技術和多媒體技術進行整合作為一種教學輔助模式進入高校，在一定程度上打破了高校課堂的禁錮，成為學生學習的又一種學習輔助模式〔1〕。然而教師與學生之間在空間上存在的間隔，導致E-Learning系統(tǒng)的人性化和推薦策略遇到瓶頸，導致E-Learning系統(tǒng)難以發(fā)揮較佳的效用，主要表現(xiàn)在E-Learning現(xiàn)有系統(tǒng)利用率較低，教學內容和學生的需求不平衡，這將致使學生的學習情感缺失，甚至放棄使用E-Learning系統(tǒng)。Jay Cross曾指出E-Learning中學習（Learning）更為重要，因此在E-Learning系統(tǒng)中導入學習者的情感因素計算體系〔2〕，讓網絡學習系統(tǒng)能夠識別學生情緒，提高人機交互，通過交互反饋向學習者進行動態(tài)課程推薦，在一定程度上提高E-Learning系統(tǒng)的效用，才能充分為學習者服務，達到E-Learing的最終目的和系統(tǒng)開發(fā)的初衷。

在Manouselis與C.Costopoulou〔3〕論文中對推薦系統(tǒng)進行了闡述，可以做出如下定義。

定義1 推薦系統(tǒng)是一種依據綜合信息，來預測特定的系統(tǒng)用戶對一個特定的物品（預測問題）是否喜歡或能否引起對該用戶的興趣的系統(tǒng)。

定義2 E-Learning推薦系統(tǒng)是利用推薦技術，來判斷用戶對系統(tǒng)中所提供的推薦的滿意程度，同時為決策提供依據。

將推薦技術引入到E-Learning系統(tǒng)中的建設將能幫助學習者尋找適合自己的課程資源，同樣的在推薦系統(tǒng)中引入學習者的個人情感元素將能進一步提高E-Learning系統(tǒng)的效用。

1 情感表示模型

伴隨人類的認知過程而產生了情感，關于人的情緒方面的起伏變化定性表示可以分為喜、怒、哀、樂等。而將情感進行定量表示，是將情感進行量化便于情感進行計算，情感量化結果的好壞直接影響著情感識別的準確性，從而影響推薦系統(tǒng)的精確性。因此對各種情感進行表示成為進行情感研究的一個復雜而困難的問題。早在19世紀，就有學者將情感作為自然科學研究的對象，情感的研究主要涉及多門學科如：心理學、生理學、認知學等。筆者通過查閱文獻發(fā)現(xiàn)，學者們將情感的表示分為兩大類：一是維度（連續(xù)）情感模型；二是離散情感模型。筆者主要進行了維度情感模型的研究。關于維度情感模型的觀點主要有以下幾種。

Plutchik〔4〕表示情感具有強度、相似度、兩極性3個維度，提出了情緒三維模型。

Russell〔5〕提出了環(huán)狀模型。他將情緒分兩個維度:愉快度和強度。愉快度分為愉快和不愉快，強度分為中等強度和高等強度。由此可以組合成4種類型:愉快-高等強度是高興，愉快-中等強度是輕松，不愉快-中等強度是厭煩，不愉快-高等強度是驚恐。這種分類評價情感的方法，在許多國家都得到了一致的研究結果。

1996年Mehrabian〔6〕提出的PAD三維模型是目前在心理學界常用的模型。PAD又稱為維度測量模型，愉悅度（P）、激活度（A）和優(yōu)勢度（D）3個維度。P（Pleasure-displeasure）指的是個人情感狀態(tài)的特征；A（Arousal-non-arousal）展示的是個人的生理激活水平；D（Dominance-submissiveness）描述的是個體對于特定情景和他人的情形下的控制狀態(tài)。

PAD模型給出了將情感空間進行描述的理論構想，同時還采用了量化的方法來幫助建立情感的模型進行進一步分析，在這基礎上能夠構建基于情感計算的個性空間〔7〕。

2 E-Learning系統(tǒng)情感計算模塊導入

E-Learning系統(tǒng)通過信息技術運用，整合教學資源，通過指導進程來查詢成績庫和知識庫來確定特定學習者的學習模式并將學習確定后的學習模式發(fā)送給學習進程，最終將多媒體和網絡教學資源（主要為視頻資源）傳送給學習進程〔8〕。系統(tǒng)情感計算模塊的導入主要是改進了參考文獻〔9〕中關于氣質類型的情感計算算法，在原有算法的基礎上進一步增加了推薦模塊和反饋模塊。學習結束后將學習者的學習表現(xiàn)發(fā)送給評價進程，對本次學習進行評價，并將成績導入成績庫。根據目前已有情感計算算法，結合情感計算的理論基礎，融合知識體系的難易程度，E-Learning系統(tǒng)中添加學習者性格庫，對性格分析和學習情感進行分析，以分析結果指導學習者的學習進程和推薦合適難度的知識點，從而提高E-Learning個性化推薦系統(tǒng)的效用。

加入的學習者性格模塊起到的作用有：

（1）通過學習者面部表情識別，經由性格分析后得出真實的情感狀態(tài)，并傳達給情感進程，反饋給指導進程，以便判斷學習者此刻情緒狀態(tài)下的學習能力，為其后續(xù)學習進行指導;

（2）評價進程在對學生當次的學習效果進行評價時，通過人格庫獲得學習者的性格，以便更好地對學習者的學習表現(xiàn)進行評價。本文作者的研究重點在于通過氣質類型人格庫對學習者的情感狀態(tài)和學習能力進行評價，對其后續(xù)學習進行指導。

2.1知識體系圖構建知識體系圖是對學習內容的知識結構進行規(guī)劃，建立起學科知識科學的知識樹，并根據學習者的學習進度對不同的知識點進行不同的難度標記，使得系統(tǒng)在為學習者進行知識分配時，能夠更好地考慮到學習者對該知識點的學習能力，以及在情緒狀態(tài)下能否進行學習該難度的知識點〔9〕。建構原則如下：將一課程分為H個章節(jié)其中的第I個章節(jié)內部又劃分為n個知識點，然后把這些知識點分別定義為K1，K2，K3，…，Kn共n個知識點，最后來生成一個n×n矩陣，表示各個章節(jié)之間的關聯(lián)度，例如：Kij（1≤i≤n，1≤j≤n）所表示的是j知識點是否為i知識點的前置知識點內容，若直接相關聯(lián)則cij=1，否則cij=0。假設n=5，且生成的章節(jié)矩陣為構建知識體系圖，如圖1所示。

圖1 知識體系圖

知識體系圖構建以后可以進一步構建學科專業(yè)體系圖，首先建立相應的數(shù)據結構，可以生成一個有向無圈圖（Directed Acyclic Graph，DAG），然后由專業(yè)教師對專業(yè)學科課程內容進行排序，最終生成科學的學科課程的知識體系圖。其中對于學科專業(yè)知識體系圖的排序，由于在知識體系圖的深度優(yōu)先搜索中，頂點間（即課程內容或知識點）前后代關系按照邊的指引（即課程之間的前后繼關系），進而可以得到拓撲排序，給出一個學習整個專業(yè)課程的學習順序。

2.2維度情感計算算法知識體系構建后，在ELearning系統(tǒng)中加入維度情感計算。根據學習者的初次學習性格測試，首先將學習者性格分為4類〔9〕：活潑敏捷型、精力旺盛型、安靜穩(wěn)重型和抑郁質類型。

定義3 根據PAD維度情感模型，在學習者學習的過程中將學習情感分為4類，并根據學習者性格類型的特點，得出情感感受矩陣Q，

其中，行代表快樂、輕松、厭煩、驚恐，列分別代表學習者的4種性格，Qij(0≤i≤4,0≤j≤4)則表示某一種性格類型下對應的學習情感的強度（即不同學習者的性格類型對于快樂、輕松、厭煩、驚恐的感受強度不同）。

定義4 通過對學習者和人的性格進行類型測試得出相應的學習性格類型向量X，則X=（qχ1活潑型，qχ2精力旺盛型，qχ3安靜穩(wěn)重型，qχ4抑郁質類型）T。其中4種人物性格：qχ1+qχ2+qχ3+qχ4=1表示學習者在學習過程中的各種性格個性所占比例。如在學習較難知識點時，活潑型比例和學習精力下降同時伴隨抑郁參數(shù)值上升，則此時針對學習狀態(tài)作出相應變化，系統(tǒng)需進行知識的學習調整或給出相應的推薦建議。

定義5 根據情緒感受性矩陣Q和學習性格類型向量X，可以得出情感強度向量QX。

表示系統(tǒng)學習者的情感學習向量，在推薦算法中根據對應采集數(shù)據得出一種改進算法。

步驟1:根據人臉表情識別技術初步計算得出情感向量λ，例如快樂的情感向量為λ=（1,0,0,0），厭煩的情感向量表示為λ=（0,1,0,0）等。具體識別以后的參數(shù)可根據具體使用系統(tǒng)后再重新進行一次調節(jié)，找出最佳參數(shù)。由λ×QX得出相應的QXi，0≤QXi≤1，i=（快樂，輕松，厭煩，驚恐）。

步驟2:根據QXi的值，可以得出適合學習者當前情緒狀態(tài)的知識點難度類型。首先設定一定的比較參數(shù)值對應學習相應難度的知識點所需要的情感參數(shù)值。

步驟3：根據學習者的情感計算和知識反饋，對需要推薦的內容進行相應的調整，同時根據學習者最后的學習狀態(tài)做出相應的評價，并做出適當?shù)闹笇W習步驟，最后做出一定的推薦反饋。

3 系統(tǒng)初步設計

系統(tǒng)的設計引用了基于氣質類型的情感計算模型，在該模型的基礎上進行了改進，并將該模型引用于在建系統(tǒng)的系統(tǒng)設計中。改進的E-Learn?ing系統(tǒng)模型可分為兩個大的部分：一是學習者信息登錄部分，二是知識學習指導部分?？梢詫⒄麄€系統(tǒng)設計為如圖2所示，在整個系統(tǒng)中，可以將其主要功能分為3個部分。

（1）第一次非注冊用戶初次登錄注冊時，需要填寫一個任務性格類型測試，得出的性格類型導入人格庫中;已注冊用戶登錄開始學習時，進行面部的表情識別，再根據性格類型計算其情感狀態(tài)。

圖2 維度情感模型系統(tǒng)

（2）系統(tǒng)中包含已建設好的基于協(xié)同過濾的個性化推薦系統(tǒng)〔10〕，學習開始首先進行個性化推薦，推薦學習者所選學習內容的課程資源，課程資源是建設知識庫的重要保證，同時也是影響E-Learning系統(tǒng)的關鍵因素之一〔11〕，在資源確定后，再根據學習者的學習情感進行難度推薦，學習結束后對學習結果進行分析，并作出評價，根據評價結果重新設定推薦知識點。

（3）系統(tǒng)跟蹤計算學習者的情感狀態(tài)，從學習者的性格庫中分析當前學習者學習狀態(tài)，根據情感狀態(tài)值推薦相應學習知識點，在學習過程結束之后將學習結果進行分析，對知識庫進行保存，同時記錄相應的推薦知識內容，以便下次再進行劃分。

4 初步設計應用

以《計算機基礎二——VFP程序設計為例》，分為①數(shù)據庫基礎；②結構化程序設計；③數(shù)據庫設計；④結構化查詢語言；⑤查詢與視圖；⑥表單設計；⑦菜單設計。通過矩陣建立關聯(lián)，生成知識難度結構圖，見圖3。

圖3 知識結構圖分類

數(shù)據庫基礎為中等難度，其余的知識點為高等難度。學習者進入到系統(tǒng)后進行問卷測試，通過性格類型測試得出（借鑒心理學研究的問卷調查）性格類型并表示為向量X，然后將情緒感受矩陣Q與X運算乘積引入數(shù)據庫，作為測試者情感強度向量QX，最后把學習者個人的典型性格類型錄入數(shù)據庫。表情向量由維度情感模型進行計算，得出學習者學習時的個人情感及相應情感強度，依據情感強度向給學習者推薦適合其當前學習能力的知識點。例如當學習者快樂時學習效果好，系統(tǒng)則可以推薦學習者學習中等難度以上的知識；當學習者快樂度下降時應推薦學習者學習低于當前難度的知識點，若沒有更低難度的知識，則可推薦學習者暫時性中止學習或者更換其他知識；當學習者學習情感穩(wěn)定時，可建議其繼續(xù)當前學習。

5 結束語

隨著移動應用的出現(xiàn)和云計算服務對E-Learning應用起到了較好的推動作用〔12〕，教學系統(tǒng)的個性化研究和開發(fā)成為遠程教育中的關鍵問題和熱點〔13〕，作者在原有E-Learning個性化推薦系統(tǒng)基礎上進行了情感計算模型的研究，通過對維度情感中的環(huán)狀模型的研究，改進現(xiàn)有的情感計算模型，首先將學習者的情感定性劃分為快樂、輕松、厭煩和驚恐4個維度，然后用矩陣進行定量表示，結合知識體系結構和知識難度的矩陣表示，對學習者的學習進行計算和評價，最終對通過評價體系進行知識內容和知識難點的推薦決策，做出適當?shù)尼槍€體學習者的學習反饋，從而在情感關注度方面增強學習者和學習系統(tǒng)之間的交互性，同時可以對學習系統(tǒng)的知識庫資源進行調整。情感計算在E-Learning系統(tǒng)中的應用將在一定程度上彌補目前E-Learning系統(tǒng)在交互上的不足而帶來的學習效用下降，這將使E-Learning系統(tǒng)的建設更加人性化，能適當提高系統(tǒng)的效用。

〔1〕WANG Z L，QIAO X J，XIE Y G.An Emotional Intelli?gent E-learning System Based on Mobile Agent Technolo? gy〔C〕∕∕Proceedings of the 2009 International Conference on Software Technology and Engineering.Beijing:World Sci?entific Pub.Co.Inc.，2009:51-54.

〔2〕PENG W H，PAN R X，LI J，et al.Application Study of the Tracking of e-Learning Behavior Using the Net-Based In?telligent Robot〔C〕∕∕2009 First International Workshop on Education Technology and Computer Science.USA:Idea Group，2009:529-533.

〔3〕MANOUSELIS N，COSTOPOULOU C.Analysis and Classifi?cation of Multi-Criteria Recommender Systems〔J〕.World Wide Web，2007，10（4）:415-441.

〔4〕PLUTCHIK R.The nature of emotions〔J〕.American Scien?tist，2001，89（4）:344-350.

〔5〕RUSSELL J A.A circumplex model of affect〔J〕.Journal of Personality and Social Psychology，1980，39（6）:1161-1178.

〔6〕MEHRABIAN A.Pleasure-arousal-dominance:a general framework for describingand measuring individual differ?ences in temperament〔J〕.Current Psychology，1996，14（4）:261-292.

〔7〕楊勇，張志瑜.基于PAD的個性化情感模型〔J〕.重慶郵電大學學報:自然科學版，2012，24（1）:96-103.

〔8〕賀斌.E-Learning情感計算模型設計研究〔J〕.遠程教育雜志，2011，29（4）:103-110.

〔9〕汪碧云，楊新凱.E-Learning中一種基于氣質類型的情感計算算法〔J〕.上海師范大學學報:自然科學版，2013, 42（1）:25-30.

〔10〕石宜金，馬瑞英，賈志洋.E-Learning系統(tǒng)的個性化推薦方法研究〔J〕.信息技術與信息化，2012（2）:51-54.

〔11〕吳冰，張辰彥.知識庫存對SNS企業(yè)知識社區(qū)中ELearning知識獲取的影響〔J〕.系統(tǒng)工程理論與實踐，2013（3）:726-732.

〔12〕楊健，楊鄧奇，杜英國.基于云計算的移動智能旅游導覽系統(tǒng)〔J〕.大理學院學報，2013，12（10）:14-18.

〔13〕陳麗花.基于Asp.net的個性化教學系統(tǒng)設計研究〔J〕.大理學院學報，2009，8（8）:22-27.

（責任編輯 袁 霞）

Study on Dimensional Model Based on the Affective Computing E-Learning

SHI Yijin1，2，JIA Zhiyang1
（1.College of Tourism and Culture，Yunnan University，Lijiang，Yunnan 674100，China；2.School of Electronics Engineering and Computer Science,Peking University,Beijing 100871,China）

This thesis divides learners'learning affect based on dimensional affective model,and introduces the method of affective semantics to quantitatively show learning affect and learners'character,and then recommends that the content should be studied and increases the interaction between learners and computers after the process of combining affective computing value and the degree of knowledge difficulty.This thesis also puts forward the plan of affective semantics based on affective model,to develop the existing learning system and diversify the recommendation of characteristic strategy,so as to improve the interaction of the system,and thus the effectiveness of the system is improved.In the end,the goal of serving the learners is fulfilled.

E-Learning;affective model;affective computing；recommendation strategy

TP393.092

A

1672-2345（2014）06-0015-05

10.3969∕j.issn.1672-2345.2014.06.005

云南省教育廳科研基金資助項目（2011y345）

2013-12-09

2014-01-08

石宜金，講師，主要從事多媒體技術和機器學習研究.