劉小丹+++趙鑫+++李玉斌

摘 要：數(shù)字化學(xué)習(xí)近年來迅速發(fā)展，但由于師生分離的狀態(tài)導(dǎo)致其存在情感缺失、監(jiān)控缺位的問題。本文在智能導(dǎo)師系統(tǒng)的基礎(chǔ)上，提出了一種具有從旁輔助角色的數(shù)字化學(xué)習(xí)系統(tǒng)。從旁輔助角色具有相對獨立的功能，運用表情識別技術(shù)獲取學(xué)習(xí)者的表情信息，可以更加準(zhǔn)確地預(yù)測學(xué)習(xí)風(fēng)格，同時，通過情緒監(jiān)控及時了解學(xué)習(xí)者的學(xué)習(xí)狀態(tài)，給予一定的情感反饋和引導(dǎo)策略，可有效彌補情感缺失和監(jiān)控缺位的問題，達(dá)到改善學(xué)習(xí)活動的持久性和有效性的目的。

關(guān)鍵詞：數(shù)字化學(xué)習(xí)；智能導(dǎo)師；學(xué)生模型；學(xué)習(xí)風(fēng)格；表情識別

中圖分類號：G434 文獻(xiàn)標(biāo)志碼：A 文章編號：1673-8454（2015）11-0038-05

一、引言

在教育教學(xué)活動中，良好的師生互動和情感注入必不可少，它既是教育的重要內(nèi)容，同時也使知識和技能的傳授更加有效。[1]傳統(tǒng)靜態(tài)的數(shù)字化學(xué)習(xí)系統(tǒng)，通常只是在網(wǎng)頁上放置與課程有關(guān)的講義、習(xí)題等學(xué)習(xí)資源，與現(xiàn)實的課堂教學(xué)相比，雖在一定程度上增強了學(xué)習(xí)的自主性，但由于忽視了教師在教學(xué)過程中的主導(dǎo)作用，學(xué)習(xí)過程放任自流，易產(chǎn)生盲目性，造成學(xué)生對學(xué)習(xí)感到迷茫無助、無從下手。為了彌補這一缺陷，智能導(dǎo)師系統(tǒng)應(yīng)運而生，至今已有許多這方面的研究。Hossein和Maryam[2]提出了具有專家導(dǎo)師的數(shù)字化學(xué)習(xí)系統(tǒng)，可根據(jù)學(xué)習(xí)者的學(xué)習(xí)風(fēng)格、能力水平等特征進(jìn)行適應(yīng)性教學(xué)；美國加利福尼亞大學(xué)的Johnson和Shaw提出了一種名為Adele的教學(xué)代理，具有表達(dá)知識、監(jiān)控學(xué)生、提供反饋等功能；美國南加州大學(xué)開發(fā)出了名為Steve的教學(xué)代理，Steve能夠在三維虛擬實驗室中演示技能操作、回答學(xué)生的問題[3]；北京郵電大學(xué)的Dang等[4]人提出了一種智能導(dǎo)師，在虛擬實驗課程中代替老師給予學(xué)生指導(dǎo)，該智能導(dǎo)師可運用自身知識庫識別問題并給出解決方案；程萌萌等[5]提出了一種應(yīng)用表情識別和視線跟蹤技術(shù)的智能教學(xué)系統(tǒng)。

縱觀以上系統(tǒng)，雖然對學(xué)習(xí)者的個性化學(xué)習(xí)以及在學(xué)習(xí)過程中的情感因素進(jìn)行了探索研究，但仍存在一些問題亟待解決：第一，情感交互程度較低。大多數(shù)系統(tǒng)與學(xué)習(xí)者之間沒有情感交流，對學(xué)生的回應(yīng)過于冷漠。當(dāng)學(xué)習(xí)者長時間面對這樣一個沒有情感的冷漠的計算機(jī)屏幕而感受不到師生交互的樂趣和教師情感的激勵時，不僅容易對學(xué)習(xí)產(chǎn)生反感，影響學(xué)習(xí)效果，而且還可能危害到學(xué)習(xí)者的心理健康。[6]第二，監(jiān)控缺位。對學(xué)習(xí)者進(jìn)行監(jiān)控主要是為了及時了解學(xué)習(xí)者的情緒變化，推斷其當(dāng)前學(xué)習(xí)狀態(tài)，在其出現(xiàn)負(fù)面情緒時給予一定的干預(yù)、引導(dǎo)措施，并調(diào)整教學(xué)策略和進(jìn)度，維持和激發(fā)學(xué)習(xí)動機(jī)，保證學(xué)習(xí)活動的持久性。

情感計算的提出者，美國MIT媒體實驗室的Picard教授說，要讓電腦更有智慧更自然地與人類互動，必須賦予電腦認(rèn)識、了解、甚至表達(dá)情緒的能力。[7]由此，本文提出了一種從旁輔助角色，來幫助智能導(dǎo)師系統(tǒng)進(jìn)一步實現(xiàn)與學(xué)習(xí)者情感交互和監(jiān)控學(xué)習(xí)狀態(tài)的功能。從旁輔助角色主要通過表情識別技術(shù)推斷學(xué)習(xí)者的心理狀態(tài)，以此作為修正學(xué)習(xí)風(fēng)格、調(diào)整教學(xué)策略和采取干預(yù)手段的依據(jù)。通過了解學(xué)習(xí)者的心理狀態(tài)，可以獲知學(xué)習(xí)者對當(dāng)前學(xué)習(xí)方案的滿意度評價，即該方案是否與學(xué)習(xí)者的學(xué)習(xí)風(fēng)格相適應(yīng)，若不適應(yīng)，就實時對學(xué)習(xí)風(fēng)格進(jìn)行動態(tài)修正，直至達(dá)到滿意的狀態(tài)。同樣，根據(jù)表情信息也可推斷出學(xué)習(xí)者對知識的理解、掌握情況，以及學(xué)習(xí)者當(dāng)前的心理狀態(tài)，決定是否調(diào)整教學(xué)進(jìn)度和策略，或進(jìn)行相應(yīng)的干預(yù)。

二、從旁輔助角色

從旁輔助角色是以教育心理學(xué)、情緒心理學(xué)等理論為基礎(chǔ)，采用表情識別技術(shù)，推斷學(xué)習(xí)者的心理狀態(tài)，幫助系統(tǒng)準(zhǔn)確分析學(xué)習(xí)者的個性特征，并對不同狀態(tài)下的學(xué)習(xí)者采取應(yīng)對措施，不但能改善數(shù)字化學(xué)習(xí)中知識層面的個性化教學(xué)，而且可以增強情感層面的個性化教學(xué)。

從旁輔助角色具有一定的情感識別和處理能力，對學(xué)習(xí)者的學(xué)習(xí)活動進(jìn)行監(jiān)控和適時的引導(dǎo)。但它并不是智能導(dǎo)師的附加功能，而是獨立于智能導(dǎo)師系統(tǒng)的存在，其自身具有完整的情感識別與應(yīng)對模塊，在智能導(dǎo)師系統(tǒng)進(jìn)行知識教學(xué)的同時負(fù)責(zé)對學(xué)習(xí)者進(jìn)行情感方面的教學(xué)輔助。

1.從旁輔助角色與情緒監(jiān)控

情緒是人行為的一部分，對人類的理性思維和決策能力具有重大影響。[8]心理學(xué)家認(rèn)為，情緒在學(xué)習(xí)過程中是非常重要的影響因素，與學(xué)生的認(rèn)知行為聯(lián)系密切。負(fù)向情緒（如緊張、抑郁、憤怒）可使知覺面變窄，思維變得遲鈍，不利于學(xué)習(xí)；而正向情緒（如愉快、滿意）可使知覺面變寬，思維敏捷，促進(jìn)學(xué)習(xí)。[9]因此，在學(xué)習(xí)過程中及時了解學(xué)生的情緒，并針對負(fù)面情緒進(jìn)行調(diào)控、干預(yù)，可以達(dá)到改善學(xué)習(xí)效果的目的。

情緒不但能影響人的學(xué)習(xí)活動，而且可以為教師提供重要的教學(xué)反饋。情緒的產(chǎn)生通常伴隨著一定的外部行為，即表情。根據(jù)表情推斷學(xué)習(xí)者的學(xué)習(xí)狀態(tài)，獲取教學(xué)反饋，是一種直接的、快捷的手段。在傳統(tǒng)教學(xué)中，教師可以根據(jù)觀察學(xué)生的表情和反應(yīng)來了解學(xué)生當(dāng)前的心理狀態(tài)，從而掌握他們的學(xué)習(xí)情況，為下一步的教學(xué)計劃作參考。例如，當(dāng)學(xué)習(xí)者對課程內(nèi)容理解或感興趣時，會流露出高興、愉悅的表情，反之，則會表現(xiàn)出情緒低落，眉頭緊鎖。因此，在數(shù)字化學(xué)習(xí)中，賦予系統(tǒng)類似人類教師這種情緒的感知和理解能力，能直觀地獲取教學(xué)反饋，以此作為調(diào)整教學(xué)內(nèi)容和教學(xué)策略的依據(jù)，提高學(xué)習(xí)效果。但現(xiàn)行網(wǎng)絡(luò)遠(yuǎn)程教育系統(tǒng)中學(xué)習(xí)者的人機(jī)交互，多是借助于鍵盤、鼠標(biāo)和屏幕等被動式的中介手段，只追求方便和準(zhǔn)確，無法理解和適應(yīng)學(xué)習(xí)者的情緒和心境，無法理解以及適應(yīng)人的情感和思維行為。[6]

隨著近年來表情識別技術(shù)的發(fā)展，為從旁輔助角色在情緒監(jiān)控功能方面的實現(xiàn)提供了有效的技術(shù)支持。由于表情和情緒是緊密相連的，前者是后者的外在表現(xiàn)，后者是前者的內(nèi)在體驗，大部分情況下，知道二者中的一者，可以反推另一者。[10]在學(xué)習(xí)過程中，從旁輔助角色通過攝像頭捕獲學(xué)習(xí)者的面部表情圖像，運用表情識別技術(shù)對獲得的表情信息進(jìn)行識別和判斷，推測出學(xué)習(xí)者的心理狀態(tài)，再針對不同的心理狀態(tài)采取不同應(yīng)對措施來維持學(xué)習(xí)活動的有效進(jìn)行。

2.從旁輔助角色與學(xué)習(xí)風(fēng)格

數(shù)字化學(xué)習(xí)面對的學(xué)習(xí)者千千萬萬，每個人之間都存在著差異，在教學(xué)中應(yīng)該充分尊重學(xué)習(xí)者的個性特征進(jìn)行個性化教學(xué)。學(xué)習(xí)風(fēng)格是影響個性差異的一個最主要因素，如果在學(xué)習(xí)中考慮了學(xué)習(xí)者的學(xué)習(xí)風(fēng)格，將會有效激發(fā)和維持學(xué)習(xí)者的學(xué)習(xí)動機(jī)，使學(xué)習(xí)變得很容易。[11]相反，若是不能準(zhǔn)確預(yù)測學(xué)習(xí)者的學(xué)習(xí)風(fēng)格，就很難因材施教，極有可能削弱學(xué)習(xí)者的學(xué)習(xí)興趣和動機(jī)。全面了解學(xué)生的個體差異，準(zhǔn)確預(yù)測學(xué)習(xí)者的學(xué)習(xí)風(fēng)格，是提高學(xué)習(xí)效果的有效途徑之一。

學(xué)習(xí)風(fēng)格指在學(xué)習(xí)環(huán)境中個體表現(xiàn)出的比較穩(wěn)定的處理方式和傾向，包括感覺偏好、認(rèn)知風(fēng)格、社會性環(huán)境偏好等。[12]例如有些學(xué)生喜歡通過閱讀文字來學(xué)習(xí)；有些同學(xué)則偏向于視覺性較強的教材，比如圖片、板書等；有些學(xué)生善于通過聽講來學(xué)習(xí)；有些學(xué)生善于通過動手操作學(xué)習(xí)；有些同學(xué)喜歡合作學(xué)習(xí)，而有些同學(xué)則比較愿意自學(xué)。

傳統(tǒng)的智能導(dǎo)師系統(tǒng)中對學(xué)習(xí)者學(xué)習(xí)風(fēng)格的預(yù)測主要是依靠量表，然而采用這種方法存在一定缺陷，如靜態(tài)預(yù)測的局限，其不能根據(jù)學(xué)習(xí)行為的變化對學(xué)習(xí)風(fēng)格進(jìn)行動態(tài)更新，加之具有較強的主觀性，面對大量枯燥的預(yù)測量表時，學(xué)習(xí)者難免會失去耐心、隨意填寫，導(dǎo)致預(yù)測結(jié)果的不準(zhǔn)確。從旁輔助角色采用量表測量和表情識別相結(jié)合的方式。先用量表測量的方式對學(xué)習(xí)風(fēng)格進(jìn)行初始化，進(jìn)而在學(xué)習(xí)活動中通過觀察學(xué)習(xí)者對所呈現(xiàn)的學(xué)習(xí)材料類型的表情，分析學(xué)習(xí)者的心理狀態(tài)，推測其對當(dāng)前的學(xué)習(xí)方案滿意與否。若學(xué)習(xí)者對教學(xué)內(nèi)容和呈現(xiàn)方式比較滿意，會表現(xiàn)出高興等正面情緒，說明該學(xué)習(xí)方案符合其學(xué)習(xí)風(fēng)格；反之，如果學(xué)習(xí)者表現(xiàn)出焦躁、厭煩等負(fù)面情緒特征，則說明當(dāng)前學(xué)習(xí)方案不符合其學(xué)習(xí)風(fēng)格，需對學(xué)習(xí)風(fēng)格模型進(jìn)行修正。在這樣反復(fù)學(xué)習(xí)與調(diào)整的過程中，最終可獲得較為準(zhǔn)確的學(xué)習(xí)者學(xué)習(xí)風(fēng)格。

3.從旁輔助角色的情感輸出

由于時空的分離導(dǎo)致數(shù)字化學(xué)習(xí)中師生交互的局限性，極大地削弱了彼此之間的情感聯(lián)系，學(xué)生容易產(chǎn)生孤獨感，降低學(xué)習(xí)效率。如何加強數(shù)字化學(xué)習(xí)系統(tǒng)與學(xué)習(xí)者間的情感交互，也就成為提高學(xué)習(xí)效果的重要問題之一。良好的情感交互不僅要考慮學(xué)習(xí)者在學(xué)習(xí)過程中的心理狀態(tài)，而且需要增強系統(tǒng)對學(xué)習(xí)者的情感注入，即運用一定的教學(xué)手段，滿足學(xué)習(xí)者的情感需要，激發(fā)學(xué)習(xí)者的學(xué)習(xí)動機(jī)和興趣，增強學(xué)習(xí)活動的持久性和有效性。

從旁輔助角色的情感輸出功能，可以幫助提高系統(tǒng)與學(xué)生間的情感交互程度。從旁輔助角色在學(xué)習(xí)中為學(xué)習(xí)者提供一個虛擬形象，伴隨著學(xué)習(xí)活動能夠展現(xiàn)出語言、表情和肢體動作，針對學(xué)習(xí)者當(dāng)前的心理狀態(tài)給予相應(yīng)的情感回饋。當(dāng)需要中斷學(xué)習(xí)時，為學(xué)習(xí)者提供音樂、小游戲、視頻等休閑項目。例如，若學(xué)習(xí)者完成了一項學(xué)習(xí)任務(wù)，虛擬教師會微笑著舉起大拇指說：“你很棒”等，對學(xué)習(xí)者進(jìn)行表揚；若是學(xué)習(xí)者出現(xiàn)疲勞情緒，則會建議學(xué)習(xí)者適當(dāng)休息，并彈出休閑項目供其選擇；當(dāng)學(xué)習(xí)者遇到困難而沮喪時，給予一定的鼓勵。

相對于面對冰冷的電腦屏幕，有了生動的虛擬教師形象的陪伴，可以減少學(xué)習(xí)過程的孤獨感。擁有語言、表情和肢體動作的虛擬教師形象可以引起學(xué)習(xí)者的注意，喚起學(xué)習(xí)者的好奇心，使其很快進(jìn)入到學(xué)習(xí)的氛圍中去。同時，學(xué)習(xí)動機(jī)影響學(xué)習(xí)者的學(xué)習(xí)行為，是學(xué)習(xí)者進(jìn)行高效、持續(xù)學(xué)習(xí)的驅(qū)動力量。[13]當(dāng)學(xué)習(xí)者取得一定的學(xué)習(xí)成果時，適當(dāng)?shù)目隙梢允箤W(xué)習(xí)者獲得滿足感和信心，可以在學(xué)習(xí)中設(shè)置一些任務(wù)獎勵，在學(xué)習(xí)者完成任務(wù)時獲得虛擬財富、電子寵物等。除了要激發(fā)學(xué)習(xí)者的學(xué)習(xí)動機(jī)外，還要從影響學(xué)習(xí)動機(jī)的負(fù)面因素著手，注意學(xué)習(xí)動機(jī)的維持。有時學(xué)習(xí)者在付出了極大努力后仍然失敗，表現(xiàn)出沮喪、痛苦的情緒，當(dāng)從旁輔助角色監(jiān)控到此類情緒時，應(yīng)當(dāng)給予鼓勵，以防學(xué)習(xí)動機(jī)的削弱。

三、從旁輔助角色的設(shè)計

本文在傳統(tǒng)智能導(dǎo)師系統(tǒng)中加入從旁輔助角色模塊，設(shè)計了具有從旁輔助角色的智能導(dǎo)師系統(tǒng)，系統(tǒng)主要由從旁輔助角色、學(xué)生模型、專業(yè)知識模塊、學(xué)習(xí)策略模塊四部分組成，如圖1所示。

從旁輔助角色一方面可以由多媒體情感輸出功能獨立完成對學(xué)習(xí)者的情感鼓勵和補償，另一方面又與學(xué)生模型直接相關(guān)，通過學(xué)生模型間接作用于教學(xué)策略模塊和專業(yè)知識模塊，實現(xiàn)個性化教學(xué)。學(xué)生模型將初始化的學(xué)習(xí)風(fēng)格傳遞給從旁輔助角色，作為學(xué)習(xí)風(fēng)格預(yù)測的基礎(chǔ)；從旁輔助角色將學(xué)習(xí)者學(xué)習(xí)風(fēng)格和學(xué)習(xí)狀態(tài)的動態(tài)變化傳遞給學(xué)生模型使之更新。專業(yè)知識模塊和教學(xué)策略模塊與傳統(tǒng)智能導(dǎo)師系統(tǒng)的原有模塊作用差異不大。專業(yè)知識模塊用來存儲知識和多媒體資源，與教學(xué)策略模塊相互作用，在學(xué)習(xí)活動中為學(xué)習(xí)者設(shè)定任務(wù)、問題和解決的方案，為學(xué)習(xí)者知識水平的測定提供試題，組成教學(xué)方案，將學(xué)習(xí)起始點、知識點訪問、知識水平的改變等信息反饋給學(xué)生模型；教學(xué)策略模塊根據(jù)學(xué)生模型來選擇教學(xué)內(nèi)容，以恰當(dāng)?shù)男问匠尸F(xiàn)給學(xué)習(xí)者，根據(jù)情況調(diào)整教學(xué)進(jìn)度，將學(xué)生的學(xué)習(xí)情況、學(xué)習(xí)行為反饋給學(xué)生模型，作為學(xué)生模型動態(tài)修正的參考。

1.從旁輔助角色的設(shè)計原理

從旁輔助角色主要通過分析學(xué)習(xí)者當(dāng)前的心理狀態(tài)，作用于學(xué)生模型，執(zhí)行學(xué)習(xí)風(fēng)格和學(xué)生心理狀態(tài)的修正，間接實現(xiàn)教學(xué)方案的改進(jìn)，也可通過情感輸出模塊采取情感補償策略。

心理狀態(tài)的獲取是根據(jù)學(xué)習(xí)者的表情信息進(jìn)行推測。在交互界面，用攝像頭捕獲學(xué)習(xí)者的學(xué)習(xí)畫面，通過表情識別技術(shù)識別表情信息，推測出學(xué)習(xí)者當(dāng)前的心理狀態(tài)。表情識別主要分為三個步驟：人臉檢測、特征提取、表情分類識別。首先，運用Adaboost算法可實時快速地檢測人臉，[14]然后，采用Gabor小波變換進(jìn)行特征提取，它可以提取表情信息中的細(xì)微變化，[15]能有效提高表情識別的精度。得到特征信息后，采用支持向量機(jī)為表情分類器，該方法在解決小樣本、非線性及高維模式識別問題方面具有優(yōu)勢，且具有很強的泛化能力。

2.學(xué)生模型

學(xué)生模型用來描述學(xué)生的特征，是現(xiàn)實中的學(xué)生在計算機(jī)中的抽象表示。通常，學(xué)生模型主要包括學(xué)生基本信息、學(xué)習(xí)風(fēng)格、知識水平、學(xué)習(xí)歷史幾個方面，由于本文以學(xué)習(xí)者心理狀態(tài)作為學(xué)習(xí)風(fēng)格修正和學(xué)習(xí)策略調(diào)整的依據(jù)，因此，需加入心理狀態(tài)這一重要因素。學(xué)生模型中的信息可分為動態(tài)和靜態(tài)兩類，靜態(tài)信息主要是學(xué)生的基本信息；動態(tài)信息包括學(xué)習(xí)風(fēng)格、知識水平、心理狀態(tài)、學(xué)習(xí)歷史等，在學(xué)習(xí)過程中接受來自教學(xué)策略模塊、專業(yè)知識模塊、從旁輔助角色的反饋來對模型進(jìn)行更新。

（1）基本信息

基本信息中主要存儲學(xué)習(xí)者的靜態(tài)信息，如用戶名、性別、年齡、專業(yè)、聯(lián)系方式等，用于學(xué)習(xí)者的身份識別。

（2）學(xué)習(xí)風(fēng)格

Felder和Silverman將學(xué)習(xí)風(fēng)格分為四個維度：感覺型——直覺型、活躍型——沉思型、視覺型——言語型、序列型——綜合型。其主要表現(xiàn)特征如表1所示。[16]

（3）知識水平

每個學(xué)習(xí)者的知識基礎(chǔ)都不完全相同，在學(xué)習(xí)活動開始之前，應(yīng)對學(xué)習(xí)者的知識水平進(jìn)行測試，這樣可以有效確定學(xué)習(xí)起點，便于制定學(xué)習(xí)方案。隨著學(xué)習(xí)活動的進(jìn)行，學(xué)生的知識水平會產(chǎn)生變化，這就需要對學(xué)生在測驗中進(jìn)行評估，根據(jù)測驗結(jié)果對模型中的知識水平狀態(tài)實時更新。

（4）心理狀態(tài)

本文在傳統(tǒng)學(xué)生模型的基礎(chǔ)上增加了心理狀態(tài)這一因素，可以直觀地了解學(xué)生的學(xué)習(xí)情況，為教學(xué)策略的制定提供更加可靠的依據(jù)，同時為系統(tǒng)的情感輸出提供支持。根據(jù)學(xué)習(xí)過程中可能出現(xiàn)的情緒狀態(tài)，本文定義了五種表情，分別為高興、厭惡、驚訝、疲勞和懊惱。如果檢測到學(xué)習(xí)者的心理狀態(tài)為高興，說明其學(xué)習(xí)活動進(jìn)展順利，對當(dāng)前的學(xué)習(xí)內(nèi)容、進(jìn)度等都比較滿意，學(xué)習(xí)活動可繼續(xù)進(jìn)行；若檢測到學(xué)習(xí)者有厭惡情緒，則說明其對當(dāng)前的學(xué)習(xí)活動有所抵觸，可能對學(xué)習(xí)內(nèi)容和教學(xué)方法存在不滿，提醒系統(tǒng)進(jìn)行調(diào)整；當(dāng)學(xué)習(xí)者出現(xiàn)驚訝情緒時，代表其對當(dāng)前的學(xué)習(xí)內(nèi)容存在疑惑或不理解；若檢測到學(xué)習(xí)者出現(xiàn)疲勞狀態(tài)，系統(tǒng)應(yīng)立即進(jìn)行干預(yù)，彈出趣味問答或小游戲等，中斷枯燥的學(xué)習(xí)，等學(xué)習(xí)者的大腦活躍起來后再重新投入到正常進(jìn)度中；當(dāng)檢測到學(xué)習(xí)者出現(xiàn)懊惱情緒時，說明學(xué)習(xí)者當(dāng)前的學(xué)習(xí)狀態(tài)較差，可能系統(tǒng)推送的學(xué)習(xí)內(nèi)容超過了學(xué)習(xí)者可接受的范圍，導(dǎo)致其對自身能力產(chǎn)生懷疑以及自信心的丟失，削弱了內(nèi)部動機(jī)，這時就需要采取鼓勵措施。

（5）學(xué)習(xí)歷史

學(xué)習(xí)歷史詳細(xì)記錄學(xué)生在學(xué)習(xí)過程中的行為，包括學(xué)生訪問的學(xué)習(xí)資源、試題測驗的結(jié)果與反饋、學(xué)習(xí)的起止時間、學(xué)習(xí)斷點等，形成學(xué)習(xí)日志。

3.多媒體情感輸出

隨著多媒體技術(shù)的發(fā)展，現(xiàn)在的計算機(jī)中不乏音頻、視頻等多媒體資源，在學(xué)習(xí)過程中利用這些資源，可以有效幫助學(xué)習(xí)者調(diào)節(jié)狀態(tài)。當(dāng)學(xué)習(xí)者進(jìn)入學(xué)習(xí)頁面，多媒體情感輸出模塊會向?qū)W習(xí)者輸送一個虛擬的教師形象，同步顯示在屏幕中，陪伴學(xué)生進(jìn)行學(xué)習(xí)，并在適當(dāng)?shù)臅r候通過語言及肢體動作給予學(xué)習(xí)者鼓勵，使學(xué)習(xí)者有一定的歸屬感。學(xué)習(xí)者可以根據(jù)自己的喜好選擇喜歡的虛擬教師形象，如動物造型、卡通人物等。

一旦進(jìn)入學(xué)習(xí)，從旁輔助角色就開始對學(xué)習(xí)者的心理狀態(tài)進(jìn)行監(jiān)控，并將結(jié)果傳遞給多媒體情感輸出模塊，對特定結(jié)果進(jìn)行響應(yīng)。多媒體情感輸出模塊并非會對任意表情下的心理狀態(tài)都做出響應(yīng)，當(dāng)學(xué)習(xí)者處于高興等積極學(xué)習(xí)狀態(tài)下時，不會打斷學(xué)習(xí)者的學(xué)習(xí)熱情，保證學(xué)習(xí)活動的持續(xù)進(jìn)行；而當(dāng)學(xué)習(xí)者出現(xiàn)厭惡、疲勞等消極情緒時，則會中斷學(xué)習(xí)，彈出對話框，詢問學(xué)習(xí)者是否需要中斷學(xué)習(xí)，并提供幾種休閑方式，插入一段視頻、音頻或小游戲，由學(xué)習(xí)者選擇，來幫助其消除負(fù)面情緒。

四、結(jié)束語

本文基于教育心理學(xué)、情緒心理學(xué)等理論提出了數(shù)字化學(xué)習(xí)中的從旁輔助角色，并給出其在智能導(dǎo)師系統(tǒng)中的結(jié)構(gòu)設(shè)計，旨在改善數(shù)字化學(xué)習(xí)中情感缺失、監(jiān)控缺位的問題。從監(jiān)控學(xué)習(xí)者的心理狀態(tài)、改善學(xué)習(xí)風(fēng)格的預(yù)測、加強對學(xué)習(xí)者的情感反饋等方面，幫助系統(tǒng)更加準(zhǔn)確和及時地獲取學(xué)習(xí)者的個性特征和學(xué)習(xí)狀態(tài)，增強情感交互，為知識層面和情感層面的個性化教學(xué)提供依據(jù)，促進(jìn)學(xué)習(xí)活動更加有效地進(jìn)行。由于從旁輔助角色有獨立的情感識別和應(yīng)對模塊，且不受學(xué)習(xí)系統(tǒng)知識類別的限制，功能上比較獨立，所以具有良好的通用性，能適用于任意的智能導(dǎo)師系統(tǒng)設(shè)計。

參考文獻(xiàn)：

[1]唐志偉.遠(yuǎn)程教育中的情感缺失應(yīng)對策略探析——基于聯(lián)通主義學(xué)習(xí)理論為視角[J].現(xiàn)代遠(yuǎn)距離教育，2014（2）：34-37.

[2]Hossein，Movafegn hadirli and Maryam Rastgarpour.A Web-Based Adaptive and Intelligent Tutor by Expert System[J].Advances in Computing & Inform. Technology ，2013（177）：87-95.

[3]趙慧勤，孫波，張春悅.虛擬教師研究綜述[J].微型機(jī)與應(yīng)用，2010（5）：1-8.

[4]Bowei Dang，F(xiàn)uan Wen，Meisong Chen，et？al. The design and implementation of general tutor system for multi-disciplinary courses in virtualexperiment[A]. IEEE： International Conference on e-Education， Entertainment and e-Management[C].Bali，2011：178-181.

[5]程萌萌，林茂松，王中飛.應(yīng)用表情識別與視線跟蹤的智能教學(xué)系統(tǒng)研究[J].中國遠(yuǎn)程教育，2013（3）：59-64.

[6]李勇帆，李里程.情感計算在網(wǎng)絡(luò)遠(yuǎn)程教育系統(tǒng)中的應(yīng)用：功能、研究現(xiàn)狀及關(guān)鍵問題[J].現(xiàn)代遠(yuǎn)程教育研究，2013（2）：100-106.

[7]賀斌.E-learning情感計算模型設(shè)計研究[J].遠(yuǎn)程教育雜志，2011（4）：103-111.

[8]Juan Martinez-Miranda，Arantz Aldea.Emotions in human and artifical intelligenc[J].Computer in Human Behavior， 2005（21）：323-341.

[9]王有智，歐陽侖.心理學(xué)基礎(chǔ)——原理與應(yīng)用[M].北京：首都經(jīng)濟(jì)貿(mào)易大學(xué)出版社，2003：374.

[10]雷婕，丁亞平.面部表情：一些爭論[J].心理科學(xué)進(jìn)展，2013，21（10）：1749-1754.

[11]姜強，趙蔚，王朋嬌.基于網(wǎng)絡(luò)學(xué)習(xí)行為模式挖掘的用戶學(xué)習(xí)風(fēng)格模型建構(gòu)研究[J].電化教育研究，2012（11）：55-61.

[12]張燕南，張力，周濤等.學(xué)習(xí)風(fēng)格對網(wǎng)絡(luò)學(xué)習(xí)的影響：一項實證研究[J].開放教育研究，2010，16（3）：160-166.

[13]胡凡剛，仇秀娟，劉瑋等.影響教育虛擬社區(qū)中學(xué)習(xí)動機(jī)激發(fā)因素的實證分析[J].遠(yuǎn)程教育雜志，2013（4）：52-29.

[14]張建利，段富.基于面部特征的學(xué)習(xí)狀態(tài)的研究[J].計算機(jī)工程與設(shè)計，2013，34（7）：2460-2464.

[15]徐潔，章毓晉.基于多種采樣方式和Gabor特征的表情識別[J].計算機(jī)工程，2011，37（18）：195-197.

[16]陳仕品，張劍平.適應(yīng)性學(xué)習(xí)支持系統(tǒng)的學(xué)生模型研究[J].中國電化教育，2010（5）：112-117.

（編輯：王曉明）