课堂教学环境下学生学习兴趣智能化分析

扫码查看

原文链接

NETL

中文摘要：学习兴趣影响学习发生的方式和学习过程，是提高学习效果的重要因素。目前对教学环境下学生学习兴趣的研究大多采用传统的问卷调查或案例分析等方法，不利于教师对课堂中学生学习兴趣的及时获取以便有效改善教学行为。随着信息技术的快速发展，教学环境中的学生学习兴趣智能化分析成为可能，即计算机通过一系列从观察目标获取的信息，如视觉、听觉或生理信号等，推测出相关的兴趣状态。学习兴趣智能化分析研究目前处于初级阶段，理论与实践相结合的方法是探索该领域的必要手段。目前学习兴趣的智能化研究侧重于对学习情绪或者认知注意力的分析，并未综合考虑学习过程中的认知活动和心理活动，不能全面反映学生的学习兴趣状态。因此，我们首先从教育心理学的角度提出了包含认知注意力，学习情感与思维活跃度的三维学习兴趣模型，分别反映认知注意、正负情绪、课堂参与程度与认知水平，从多个维度描述学生在教学环境中的学习兴趣。然后通过对头部姿态、面部表情、课堂互动多模态信息的识别与融合综合理解学生在教学环境中的学习兴趣。虽然目前基于多模态信息的学习兴趣分析已取得了初步的进展，但是仍然缺乏教室大场景下多人学生兴趣的识别与理解方法。因此，我们提出了教室自然场景下的学生注意力与情感识别方法，以及基于三维学习兴趣模型指导的多模态信息融合方法。本文研究工作具体体现在以下几个方面: (1)三维学习兴趣模型的构建。认知心理学家指出兴趣包含认知与情感以及二者之间的相互作用，现有的兴趣模型并未综合考虑这些因素，不能全面反映学生的学习兴趣。针对这一问题，本文创建了包含认知注意力，学习情感与思维活跃度的三维学习兴趣模型，认知注意力反映了重要的动机和认知取向，学习情感描述了学习过程中情绪体验，思维活跃度体现了课堂参与程度与认知水平。该模型从多个维度描述学生在教学环境中的学习兴趣。 (2)课堂教学环境中多模态信息的识别。头部姿态可反映学生的课堂注意力方向，笑脸表情是课堂中反映学生课堂愉悦状态的关键信息，课堂互动是体现思维活跃度的有效途径。现有的多模态信息识别方法对研究对象的限制较多（比如要求呈现正面人脸及高分辨率），不适应教学大场景的应用。针对这一问题，本文研究在课堂自然环境下头部姿态、面部表情、课堂互动多模态信号的识别方法，获取描述学生学习兴趣的信息。具体内容包括:采用基于树结构分层的随机森林头部姿态估计方法，来分析教室中每个学生的注意力;提出基于多头部姿态估计的条件随机森林方法实现自然笑脸表情的识别;采用师生互动平台采集课堂上教师和学生之间的学习交互行为。 (3)基于三维兴趣模型的多模态信息融合。现有的多模态融合方法未考虑到学习兴趣模型的指导，难以准确理解研究对象的学习兴趣。针对这一问题，本文考虑不同模态之间的权重，基于提出的三维兴趣模型，从认知注意力，学习情感与思维活跃度三个维度，研究融合头部姿态、面部表情、课堂互动多模态信息的权重分析分层融合方法。基于上述提出的三维学习兴趣模型、多模态信息识别和融合等方法，本研究在教室场景下进行应用案例分析。分析表明，基于三维必趣模型不同维度获取的特征能较好的反映学生学习兴趣的差异性。同时本文将检测到的学生学习兴趣分别与学生自评和课堂教师的评价进行比较，验证本文方法的可行性。结果表明，本文提出的方法能客观地反映学生的学习兴趣程度。

作者：

罗珍珍

展开 >

关键词：

兴趣智能化分析三维兴趣模型头部姿态估计笑脸识别多模态信息融合课堂教学学习兴趣

授予学位：

博士

学科专业：

教育信息技术

导师：

陈靓影

学位年度：

2018

学位授予单位：

华中师范大学

语种：

中文

中图分类号：