网络教学中的学习状态与学习情绪识别方法研究

《网络教学中的学习状态与学习情绪识别方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：TP39单位代码：10183研究生学号：2015532088密级：公开网络教学中的学习状态吉林大学与学习硕士学位论文情绪（学术学位）识别方法网络教学中的学习状态与学习情绪识别方法研究研究ResearchonRecognitionofLearningConditionandLearning孙EmotioninNetworkTeaching重亮作者姓名：孙重亮专业：计算机应用技术吉研究方向：计算机视觉与机器学习林指导教师：黄岚教授大培养单位：计算机科学与技术学院学2018年4月摘要摘要网络教学中的学习状态与学习情绪识别方法研究传统课堂教学中，教师可以

2、通过学生的动作、面部表情等感知到学生的学习状态和学习情绪，从而对学生进行正向的反馈，如调整教学方式、对学生进行提醒等。近年来，网络教学发展势头显著，在教学领域的比重越来越大。不同于传统课堂教学，网络教学中缺失对学习状态和学习情绪识别的功能，这是网络教学中亟待解决的问题。本文研究的主要内容分为两个方面，分别是网络教学中的学习状态与学习情绪识别的方法研究。在网络教学中，摄像头可以轻易捕捉学习者的序列图像。而序列图像很好的反映出了学习者的学习状态与学习情绪信息。故而本文采用机器学习和机器视觉相关算法，通过分析视频图像并从中提取信息，完成学习者的学习状态与学习情

3、绪的识别。具体来说，为解决学习状态识别研究问题本文的工作有：1.针对网络教学中专注、一般、困倦三种学习状态的特点，分别提出了六种特征动作用来识别学习状态。2.设计算法对六种特征动作分别进行识别，获得了较高的准确率并记录识别数据生成特征动作向量。3.运用多种常用分类算法对特征动作向量进行分类。实验结果表明使用线性核函数的支持向量机算法所得到的准确率最高，达到81.5%的准确率。为解决学习情绪识别研究问题本文的主要工作有:1.分析了网络教学中学习情绪的特点，并提出了基于情绪分数的学习情绪识别方法。2.对数据集进行预处理和重新标注标签，生成可用于学习情绪识别的

4、数据集。3.设计了使用卷积神经网络的学习情绪识别算法，进行了网络结构的设计、网络参数的调试和网络的训练，并得到了误差为±0.14的识别准确程度。实验结果表明，本文提出的学习状态与学习情绪识别方法的识别准确程度高。通过本文的研究工作，可以实现网络教学中的学习状态和学习情绪识别。此外，本文分i摘要析了识别算法中存在的不足，进一步对此算法的应用场景进行了探索和展望。关键词：网络教学，学习状态，学习情绪，卷积神经网络，支持向量机iiAbstractAbstractResearchonRecognitionofLearningConditionandLearnin

5、gEmotioninNetworkTeachingIntraditionalclassroomteaching,teacherscanperceivestudents'learningconditionandlearningemotionthroughstudents'movements,facialexpressionsandsoon.Thentheycanmakepositivefeedbacktostudents,suchasadjustingteachingmethodsandremindingstudents.Inrecentyears,the

6、developmentofnetworkteachingisremarkable,anditsproportionisincreasingintheteachingfield.Unliketraditionalclassroomteaching,networkteachinglacksthefunctionoftherecognitionoflearningconditionandlearningemotion,whichisanurgentprobleminnetworkteaching.Themaincontentofthisstudyisdivid

7、edintotwoparts,whichisthestudyofrecognitionoflearningconditionandlearningemotioninthenetworkteaching.Innetworkteaching,theimagesequencescapturedbycameracanreflectlearners’learningconditionandlearningemotioneasily.Therefore,thispaperanalysesthevideoimageandextractsinformationforth

8、erecognitionoflearningconditionandlearni