基于面部表情的学习困惑自动识别法

摘要：

学习情绪是学习者模型的重要内容,如何识别学习者的学习情绪是下一代智能教辅系统的关键技术.困惑是最常见的学习情绪之一,及时识别并解决困惑有助于提高学习效果,然而困惑情绪内隐性较强,识别难度较大.本研究设计了一组基于在线测评的困惑诱导实验,提出了一种基于面部表情的学习困惑自动识别算法.研究人员通过设定不同难度的测试题诱导被试产生困惑情绪,同时利用摄像设备实时捕捉学习者的面部表情,提取面部重要特征点,进而利用机器学习算法进行困惑识别.在实验中,本研究使用逻辑回归、支持向量机、K近邻、决策树、随机森林和深度学习等机器学习算法建立学习困惑自动检测模型,并与被试自我报告确定的困惑标签进行对比.实验结果表明,多数分类算法能有效检测学生的学习困惑,随机森林模型的预测性能最佳,平均准确率为71.18％.本研究所提出的方法可为下一代智能教辅系统的学习者情绪建模提供技术支撑.

关键词：学习困惑、面部表情检测、情感计算、机器学习、人工智能

所属期刊栏目：24

分类号：G436(电化教育)

资助基金：国家自然科学基金项目"基于多目标稀疏优化的多视图聚类方法"61503340

在线出版日期：2018-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：101-108