学习情感分析方法研究综述

文章从学习情感数据库、单模态学习情感分析方法和多模态学习情感分析方法三个方面进行综述,以期让广大研究者对学习情感分析有一个较为清晰全面的了解和认识,进一步推动学习情感分析研究的发展。研究结果表明:现有的情感数据库中的情感标签不完全符合学习过程中的情感状态,而专门针对学习情感分析的数据库资源相比之下较为匮乏;虽然多模态数据在情感识别中更可靠,但存在大规模数据的维数灾难、不同模态间的不同步、算法的实时性等亟待解决的问题;目前关于学习情感分析的系统及其理论研究相对比较匮乏。

学习云空间中基于情感分析的学习推荐研究

在"三通两平台"建设背景下,云空间以泛在的资源供给和便捷的交互支持特性,为学习者提供了一个高效、可定制的互联学习空间环境——学习云空间。正如其他在线学习平台一样,"情感缺失"一直是制约学习云空间中学习效率提升的一个重要瓶颈。该文聚焦学习云空间中学习者情感的获取与应用,提出了一个基于空间交互文本大数据的情感分析方法及其学习推荐机制。首先,利用时序特征数据适应性的LSTM网络构建学习者情感分析模型,并设计了一个可实时动态分析情感的执行算法。然后利用贝叶斯网络进行情感归因分析,建立情感驱动下的学习推荐机制与策略,并在已有学习云空间平台中实现了基于上述理论成果的学习推荐功能系统。最后进行效果验证,该系统可以分析学习者的情感并为其推荐学习支持服务,满足其基于网络空间的个性化知识建构需求。

在线教育中情感研究现状和发展趋势探析

情感研究是当前在线教育中的重要研究问题,涉及的领域十分广泛。研究力图对在线教育中情感领域的研究进行系统的总结和归纳,从而更好地促进在线教育的发展。研究通过文献计量法和内容分析法,以近十年来发表在国内外核心期刊上关于在线教育领域情感研究的235篇文献为研究对象,对其研究主题、研究场景、研究对象、研究方法等进行统计分析,并从情感分析、情感参与、情感交互、情感设计等方面对相关研究热点进行深入剖析。在此基础上,从聚焦即时智能化的情感时序性研究、深度探究多元因素的协同作用机制、提高情感分析算法的准确性和可解释性、扩大情感的研究场景和研究群体范围、加强情感设计和情感系统的应用与效果评价等五个方面对相关领域的研究提出了建议,以期更好地促进学习者在线情感投入,提升在线学习质量。