学习情感计算研究——基于国际研究的系统性文献综述

情感计算为感知与理解学习者情感、增强情感交互、促进人机协同提供了技术支撑。近年来,围绕学习情感计算的研究迅速增加,但缺乏对相关研究理论基础、技术方法和应用场景的系统梳理与总结。鉴于此,本研究采用系统性文献综述法对国际上发表的该主题研究进行内容分析,旨在为我国学者开展相关研究提供更多的实践参考。分析发现,学习情感计算研究以离散型情感理论为主,基本情感理论是研究焦点;情感测量的数据来源丰富,多模态情感识别成为研究趋势;情感测量方法以机器学习技术为主,支持向量机和卷积神经网络是应用最多的两种算法;学习情感计算的应用场景单一,以在线学习场景为主。今后我国学者在开展相关研究时,需要重视情感理论的情景化、数据的多源化、方法的多样化、应用场景的丰富化,拓展学习情感计算研究的深度和广度。

基于眼动追踪和脑电技术的多维设计特征产品外观的用户情感预测模型

目的探索多维设计特征产品外观的用户情感测量,建立基于生理指标的用户情感预测模型。方法以马克杯为例,通过外观解构,多维设计要素提取,正交组合设计,建立产品外观原型。利用眼动追踪和脑电技术,采集用户观看产品外观时的眼动数据和脑电信号。结果分析发现,注视点数,注视总时间,扫视路径长度,FP1、FP2、FPZ、F3、FC3、FC4、PZ、PO3、PO4、POZ、O1、OZ电极Gamma波相对功率,以及F3电极点Delta波相对功率等指标在高、中、低三种情感外观均具有显著性差异,且利用这些指标建立的PLS模型,具有较好的拟合度。结论各评价指标能够有效区分用户对马克杯产品外观的高、中、低情感。用户情感预测模型能够有效地预测用户对多维设计特征产品外观的情感,但在跨越不同类别产品时,模型的拟合度有所下降。研究为多维设计特征产品的用户情感测量提供了有效的方法。