基于异步视频学习情绪预警的视频画面情感进化模型研究

教育数字化转型背景下,异步视频学习具有跨越传统学习时空限制的独特优势,但也存在学习持续性差、学习者情绪表达障碍、学习效率低下等问题,其中视频画面情感质量对学习者的情绪体验和学习效果具有重要影响。基于此,提出从学习者视角开展异步视频学习情绪预警,并以预警结果为依据反向优化教学视频画面的情感,进而达到视频画面情感进化以及异步视频学习体验与效果优化的双重目标。首先,参考多系统情绪激活理论和多媒体画面语言学理论构建了异步视频学习情绪激活机制的理论模型;其次,以理论模型为依据厘清异步视频学习情绪预警的技术方案,并通过情绪预警实验实现了异步视频学习情绪特征的采集、融合与预警模型构建;最后,从视频学习资源库、异步视频学习情绪预警模块、教学视频画面情感优化设计规则库和资源设计者四方面构建了视频画面情感智能进化系统模型。研究结果为教学视频画面情感进化提出了完整的实践方案,既可改善视频资源质量与异步视频学习成效,又可提升以教师为主的资源设计者的信息技术素养与能力,实现以多模态技术与人工智能技术驱动我国教育数字化转型的高质量发展。

基于互动仪式链理论的短视频弹幕平台用户情绪预警机制研究——以Bilibili弹幕网站为例

【目的/意义】短视频平台的兴起让弹幕成为公众情感交流的重要载体,构建短视频平台弹幕情绪预警机制有助于更好地把握舆情态势。【方法/过程】以互动仪式链理论为基础,建立Bilibili弹幕视频互动仪式模型,并对驱动互动仪式链形成的用户情绪设计了预警机制。构建了EGM-马尔可夫-Fisher模型,并与EGM(1,1)、EGM-马尔可夫模型的预测结果进行了精度对比,以实现较为准确的负面情绪风险预警;在预测阈值的基础上结合灰色关联分析方法,提出情绪预警分级方案。最后通过爬取Bilibili网站舆情事件数据对预警机制进行检验。【结果/结论】EGM-马尔可夫-Fisher模型的预测精度较高,其在情绪监测预警方面具有良好的适用性。结合灰色关联分析改进的分级方法预测可靠,为提升用户情感互动体验和网络空间的有效治理提供参考。【创新/局限】研究挖掘了短视频平台互动仪式中弹幕与实现情绪预警的关联,构建了预警模型,未来可针对用户主体特征深化情绪传播研究。

智能测评系统在校园学生情绪预警中的应用

阐述采用教育软件进行虚拟实践,嵌入校园学生焦虑情绪的检测功能,对不同气质类型的学生描绘精准的“数据画像”,基于计算机控制技术的自动化应用,构建学生情绪预警系统。

突发事件中网络情绪测量与预警研究的回顾与反思

本文以"知网""万方"和"维普"为数据源筛选相关领域代表性研究文献,对突发事件中网络情绪测量与预警的已有研究进行了系统综述,认为相关研究颇具现实导向性和技术应用性,但在理论建构方面存在不足,需借鉴多学科成果提供成熟的理论支撑;另外,长期追踪研究和多类综合研究也比较少,需完善信息预案库提升研究层次。

新型多功能驾驶员状态监测系统设计

针对当前驾驶员状态监测的单一性缺陷,设计了一款新型多功能驾驶员状态监测系统。系统利用无线脑电信号采集分析技术进行情绪预警、疲劳监测和突发疾病监测;利用酒精浓度传感器进行饮酒监测;利用声光控制和GPRS发出报警。若驾驶员任一状态超标则发出声光报警并提示靠边停车,同时通过GPRS将车辆信息通知家人和交通管理部门。实验结果表明,传统方法相比,该系统实现了数据的准确采集和高速传输,能够实现驾驶员状态多功能实时监测,检测灵敏度及准确率高,对预防交通事故具有很强的实用价值。

个体反社会型校园暴力行为生发机制与应对策略

个体反社会型校园暴力是社会不特定个体因其在社会进程中受挫而产生反社会心理后针对在校年幼个体所进行的暴力发泄,具有入侵性、突发性、非理性等特征。个体反社会型校园暴力的形成具有多个层面的原因,并且逐层递进。应该从宏观、中观、微观三个层面建立一套针对此类校园暴力的长效应对机制,建立校园周边地区社会紧张情绪的评估预警机制,减少校园周边矛盾,改变媒体报道视角,对校园周边地区进行治安调整和治安承包。

面向突发事件的群体情绪监控预警

突发事件所引发的群体情绪可能会导致衍生群体事件的发生,所以有必要对群体情绪演化进行监控预警。本文对突发事件发生、发展过程中群体情绪的演化进行了研究,建立了面向突发事件的情绪层次模型以及情绪监控预警模型。通过支持向量机、贝叶斯文本分类算法、n元语言模型三种机器学习算法,以及CH I(卡方检验)、DF(文档频率)、IG(信息增益)三种特征选择方法对突发事件相关的微博评论进行了情绪分类的实验分析,实验结果表明支持向量机、IG取得的分类性能最优,得到的分类结果可以满足实际应用的需求。进而对王家岭矿难、山西疫苗两个突发事件进行了实际案例研究,建立并分析了情绪层次演化曲线。最后提出了群体情绪演化预警指标以及预警模式的概念。

基于可信反馈的微博用户情绪异常预警模型研究

【目的/意义】微博是用户情感发泄的重要渠道,预警模型将有助于发现异常情绪用户,以便及时展开干预。【方法/过程】模型首先利用极性词典和句法序列规则计算微博情感极性程度值,过滤出可疑情绪异常节点;然后利用微博社交网互动关系,计算节点之间的信任值,进一步通过可信反馈对情绪异常节点进行判断。【结果/结论】实验表明,基于序列规则+词典比基于词典的方法对可疑异常情绪用户过滤准确性高,而相比这两种文本挖掘的方法,将可信反馈加入异常情绪判断进一步提高了识别准确度。