物理空間中感知數據學習分析的動態校正

邵玉林

摘要：在“人—技”協同進化的教育發展態勢下，如何有效促進教育形態的轉變和教育質量的提升[1]。物理學習空間中的學習支持服務亟待重塑，在數字化技術支撐下，將傳感技術引入到物理學習空間結合學習分析技術，獲取學習者生理數據，推測其學習狀態（情緒、注意力、嗜睡），提高學生的學習體驗和協助教師實時監控，由于傳感器容易受到個體無關學習生理信號的干擾，引起系統的不穩定性，該文基于MATLAB控制工具箱設計串聯滯后—超前校正裝置，并對仿真結果進行分析比較，該方法不但簡化了控制系統校正的過程，提高了系統的穩定性。

關鍵詞：物理空間;感知數據;滯后—超前校正;生理數據

中圖分類號：TP391? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）03-0011-03

Abstract： How to effectively promote the transformation of educational form and the improvement of educational quality under the situation of "human-technology" co-evolution of educational development. Learning support services in the physical learning space need to be reshaped urgently. Supported by digital technology， sensor technology is introduced into physical learning space and combined with learning analysis technology to acquire learners 'physiological data， speculate their learning state （emotion， attention， sleepiness）， improve students' learning experience and assist teachers to monitor in real-time. Sensors are vulnerable to independent learning. The disturbance of physiological signals causes the instability of the system. In this paper， a series lag-lead correction device is designed based on the control toolbox of MATLAB， and the simulation results are analyzed and compared. This method not only simplifies the process of control system correction， but also improves the stability of the system.

Key words： physical space; perception data; lag-ahead correction; physiological data

1 背景

面對新時代教育新要求，物理空間的感知數據學習分析也正在悄然發生改變，移動互聯網重構了時空結構，終端網絡：“人—物—技”合一新時空，

將所有的人與物、人與環境、物與環境、物與物等各種方式通過網絡連接得更加碎片化、并發化、虛擬化。改變了信息知識的傳播以及智慧課堂數據的存儲與交互方式，幫助個體和群體找到更適合自身的學習方式，讓學習空間物理環境為學習者的成長注入新動力新契機。而我們的教室，從最初階段的粉筆+黑板發展到今天的多元化設計物理學習空間，它是集情感感知、位置感知、社會感知、全程記錄、無縫銜接、適應性、泛在性、自然交互、深度參與等十大功能為一體的物理學習空間[2-3]，在該空間學生的學習方式也發生翻天覆地的變化，知識傳輸的過程從傳統的課上移動到線上線下，從被動接受知識到主動的參與課堂自主學習、自由討論、團隊展示、課題合作多樣化的空間設計;讓學生能夠全方位感受真實情景再現的神奇奧秘，使得教與學更加支持協作學習、深度學習、自主探索創新。

在2012年，美國學者Brooks作了對比實驗 研究，將傳統教室的教學成果和新型教室教學成果，特定的學習空間會激發和促進特定的學習活動[4]。例如：2017年北京大學將33間教室中絕大多數教室開始改造成小班研討教室。2016年清華大學三教7間教室中的桌椅更換為靈活組合桌椅，便于交流談論[5]。

物理學習空間是指學習者通過與物理學習空間互動，利用學習空間感知數據分析技術自動提取與學習相關的數據進行分析、處理、建模、預測，例如：Koper[6]認為物理學習環境富含數字、情感感知、自適應決策和自適應設備，加拿大學者麥克菲迪恩（Macfadyen）等基于BlackBoard平臺跟蹤并收集學習行為數據，通過分析提取能夠預測學生學業成就的變量，進而識別出存在學業危機的學生進行個性化的預警與干預。幫助他們又快又好地學習。

在數字化技術支撐下，以物理空間感知數據學習分析技術為引入點提出串聯—滯后超前校正。獲取學習者生理數據，推測其學習狀態（情緒、注意力、嗜睡），提高學生的學習體驗和協助教師實時監控，由于傳感器容易受到個體無關學習的生理信號干擾，引起單位階躍響應信號系統的不穩定，本文利用串聯—超前滯后校正方法，改善系統的動態性能指標。

2 基于物理學習空間的感知數據學習分析的必要性

自2013年起，法國雅克·阿塔利所著的《未來簡史》，該書描述人類未來將面臨萬物互聯，傳感先行。離開傳感器，所有關于物理學習空間中的人、機、物、環境、信息等互聯的智能系統美好暢想都將化為烏有。

也許你會覺得，傳感器離我們的生活是非常遙遠——實際上，傳感器無處不在，比如：佩戴過智能手環的人都知道，這些手環可以記錄他們的脈搏、步數、心率等人體的生理信息[7]，每天“微信運動榜”獲得的數據就是有傳感器捕獲的，將震動傳感器放在物流包里，整個測量的過程中捕獲的數據是有一個波形圖顯示，曲線振幅越大，說明我們的包裹受到外界的撞擊力就越大對物流系統起到實時監督作用，很容易發現物流公司有沒有“溫柔對待”那些需要呵護托運的包裹。

基于傳感器自適應學習分析最早是一個校企聯合研發的項目，該項目是德國聯邦教育與研究部資助的。主要負責人是Niels Pinkwart教授，Niels Pinkwart教授是柏林洪堡大學的（Humboldt University of Berlin）教育技術領域的國際知名學者[8]，早期，我國增強在線學習系統的人性化和智能化的目的是彌補教學過程師生間、生生間實時交互的情感缺失[9-10]，近年來，隨著人工智能技術的蓬勃發展，正在研究基于物理學習空間的感知數據學習分析技術，采集學習者的生理數據，用傳感器感知學習者行為、注意力、情緒、認知等與學習相關的特征，構建這些學伴系統如何利用這些感知的數據進行干預和改善個體的學習過程，并為其提供個性化反饋[11]。通過感知學習者正受到外界因素的影響處于沮喪情緒狀態中，預測和提醒他們何時需要休息和調整，使得多元化設計得教與學的環境不斷適配學習者的心理狀態，激發學習者內在的學習動機和自我調節情緒管理的閉環系統。

3 串聯—滯后超前校正的基本原理

自動控制系統最終目標是完成某種工程任務，系統設計者最初總是要根據技術要求、經濟比較確定組成控制系統的控制對象、執行機構、功率放大器及測量元件等，這些元素確定后，不可以更改，它們成為系統“不可變部分”或“固有部分”，但是 由“固有部分”組成的控制系統[12]，一般不能滿足給定的性能指標要求，必須經過調整參數或者增加的附加裝置才能改善系統的性能。

系統設計過程：

當系統的開環頻率特性與性能指標相差很大且精度要求較高時，采用超前校正或只采用滯后校正不能滿足性能指標，則采用串聯—滯后超前校正。

它們分別與滯后和超前裝置的傳遞函數形式通過，故具有滯后—超前作用。

4 仿真實驗

由仿真圖形可知：未加校正前單位階躍響應系統是不穩定的，系統處在發散震蕩環節，加了串聯—滯后超前校正裝置后，變成了穩定的單位階躍響應。

5 結束語

信息技術重構了時空結構，智能傳感技術對現實學習空間的重塑，改變了信息和知識的傳播、存儲與交互方式，使得大數據時代的教育環境更具有可測性、情景性、感知性、交互性。故在人工智能、物聯網、大數據、智能感知等技術的包裹下引發新一輪的教育改革。

由于智能傳感容易受到個體無關學習生理信號的干擾，引起系統的不穩定性，本文基于MATLAB/Simulink控制工具箱設計串聯滯后—超前校正裝置，從仿真結果可以看出，不但簡化了控制系統校正的過程，還提高了系統的穩定性、準確性、快速性。

參考文獻：

[1] 孫波，劉永娜，陳玖冰，等.智慧學習環境中基于面部表情的情感分析[J].現代遠程教育研究，2015（2）：96-103.

[2] 黃榮懷，楊俊鋒，胡永斌.從數字學習環境到智慧學習環境——學習環境的變革與趨勢[J].開放教育研究，2012，18（1）：75-84.

[3] 黃榮懷，胡永斌，楊俊鋒，等.智慧教室的概念及特征[J].開放教育研究，2012，18（2）：22-27.

[4] Fisher K.Linking pedagogy and space[EB/OL].[2020-06-29].http：//www.education.v1c.

[5] 未來教育發展趨勢之“學習空間重構”新浪博客[EB/OL].（2018-09-07）[2020-06-27].http：//blog.sina.com.cn/s/blog_15e650df20102wqnr.h.

[6] Koper R.Conditions for effective smart learning environments[J].Smart Learning Environments， 2014（1）：1-17.

[7] 劉智，劉三（女牙），康令云.物理空間中的智能學伴系統：感知數據驅動的學習分析技術——訪柏林洪堡大學教育技術專家Niels Pinkwart教授[J].中國電化教育，2018（7）：67-72.

[8] 劉智，方常麗，劉三（女牙），等.物理學習空間中學習者情緒感知研究綜述[J].遠程教育雜志，2019，37（2）：33-44.

[9] 牟智佳.“人工智能+”時代的個性化學習理論重思與開解[J].遠程教育雜志，2017，35（3）：22-30.

[10] 許亞鋒，高紅英.面向人工智能時代的學習空間變革研究[J].遠程教育雜志，2018，36（1）：48-60.

[11] Cooper D G，Arroyo I，Woolf B P，et al.Sensors model student self concept in the classroom[M]//User Modeling，Adaptation，and Personalization.Berlin，Heidelberg：Springer Berlin Heidelberg，2009：30-41.

[12] 陳鐵牛.自動控制原理[M].北京：機械工業出版社，2006.

【通聯編輯：謝媛媛】