腦機(jī)接口技術(shù)支持學(xué)習(xí)情感識(shí)別的應(yīng)用框架及反思

趙麗 李蘇琦 王淑文

[摘 ? 要] 人工智能技術(shù)支持下的學(xué)習(xí)情感識(shí)別在教育教學(xué)研究中至關(guān)重要，能夠促進(jìn)教育教學(xué)策略的改進(jìn)。腦機(jī)接口技術(shù)作為人工智能技術(shù)的一項(xiàng)重要應(yīng)用，已成為情感識(shí)別領(lǐng)域研究熱點(diǎn)之一。文章分析了腦機(jī)接口技術(shù)支持學(xué)習(xí)情感識(shí)別的發(fā)展動(dòng)因，進(jìn)而構(gòu)建包括數(shù)據(jù)處理、情感表達(dá)與教學(xué)調(diào)控三個(gè)過程的腦機(jī)接口技術(shù)支持學(xué)習(xí)情感識(shí)別的應(yīng)用框架，探討了腦機(jī)接口技術(shù)在學(xué)習(xí)情感識(shí)別領(lǐng)域仍面臨的技術(shù)鴻溝、倫理挑戰(zhàn)與學(xué)習(xí)者的主觀偏見等局限。最后提出未來腦機(jī)接口支持下的學(xué)習(xí)情感識(shí)別可從強(qiáng)化技術(shù)融合、發(fā)展以人為本為導(dǎo)向的設(shè)計(jì)，以及尊重學(xué)習(xí)者的主觀需求等方面進(jìn)行改進(jìn)，從而保證腦機(jī)接口技術(shù)支持學(xué)習(xí)情感識(shí)別應(yīng)用的可行性，并綜合衡量學(xué)習(xí)狀態(tài)，拓展其在教育領(lǐng)域的應(yīng)用與創(chuàng)新。

[關(guān)鍵詞] 腦機(jī)接口； 情感識(shí)別； 人工智能； 學(xué)習(xí)情感； 教學(xué)調(diào)控

[中圖分類號(hào)] G434 ? ? ? ? ? ?[文獻(xiàn)標(biāo)志碼] A

[作者簡介] 趙麗（1982—），女，江蘇南京人。副教授，博士，主要從事在線學(xué)習(xí)理論與實(shí)踐、課堂教學(xué)模式變革、學(xué)生思維能力培養(yǎng)研究。E-mail：li.zhao@njnu.edu.cn。

一、引 ? 言

情感（Emotion）是個(gè)體對(duì)客觀事物是否滿足自己的需要而產(chǎn)生的態(tài)度體驗(yàn)[1]，其可以反映個(gè)體當(dāng)下的生理與心理狀態(tài)，并對(duì)個(gè)體的認(rèn)知、溝通與決策等產(chǎn)生重要影響[2]。在教育領(lǐng)域，學(xué)習(xí)者的學(xué)習(xí)情感會(huì)影響他們的信息處理水平、回憶再現(xiàn)能力和外在表現(xiàn)行為[3]。在學(xué)習(xí)過程中，學(xué)習(xí)者產(chǎn)生的高興、專注等積極情感能夠激發(fā)他們的學(xué)習(xí)動(dòng)機(jī)，提高學(xué)習(xí)投入度，促進(jìn)認(rèn)知加工活動(dòng)；而焦慮、悲傷等消極情感會(huì)抑制學(xué)習(xí)者的學(xué)習(xí)動(dòng)機(jī)，影響他們的學(xué)習(xí)注意力和專注度，阻礙認(rèn)知活動(dòng)[4]。因此，學(xué)習(xí)情感是學(xué)習(xí)者學(xué)習(xí)行為的重要驅(qū)動(dòng)因素[5]，準(zhǔn)確識(shí)別并分析學(xué)習(xí)者的學(xué)習(xí)情感，能夠及時(shí)判斷學(xué)習(xí)者的學(xué)習(xí)狀態(tài)，從而給予精準(zhǔn)調(diào)控，保障良好的學(xué)習(xí)效果。學(xué)習(xí)者學(xué)習(xí)情感的變化會(huì)受到多種因素的影響，通常會(huì)伴有個(gè)體行為表征和生理、心理反應(yīng)的變化，因此，可以采取科學(xué)的方法對(duì)其進(jìn)行識(shí)別與分析。

情感識(shí)別（Emotion Recognition）的概念最早在Minsky教授于1986年編著的《心智社會(huì)》中提出[6]。這是一個(gè)跨學(xué)科研究領(lǐng)域，涉及計(jì)算機(jī)科學(xué)、心理學(xué)、認(rèn)知科學(xué)、神經(jīng)科學(xué)等多個(gè)學(xué)科，指的是對(duì)情感信息中比較有代表性的特征進(jìn)行提取，并根據(jù)提取到的特征進(jìn)行情感分類，從而識(shí)別并判斷出個(gè)體當(dāng)前所處的情感狀態(tài)類型[7]。其作為情感計(jì)算領(lǐng)域的重要組成部分，賦予了計(jì)算機(jī)識(shí)別、理解與分析人類各種情感特征的能力[8]，在計(jì)算機(jī)與人類情感之間建立聯(lián)系，實(shí)現(xiàn)了自然、生動(dòng)的人機(jī)交互。

情感識(shí)別的關(guān)鍵是找出個(gè)體情感與其情感信息介質(zhì)之間的映射聯(lián)系[9]。一般來講，情感信息介質(zhì)通常包括行為信息和生理信號(hào)兩種形式，情感識(shí)別通過采集個(gè)體的行為信息和生理信號(hào)兩種方式來評(píng)估個(gè)體的情感狀態(tài)[10]。在以往的研究中，研究者通常將采集到的學(xué)習(xí)者的面部表情、課堂發(fā)言、肢體手勢(shì)等多種模態(tài)行為信息作為情感識(shí)別的源數(shù)據(jù)，其具有豐富性和多樣性等特征，但同時(shí)也具有欺騙性、不準(zhǔn)確性等局限。隨著人工智能發(fā)展和多學(xué)科不斷交叉融合，更自然的人機(jī)交互系統(tǒng)的實(shí)現(xiàn)獲得廣泛關(guān)注。作為人機(jī)交互的一個(gè)重要應(yīng)用，腦機(jī)接口技術(shù)（Brain-Computer Interface，簡稱BCI）已成為神經(jīng)科學(xué)研究關(guān)注的熱點(diǎn)課題。情感腦機(jī)接口（affective Brain-Computer Interfaces，簡稱aBCI）作為腦機(jī)接口技術(shù)專注于情感領(lǐng)域的研究方式，為情感識(shí)別提供了新手段。其可以在計(jì)算機(jī)和大腦之間建立非肌肉通道，直接采集大腦皮層的腦電信號(hào)[11]，極大減少了情感識(shí)別對(duì)外部行為的依賴，從而獲取更加真實(shí)的情感數(shù)據(jù)。因此，基于腦機(jī)接口技術(shù)的情感識(shí)別以其顯著的優(yōu)勢(shì)在現(xiàn)階段和未來都有著廣闊的應(yīng)用前景。然而，現(xiàn)階段由于腦機(jī)接口技術(shù)尚不完善以及相關(guān)法律政策的缺失，也有人在謹(jǐn)慎地反思新技術(shù)對(duì)個(gè)體精神領(lǐng)域的侵害風(fēng)險(xiǎn)[12]，因而腦機(jī)接口技術(shù)支持學(xué)習(xí)情感識(shí)別或面臨實(shí)際應(yīng)用的可行性等諸多問題。因此，本研究聚焦腦機(jī)接口技術(shù)支持下的學(xué)習(xí)情感識(shí)別，從學(xué)習(xí)情感識(shí)別的研究現(xiàn)狀、腦機(jī)接口支持學(xué)習(xí)情感識(shí)別的應(yīng)用框架、反思與建議，探討腦機(jī)接口技術(shù)支持學(xué)習(xí)情感識(shí)別的實(shí)現(xiàn)路徑及可能存在的應(yīng)用局限，為腦機(jī)接口技術(shù)支持學(xué)習(xí)情感識(shí)別的未來研究與實(shí)踐提供一定參考。

二、從多模態(tài)到腦機(jī)接口技術(shù)：學(xué)習(xí)情感識(shí)別的研究路向

人工智能與傳感技術(shù)的融合應(yīng)用，使通過采集學(xué)習(xí)者的面部表情、語音等模態(tài)信息進(jìn)行情感識(shí)別成為研究熱點(diǎn)。隨著人工智能和教育神經(jīng)科學(xué)的發(fā)展，研究者也在試圖采集與分析學(xué)習(xí)者的生理信號(hào)以檢測和識(shí)別學(xué)習(xí)者的情感狀態(tài)。

（一）多模態(tài)支持下的學(xué)習(xí)情感識(shí)別路徑及困境

不同的情感對(duì)行為有不同的導(dǎo)向作用。通常用來評(píng)估學(xué)習(xí)者的學(xué)習(xí)情感狀態(tài)的方式包括自我報(bào)告、行為觀察和學(xué)習(xí)情緒量表等行為和心理測量方式，存在結(jié)果準(zhǔn)確率不高、主觀性較強(qiáng)等問題[13]。近年來，隨著傳感技術(shù)與人工智能的融合應(yīng)用，利用多模態(tài)信息來解碼個(gè)體情感已成為情感識(shí)別領(lǐng)域常用的信息處理方式。模態(tài)指某件事發(fā)生或經(jīng)歷的方式，是屬于身體或情境中一種可衡量的屬性[14]，人的各種感官和信息的傳播媒介等都可以被稱作一種模態(tài)[15]。在傳統(tǒng)的情感分析研究中，研究者通常基于某一種模態(tài)進(jìn)行分析。如，基于學(xué)習(xí)者的觸覺這一模態(tài)，Tewell等設(shè)計(jì)了熱刺激陣列來提高學(xué)生對(duì)信息的情緒喚醒能力[16]。在特定的教育場景下，學(xué)習(xí)者的行為姿態(tài)、語音表達(dá)和面部表情等往往具有復(fù)雜性，單模態(tài)支持下的情感分析難以全面、準(zhǔn)確地識(shí)別、分析出學(xué)習(xí)者的學(xué)習(xí)情感。因此，大多數(shù)情況下，人類會(huì)通過聲音、面部表情、肢體語言等融合多種模態(tài)表達(dá)情感。當(dāng)前，多模態(tài)情感識(shí)別主要對(duì)象包括文本、語音、面部表情、肢體行為、學(xué)習(xí)情境、生理和心理數(shù)據(jù)等[17]。

相比于單模態(tài)支持下的學(xué)習(xí)情感識(shí)別，多模態(tài)支持下的情感識(shí)別可以利用多種模態(tài)信息源進(jìn)行情感信息的相互印證與補(bǔ)充，有效提升了學(xué)習(xí)情感識(shí)別的準(zhǔn)確性。然而，多模態(tài)情感識(shí)別仍面臨一些挑戰(zhàn)：首先，雖然學(xué)習(xí)主體的面部表情、語音、肢體行為等模態(tài)數(shù)據(jù)便于收集，但由于此類信息受主體主觀控制的作用較強(qiáng)，模態(tài)信息可能具有欺騙性，無法保證結(jié)果分析的可靠性[18]；其次，融合多個(gè)模態(tài)信息進(jìn)行情感識(shí)別會(huì)使不同模態(tài)信息特征間的相關(guān)性變得復(fù)雜，處理分析的數(shù)據(jù)量會(huì)大幅度增加，而大規(guī)模數(shù)據(jù)可能會(huì)引起數(shù)據(jù)混亂[19]；再次，多模態(tài)支持下需要對(duì)多模態(tài)數(shù)據(jù)進(jìn)行壓縮，有可能導(dǎo)致一些信息的丟失；最后，不同模態(tài)的信息源之間可能存在時(shí)間異步的問題，從而無法實(shí)現(xiàn)實(shí)時(shí)性的多模態(tài)融合。

（二）腦機(jī)接口技術(shù)支持學(xué)習(xí)情感識(shí)別的可能探索

相比易受外界因素和主觀動(dòng)機(jī)干擾的外顯行為信息，內(nèi)在的生理信號(hào)更加穩(wěn)定并難以主觀操控[20]， 因此，基于個(gè)體內(nèi)部的生理信號(hào)（如腦電信號(hào)、心電圖等）來監(jiān)測情感變化會(huì)更加直觀且真實(shí)[16]。其中，基于腦電信號(hào)的情感識(shí)別為個(gè)體內(nèi)部情感狀態(tài)的監(jiān)測提供了一種直接有效的方式。因此，利用腦機(jī)接口技術(shù)采集學(xué)習(xí)者的腦電信號(hào)以進(jìn)行學(xué)習(xí)情感識(shí)別逐漸受到了研究者的關(guān)注。

腦機(jī)接口技術(shù)指通過在學(xué)習(xí)者的大腦與外部設(shè)備（如計(jì)算機(jī)）之間建立直接交流的信息通道，對(duì)大腦生理數(shù)據(jù)進(jìn)行編碼與解碼，從而實(shí)現(xiàn)大腦神經(jīng)系統(tǒng)和計(jì)算機(jī)間信息傳遞、交互及功能整合的技術(shù)[21]。目前的腦機(jī)接口技術(shù)可采集、轉(zhuǎn)換與識(shí)別大腦神經(jīng)信號(hào)，將學(xué)習(xí)者的內(nèi)隱信息進(jìn)行外顯化表征。學(xué)習(xí)本質(zhì)上是大腦神經(jīng)元建立連接的過程[22]，從神經(jīng)科學(xué)的視角對(duì)教育領(lǐng)域出現(xiàn)的各種問題開展剖析與研究已成為教育研究領(lǐng)域的一個(gè)重地。

腦機(jī)接口技術(shù)研發(fā)初衷是幫助身體失能者重獲與外界交互的能力[23] ， 醫(yī)學(xué)領(lǐng)域是腦機(jī)接口應(yīng)用主陣地之一。隨著技術(shù)不斷發(fā)展，腦機(jī)接口技術(shù)在認(rèn)知領(lǐng)域中也有廣闊的應(yīng)用前景，其可以實(shí)時(shí)預(yù)測人體的認(rèn)知情感狀態(tài)[19]。在學(xué)習(xí)過程中，學(xué)習(xí)者的腦電特征會(huì)因?qū)W習(xí)認(rèn)知活動(dòng)的不同而存在差異，而腦電特征可通過腦電信號(hào)（EEG）、近紅外光譜（fNIRS）等信號(hào)介質(zhì)進(jìn)行表征[24]。因此，利用腦機(jī)接口技術(shù)能夠?qū)崿F(xiàn)對(duì)腦電信號(hào)的采集與分析，是深度解碼大腦中學(xué)習(xí)與認(rèn)知信息的重要前提。

隨著腦機(jī)接口技術(shù)的發(fā)展與多學(xué)科融合趨勢(shì)日益明顯，腦機(jī)接口技術(shù)的教育應(yīng)用也逐漸成為重要的教育研究議題。教育對(duì)個(gè)體的作用不僅作用于個(gè)體的外顯行為，還對(duì)個(gè)體內(nèi)隱的、深層次的神經(jīng)生理活動(dòng)產(chǎn)生影響[25]。運(yùn)用腦機(jī)接口技術(shù)檢測并反饋學(xué)習(xí)狀態(tài)，對(duì)提升學(xué)生注意力、認(rèn)知力和理解力等能力有積極影響[26]。隨著多學(xué)科的交叉融合，教與學(xué)背后的腦神經(jīng)認(rèn)知機(jī)制得到教育研究者的廣泛關(guān)注，以期制定出更符合人腦學(xué)習(xí)規(guī)律的教學(xué)策略[27]。學(xué)習(xí)者的情緒狀態(tài)、專注度、認(rèn)知負(fù)荷等認(rèn)知狀態(tài)對(duì)學(xué)習(xí)效果存在重要影響，利用腦機(jī)接口技術(shù)可從神經(jīng)生理信號(hào)的角度對(duì)學(xué)習(xí)者的專注度、情緒等狀態(tài)進(jìn)行分析[28]，這或是解密學(xué)習(xí)者復(fù)雜行為背后內(nèi)隱認(rèn)知狀態(tài)的可行性方法。

三、基于腦機(jī)接口技術(shù)的學(xué)習(xí)情感識(shí)別

應(yīng)用框架

應(yīng)用腦機(jī)接口設(shè)備對(duì)大腦活動(dòng)進(jìn)行識(shí)別通常有主動(dòng)和被動(dòng)兩種控制方式[29]。在大腦主動(dòng)進(jìn)行活動(dòng)時(shí)，個(gè)體通過直接和有意識(shí)地生成命令來控制設(shè)備，這些命令被連接到外部應(yīng)用程序。相反，被動(dòng)狀態(tài)下的腦機(jī)接口系統(tǒng)是指大腦信號(hào)在沒有任何自愿控制的情況下產(chǎn)生輸出的系統(tǒng)。個(gè)體情感識(shí)別即屬于被動(dòng)腦機(jī)接口的實(shí)現(xiàn)方式[30]。腦機(jī)接口系統(tǒng)通常包含信號(hào)采集、信號(hào)處理和交互控制三個(gè)模塊[31]：信號(hào)采集模塊指利用信號(hào)采集設(shè)備采集帶有大腦活動(dòng)信息的信號(hào)介質(zhì)，以便于后續(xù)的處理、分析與應(yīng)用；信號(hào)處理模塊旨在對(duì)采集到的大腦信號(hào)進(jìn)行分析，解碼其包含的大腦活動(dòng)信息，從而了解大腦意圖；控制模塊需要將大腦信號(hào)轉(zhuǎn)換為外部設(shè)備可識(shí)別的信號(hào)，從而在外部設(shè)備上呈現(xiàn)大腦意圖，以供研究人員對(duì)其進(jìn)行進(jìn)一步的分析與研究。本研究在情感識(shí)別研究基礎(chǔ)上，結(jié)合對(duì)學(xué)習(xí)者情感狀態(tài)特征的分析， 以離散情感模型為基礎(chǔ)[32]，建構(gòu)腦機(jī)接口技術(shù)支持學(xué)習(xí)情感識(shí)別的應(yīng)用框架（如圖1所示）。該框架主要包括數(shù)據(jù)處理、情感表達(dá)與教學(xué)調(diào)控三過程，立足于實(shí)際的教學(xué)場景，采集學(xué)習(xí)者在上課期間的腦電信號(hào)，依據(jù)離散情感模型并利用相關(guān)算法對(duì)腦電信號(hào)進(jìn)行預(yù)處理、特征提取以及情感分類，隨后通過交互控制模塊將處理好的腦電信號(hào)轉(zhuǎn)換成其它設(shè)備可識(shí)別的控制信號(hào)；對(duì)情感分析模型進(jìn)行反饋與評(píng)估，可利用可視化方式表達(dá)學(xué)習(xí)情感，并對(duì)學(xué)習(xí)情感進(jìn)行正確歸因；最后，基于分析結(jié)果，從教師和學(xué)生兩個(gè)角度動(dòng)態(tài)干預(yù)與調(diào)節(jié)學(xué)習(xí)者在課前、課中和課后三個(gè)學(xué)習(xí)環(huán)節(jié)的情感狀態(tài)，實(shí)現(xiàn)全方位學(xué)習(xí)情感調(diào)節(jié)。

（一）立足課堂教學(xué)，采集與處理學(xué)習(xí)情感數(shù)據(jù)

課堂教學(xué)情境中，學(xué)習(xí)者的情感狀態(tài)通常會(huì)隨著教師的引導(dǎo)和與同伴的互動(dòng)而隨時(shí)發(fā)生變化，學(xué)習(xí)者的大腦皮層處于始終活躍的狀態(tài)。因此，可借助腦機(jī)接口技術(shù)對(duì)上課時(shí)的學(xué)生進(jìn)行實(shí)時(shí)腦電信號(hào)采集。通常情況下，腦機(jī)接口技術(shù)有三種采集信號(hào)的方式：侵入式、非侵入式和半侵入式。考慮到實(shí)際教育場景的復(fù)雜性以及學(xué)習(xí)者的身體狀態(tài)，在不影響正常學(xué)習(xí)進(jìn)度的情況下，采用非侵入式，由學(xué)習(xí)者頭戴腦電帽，通過電極采集腦電信號(hào)的方式最為便捷。另外，腦機(jī)接口技術(shù)支持下的學(xué)習(xí)情感識(shí)別屬于被動(dòng)性腦機(jī)接口，主要依賴于非自愿調(diào)節(jié)的大腦活動(dòng)，系統(tǒng)可以實(shí)時(shí)捕捉學(xué)習(xí)者的情感狀態(tài)，他們不必為達(dá)到特定結(jié)果而主觀改變自己的心理活動(dòng)。

隨后，利用腦機(jī)接口系統(tǒng)對(duì)采集到的腦電信號(hào)進(jìn)行數(shù)據(jù)處理。數(shù)據(jù)處理是腦機(jī)接口系統(tǒng)的核心模塊，包括預(yù)處理、特征提取和情感分類三個(gè)階段。首先，進(jìn)行腦電信號(hào)的預(yù)處理，根據(jù)采集到的腦電信號(hào)的時(shí)域和頻域特點(diǎn)及不同來源，利用主成分分析（PCA）、獨(dú)立成分分析（ICA）、非線性濾波等方法最大程度去除腦電信號(hào)中的噪音干擾[31]，提高EEG信號(hào)的信噪比，放大腦電信號(hào)，并將其數(shù)字化，為后續(xù)的數(shù)據(jù)處理做準(zhǔn)備。其次，利用STFT對(duì)腦電信號(hào)的功率譜密度（PSD）和頻譜熵（SE）等統(tǒng)計(jì)特征進(jìn)行時(shí)域、頻域、時(shí)頻和非線性特征的特征提取[33]，這是為了降低腦電信號(hào)數(shù)據(jù)的維數(shù)以提取出與學(xué)習(xí)情感相關(guān)的特征。再次，依據(jù)離散情感模型和現(xiàn)有的基準(zhǔn)情感數(shù)據(jù)庫，利用無監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)和有監(jiān)督學(xué)習(xí)等情緒識(shí)別分類方法和自組織映射（Self-Organizing Map， SOM）、支持向量機(jī)（SVM）等分類器進(jìn)行情感分類，實(shí)現(xiàn)腦電信號(hào)與積極、中性和消極三種學(xué)習(xí)情感的映射關(guān)系。最后，通過腦電轉(zhuǎn)換模塊，將處理后的腦電信號(hào)轉(zhuǎn)換成可以被外部設(shè)備識(shí)別或操作的控制信號(hào)或命令，以實(shí)現(xiàn)實(shí)時(shí)、準(zhǔn)確的輸出。

（二）依據(jù)分析結(jié)果，表達(dá)與反饋學(xué)習(xí)情感數(shù)據(jù)

對(duì)經(jīng)過腦機(jī)接口系統(tǒng)分析后的情感識(shí)別模型進(jìn)行結(jié)果反饋與評(píng)估，將識(shí)別并經(jīng)過處理的學(xué)習(xí)情感信息進(jìn)行可視化表達(dá)與反饋。可視化是將數(shù)據(jù)、知識(shí)和信息等轉(zhuǎn)化為可視的表達(dá)形式的過程，可以更加直觀地識(shí)別并理解更深層次的數(shù)據(jù)[34]。在實(shí)際教學(xué)場景中，可視化的情感表達(dá)可以實(shí)時(shí)、生動(dòng)地呈現(xiàn)學(xué)習(xí)者的情感狀態(tài)，促進(jìn)腦機(jī)接口系統(tǒng)與學(xué)習(xí)場域的情感交互，提升腦機(jī)接口技術(shù)支持學(xué)習(xí)情感識(shí)別應(yīng)用的友好性與學(xué)生的學(xué)習(xí)體驗(yàn)。另外，學(xué)習(xí)情感的可視化表達(dá)還可以作為腦機(jī)接口系統(tǒng)與實(shí)際教育場景的橋梁，教師和學(xué)生可根據(jù)學(xué)習(xí)情感的可視化表達(dá)的結(jié)果，針對(duì)性地對(duì)教師的教學(xué)策略、學(xué)習(xí)者自身的心理狀態(tài)進(jìn)行調(diào)整與改善，以實(shí)現(xiàn)對(duì)整個(gè)教學(xué)與學(xué)習(xí)過程全方位的監(jiān)督與調(diào)控。目前，可采用虛擬情感呈現(xiàn)（如交互式儀表盤、擬人表情等）和實(shí)體化情感表達(dá)兩種方式實(shí)現(xiàn)學(xué)習(xí)情感的可視化表達(dá)。其中，利用交互式儀表盤可以按時(shí)間序列實(shí)時(shí)、動(dòng)態(tài)地顯示學(xué)習(xí)者的情感狀態(tài)與頻率，教師與學(xué)生借此可以掌握學(xué)生在學(xué)習(xí)過程中的情感變化趨勢(shì)，從而全面了解整個(gè)學(xué)習(xí)過程。在實(shí)體層面，可以采用情感打印、點(diǎn)陣圖技術(shù)等方式生成可視化情感報(bào)告，基于課堂時(shí)間線呈現(xiàn)情感的類型分布，基于點(diǎn)陣圖技術(shù)呈現(xiàn)某一時(shí)刻學(xué)習(xí)者的情感類型，從而建立起基于教育場景的情感對(duì)應(yīng)關(guān)系。無論是虛擬還是實(shí)體的學(xué)習(xí)情感呈現(xiàn)，其目的都是以求實(shí)現(xiàn)基于時(shí)間、情境、情感變化趨勢(shì)和信息匯聚的情感可視化[35]。

（三）回歸課堂教學(xué)，干預(yù)與調(diào)節(jié)學(xué)習(xí)過程

理解學(xué)習(xí)者情感狀態(tài)的產(chǎn)生原因，對(duì)提供精準(zhǔn)干預(yù)措施至關(guān)重要。因此，干預(yù)與調(diào)控學(xué)習(xí)者的消極情感，激發(fā)并保持學(xué)習(xí)者的積極情感，將有助于提升學(xué)習(xí)者的學(xué)習(xí)效果。控制—價(jià)值理論認(rèn)為，學(xué)習(xí)者的學(xué)習(xí)情感受到學(xué)習(xí)者的個(gè)人特征、學(xué)業(yè)任務(wù)、學(xué)習(xí)參與、學(xué)業(yè)評(píng)估和外部環(huán)境等多方面因素的影響[36]。其中，學(xué)習(xí)者的個(gè)體特征包括學(xué)習(xí)者的個(gè)體屬性、認(rèn)知能力、學(xué)習(xí)風(fēng)格與學(xué)習(xí)態(tài)度等方面，這些維度將影響學(xué)習(xí)者對(duì)學(xué)業(yè)活動(dòng)的評(píng)估與成就；學(xué)業(yè)任務(wù)包括學(xué)習(xí)者在課堂和課下需要完成的學(xué)習(xí)任務(wù)；學(xué)習(xí)參與指學(xué)習(xí)者對(duì)課程學(xué)習(xí)的動(dòng)機(jī)水平和投入程度；評(píng)估因素是指學(xué)習(xí)者對(duì)過去學(xué)習(xí)結(jié)果的總結(jié)，對(duì)當(dāng)前學(xué)習(xí)活動(dòng)的評(píng)估以及對(duì)將來的學(xué)習(xí)結(jié)果的預(yù)測；而外部環(huán)境因素是學(xué)習(xí)者所處的物理環(huán)境和與教師、同伴的社交環(huán)境等對(duì)其學(xué)習(xí)情感狀態(tài)的影響，這些因素都將直接影響學(xué)習(xí)者的學(xué)習(xí)情感狀態(tài)。因此，依據(jù)可視化情感表達(dá)的結(jié)果，基于控制—價(jià)值理論，可對(duì)學(xué)習(xí)者的學(xué)習(xí)情感產(chǎn)生的原因進(jìn)行正確歸因。

情感歸因的結(jié)果可應(yīng)用到具體的教學(xué)場景中，統(tǒng)籌調(diào)控教師的教學(xué)策略以及學(xué)習(xí)者的學(xué)習(xí)方式與學(xué)習(xí)狀態(tài)。以保持積極學(xué)習(xí)情感、調(diào)節(jié)與干預(yù)消極學(xué)習(xí)情感、轉(zhuǎn)化中性學(xué)習(xí)情感為結(jié)果導(dǎo)向，從教師和學(xué)生兩個(gè)角度，通過師生、生生和自適應(yīng)三種情感交互方式，在課前、課中、課后三個(gè)教學(xué)環(huán)節(jié)對(duì)學(xué)習(xí)過程提供全方位明確、清晰的干預(yù)與指導(dǎo)。在課前階段，學(xué)生應(yīng)主動(dòng)開展課前預(yù)習(xí)，為課中學(xué)習(xí)夯實(shí)基礎(chǔ)；教師基于學(xué)生先前課后的反饋以及課堂的表現(xiàn)適當(dāng)調(diào)節(jié)預(yù)習(xí)任務(wù)難度，并設(shè)計(jì)恰當(dāng)?shù)那楦胁牧稀Ｕn中階段是教與學(xué)的主戰(zhàn)場，教師可通過播放圖片、音視頻、引導(dǎo)學(xué)生想象和自述、組織學(xué)生互動(dòng)交流等方式主動(dòng)激發(fā)學(xué)生的積極情感，同時(shí)學(xué)生應(yīng)積極地參與到課堂活動(dòng)中，與同伴積極互動(dòng)，使自己始終保持一個(gè)積極的情緒狀態(tài)，從而提升課中的學(xué)習(xí)效果。在課后階段，學(xué)生應(yīng)及時(shí)進(jìn)行課中內(nèi)容回顧，完成課后任務(wù)，了解自己在課中的薄弱之處，并及時(shí)鞏固；教師通過課后輔導(dǎo)與學(xué)習(xí)成果評(píng)估的方式及時(shí)了解學(xué)生在課中的學(xué)習(xí)狀態(tài)和學(xué)習(xí)效果，給予學(xué)生精準(zhǔn)的輔導(dǎo)。

四、腦機(jī)接口技術(shù)支持學(xué)習(xí)情感識(shí)別的應(yīng)用

反思與建議

腦機(jī)接口作為人機(jī)交互技術(shù)中具有革命性發(fā)展傾向的新型技術(shù)，已成為神經(jīng)科學(xué)、工程科學(xué)、認(rèn)知科學(xué)、教育科學(xué)等領(lǐng)域的重要研究議題。然而，由于技術(shù)鴻溝、道德倫理等問題，腦機(jī)接口技術(shù)支持學(xué)習(xí)情感識(shí)別尚未成熟，存在一些局限性，亟待改進(jìn)。

（一）腦機(jī)接口技術(shù)支持學(xué)習(xí)情感識(shí)別的應(yīng)用反思

盡管腦機(jī)接口技術(shù)能夠?qū)崿F(xiàn)學(xué)習(xí)者大腦信息與外界的傳遞與交互，但作為一項(xiàng)新興技術(shù)，腦機(jī)接口技術(shù)支持學(xué)習(xí)情感識(shí)別在實(shí)際的教育場景應(yīng)用中仍面臨諸多挑戰(zhàn)。

1. 技術(shù)缺陷：面臨技術(shù)與數(shù)字鴻溝

首先，大腦是一個(gè)復(fù)雜的系統(tǒng)，情感活動(dòng)需要由多個(gè)腦區(qū)信息交互共同完成[37]，然而目前采用的基于時(shí)頻特征的情感識(shí)別方法無法實(shí)現(xiàn)腦區(qū)之間的信息交互，因此，如何優(yōu)化相關(guān)的情感特征提取與算法分類以提高學(xué)習(xí)情感識(shí)別的精確度是在接下來的相關(guān)技術(shù)研究中亟須解決的問題。其次，目前的腦機(jī)接口技術(shù)支持學(xué)習(xí)情感識(shí)別系統(tǒng)通常采用的是非侵入式的腦機(jī)接口技術(shù)，與侵入式和半侵入式相比，非侵入式對(duì)人體的傷害較小，但卻存在腦電信號(hào)采集效率較低的問題[38]。再次，受技術(shù)的限制，目前腦機(jī)接口技術(shù)系統(tǒng)穩(wěn)定性、自適應(yīng)性較差，信號(hào)處理方式和轉(zhuǎn)換速度都有待提升。如果這些問題得不到妥善解決，在后期實(shí)際應(yīng)用過程中會(huì)對(duì)社會(huì)帶來巨大的風(fēng)險(xiǎn)挑戰(zhàn)。

另外，腦機(jī)接口技術(shù)的大部分成果停留在實(shí)驗(yàn)室階段，還存在著很多尚未顯露與解決的問題。且由于腦機(jī)接口技術(shù)的操作難度大，對(duì)應(yīng)用環(huán)境的要求高，即使研究成果在實(shí)驗(yàn)室確認(rèn)萬無一失，但由于實(shí)際場景的復(fù)雜性，仍存在意外發(fā)生的風(fēng)險(xiǎn)，這也意味著該技術(shù)應(yīng)用成本昂貴，無法全面普及。因此，當(dāng)前從實(shí)驗(yàn)室研究跨越到實(shí)際的教育應(yīng)用場景仍是腦機(jī)接口技術(shù)支持學(xué)習(xí)情感識(shí)別所面臨的一項(xiàng)嚴(yán)峻挑戰(zhàn)。

2. 倫理挑戰(zhàn)：個(gè)人隱私面臨侵犯

為準(zhǔn)確把握學(xué)習(xí)者的個(gè)體特性，實(shí)時(shí)監(jiān)測他們的情感狀態(tài)，在執(zhí)行腦機(jī)接口技術(shù)支持學(xué)習(xí)情感識(shí)別時(shí)，學(xué)習(xí)者的大腦數(shù)據(jù)會(huì)被全面采集，這將意味著學(xué)習(xí)者將處于一種透明的狀態(tài)。然而，由于大腦數(shù)據(jù)會(huì)涉及很多敏感個(gè)人信息，存在著極大的學(xué)習(xí)者隱私被侵犯的風(fēng)險(xiǎn)[39]。更甚者，人腦是思想活動(dòng)的物質(zhì)載體，是由無數(shù)神經(jīng)元組成的神經(jīng)網(wǎng)絡(luò)。在腦機(jī)接口技術(shù)發(fā)展當(dāng)下，采集并分析由神經(jīng)元活動(dòng)引起的腦電信號(hào)，從而進(jìn)一步全面解碼大腦活動(dòng)狀態(tài)與意識(shí)或可實(shí)現(xiàn)。此時(shí)，人的思想將不再是外界無法觸及的領(lǐng)域，腦機(jī)接口技術(shù)操控者可以通過刺激腦神經(jīng)元影響、操縱人的思想與行為[40]。而人的大腦一旦被控制，其個(gè)人意識(shí)的連續(xù)性將會(huì)被打斷，“人”便不再是人。

從法學(xué)視角看，現(xiàn)有法律鮮有涉及對(duì)個(gè)體精神完整的保護(hù)。在腦機(jī)接口技術(shù)出現(xiàn)之前，人的思想、精神活動(dòng)、行為傾向等都活動(dòng)于法律無法掌控的領(lǐng)域。然而，隨著腦機(jī)接口技術(shù)的產(chǎn)生與迅速發(fā)展，作為精神活動(dòng)的物質(zhì)載體，人腦不再變得那么神秘與不可測，這同時(shí)也意味著個(gè)體的精神領(lǐng)域正面臨被人踏足與侵犯的風(fēng)險(xiǎn)，這無疑會(huì)對(duì)現(xiàn)有的法律政策帶來挑戰(zhàn)。

3. 主觀偏見：引發(fā)算法偏差

腦機(jī)接口技術(shù)尚未面向大眾全面普及，部分人可能會(huì)對(duì)其存在新奇的心理，渴望使用腦機(jī)接口設(shè)備。但多數(shù)人更多地是對(duì)腦機(jī)接口技術(shù)存在一定誤解，認(rèn)為穿戴腦機(jī)接口設(shè)備可能會(huì)對(duì)個(gè)人的身體安全以及大腦主觀意識(shí)產(chǎn)生一定威脅。即便個(gè)體樂于接受腦機(jī)接口設(shè)備的使用，但由于目前腦機(jī)接口設(shè)備的外觀、使用方式以及規(guī)格等方面都與其他穿戴設(shè)備有較大的區(qū)別，在真實(shí)課堂情境下，腦機(jī)接口可穿戴設(shè)備可能仍會(huì)于無形中增加學(xué)生的心理負(fù)擔(dān)，他們往往會(huì)想要展現(xiàn)積極的情感狀態(tài)，然而適得其反，迫使學(xué)生頻繁地做出調(diào)整自身情感的行為，這會(huì)影響其真實(shí)情感的表達(dá)，導(dǎo)致學(xué)生情感的內(nèi)在體驗(yàn)和外部表達(dá)之間出現(xiàn)失調(diào)[41]，造成在情感信號(hào)采集階段出現(xiàn)一定的算法偏差。

另外，差異化的情感反饋也會(huì)導(dǎo)致學(xué)生情感行為強(qiáng)度增加。在腦機(jī)接口技術(shù)支持學(xué)習(xí)情感識(shí)別的應(yīng)用過程中，學(xué)習(xí)者的情感狀態(tài)會(huì)被直接劃分為積極情緒、中性情緒和消極情緒，而這些包含著特定價(jià)值導(dǎo)向的情感分類，可能會(huì)對(duì)學(xué)生的人格尊嚴(yán)造成侵犯。實(shí)際上，學(xué)習(xí)者的情緒喚醒水平與其學(xué)習(xí)效果之間存在U型曲線關(guān)系，過于積極的情緒反而會(huì)降低學(xué)生的學(xué)習(xí)效果[42]。然而根據(jù)現(xiàn)有非此即彼的直接計(jì)算的結(jié)果，系統(tǒng)將對(duì)學(xué)習(xí)者的學(xué)習(xí)情感狀態(tài)直接進(jìn)行匹配，從而可能對(duì)被直接劃分為消極情感的學(xué)生群體產(chǎn)生歧視等潛在風(fēng)險(xiǎn)。因此，學(xué)生的真實(shí)學(xué)習(xí)情感呈現(xiàn)將面臨更多的阻礙，他們往往會(huì)更努力地進(jìn)行情感“修正”[43]，這也會(huì)影響其真實(shí)情感的表達(dá)。

（二）腦機(jī)接口技術(shù)支持學(xué)習(xí)情感識(shí)別的發(fā)展前景

人類的情感是一個(gè)受倫理、行為和文化等因素影響的動(dòng)態(tài)建構(gòu)過程[44]，腦機(jī)接口技術(shù)支持學(xué)習(xí)情感識(shí)別的應(yīng)用打破了傳統(tǒng)人類情感的建構(gòu)過程，勢(shì)必會(huì)面臨一些挑戰(zhàn)。因此，應(yīng)從現(xiàn)存發(fā)展局限出發(fā)，尋求一些實(shí)踐性建議，以實(shí)現(xiàn)對(duì)腦機(jī)接口技術(shù)支持學(xué)習(xí)情感識(shí)別應(yīng)用的管控效力。

1. 強(qiáng)化技術(shù)融合與創(chuàng)新，增強(qiáng)學(xué)習(xí)干預(yù)精準(zhǔn)性

首先，腦機(jī)接口技術(shù)與其他智能技術(shù)的融合將會(huì)在提高認(rèn)知任務(wù)性能、預(yù)測準(zhǔn)確率和增強(qiáng)機(jī)器自我學(xué)習(xí)能力方面實(shí)現(xiàn)突破。面部表情、語音、肢體語言等多模態(tài)信號(hào)可以與腦電信號(hào)等生理信號(hào)相結(jié)合，更加全面地預(yù)測學(xué)生的情感狀態(tài)。因此，將腦機(jī)接口技術(shù)與多模態(tài)技術(shù)相結(jié)合能夠提高對(duì)學(xué)習(xí)者學(xué)習(xí)情感識(shí)別的準(zhǔn)確率，從而綜合評(píng)估學(xué)習(xí)者的學(xué)習(xí)狀態(tài)，增強(qiáng)學(xué)習(xí)情感干預(yù)的精準(zhǔn)性[51]，實(shí)現(xiàn)學(xué)習(xí)環(huán)境中的情感交互。另外，技術(shù)創(chuàng)新力是技術(shù)發(fā)展和穩(wěn)定的主要推動(dòng)力[46]。在進(jìn)行腦機(jī)接口技術(shù)支持學(xué)習(xí)情感識(shí)別的技術(shù)設(shè)計(jì)時(shí)，既要保障技術(shù)運(yùn)作的完整性、流暢性和科學(xué)性，同時(shí)還應(yīng)考慮其應(yīng)用于教育場景中的實(shí)用性和人文性，全方位地完善腦機(jī)接口支持學(xué)習(xí)情感識(shí)別的技術(shù)設(shè)計(jì)。且通常情況下，技術(shù)設(shè)計(jì)越完善，其產(chǎn)生技術(shù)風(fēng)險(xiǎn)的概率就越小。在接下來的研究中，應(yīng)著重培養(yǎng)與發(fā)展腦機(jī)接口技術(shù)支持學(xué)習(xí)情感識(shí)別的技術(shù)創(chuàng)新力。

其次，要避免將技術(shù)“絕對(duì)化”，遏制對(duì)技術(shù)的盲目崇拜之風(fēng)[47]。腦機(jī)接口技術(shù)是尚處于發(fā)展初期的高新技術(shù)，若在初步發(fā)展階段就被人類“技術(shù)崇拜”，忽視其潛在的危害，不僅不利于技術(shù)的發(fā)展，反而會(huì)威脅到社會(huì)的穩(wěn)定性。因此，人作為腦機(jī)接口技術(shù)的技術(shù)實(shí)現(xiàn)者和應(yīng)用體驗(yàn)者，應(yīng)正視人—技關(guān)系，樹立技術(shù)風(fēng)險(xiǎn)意識(shí)，避免技術(shù)異化。

因此，為跨越腦機(jī)接口技術(shù)支持學(xué)習(xí)情感識(shí)別的技術(shù)鴻溝，應(yīng)大力發(fā)展技術(shù)融合與創(chuàng)新，提升情感識(shí)別的精確度，增強(qiáng)應(yīng)用系統(tǒng)在實(shí)際教育場景下的可操作性；同時(shí)，也勿要忽視人在技術(shù)更迭中的主體作用，樹立起應(yīng)對(duì)技術(shù)風(fēng)險(xiǎn)的防范意識(shí)。

2. 遵循倫理秩序，發(fā)展以人為本的技術(shù)設(shè)計(jì)

技術(shù)設(shè)計(jì)是功能性與價(jià)值性的統(tǒng)一。在進(jìn)行腦機(jī)接口技術(shù)支持學(xué)習(xí)情感識(shí)別的研究時(shí)，應(yīng)重視倫理價(jià)值，堅(jiān)持以人為本，發(fā)展以人類倫理為導(dǎo)向的設(shè)計(jì)。在腦機(jī)接口技術(shù)支持下的學(xué)習(xí)情感識(shí)別研發(fā)與設(shè)計(jì)階段，學(xué)習(xí)者是主要參與者。設(shè)計(jì)者應(yīng)主動(dòng)告知學(xué)習(xí)者技術(shù)應(yīng)用的注意事項(xiàng)，了解并滿足學(xué)習(xí)者的倫理訴求。同時(shí)，盡快確立明確的法律制度也是規(guī)避腦機(jī)接口倫理問題的重要措施。由于腦機(jī)接口技術(shù)屬于新興領(lǐng)域，法律制度的滯后性或?yàn)槟X機(jī)接口技術(shù)相關(guān)人員的不當(dāng)行為創(chuàng)造契機(jī)，或?qū)δX機(jī)接口技術(shù)支持學(xué)習(xí)情感識(shí)別的研究對(duì)象造成隱私侵犯等危害。法律具有一定約束力，若該約束力缺失，腦機(jī)接口技術(shù)相關(guān)從業(yè)者和使用者都可以隨心所欲地發(fā)展和使用腦機(jī)接口技術(shù)，不考慮使用前后可能造成的系列風(fēng)險(xiǎn)問題，或?qū)⒃斐扇祟愋拍畋浪l(fā)社會(huì)沖突。因此，在腦機(jī)接口技術(shù)應(yīng)用于教育領(lǐng)域時(shí)，應(yīng)明確大腦數(shù)據(jù)保護(hù)的法律措施，嚴(yán)格限制技術(shù)操控者對(duì)大腦數(shù)據(jù)的儲(chǔ)存和分享。同時(shí)，應(yīng)保障學(xué)習(xí)者全面知情權(quán)，確保學(xué)習(xí)者知悉技術(shù)應(yīng)用的已知風(fēng)險(xiǎn)和潛在風(fēng)險(xiǎn)。

因此，學(xué)習(xí)者不僅是腦機(jī)接口技術(shù)支持學(xué)習(xí)情感識(shí)別的研究對(duì)象，更是倫理問題的直接相關(guān)者。研究者既要遵循以人為本的技術(shù)設(shè)計(jì)理念，更要明確自身的法律義務(wù)與責(zé)任，嚴(yán)格保障被試者的倫理價(jià)值。

3. 完善應(yīng)用流程與設(shè)計(jì)，降低學(xué)習(xí)者的主觀偏見

學(xué)習(xí)者作為腦機(jī)接口技術(shù)支持學(xué)習(xí)情感識(shí)別的研究對(duì)象，其產(chǎn)生的主觀偏見會(huì)直接影響到學(xué)習(xí)情感識(shí)別結(jié)果的準(zhǔn)確性。因此，相關(guān)可穿戴設(shè)備需提高其可操作性與便攜性。首先，在學(xué)習(xí)者使用可穿戴設(shè)備進(jìn)行信號(hào)采集之前，相關(guān)研究者應(yīng)主動(dòng)講解學(xué)習(xí)者佩戴可穿戴設(shè)備的注意事項(xiàng)，并全面告知學(xué)習(xí)者在實(shí)驗(yàn)過程可能出現(xiàn)的各種突發(fā)情況，從而保障學(xué)習(xí)者在充分了解相關(guān)情況后主動(dòng)選擇參與接下來的實(shí)驗(yàn)過程。其次，取得學(xué)習(xí)者的知情同意后，在采集學(xué)習(xí)者情感信息的過程中，專業(yè)人員應(yīng)給予全方位指導(dǎo)，保障操作流程的可行性與安全性，同時(shí)提高學(xué)習(xí)情感識(shí)別的效率。

相關(guān)腦機(jī)接口產(chǎn)品的外觀設(shè)計(jì)也應(yīng)適當(dāng)改進(jìn)。如，可以以耳機(jī)、眼鏡、手表等學(xué)習(xí)者常見的穿戴設(shè)備為模型進(jìn)行外觀設(shè)計(jì)，在提高產(chǎn)品可操作性的同時(shí)，減輕使用者心理負(fù)擔(dān)。此外，亦可針對(duì)不同年齡階段的教育主體的心理特征與不同需求，進(jìn)一步對(duì)相關(guān)設(shè)備進(jìn)行外觀優(yōu)化。

腦機(jī)接口技術(shù)支持學(xué)習(xí)情感識(shí)別的應(yīng)用場景可看作是以師生交互、生生交互和學(xué)習(xí)者自適應(yīng)交互為主要導(dǎo)向的教育生態(tài)系統(tǒng)。因此，在此教育生態(tài)中，應(yīng)以尊重學(xué)生和教師的主觀訴求與學(xué)生的個(gè)性化培養(yǎng)為基本原則，增強(qiáng)相關(guān)技術(shù)的算法透明度，提高腦機(jī)接口支持學(xué)習(xí)情感識(shí)別應(yīng)用的生態(tài)效力，以及應(yīng)用系統(tǒng)的魯棒性和靈活性，以求展現(xiàn)腦機(jī)接口支持學(xué)習(xí)情感識(shí)別在教育場景應(yīng)用下的“生態(tài)原貌”。

[參考文獻(xiàn)]

[1] 林崇德.心理學(xué)大辭典[M].上海：上海教育出版社，2003.

[2] 徐振國，張冠文，孟祥增，等.基于深度學(xué)習(xí)的學(xué)習(xí)者情感識(shí)別與應(yīng)用[J].電化教育研究，2019，40（2）：87-94.

[3] IMANI M， MONTAZER G A. A survey of emotion recognition methods with emphasis on E-Learning environments [J]. Journal of network and computer applications， 2019，147（C）：102423.

[4] ESSAM H. Human emotion recognition from EEG-based brain-computer interface using machine learning： a comprehensive review [J]. Neural computing and applications， 2022（34）：12527-12557.

[5] 蔣艷雙，崔璨，劉嘉豪，等.教育領(lǐng)域中的情感計(jì)算技術(shù)：應(yīng)用隱憂、生成機(jī)制與實(shí)踐規(guī)約[J].中國電化教育，2022（5）：91-98.

[6] MINSKY M. The society of mind [M]. New York： Simon and schuster，1986.

[7] BALAKRISHNAN V， LOK P Y， ABDUL RAHIM H. A semi-supervised approach in detecting sentiment and emotion based on digital payment reviews [J]. Journal of supercomputing， 2021，77（4）：3795-3810.

[8] 張迎輝，林學(xué)誾.情感可以計(jì)算——情感計(jì)算綜述[J].計(jì)算機(jī)科學(xué)，2008 （5）：5-8.

[9] 楊捷鴻，焦學(xué)軍，曹勇，等.多生理信號(hào)信息融合技術(shù)的情緒識(shí)別發(fā)展[J].生物醫(yī)學(xué)工程研究，2021，40（4）：420-427.

[10] LYUSIN D， OVSYANNIKOVA， V. Measuring two aspects of emotion recognition ability： accuracy vs. sensitivity[J]. Learning and individual differences，2016（52）：129-136.

[11] 荊珊.情感腦機(jī)接口技術(shù)應(yīng)用的倫理挑戰(zhàn)與應(yīng)對(duì)[J].自然辯證法研究，2021，37（9）：35-41.

[12] 吳佼玥，李筱永.腦機(jī)接口技術(shù)視角下神經(jīng)權(quán)利的邏輯生成和規(guī)范路徑[J].殘疾人研究，2022（2）：44-53.

[13] 葉俊民，周進(jìn)，李超.情感計(jì)算教育應(yīng)用的多維透視[J].開放教育研究，2020，26（6）：77-88.

[14] 陳國偉，張鵬洲，王婷，等.多模態(tài)情感分析綜述[J].中國傳媒大學(xué)學(xué)報(bào)（自然科學(xué)版），2022，29（2）：70-78.

[15] BALTRUAITIS T， AHUJA C， MORENCY L P. Multimodal machine learning： a survey and taxonomy[J]. IEEE transactions on pattern analysis and machine intelligence，2018，41（2）：423-443.

[16] TEWELL J， BIRD J， BUCHANAN G R. The heat is on： a temperature display for conveying affective feedback[C]//Proceedings Of the 2017 acm sigchi conference on human factors in computing systems（CHI'17）， New York： Assoc comp machinery； ACM SIGCHI，2017.

[17] 劉清堂，李小娟，謝魁，等.多模態(tài)學(xué)習(xí)分析實(shí)證研究的發(fā)展與展望[J].電化教育研究，2022，43（1）：71-78，85.

[18] SHU L， XIE J， YANG M， et al. A review of emotion recognition using physiological signals [J]. Scensors，2018，18（7）：2074.

[19] 田元，周曉蕾，周冪，等. 學(xué)習(xí)情感分析方法研究綜述[J].中國教育信息化，2021（22）：1-6.

[20] 權(quán)學(xué)良，曾志剛，蔣建華，等.基于生理信號(hào)的情感計(jì)算研究綜述[J].自動(dòng)化學(xué)報(bào)，2021，47（8）：1769-1784.

[21] STEINERT S， FRIEDRICH O. Wired emotions： ethical issues of affective brain-computer interfaces [J]. Science and engineering ethics，2020，26（1）：351-367.

[22] MORGAN P T， KEHNE J H， SPRENGER K J， et al. Retrograde effects of triazolam and zolpidem on sleep-dependent motor learning in humans [J]. Journal of sleep research，2010，19（1）：157-164.

[23] 朱洪洋.學(xué)習(xí)幻肢與神經(jīng)全景敞視：腦機(jī)接口技術(shù)應(yīng)用于教育的主要倫理挑戰(zhàn)[J].電化教育研究，2020，41（5）：39-44.

[24] 翟雪松，楚肖燕，王敏娟. 教育元宇宙：新一代互聯(lián)網(wǎng)教育形態(tài)的創(chuàng)新與挑戰(zhàn)[J].開放教育研究，2022，（1）：34-42.

[25] COZOLINO L. The social neuroscience of education： optimizing attachment and learning in the classroom[M]. New York：W. W. Norton & Co，2013.

[26] 柯清超，王朋利.腦機(jī)接口技術(shù)教育應(yīng)用的研究進(jìn)展[J].中國電化教育，2019（10）：14-22.

[27] MAYER R E. How can brain research inform academic learning and instruction？[J]. Educational psychology review，2017，29（4）：835-846.

[28] 張丹，李佳蔚. 探索思維的力量：腦機(jī)接口研究現(xiàn)狀與展望[J].科技導(dǎo)報(bào)，2017，35（9）：62-67.

[29] SCHUPP H T， FLAISCH T， STOCKBURGER J， et al. Emotion and attention： event-related brain potential studies[J]. Progress in brain research，2006，156：31–51.

[30] AL-NAFJAN A，HOSNY M，AL-OHALI Y， et al. Review and classification of emotion recognition based on EEG brain-computer interface system research： a systematic review[J]. Applied science，2017，7（12）：1239.

[31] VALENZA G， LANATA A， SCILINGO E P. The role of nonlinear dynamics in affective valence and arousal recognition[J]. IEEE transactions on affective computing， 2012，3（2）：237-249.

[32] EKMAN P. An argument for basic emotions[J]. Cognition and emotion，1992，6（3-4）：169-200.

[33] 王忠民，趙玉鵬，鄭镕林，等.腦電信號(hào)情緒識(shí)別研究綜述[J].計(jì)算機(jī)科學(xué)與探索，2022，16（4）：760-774.

[34] RICCARDO M. Introduction to information visualization[M]. London：Springer， 2009.

[35] LEONY D， MUOZ-MERINO P J， PARDO A， et al. Provision of awareness of learners' emotions through visualizations in a computer interaction-based environment[J]. Expert systems with applications，2013，40（13）：5093-5100.

[36] PEKRUN R. The control-value theory of achievement emotions： assumptions， corollaries， and implications for educational research and practice[J]. Educational psychology review，2006，18（4）：315-341.

[37] ANDERS S， LOTZE M， ERB M， et al. Brain activity underlying emotional valence and arousal： a response-related fMRI study[J]. Human brain mapping，2004，23（4）：200-209.

[38] 馮澤華.積極防控教育領(lǐng)域應(yīng)用腦機(jī)接口技術(shù)的風(fēng)險(xiǎn)[N].中國社會(huì)科學(xué)報(bào)，2022-05-31（05）.

[39] LANCE B J， KERICK S E. Barin-computer interface technologies in the coming decades[J]. Proceedings of the IEEE，2012（100）：1585-1599.

[40] 中國人工智能發(fā)展聯(lián)盟.腦機(jī)接口技術(shù)在醫(yī)療健康領(lǐng)域應(yīng)用白皮書[DB/OL].（2021-07-10）[2022-09-22]. http：//www.doc88.com/p-61361768187155.html.

[41] 程猛，陽科峰，宋文玉.“精準(zhǔn)識(shí)別”的悖論及其意外后果——人臉情緒識(shí)別技術(shù)應(yīng)用于大學(xué)課堂的冷思考[J].重慶高教研究，2021，9（6）：78-86.

[42] HEBB D O. The organization of behavior a neuropsychological theory[M]. New York： Psychology Press，2002.

[43] 成伯清.當(dāng)代情感體制的社會(huì)學(xué)探析[J].中國社會(huì)科學(xué)，2017，（5）：83-101，207.

[44] 鄭剛，楊雁茹，張汶軍.生命價(jià)值與技術(shù)變革的現(xiàn)實(shí)“聯(lián)姻”——基于人工智能教育應(yīng)用的哲學(xué)審思[J].電化教育研究，2021，42（3）：12-17，26.

[45] 周進(jìn)，葉俊民，李超.多模態(tài)學(xué)習(xí)情感計(jì)算：動(dòng)因、框架與建議[J].電化教育研究，2021，42（7）：26-32，46.

[46] 翟雪松，楚肖燕，胡美如，等.從腦機(jī)接口到腦腦接口：認(rèn)知傳輸與群體協(xié)同的教育變革[J].遠(yuǎn)程教育雜志，2022，40（3）：24-34.

[47] 胡天力.人類自由的促進(jìn)抑或機(jī)器統(tǒng)治的崛起——論腦機(jī)接口技術(shù)對(duì)自由意志的影響[J].自然辯證法研究，2021，37（10）：29-35.

Application Framework of Brain-Computer Interface Technology to Support Learning Emotion Recognition and Its Reflection

ZHAO Li， ?LI Suqi， ?WANG Shuwen

（School of Education Science， Nanjing Normal University， Nanjing Jiangsu 210097）

[Abstract] Learning emotion recognition supported by artificial intelligence technology ?is crucial in education and can facilitate the improvement of teaching strategies. Brain-computer interface technology （BCI）， as an important application of artificial intelligence， has become a hot issue in the field of emotion recognition. This paper analyses the motivation for the development of BCI technology to support learning emotion recognition， then constructs a framework for the application of BCI-supported learning emotion recognition that includes three stages： data processing， emotion expression and teaching moderation， and explores the limitations of BCI technology in learning emotion recognition， such as the technical gap， ethical challenges and learners' subjective bias. Finally， it is proposed that future BCI-supported learning emotion recognition can be improved by enhancing technology integration， developing human-centered design and respecting learners' subjective needs， which will ensure the feasibility of BCI-supported learning emotion recognition applications， and expand its applications and innovations in education by comprehensively measuring the state of learning.

[Keywords] Brain-computer Interface; Emotion Recognition; Artificial Intelligence; Learning Emotion; Teaching Regulation