教育情感計算的價值、困境與出路

摘要：教育情感計算涉及教育場景中情感的感知與理解、建模與預測、干預與調節、生成與表達等方面，對于學生狀態表征、教學過程評價、學習機理闡釋、學習干預實施具有重要意義。然而，教育情感計算面臨情感指標體系不完善、無感知情感數據采集分析難實現、情感發生機理難解釋、情感建模預測機制未建立、情感干預機制難落地等困境，嚴重削弱了情感計算對于教育創新變革的實踐價值。為破解上述困境，文章提出教育情感計算的發展方向：構建面向教育領域的情感計算指標體系，開發無感知教育情感智能計算系統，探究多學段、多學科、多場景的情感發生機理，開展基于情境感知的學習者情感建模分析，完善智能教育系統的情感反饋與干預機制，健全教育領域的情感計算風險防控機制。文章的研究可為教育情感計算提供方向指引，并助力教育研究與實踐的創新發展。

關鍵詞：教育情感計算；情感發生機理；情感干預；情感建模；智能教育

【中圖分類號】G40-057 【文獻標識碼】A 【論文編號】1009—8097（2024）09—0071—09 【DOI】10.3969/j.issn.1009-8097.2024.09.007

引言

近年來，智能教育領域在認知層面的研究取得了突破性進展，但在學生情感的感知、理解、干預、表達等方面，研究進展仍然相對緩慢。而對學生情感狀態的刻畫，既是學習過程表征的重要方式，也是課堂教學評價的重要途徑，對于教育研究和實踐的創新發展具有重要意義。教育情感計算是人工智能與教育科學研究相結合的關鍵領域，關于教育領域情感計算方法、發生機理和干預機制的研究是近年來國家自然科學基金教育信息科學與技術（F0701）關注的重要選題^[1]。從研究范疇來看，教育情感計算涉及教育場景中情感的感知與理解、建模與預測、干預與調節、生成與表達研究等方面，是人工智能與教育的交叉研究領域。教育情感計算的目標是通過對學生情感的識別、分析和建模，表征學生狀態、闡釋學習機理、改進教學策略、完善智能學習干預策略、優化智能教育服務與產品、創設自然和諧的人機交互，以此來推動生成式人工智能背景下教育情感計算研究與實踐的創新發展。

目前，教育領域情感計算的研究尚處于起步階段，現有研究更多關注基于智能技術的情感識別算法研究^[2]、基于多模態數據的情感識別框架構建^[3]，但對于情感計算技術在真實教育場景中的應用缺乏探索，無法有效發揮情感計算技術對于教育過程評價、課堂教學改進、教育規律研究、學習干預設計、教育產品開發的實踐價值。鑒于此，本研究立足于智能技術賦能教育研究范式變革的時代背景，分析情感計算技術賦能教育研究與實踐的價值定位，厘清教育情感計算的現實困境與發展方向，以期為教育領域情感計算研究的深入開展提供借鑒。

一 教育情感計算的實踐價值

教育情感計算是指利用智能技術手段對學生的情感狀態進行智能感知和精準建模，揭示情感發生的內在機理，并利用機器模擬、生成和表達人類情感，實現人機自然情感交互，強化情感干預與調節。教育情感計算是近年來教育人工智能研究的熱點話題，對于學生狀態表征、教學過程評價、學習機理闡釋、學習干預實施具有重要的現實意義。

1 教育情感計算為學生狀態表征提供新方法

基于多模態數據的學生狀態表征是智能教育研究的重要組成部分，近年來關于學習者建模的相關研究大多聚焦于學生的知識、認知、情感等方面^[4]，衍生出了知識圖譜、認知診斷、知識追蹤、情感計算等細分領域。從學生狀態表征的維度來看，情感體驗是學生完整學習體驗的重要組成部分，如何對學習過程中學生的情感狀態進行深入、全面的精準刻畫，是當前智能教育研究著力探索的關鍵問題。情感狀態能夠客觀反映學生在學習過程中的情緒體驗，以及學生對學習內容、學習資源、學習活動、學習環境的情感偏好。通過對學生情感狀態細粒度、時序性、動態性的精準刻畫，研究者能夠挖掘學生的認知偏好、學習風格、學習動機等深層次特征，從“多源數據感知-外顯狀態表征-內隱特征刻畫”等多個層次構建系統化的學習者模型，以更好地表征學習者的本體特征^[5]。從這個意義上來說，教育情感計算能夠為學生狀態的表征提供新方法，有助于理解學習的發生過程，挖掘教育現象的本質特征。

2 教育情感計算為教學過程評價提供新途徑

2020年10月，中共中央、國務院印發《深化新時代教育評價改革總體方案》，提出要改進結果評價、強化過程評價、探索增值評價、健全綜合評價，利用信息技術手段提高教育評價的科學性、專業性和客觀性^[6]。從課堂教學評價的視角來看，認知和情感是課堂教學質量在學生層面的直觀表征。但就兩者的表征機制而言，認知狀態具有較強的漸變性、內隱性和不易測量性，往往需要通過學業測評或學生主觀陳述的方式去測量，且對認知狀態的測量往往具有較強的滯后性，無法有效反饋動態變化的學習過程；而學生的情感狀態具有較強的即時性、外顯性和易測量性，通過對學生話語、表情、手勢、姿態、生理等多模態數據的采集和匯聚，研究者能夠對其情感狀態進行實時、精準的監測分析，以表征教學過程中學生真實的情感體驗。更進一步來講，學生外顯的情感狀態與內隱的認知狀態之間具有較強的關聯，當學生對所學知識的掌握程度較高時，往往會表現出好奇、興奮等積極的情緒狀態；反之，當學生認為所學內容晦澀難懂時，往往會表現出困惑、焦慮、倦怠等消極的情緒狀態。從這個意義上來說，學生的情感狀態能夠表征學生對課堂教學的主觀感受，豐富教學過程的表征樣態，為課堂教學的過程性評價提供可靠保障。因此，教育情感計算能夠為教學過程評價提供新途徑，助力破解課堂教學的“黑箱”，為教育規律的挖掘和教學策略的改進提供新的技術手段。

3 教育情感計算為學習機理闡釋提供新證據

學習科學研究的目標是揭示“學習是如何發生的”，而以往關于學習發生機理的研究往往過于重視對學生認知狀態的表征和認知能力的測評，忽視了對學生情感狀態的關照。從個體發展的視角來看，認知與情感是不可分割的統一整體，學習是認知與情感相統一的精神活動^[7]，兩者在學習過程中存在著復雜的相互作用關系。因此，對學習機理的研究除了要進一步加強對學生認知層面的研究，還要逐步重視對學生情感的測評與分析，挖掘情感狀態的動態演化機制，探究情感與認知之間的復雜關系，以探究深層次的學習發生機理。相關研究主要涉及以下內容：①情感狀態的動態演化機制，關注在真實教學過程中學生情緒狀態的動態變化規律，以探究教學環境、教學內容、教學活動的變化對學生情感體驗的影響機制。②情感狀態對學習結果的影響機制。學習是一個復雜的系統工程，積極的情感狀態不一定會對學習產生正向影響，而消極的情感狀態也不一定會對學習產生負面影響。只有系統分析學生情感狀態的動態變化序列，探究情感狀態變化與學習效果之間的復雜關系，才能更好地揭示學習的發生機理。③情感與認知之間的復雜作用機理，涉及情感與認知之間的動態演化和耦合關系，旨在探究情感狀態的變化會對認知狀態產生何種影響，以挖掘認知與情感之間的關系。由此可見，教育情感計算能夠為學習機理闡釋提供新證據，有助于拓寬學習科學的研究范疇，豐富學習規律研究的證據來源。

4 教育情感計算為學習干預實施提供新依托

隨著智能教育產品的逐漸成熟和生成式人工智能技術的快速發展，智能技術賦能的精準化學習干預成為智能教育研究的重要議題^[8]。以往的學習干預主要指向學生的認知層面，如通過對學生知識掌握程度和認知發展水平的智能分析，為其提供精準化的資源推薦和學習路徑規劃服務，幫助學生加強對薄弱知識點的學習。但其中的問題在于，此種干預模式將學生的學業問題完全歸結到認知層面，而忽視了情感在學生學業發展中的調節和促進作用，將智能學習干預窄化為單一的學業測評、認知診斷和資源推薦。因此，智能學習干預不能局限于幫助學生強化知識掌握、提高認知能力，還要幫助學生提高學習動機、喚醒學習的自主性和能動性、激發探索精神和求知欲、提升自主學習的意識和能力。從這個意義上來說，教育情感計算能夠為智能學習干預提供新依托，只有在準確識別學生情感狀態的基礎上精準分析其學習偏好、學習動機、學習風格，才能提升學習干預與學生需求的適配度，幫助學生實現更加科學、高效的學習。

二 教育情感計算的現實困境

教育情感計算對于教育研究開展和教育實踐變革具有重要的支撐與引領作用，但同時也面臨情感指標體系不完善、無感知情感數據采集分析難實現、情感發生機理難解釋、情感建模預測機制未建立、情感干預機制難落地等現實困境，這嚴重削弱了情感計算對于教育創新變革的實踐價值。

1 教育情感計算的指標體系不完善

指標體系構建是教育人工智能研究的基礎性工作^[9]。一套科學、合理的指標體系有助于將人類能夠感知和理解的完整世界轉化為機器能夠建模和分析的具體對象，從而幫助機器更好地理解客觀事物的存在狀態。因此，構建面向教育領域的情感計算指標體系是教育情感計算研究的基礎保障，關乎教育研究應該關注學習者的哪些情感狀態，以更好地表征學習過程、揭示學習機理。目前，已有一些成熟的方法或模型用來刻畫人類基礎的情感狀態，如Picard^[10]提出的“開心、悲傷、害怕、生氣”四分類法，Ekman等^[11]提出的“高興、驚訝、厭煩、悲傷、恐懼、憤怒”六分類法，以及Ortony等^[12]提出的OCC（Ortony， Clore， Collins）模型、Russell等^[13]提出的環形情感模型、Mehrabian^[14]提出的PAD（Pleasure-displeasure， Arousal-nonarousal， Dominance- submissiveness）三維情感模型、Plutchik^[15]提出的“倒錐體”情感模型等。但這些情感模型與教育場景的適配度較低，突出體現為恐懼、悲傷、憤怒等較為強烈的情緒狀態難以在學習中出現，高興、厭煩、驚訝等情緒狀態在課堂當中的表征也較為隱晦，難以挖掘其背后的教育意義。就教育情感計算的研究現狀來看，大多數研究者依然采用傳統的情感分類體系^[16]，而未考慮其與教育場景的適配度；抑或采用某幾種情感標簽去研究教育場景中常見的情緒狀態（如開心、困惑、平靜、厭倦）^[17]，而尚未形成較為系統的情感分類指標體系，因此無法滿足教育情感挖掘與分析的實踐需求。

2 無感知情感數據采集分析難實現

教育情感計算主張采用心理測量、行為測量、生理測量的方式對學生的情感狀態進行感知和分析^[18]，通過對學生話語、表情、姿態、生理等多模態數據的采集分析，應用多模態數據融合的方法對學生的情感狀態進行精準識別。此類研究更多地關注基于深度學習算法的多模態情感識別方法的研究，以提升情感分類的精準度，但同時也存在兩個問題：①對多模態數據的采集分析較為依賴腦電、手環、眼動等可穿戴設備，而智能裝備的應用或多或少會對學生正常的學業表現和情緒狀態產生影響，干擾學生自然的情感體驗。因此，此類研究往往發生于實驗室場景，用于學術研究尚可，若用于改進教學實踐則顯得捉襟見肘。②依據學生外顯的話語、表情、動作、身體姿態等信息去刻畫學生即時的情感狀態，將面臨多模態數據的對齊、補齊、融合等一系列算法層面的挑戰，這給教育研究人員和一線的教師、管理者挖掘并分析學生的情感狀態帶來了較大挑戰，也在一定程度上限制了情感計算研究對教育實踐的賦能作用?？梢姡绾螌φ鎸嵔逃龍鼍爸袑W生的情感狀態進行實時、智能、無感知的精準刻畫，是教育情感計算研究要解決的關鍵問題。

3 教育情感的復雜發生機理難解釋

學習既是學習者在與環境交互作用的過程中主動建構內部心理表征的過程，也是在特定學習情境中學習者認知和情感相互促進、相互激發的過程。從教育情感計算的研究目的來看，其最終還是要揭示“學習是如何發生的”這一根本問題，通過對學生情感狀態的刻畫來理解學習過程、揭示學習規律、改良教學實踐。因此，對教育場景中情感發生機理的研究是教育情感計算需要解決的核心問題，對于教育實踐的優化具有重要意義。但是，此問題本身具有較高的復雜性：①情感表征機制的復雜性。情感的發生和變化是學生外在行為和內在生理、心理多重作用的結果，涉及行為、生理、心理、神經等多個層面，需要整合教育學、心理學、神經科學、人工智能等多個學科的研究思想、研究方法和研究結論，以揭示深層次的情感發生機理。②情感影響因素的復雜性。學生的情感狀態不僅受外在的環境、資源、媒介等教育情境因素的影響，還受學生內在認知狀態的調控?；诖耍绾瓮诰蛳嚓P要素對學生情感狀態的影響機制，成為教育情感計算研究需著力解決的問題。綜合上述分析，未來教育情感計算研究的開展需要從情感的表征機制和影響因素兩個層面來揭示教育場景中情感的發生機理，以強化情感計算研究對教育實踐的賦能作用。

4 全景化情感建模預測機制未建立

情感發生的“情境依存性”，是教育情感計算需要攻克的重要難題^[19]。“情境依存性”是指學生的情感狀態受實際教育情境的影響，學段、學科、時間、教師、教學內容、教學資源、教學環境等不同，學生的情感體驗也就不盡相同，這反映了學生深層次的認知風格、學習偏好、學習動機等特征。基于此，如何實現全時空、多場景的教育情感建模與預測，成為教育情感計算研究需要關注和解決的難點問題，而解決此問題的主要困難在于：①教育情境的表征和計算機制尚未確立。教育情境是一個復雜概念，包含與學習有關的用戶、任務、時間、設備、資源、環境等要素^[20]。目前，尚未有研究能夠實現對教育情境的全時空、多維度表征與計算^[21]，使得全景化教育情感建模與預測存在較大困難。②全時空多場景的教育情感計算難實現。要實現全景化的情感建模與預測，需要進一步細化研究場域，探究多學科、多場景中教育情境和學生情感之間的復雜關系，而這將面臨來自技術和倫理的雙重挑戰?；诖?，教育情感建模與預測將成為教育情感計算研究的關鍵壁壘，這就需要進一步加強教育情感建模與預測的理論和方法研究，建立適用于教育實踐發展的全景化情感建模預測機制。

5 教育情感的智能干預機制難落地

學生情感建模、分析和預測的主要目的是揭示情感的發生機理，并通過特定的干預措施幫助學生實現更加個性化、科學化的學習。以往的學習干預更多地聚焦于學生的認知層面，如通過學習資源推薦、學習路徑規劃等方式幫助學生更好地掌握所學知識^[22]。但這種干預策略過于強調對學生認知層面的測評分析，而忽視了情感要素在學生學業發展中的關鍵作用，使智能學習干預的科學性、可靠性、系統性得不到保障?；诖耍绾螌W生的情感進行智能干預，成為教育情感計算研究需要解決的關鍵問題，而解決此問題的主要困難在于：①科學化的情感激勵機制難建立。以往的學習干預大多只針對學生的學業問題和學習需求簡單、粗暴地為其匹配靜態的學習資源，認為只要將資源推送給學生就能幫助其實現個性化學習，而忽視了學業困難對學生興趣、動機和毅力的挑戰?；诖耍绾螌⑶楦幸蛩丶{入智能學習干預的考慮范疇，通過設計特定的學習支架，由易到難地將學生引向深度學習，讓學生在掌握知識的同時逐步提升自我效能感、體會學習進階的樂趣，是當前情感干預研究需要解決的關鍵問題。②智能化的人機情感交互難實現。隨著生成式人工智能技術的快速發展和智能教育產品的逐漸成熟，機器在學習中扮演的角色越來越重要，人與機器的自然交互和深度協同成為現實，基于多輪人機對話的人機協同學習將成為未來學習的重要表征樣態。基于此，如何克服以往人機交互過程中情感互動缺失所帶來的孤立、無助等負面情緒，同時豐富學生的情感體驗、提高學習臨場感，成為未來智能情感干預研究需要關注的重要議題。

三 教育情感計算的發展方向

為破解教育情感計算的現實困境，本研究從情感計算指標體系、情感計算系統、情感發生機理、情感建模分析、情感反饋與干預、情感計算風險防控六個方面提出教育情感計算的發展方向，以推動教育情感計算研究的常態化發展。

1 構建面向教育領域的情感計算指標體系

在智能教育領域情感計算的相關研究中，人工智能領域的專家、學者更偏重于探索數據與情感指標之間的關系，致力于通過算法模型的優化提升情感分類的準確率，而對于研究的是哪幾類情感以及這些情感所表征的教育意義缺乏足夠關注，使得教育情感計算的相關研究逐漸淪為技術導向的算法創新性研究，忽視了其背后的教育意義^[23]，因此有必要構建面向教育領域的情感計算指標體系。這就需要充分考慮教育場景的真實情況和教育人工智能研究的現實需求，并整合一線教師和智能教育研究人員的智慧與經驗，使設計的指標既不會太過寬泛而增加情感識別的難度，也不會太過單一而無法表征其背后的教育意義，具體可從以下方面入手：①利用文獻分析法梳理以往研究中常見的情感指標，結合經典的情感分類模型，構建面向教育領域的情感計算指標體系；②向智能教育領域的專家、學者和一線教師征詢意見，篩選出教育場景中常見的情感指標，并測算相關指標的權重；③通過對真實學習過程中學生情感狀態的人工標注和機器標注，驗證情感計算指標體系的適用性和可靠性，并及時進行修正與完善。

2 開發無感知教育情感智能計算系統

就教育情感計算的研究現狀而言，人工智能領域的專家、學者多關注基于多模態數據和深度學習算法的情感分類技術研究，教育領域的專家、學者多關注學生情感的發生機制和演化機理，而一線教師多期待通過刻畫學生的情感狀態來反映課堂教學效果。盡管不同主體的關注點存在差異，但都面臨一個共同的問題：對學生情感的自動化、智能化監測在技術實現上難度較大，難以為教育教學實踐提供有效支撐。這就需要研究者聚焦教育研究與教學實踐的真實需求，開發無感知教育情感智能計算系統，將看起來難度較大的技術問題轉化為工程問題來解決，以此為教育情感計算提供工具支撐，具體可從以下方面入手：①開發無感知教育情感數據采集系統，利用攝像頭、麥克風等無感知設備對學生的話語、表情、手勢、身體姿態等多模態數據進行實時采集；②訓練基于多模態數據融合的情感分類算法，利用多模態數據之間的信息互補機制，提升學生情感分類的準確度，對學生情感狀態進行實時、精準刻畫；③開發學生情感動態分析工具，利用時間序列分析、圖神經網絡等方法對學生情感的動態演化規律進行深入的挖掘分析，以表征完整學習過程中學生情感狀態的動態變化趨勢。

3 探究多學段、多學科、多場景的情感發生機理

揭示情感的發生機理，既是教育情感計算研究的核心，也是教育科學研究的重要議題。學生情感的發生和演化不僅受外在情境要素、內在認知結構的影響，也受行為、生理、神經的多重調控，因此對學生情感發生機理的揭示是一項復雜的系統工程。此外，學生的情感狀態在不同學段、學科、場景中也存在較大差異，因此教育情感計算研究需要加強對多學段、多學科、多場景的關照，整合多元化的研究結論揭示深層次的情感發生機理，具體可從以下方面入手：①注重教育情感的行為、生理和神經表征，從學生的行為（如話語、表情、手勢、姿態等）、生理（如呼吸、心跳、眼動、肌電、皮電等）、神經（如腦電、血氧等）多個層面探究情感的生成與表達機制；②重視揭示學生情感的發生機制，探究真實教育場景中教師、同伴、環境、內容、資源、媒體、活動等情境要素以及學生內在認知狀態對學生情感的影響機制；③探索學生認知與情感的關系及其對學業表現的影響機制，實現“認知-情感-成效”的聯合表征和協同建模，探究認知與情感的協同演化機制和復雜耦合機理，挖掘認知、情感與成效之間的關系，探究深層次的學習發生機理。

4 開展基于情境感知的學習者情感建模分析

基于情境感知的學習者建模旨在探究外在教育情境要素對學生內在認知和情感發展的影響機制，進而揭示深層次的學習機理^[24]。從教育情感計算研究的實踐需求來看，應建立教育情境要素與學生情感體驗的關系，明確在特定教育場景中學生情感的動態變化過程，探究真實教育場景中人、機、物、環境等要素對學生情感狀態的影響機制，以挖掘學生深層次的學習偏好、學習風格、學習動機等特征，實現對學生情感狀態的精準預測。這就需要開展基于情境感知的學習者情感建模分析，具體可從以下方面入手：①利用智能感知技術對多元教育場景中學生的情感狀態進行實時追蹤，并對教師、教學內容、教學資源、教學環境、教學媒體、教學活動等教育情境要素進行動態監測和精準測評^[25]；②建立教育情境要素和學生情感狀態之間的動態映射關系，形成“教育情境-學生情感”的關鍵序列對，探究對學生情感具有顯著影響的教育情境特征，分析學生情感的關鍵影響因素；③通過大規模、長周期的教育數據積累，挖掘學生深層次的學習偏好、學習風格、學習動機等特征，并構建智能化的情感預測模型，以此對學生的情感狀態進行精準預測。

5 完善智能教育系統的情感反饋與干預機制

智能教育系統的情感反饋與干預是教育情感計算研究在實踐領域的重要落腳點，旨在通過對學生情感狀態的實時監測與精準識別，為其提供科學、有效的情感反饋和情感干預，幫助學生獲得更加積極的情感體驗。從學習干預的角度來看，學生的學業表現不佳是認知能力、情感動機等因素共同作用的結果。對學生的智能化學習干預不僅要充分考慮學生的認知狀態，還要加強對學生情感、態度、動機等非認知狀態的關照，以此豐富學習干預的依據，完善學習干預的實施策略，具體可從以下方面入手：①通過數據建模的方式，完善智能教育系統中學生情感的監測、激勵與調節機制。綜合考慮認知、情感對學習的雙重賦能作用，構建系統的學習干預模型，在引導學生主動建構知識體系、提升認知水平的同時，重視情感要素在其中的干預和調節作用，確保智能學習干預的實施不會對學生造成過重的學習負擔和學習壓力，能夠循序漸進、由易到難地激發學生學習的興趣、信心和動力，引導學生體會學習的樂趣、增強學習的動機。②完善智能教育系統中教育智能體、教育數字人的情感生成與表達機制，實現擬人化的情感交互。人機情感交互涉及機器對學生情感的捕捉與識別、解釋與預測、響應與反饋、生成與表達等關鍵技術，旨在幫助機器精準識別學生的困惑、沮喪、焦慮等負面情緒，通過話語、表情、眼神、動作等方式加強人機之間的情感交互，幫助學生擺脫負面情緒，并通過調整教學內容、強化情感激勵、優化情感反饋等方式幫助學生獲得更加積極的情感體驗，以促進有意義學習的發生。

6 健全教育領域的情感計算風險防控機制

對教育領域情感計算風險及其防控機制的探討，是當前智能教育領域研究者關注的熱點話題。有研究指出，教育場景中情感計算的應用可能引發人格權與受教育權的保護危機、弱化人的主體地位^[26]，造成學生自我實現受阻、教師情感感知力鈍化、師生情感體驗缺位等問題^[27]。隨著生成式人工智能技術的發展和智能教育產品的逐漸成熟，對于學習者的情感交互、干預和激勵成為情感計算研究的重要內容，涉及情感干預支架的構建、情感生成與表達技術的研發。在此背景下，如果無法厘清教育情感計算的潛在風險，并構建合理的風險防控機制，以保證教育情感計算研究能夠合乎倫理要求，那么將對教育發展產生不可預估的負面影響。因此，未來相關研究需要進一步健全教育領域的情感計算風險防控機制，為教育情感計算的長遠發展提供可靠保障，具體可從以下方面入手：①制定嚴格的技術標準和管理規范，劃定情感計算教育應用的范疇與邊界，避免情感計算技術的誤用、濫用對學生的學業發展和人格養成造成負面影響；②加強多元主體的責任意識，讓學生、教師、管理者、技術研發人員等能夠意識到教育情感計算的潛在風險，從而在技術應用過程中保持警覺，積極采取措施預防可能出現的問題；③加強教育情感計算的理論和實踐研究，從合乎倫理的視角出發，探究教育情感計算的研究立場和應用范疇，并規范其技術研發方向，以此為教育情感計算的長遠發展提供方向指引。

四 結語

教育情感計算重在利用人工智能技術實現對學生情感的感知、建模、預測與調節，以揭示學習發生機理，優化學習干預策略，助力教育研究與實踐的創新發展。本研究從學生狀態表征、教學過程評價、學習機理闡釋、學習干預實施等方面論述了教育情感計算的核心價值，同時從情感指標體系構建、無感知情感數據采集分析、情感發生機理、情感建模預測、情感智能干預等方面論述了教育情感計算的現實困境，并有針對性地提出了教育情感計算的發展方向，以期為教育情感計算研究與實踐提供方向指引。本研究的不足之處主要在于，重點關注了教育情感計算研究的方向探索，但缺乏對真實教育場景中情感計算實踐方案的設計和應用。后續研究需要進一步完善研究布局，匯聚多個學科的研究力量，打造多學科交叉的研究團隊，從指標體系構建、技術方法創新、學習機理闡釋、教育實踐應用等多個層面設計科學合理的研究方案，開展系統深入的應用研究，在更大程度上發揮情感計算研究對教育實踐的賦能作用。

參考文獻

[1]鄭永和，王一巖.智能時代教育信息科學與技術的戰略定位與發展方向[J].遠程教育雜志，2023，（3）：12-20.

[2]Ashwin T S， Guddeti R M R. Affective database for e-learning and classroom environments using Indian students’ faces， hand gestures and body postures[J]. Future Generation Computer Systems， 2020，108：334-348.

[3]蔣艷雙，崔璨，逯行，等.雙師課堂中的多模態學習情感分析：關鍵問題、邏輯理路與實施路線[J].現代教育技術，2022，（4）：13-20.

[4]萬海鵬，余勝泉，王琦，等.基于學習認知地圖的開放學習者模型研究[J].現代教育技術，2021，（4）：97-104.

[5]王一巖，鄭永和.可解釋學習者建模：價值意蘊與應用圖景[J].現代遠程教育研究，2023，（5）：96-103.

[6]新華社.中共中央、國務院印發《深化新時代教育評價改革總體方案》[OL].

lt;https：//www.gov.cn/gongbao/content/2020/content_5554488.htmgt;

[7]雷鋼.人本主義學習理論對教育技術的新啟示[J].中國電化教育，2010，（6）：30-33.

[8]武法提，高姝睿，田浩.人機智能協同的精準學習干預：動因?模型與路向[J].電化教育研究，2022，（4）：70-76.

[9]宋宇，許昌良，朱佳，等.面向思維培養：基于精準標注技術的智能化課堂教學分析及應用[J].華東師范大學學報（教育科學版），2023，（8）：79-89.

[10]Picard R. Affective computing[M]. London： The MIT Press， 1997：30.

[11]Ekman P E， Davidson R J. The nature of emotion： Fundamental questions[M]. New York： Oxford University Press， 1994：15-19.

[12]Ortony A， Clore G L， Collins A. The cognitive structure of emotions[J]. Contemporary Sociology， 1988，（6）：2147-2153.

[13]Russell S J， Subramanian D. Provably bounded-optimal agents[J]. Journal of Artificial Intelligence Research， 1994，（1）：575-609.

[14]Mehrabian A. Pleasure-arousal-dominance： A general framework for describing and measuring individual differences in temperament[J]. Current Psychology， 1996，（4）：261-292.

[15]Plutchik R. A psychoevolutionary theory of emotions[J]. Social Science Information， 1982，（4-5）：529-553.

[16]徐振國，張冠文，孟祥增，等.基于深度學習的學習者情感識別與應用[J].電化教育研究，2019，（2）：87-94.

[17]翟雪松，許家奇，王永固.在線教育中的學習情感計算研究——基于多源數據融合視角[J].華東師范大學學報（教育科學版），2022，（9）：32-44.

[18]葉俊民，周進，李超.情感計算教育應用的多維透視[J].開放教育研究，2020，（6）：77-88.

[19]王一巖，劉士玉，鄭永和.智能時代的學習者情緒感知：內涵?現狀與趨勢[J].遠程教育雜志，2021，（2）：34-43.

[20]謝濤，張領，張可.基于教育視頻日志的多維情境模型構建[J].現代教育技術，2020，（10）：5-12.

[21][25]周偉，杜靜，汪燕，等.面向智慧教育的學習環境計算框架[J].現代遠程教育研究，2022，（5）：91-100.

[22]王一巖，鄭永和.智能學習干預：現實困境?實施原則與實踐進路[J].開放教育研究，2023，（2）：103-111.

[23]鄭永和，王一巖，吳國政，等.教育信息科學與技術研究的現實圖景與發展路向——2018-2022年F0701資助情況分析[J].現代遠程教育研究，2023，（1）：10-19.

[24]王一巖，鄭永和.基于情境感知的學習者建模：內涵?特征模型與實踐框架[J].遠程教育雜志，2022，（2）：66-74.

[26]龔善要.教育場景中情感計算的應用風險及其法律規制[J].復旦教育論壇，2022，（6）：40-46.

[27]蔣艷雙，崔璨，劉嘉豪，等.教育領域中的情感計算技術：應用隱憂?生成機制與實踐規約[J].中國電化教育，2022，（5）：91-98.

Values， Dilemmas， and Solutions of Educational Affective Computing

WANG Yi-Yan """ZHENG Yong-He^{[Corresponding Author]}

（Research Institute of Science Education， Beijing Normal University， Beijing， China 100875）

Abstract： Educational affective computing involves the perception and understanding， modeling and prediction， intervention and regulation， generation and expression of emotions in educational scenes， which is of great significance for student state representation， teaching process evaluation， learning mechanism interpretation， and learning intervention implementation. However， educational affective computing faces challenges such as the incomplete emotional indicator system， difficulty in collecting and analyzing imperceptible emotional data， difficulty in explaining emotional generation mechanism， lack of established emotional modeling and prediction mechanism， and difficulty in implementing emotional intervention mechanism， which seriously weaken the practical value of affective computing for educational innovation and transformation. In order to solve the above difficulties， the development direction of educational affective computing was proposed in this paper， which included constructing an affective computing index system for education field， developing an imperceptible educational emotional intelligent computing system， exploring the emotional generation mechanism of multiple study stages， disciplines， and scenarios， conducting learner emotional modeling and analysis based on situational perception， improving the emotional feedback and intervention mechanism of intelligent education systems， and enhancing the risk prevention and control mechanism of affective computing in education field. The research in this paper could provide direction guidance for educational affective computing and assist the innovative development of educational research and practice.

Keywords： educational affective computing; emotion generation mechanism; emotional intervention; emotional modeling; intelligent education

*基金項目：本文為新一代人工智能國家科技重大專項“面向智慧教育的學習者認知與情感計算研究”子課題“面向學習成效評價的認知與情感計算模型”（項目編號：2022ZD0117101）的階段性研究成果。

作者簡介：王一巖，博士，研究方向為智能教育、人機協同教育、教育信息科學與技術，郵箱為wangyiyan3318@163.com。

收稿日期：2024年3月18日