教师情感

摘要： 作为21世纪教师的必备专业能力,教师社会情感能力重要性日渐凸显。近年来,教师社会情感能力逐渐成为全球教师教育研究领域的新兴热点。采用领域综述法分析23项国际教师社会情感能力的实证研究发现:理论模型上,当前教师社会情感能力实证研究立足于四大模型,呈现三种取向,即以Gross情绪调节过程模型为代表的过程取向模型、以Mayer和Salovey情绪智力模型为代表的结构取向模型、以CASEL社会情感学习框架以及Jennings和Greenberg亲社会课堂模型为代表的整合发展取向模型。研究设计上,呈现出以幼儿、小学教师为主要对象并且以定量研究为主要方法的偏好。研究成果上,形成了教师社会情感能力五大结构要素的主流认识,研发了专门的社会情感能力测量工具,发现了个体和外部两大因素对教师社会情感能力的影响,验证了教师社会情感能力对教师个体、课堂教学以及学生发展的积极作用,证明了职前培养、正念练习和情感学习对提升教师社会情感能力的有效性。这不仅为未来教师社会情感能力研究奠定了理论基础、提供了方法论和主题参考,也昭示着一些新的着力点:基于理论模型的本土化修正和跨学科建构,完善学理基础;拓展研究方法的深度和研究对象的广度,优化研究设计;立足五大研究热点、拓展知识图谱,推动研究成果科学而丰富地生长。

摘要： "轮岗流动"背景下,教师面临着诸多挑战,其中的情感挑战不容忽视,具体表现为院空间转换带来人际陌生感;群体差异带来文化疏离感;关系转换带来心理孤独感;现实落差带来内心失落感。情感能力是个体监控自己及他人的情绪和情感,并识别、利用这些信息指导自己的思想行为的能力。应对教师轮岗中的情感挑战,需要增强教师情感能力.

摘要： 教学是一种情感实践,蕴含着教师的情感劳动。情感劳动是教师为学为师的必然组成部分,有必要从境界的视角对其加以探讨。根据冯友兰先生划分的“觉解”标准,教师情感劳动可分为三种境界:情感规则支配下的自然境界,情感认识反思下的自觉境界,情感本体觉知下的自由境界。自然境界下,教师的情感劳动体现为自发性、例行化,其策略主体为自发表达和浅层扮演。自觉境界下,教师的情感劳动以反思性为主,其策略主体为深层扮演。自由境界下,教师的情感劳动是对象化情感劳动,其策略主体为自主表达。教师情感劳动关系到教师自身的职业幸福,也关系到教育对象的情感体验和生命塑造,以及教育价值的实现。实践中聚焦教师情感支持、情感培养和情感修养,是提升教师情感劳动境界的有效路径。

摘要： 众所周知,在课堂教学过程中,教师情感是否适用于教育、教学需要,不仅取决于情感的强度大小,而且取决于情感的效能如何。所谓效能是指情感的性质是积极增力性或是消极减力性的问题。应用心理学的研究已证明,对活动效果来说,以保持愉快的积极性情感为最佳。这一发现表明教师应始终保持以愉快心境为主导的情感状态。在提倡教育改革,加强素质教育的今天,本着为师生共创一个乐学英语、会学英语;乐教英语,善教英语的轻松的语言学习氛围的宗旨,无疑对英语教师的愉快的积极性教育情感提出了更高的要求。

摘要： 疫情形势下,在线教学成为学校新常态。便捷、多端、跨越时空,在线教学表现出诸多优势,但同时也存在场景虚拟、人际隔绝、情感弱化等弊端。中小学生正处于人生发展的关键期,五育并举、全面发展的要求都指向学生综合素养、健全人格与可持续发展。在线教学常态化背景下,如何既发挥网络平台的积极功效,又避免在线学习的不良影响?我们认为,调动和激活教师的情感能力是一种积极主动的回应举措。

摘要： 众所周知,我们教师的教育专业活动条件与其特有的内在需要,形成教师情感的特殊性。教师情感是否适用于教育、教学需要,不仅取决于情感的强度大小,而且取决于情感的效能如何。所谓效能是指情感的性质是积极增力性或是消极减力性的问题。研究还指出,无论记忆效果、思维水平或对意志行动的作用等都以保持愉快的积极性情感背景为最佳。这一发现表明教师应始终保持以愉快心境为主导的情感状态。

摘要： 倡导项目式学习的新课程改革中,教师情感受到冲击并发生改变。基于扎根理论,通过对我国东西部地区5位被试教师课堂教学视频、叙事访谈文本、教师备课笔记的质性研究发现:教师初次实施项目式学习时,情感状态可以分为三个阶段:初期的畏难,中期的着急与失望,后期的赞同并充满信心。专业实践、结果感知和外部支持是教师情感改变的重要影响因素,三者通过反思作为中介机制促使教师情感改变。

摘要： 教师情感表达的教育意蕴在于护佑学生敞开自我、增进师生关系建立、满足学生心理需求以及砥砺学生多元发展。当前,教师情感表达过程中存在着动机的为我性过强、方式的随意性过大以及内容的全面性欠缺等问题。帮助教师明晰情感表达的价值诉求与实现路径,将有助于教师改善自身情感表达,从而有效实现情感表达的教育意蕴。

摘要： 情感的产生与发展嵌套于社会文化背景中,情感地理理论和情感困境有助于诠释教师专业发展的情感之维。前者关注人际互动中的“他者”,后者聚焦于“社会情境”中面临的情感困境,基于自我、他者和社会情境三维,能够勾勒出教师专业发展的情感样态,洞察情感表达中表层扮演与深层扮演、真实的情感表达、抑制的情感表达三重空间中的实然与应然。教师情感的价值意蕴最终落在以人为导向的教师专业发展上,具体表现为知识外显与情感内融呼唤教师育人本质的回归;感性经验与审慎反思意在唤醒教师的自我主体性觉知;真实的温情与质朴的良心建构出情感—人文导向的教师专业发展模式。

摘要： 田径教学效果的好坏取决于多种因素,不可否认先进的教学方法和合理的教学手段是至关重要的,但学生良好的学习心态则是实现田径教学效果理想化的催化剂。学生的学习心态取决于其在田径教学和训练过程中的情感体验,有赖于教师在教学过程中运用情感进行校正。学生如若把对教师的热爱和尊敬转移到课堂上,并在田径课上认真、积极地学习和练习,则可以产生意想不到的教学效果。

摘要： 学校管理工作既是一门科学，又是一门艺术。说它是科学,是因为学校管理工作具有一定的规律性，遵循学校管理工作的客观规律，综合运用管理学的基本原理，能够提高管理工作的成效。说它是艺术,是因为学校管理归根到底是对人的管理。传统的以制度约束为主体的硬性的管理模式已远远不能适应现代学校管理的要求。经过几年的实践,我们发现以人为本、关注教师情感的和谐管理才是促进学校各项事业可持续发展的理想管理模式。

摘要： 本发明公开了一种基于情感分析的教师评价系统，包含情感数据词典SDD、SDD建立与维护模块、信息采集及预处理模块、情感分析模块和教学评价模块；所述情感数据词典SDD：基于Robert Plutchnik的情感理论，以8个基本情感及其词语——信任、期待、愉悦、惊奇、伤心、厌恶、恐惧、愤怒，为基础；本发明针对现代学生评论教师的表述特点，以8个基本情感为基础，快速、动态地建立情感数据字典SDD，对异构多源、含有情感符号的大量的短文本，把情感极性与情感强度的计算融合在一起进行情感分析，并通过基本情感的合成，多方面、多方位对教师进行综合性的量化评价。

摘要： 本发明公开了基于维度情感模型的群体情感识别与异常情感检测方法，涉及智能情感识别技术领域，基于认知心理学PAD三维情感模型，通过数据搜集和人工标注，创建群体情感的视频数据集，揭示了六种典型情感在PAD空间中的位置关系；创建基于群体行为的情感预测模型，将群体运动特征映射为PAD空间中的三维坐标；构建异常情感分类器，当检测到愤怒和恐惧这两种异常情感，则判定场景产生了异常状态。针对群体运动视频，本申请既能够准确表达群体情感的连续变化状态，还可以实现对全局异常状态的有效识别。

摘要： 本发明涉及到情感分析领域，提出了一种基于语义、情感惯性和情感共性的对话情感分析方法，步骤包括：首先获取对话交替进行的多轮对话数据，并对不同人物角色进行标明；然后对多轮对话中的每条对话信息进行时序建模，提取出其中对应的语义信息表达序列；最后基于多轮对话所提取的语义信息表达序列，分离出对应的情感状态表达序列，并进行情感识别。在本发明中，打破了传统的以语义信息决定情感分类的做法，提出了由语义状态与情感状态分离的方法，由情感状态决定情感分类，从心理学的角度改进了现有对话情感分析方法，提升了情感识别的效果。

摘要： 本发明公开了一种基于情感分析的教师评价系统，包含情感数据词典(SDD)、SDD建立与维护模块、信息采集及预处理模块、情感分析模块和教学评价模块；所述情感数据词典(SDD)：基于Robert Plutchnik[1]的情感理论，以8个基本情感及其词语——信任、期待、愉悦、惊奇、伤心、厌恶、恐惧、愤怒，为基础；本发明针对现代学生评论教师的表述特点，以8个基本情感为基础，快速、动态地建立情感数据字典SDD，对异构多源、含有情感符号的大量的短文本，把情感极性与情感强度的计算融合在一起进行情感分析，并通过基本情感的合成，多方面、多方位对教师进行综合性的量化评价。

摘要： 本发明提供一种情感识别方法、情感识别设备及情感识别系统。其中，情感识别方法包括以下步骤：获取三维传感器阵列服装采集的用户的当前肌肉应力信号数据；将当前肌肉应力信号数据输入至已训练好的多元情感分类模型，获得多元情感分类模型输出的情感识别结果。本发明通过采用三维传感器阵列服装采集人体表达情感时当前肌肉应力信号数据，将其输入已训练好的多元情感分类模型中，多元情感分类模型通过肌肉应力信号数据输出其对应的情感识别结果。通过三维传感器阵列服装采集人体表达情感时的动作数据，可以确保高质量捕获肌肉应力信号数据，并根据动作与情感状态之间的关系，可以更准确地识别人体的情感表达，提高了情感识别的准确性。

摘要： 本发明公开了基于维度情感模型的群体情感识别与异常情感检测方法，涉及智能情感识别技术领域，基于认知心理学PAD三维情感模型，通过数据搜集和人工标注，创建群体情感的视频数据集，揭示了六种典型情感在PAD空间中的位置关系；创建基于群体行为的情感预测模型，将群体运动特征映射为PAD空间中的三维坐标；构建异常情感分类器，当检测到愤怒和恐惧这两种异常情感，则判定场景产生了异常状态。针对群体运动视频，本申请既能够准确表达群体情感的连续变化状态，还可以实现对全局异常状态的有效识别。

摘要： 从声音信号数据对每个分析帧提取声音特征量，并将该声音特征量存储到存储单元(S120)。接着，从存储单元读取所述声音特征量，使用基于预先输入的学习用声音信号数据所构成的一个以上的统计模型，计算与所述情感状态对应的所述声音特征量的情感状态概率(S130、S140、S150)。然后，基于计算的所述情感状态概率，判定包含所述分析帧的区间的情感状态(S160)。

摘要： 本发明公开了情感分析技术领域的融合情感资源的多模态情感分析模型，包括：用来进行文本、视觉与听觉模态特征初步提取的单一模态特征提取层模块，利用Transformer捕捉模态内部的动力，并设计情感词分类预测任务进行情感嵌入学习和提取的单一模态特征深度提取层模块，利用情感嵌入来完成多模态特征交互学习，使得其他模态特征能够感知文本中情感信息的跨模态交互学习层模块，将前三层学习到的情感特征表示最终输入深度神经网络完成最终预测任务的预测层模块，首个将情感资源作为主导信息来进行多模态情感分析的模型，设计了一种情感词分类预测任务进行情感知识学习，相较于现有的多模态情感分析方法，本申请的方法具有明显优势和较好的泛化性。

摘要： 本发明涉及基于情感语义对抗的跨语言情感分类方法，属自然语言处理领域。本发明包括：构建汉越疫情相关社交媒体评论的数据集；将句子以及句子中情感词拼接，用卷积神经网络对拼接后的句子分别进行联合表征，分别获得单语语义空间下的情感语义表征；其次，通过对抗网络，在双语情感语义空间将带标签数据与无标记数据的情感语义表征进行对齐；最后将句子与情感词最显著的表征进行拼接，得到情感倾向性分析结果。本发明通过融合情感信息信作为背景信息实现了跨语言情感倾向性分析，从获取的舆情数据中为低资源数据获得情感分类结果，为后续的文本分类及低资源语言细粒度情感分析提供了支撑。

摘要： 本发明属于图像内容分析领域，公开了一种基于情感属性挖掘的图像情感分析方法，利用用户元数据信息挖掘，构建语义覆盖面大、情感可判别能力强的情感属性子集，并采用融合神经网络和矩阵分解模型预测标签矩阵，提升图像情感分析结果的准确性与稳定性。根据用户标签元信息和情感属性的特点，融合四种情感属性特性并优化概念选择模型完成情感属性子集选择；利用卷积神经网络提取视觉特征并通过视觉内容一致性优化；构建引入外界知识库指导的邻接图并通过语义关联性优化；将图像视觉特征和标签语义特征映射到潜在共享空间中，实现预测标签矩阵的重构；最后，利用训练好的重构模型来重构预测标签矩阵，并使用线性分类器进行最终的情感识别。