基于气质类型的情感计算在e-Learning中的应用

摘要

随着信息技术的飞速发展和互联网应用的普及，e-Learning教育学习系统正逐渐地被越来越多的人们认识和接受，给学习方式带来了深刻的影响。IEEE在2003年发布了e-Learning学习技术系统结构(Learning Technology SystemArchitecture，LTSA)参考标准。该标准确立了一个五层的结构，LTSA即为对其第三层的规范化标准。
　　 由于早期的LTSA标准较少涉及学习者的情感、认知等心理因素对学习过程的影响， LTSA系统结构中缺乏对于学习者情感因素的表达，导致设计出来的e-Learning学习系统无法满足学习者典型的个性化需求。因此一些研究者开始致力于将情感计算应用于e-Learning学习系统。“情感计算”这一概念是由MIT实验室里的Rosalind Pichard教授在1997年提出来的，它作为人工智能的一个分支，目的在于使设计的系统和设备能够识别、理解和处理人类的情感。当前情感计算的研究主要集中在情感语音识别、人脸表情识别、身体姿势和运动的识别等涉及人们理解和认知的技术应用领域。
　　 在现有的基于情感计算的e-Learning学习系统的研究工作中，对学习者的心理研究涉及较少。针对以上问题，本文的做了如下主要工作:
　　 (1)在LTSA的基础上添加了人格库，弥补了原有系统结构中情感模块的缺失。形成了ELTSA(emotional learning technology systemarchitecture)。
　　 (2)提出一种新的情感算法，基于气质类型的情感计算算法。该算法根据气质类型学说生成情绪感受性矩阵，并根据在学习中可能产生的情绪提取了5种情绪，通过学习者不同的气质类型向量得出个性化的情感向量，更真实地体现了学习者的情感状态，以此作为推荐学习的依据，使得学习更人性化。
　　 (3)基于多Agent理论，对扩展后的系统结构进行建模，并用Unity3D对系统和算法进行验证性的仿真实验。

目录

摘要

第一章 绪论

1．1 研究背景

1．2 e-Learning发展现状

1．2．1 国外发展现状

1．2．2 国内发展现状

1．3 情感计算

1．3．1 语音情绪识别

1．3．2 人脸表情识别

1．3．3 身体姿态与运动情绪识别

1．4 智能体Agent

1．5 Unity3D

1．6 研究方法与研究内容

1．6．1 研究内容

1．6．2 论文组织结构

第二章 e-Learning系统及其改进

2．1 IEEE学习技术系统结构标准

2．2 改进后的系统(ELTSA)

2．3 情绪与情感的差别

2．4 人格库的作用

2．5 小结

第三章 基于气质类型的情感计算算法

3．1 PAD模型及FAC模型

3．2 基于气质类型的情感计算算法

3．2．1 现有的情感计算算法的不足

3．2．2 气质类型

3．2．3 基于气质类型的情感算法

3．2．4 学习评价

3．2．5 难度设定

3．3 小结

第四章 基于多Agent的模型构建与解析

4．1 Agent模型分析与设计

4．1．1 反应型Agent和Agent-BDI

4．1．2 Agent的实现方法与BDI设计

4．2 ELTSA流程图

4．3 ELTSA各功能建模

4．3．1 人格系统角色

4．3．2 情绪系统角色

4．4 BDI设计

4．4．1 人格系统BDI设计

4．4．2 情绪系统BDI设计

4．4．3 人格系统Agent结构

4．4．4 情绪系统Agent结构

4．5 对基于气质类型的情感计算算法的Agent建模

4．5．1 ELTSA部分模块结构图

4．5．2 各部分Agent功能描述

4．6 学习指导进程

4．7 小结

第五章 Unity3D仿真实验

5．1 虚拟现实与Unity3D

5．2 Unity3D仿真实验

5．3 仿真实例

5．4 小结

第六章 总结与展望

6．1 论文总结

6．2 前景展望

致谢

参考文献

附录

攻读硕士期间的研究成果

声明