学习情感

摘要： 物理学科是一门探究自然规律的学科,物理知识既科学客观又丰富多彩,强调科学抽象又与实际生活紧密结合。学习物理的过程既有知识的传承,也包括学生身心发展在内的综合素质的提升。因此,物理课堂教学要立足于学生的发展需求,营造乐学学习氛围,引领学生领会物理学科的真谛,领悟科学探究的方法,感受学习物理的乐趣。一、构建舒润的物理学习情感环境物理学是研究客观事物的学科,实验与物理知识是密切相关的。

摘要： 2022年4月,教育部颁布《义务教育信息科技课程标准(2022年版)》(以下简称“义教信科课标(2022年)”),将信息科技课程独立,强调评价情境的真实性,评价主体多元化、方式多样化、内容全面化,注重学生的思维培养与学习情感变化。我国信息技术课程缺少对学生技能、创新精神和情感态度的综合评价,缺乏对学生主观意愿的监测,学生情感评价尚存许多问题:评价标准中缺少多学科融合、依据实际需求和真实性课题制定评价目标;评价视角中忽视平衡学习过程中学生情感的影响.

摘要： 学习情感是影响学习绩效、学习感知及高阶思维能力的重要因素。现有学习情感计算研究主要基于重量级生理反馈技术的小样本分析,缺少大规模在线开放课程环境下的实践研究。这一方面是由于在线课程环境下,学习情感计算的数据来源较为有限,多为单一的面部表情数据;另一方面,学习者在线学习场景下常处于监督不足的状态,学习者身体姿态的随意性较大,因此极有可能影响到面部特征的提取。然而,本研究认为在线学习者的姿态也具有情感特征,同样是情感信息的关键来源。因此,尝试将学习者的姿态数据融合到面部表情数据中,构建多源数据融合的深度学习情感计算模型,弥补学习者姿态变化带来的面部识别缺陷,同时进行多源情感数据的协同分析,实现数据的交叉印证和相互补偿。研究得出:通过训练构建的包含7 878张在线学习者面部表情和姿态图像的数据集,利用卷积神经网络和决策融合的方法将学习者面部姿态数据融入表情数据中,学习情感识别准确率较单一的面部表情识别提高了3%,是在线学习情感计算的有效方法。本研究在理论上为多源数据融合在学习者情感计算的有效性提供模型基础,在实践上,为在线教育环境下的学习情感计算提供了有效的技术路径。

摘要： 学习品质能够影响幼儿的终身学习和可持续发展,是国内外教育研究的热点。上海市松江区龙翔幼儿园自建园以来,就开启了“基于幼儿学习品质提升的集体教学活动设计”的行动研究与实践探索,提出了帮助幼儿提升学习品质的策略。聚焦幼儿学习品质发展现状研究团队采用情境测试法,以幼儿园2018届毕业生为测评对象,对其发展情况进行了全面观察后发现:幼儿普遍对运动、游戏兴趣浓,学习情感、学习态度则发展较慢;95%的幼儿能积极主动地参与相关活动,在过程中表现出愉悦的情绪,并能用完整、生动的语言表述自己的感受;幼儿们在学习方面.

摘要： 随着社会的发展,人类的进步,人们对于教育教学质量的要求逐渐提高。新课程要求教师在教学中关注每一位学生,关注每一位学生的学习情绪、学习情感。由于各种原因,在小学教学中普遍存在学习学困生,这些学生智力正常,但学习不够努力,厌学情绪明显,难以达到义务教育规定的基本要求,与同龄的大部分学生相比,这些学生在学习上有明显的困难,需要教师给予特别的关注。学困生是学科教学过程中让每个教师都感到头疼的问题,每个学科都不可避免的会出现学困生,这些学生除了成绩差之外,在课上的表现往往不好,不仅自己学的不认真,还会影响到周围的同学。基于此,以下对小学学困生的成因及转化策略进行了探讨。

摘要： 在智慧学习环境下,学习者在学习过程中的情感交互是教育领域的一个重要研究内容,主要通过智能学习终端进行情感识别。学习情感主要包括专注、高兴、常态的积极情绪,走神、悲伤、愤怒的消极情绪,对学习者的学习过程具有影响和调节的作用。因此,本文提出了一种基于智慧学习环境下,构建学习画面情感识别模型。本模型根据学习者在学习中的情绪反馈,自适应改进和推送学习内容,促进学习过程中的积极情绪,促进情感交互率,也可作为辅助评估课程的教学质量和学习资源质量的支撑依据。

摘要： 根据课程标准中“综合与实践”课程要求学生达成的目标,可以构建起“综合与实践”学生表现性评价的五个维度:知识技能、数学思考、问题解决、学习情感、学习态度。每个维度又可以建立若干具体二级评价指标,具体如下。

摘要： 写作教学是一项语言文字综合性训练,既有语言文字的训练,又有思维情感的培养。作为教师,应开展必要的写作指导,使学生在情感态度上认真对待写作,并在以读促情、以读促写中提升学生的写作能力。

摘要： 学习情感是影响学生认知加工与学习效果的重要因素,如何利用多模态数据开展学习情感计算是当前亟待解决的问题.文章在分析情感计算源起与多模态数据融合的基础上,阐述了多模态情感计算的发展动因,构建了多模态学习情感计算的研究框架,包括以教育场景为导向采集情感数据、依据情感模型展开建模与识别、利用可视化方式表达与反馈情感、结合情感归因来干预与调节学习过程等.基于现有研究案例,将多模态学习情感计算的应用归纳为开发学习情感识别系统、增强智能学习工具、支持学习干预与决策、探索学习情感的作用机制等方面.未来多模态学习情感计算应平衡数据采集侵入性与真实性、提升数据模型可解释性、综合衡量学习状态以及拓展教育应用探索与创新.

摘要： 目前,我国正在大力推进实施素质教育,尤其是在中小学阶段。素质教育的宗旨是“面向全体学生,使学生得到全面发展”。尤其是近年来推行的新课程改革,要求教师在教学中关注每一位学生,关注每一位学生的学习情绪,学习情感。随着学生年级的变化,学科知识的要求、能力不断提高,学困生在学习态度、兴趣、信心等方面变现更为突出。兴趣是最好的老师,是开启知识大门的金钥匙,是成才的起点。兴趣是一个人力求接触认识、掌握某种事物和参与某种活动的心理倾向。兴趣对人的实践活动起着积极的作用,特别是对小学生的学习起着推动作用。它在人的生活中和学生智力开发方面具有重要意义。

摘要： 新课程设置了"知识与技能""数学思考""解决问题""情感与态度"四个方面的目标,正是《基础教育课程改革纲要(试行)》中的"知识与技能、过程与方法、情感态度与价值观"三维目标在数学课程中的具体体现.丰富的情感、积极的态度、正确的价值观也是学生学习、生存和发展的重要基础.结合自身教学的实践、探索,作者从准确把握数学学科特点和学生的年龄特点;重视激发学生的学习动机;充分调动学生的学习兴趣;强培养学生健康的学习情感;着重培养良好的学习习惯五个方面来阐述了如何培养学生的情感、态度与价值观。

摘要： 面向21世纪的数学教学,我们的理念是“人人学有用的数学,有用的数学应当为人人所学,不同的人学不同的数学”,“数学教育应努力激发学生的学习情感,将数学与学生的生活、学习联系起来，学习有活力的、活生生的数学”。

摘要： 本发明特别涉及一种基于情感词典学习的文本情感分析方法和系统。方法包括以下步骤：对初始文本数据进行规范化处理，生成预处理文本数据，并将预处理文本数据聚类到预设领域；采用基于种子情感词典的情感词语发现方法，形成预设领域的专有情感词典；根据专有情感词典对预处理文本数据进行检索，获取目标文本数据作为对应预设领域的初始训练语料，并形成多分类器对输入的待分类文本进行分类。本发明减少了人力成本，避免了由单一分类器导致的过拟合问题，同时将文本相关领域纳入考虑，提高了对文本进行情感分析的准确性。

摘要： 本发明公开了一种基于情感分布学习的情感成分分析方法及其系统，先给每幅图像的每种基础情感进行打分，计算情感分布向量和每一对基础情感标记向量之间的相关系数，基于这个相关系数计算权值矩阵；再使用图像特征向量及其情感分布作为训练集，将最大熵模型与Jeffrey散度以及权值矩阵结合起来，加上两个正则化项生成目标函数，优化该目标函数得到用于情感分布预测的参数模型；然后对待进行情感分布估计的图像进行特征提取，使用训练出来的模型预测情感分布，若情感标记所对应的值大于虚拟标记成分比，则判定为主要情感成分。本发明提出的方法和系统可以快速、有效地训练出情感成分分析的模型，计算出该表情包含哪些情感以及每种情感所包含的比重。

摘要： 一种文本情感原因发现装置，该装置包括词‑子句层级结构，包含有四部分：词级别编码器、词级别注意力、子句级别编码器、子句级别注意力；其中，词级别编码器，将文本送入词级别编码器，用于捕获词与词之间的序列特征；词级别注意力，通过当前词语的隐状态表示和与之对应的情绪表达词之间的关系来获得词级别的注意力值，用来指示当前词在其所在的子句中所占的重要程度，然后通过权重和累加操作获得每个子句的表示；子句级别注意力，利用一个分类器来获得当前子句是情感原因的概率，并以此作为子句的注意力值，同时将当前子句距离情绪表达词的距离的分布式表示与子句表示拼接；子句级别编码器，通过子句级编码器获取不同子句之间的结构性信息更新子句表示，通过softmax来获得分类特征的概率分布。通过该装置可以帮助机器更加精准地判断人类触发情感的原因。

摘要： 本发明特别涉及一种基于情感词典学习的文本情感分析方法和系统。方法包括以下步骤：对初始文本数据进行规范化处理，生成预处理文本数据，并将预处理文本数据聚类到预设领域；采用基于种子情感词典的情感词语发现方法，形成预设领域的专有情感词典；根据专有情感词典对预处理文本数据进行检索，获取目标文本数据作为对应预设领域的初始训练语料，并形成多分类器对输入的待分类文本进行分类。本发明减少了人力成本，避免了由单一分类器导致的过拟合问题，同时将文本相关领域纳入考虑，提高了对文本进行情感分析的准确性。

摘要： 本发明公开了一种基于情感分布学习的情感成分分析方法及其系统，先给每幅图像的每种基础情感进行打分，计算情感分布向量和每一对基础情感标记向量之间的相关系数，基于这个相关系数计算权值矩阵；再使用图像特征向量及其情感分布作为训练集，将最大熵模型与Jeffrey散度以及权值矩阵结合起来，加上两个正则化项生成目标函数，优化该目标函数得到用于情感分布预测的参数模型；然后对待进行情感分布估计的图像进行特征提取，使用训练出来的模型预测情感分布，若情感标记所对应的值大于虚拟标记成分比，则判定为主要情感成分。本发明提出的方法和系统可以快速、有效地训练出情感成分分析的模型，计算出该表情包含哪些情感以及每种情感所包含的比重。

摘要： 本发明涉及情感分析领域，为基于对比学习与持续性学习的属性级情感分析方法、系统及存储介质，方法包括：获取产品点评的文本数据；对文本数据进行预处理；使用迁移学习方法训练多个BERT‑adapter模型，并将训练完成的多个BERT‑adapter模型组成模型集合；其中，单个BERT‑adapter模型通过在BERT模型的每一个译码器层里的前向传播网络层之后增加适配层得到；将预处理后的文本数据输入模型集合中，得到多个逻辑值分类结果；根据多个逻辑值分类结果，得到文本数据的属性级情感分析结果。本申请将对比学习用于情感分析模型中，从而使得模型达到更好地分类效果。同时基于迁移学习思想构建的模型具有知识迁移的能力也能拥有知识增强的能力，可以缓解深度学习存在的灾难性遗忘问题。

摘要： 本发明公开了一种基于深度学习的短文本情感分析方法，包括：通过对单词位置信息、句子整体进行编码、对单词进行Word2vec编码；步骤2：采用IMDB影评数据作为初步情感词典，对于IMDB影评情感词典和搜集的网络词汇去重后作为最终的基础情感词典；步骤3：选择采用skip‑gram进行训练，将得到的结果存入字典，存储为json文件。本发明的基于深度学习的短文本情感分析方法深入研究基于深度学习的文本情感分析，利用BERT提取向量进行情感分析，达到了预期的效果。随着情感分析的研究的深入，分析结果将会越来越贴近实际情感，将会更好地为企业服务。

摘要： 本发明公开了一种基于联邦学习框架的Bert结合卷积神经网络的情感分类方法，该方法提出使用Bert来提取全局特征，减少神经网络的迭代次数，加速神经网络的收敛，提升下游分类模型的准确率；提出使用联邦学习框架对各个客户端训练的最优参数发送给中心服务器进行整合后下发新的共同参数给各个客户端使用，有效地降低了传统机器学习源数据聚合带来的许多隐私风险。本发明方法可有效保护各个客户端的数据隐私性，并且在短文本、少数据的情况下对不同种类商品评论的分类效果优于其他方法。

摘要： 本发明公开了一种基于智能学习环境的学生学习情感判别方法，同时公开了相应的学生学习情感判别装置。本发明首先提出了“数据元核”与“数据核”的概念，结合具体的业务需求，将海量学生行为数据映射到“数据元核”和“数据核”。通过少量的数据标注，得到可以直接用于有监督算法的足量训练数据，从而大大提高模型训练的准确率。通过对学生学习情感状态做出准确判别，可以方便地协助老师更精确、更全面地掌握班级学情状况及学生情感趋势变化，从而及时采取个性化教学矫正措施，提高教育教学整体质量和效率。

摘要： 本发明提出了一种基于迁移学习的细粒度情感分析模型，该模型基于BERT有遮挡的语言模型进行改进，提出了一种Senti‑transfer模型，该Senti‑transfer模型训练方法引入迁移学习的思想，设计了情感语义的迁移策略和方法，有针对性的从大规模文档级语料中学习情感语义，然后应用于终端的细粒度情感分析任务，能够有效的提高文本情感分析的准确率。