幼儿情感

摘要： 幼儿大地艺创是幼儿根据自然中存在物体的形状、颜色、空间等审美要素进行可视化的绘画、雕塑、建构等创作活动。在大地艺创活动中,幼儿将头脑中储存的自然物形状、颜色、空间等经验,进行想象、加工转化成新的形象,这种想象与创作的过程称为自然想象。大地艺创活动的开展有利于激发幼儿对自然保护的欲望,使幼儿情感与自然材料之间建立起有机联系。

摘要： 绘本,是综合运用形象、色彩、构图等因素而展现的连续、生动的图像世界,因其浓厚的故事性、形象性、艺术性而受到孩子们的喜爱。[1]绘本通过图画和文字一起来讲述故事,其图画细节丰富、故事讲述力强,和文字相辅相成,共同呈现给孩子们一台又一台好戏。绘本在促进幼儿情感与社会性发展、良好习惯的养成以及认知水平的提高等方面也有着重要的价值。[2]优秀的绘本是宝藏,它蕴含着丰富的文学性、娱乐性、教育性、艺术性和创造性,是幼儿成长的“精神维生素”。[3]

摘要： 兴趣是孩子最好的老师。《幼儿园教育指导纲要(试行)》提出,教师应重视幼儿情感、态度、兴趣等方面的发展,并重新明确了幼儿在教育教学中的主体地位。幼儿主动认知兴趣的培养和激发,是开展好学前教育活动的前提和关键。那么,教师该如何激发幼儿主动认知的兴趣呢?不容小觑的趣味游戏幼儿是在活动中建立和完善认知结构的,教师可充分利用现有条件,组织幼儿进行各类有趣的活动。

摘要： 美术活动形式多样、内容丰富,如绘画类、纸工类、泥工类、综合制作类以及艺术欣赏类等。无论哪一年龄段的人都可以利用美术的形式来表达内心想法,抒发自身情感,获得进一步发展。《幼儿园教育指导纲要(试行)》在艺术领域的教育目标为:“能初步感受并喜爱环境、生活和艺术中的美;喜欢参加艺术活动,并能大胆地表现自己的情感和体验;能用自己喜欢的方式进行艺术表现活动。”在日常教学活动中,我园坚持以美术为特色,根据不同年龄段幼儿的学习特点,每学期设置不同的美术主题,开展相关教学活动,促进幼儿综合全面发展。

摘要： 设计意图《小树叶》是一首AB段式的歌曲,表现了两种不同情感:第一段小树叶飘走后心里很难过,音乐缓慢忧伤;第二段小树叶变勇敢了,回到树妈妈身边很高兴,音乐欢快跳跃。两段音乐对比鲜明,能引起幼儿情感上的强烈共鸣并在此基础上进行表达和表现。本次活动是第二课时,幼儿已能熟练掌握歌词和节奏,具备调性的稳定感,在此基础上更注重幼儿演唱方式和技巧的培养。

摘要： 随着我国素质教育的实施与推进,幼儿教育中素质教育越来越受到家长和社会的重视。幼儿阶段是幼儿身心发展的关键时期,思维能力和理解能力的培养尤为重要。基于幼儿歌唱教学的独有特点,可以更好的培养幼儿的语言表达能力和理解能力的培养,进而促进幼儿综合素质的提升。

摘要： 2020年11月,我园课题"基于农村传统手工艺的幼儿园劳动教育课程开发与研究"被立项为晋中市教育局课题。该课题以"实现五育融合,建设幼儿园劳动教育课程,满足幼儿情感认知技能的需求"为目标,以如何将当地农村传统手工艺资源与幼儿园劳动教育的育人目标相结合为切入点,不断追随幼儿兴趣,满足幼儿探究和创造的需要。在短短几个月的课题开展中,幼儿通过亲子调查了解了编织、扎染、面塑的形式,知道传统手工艺与我们的日常生活密不可分,并愿意积极参与到手工艺制作中,体现了该课题研究的意义。

摘要： 绘本是幼儿成长过程中阅读的第一本书,也是培养幼儿阅读兴趣和阅读能力的重要载体。好的绘本不仅绘画精美、构图和色彩具有吸引力,且蕴含着丰富的教育内涵。绘本阅读能把幼儿带入美好的故事情节中,根据绘本的整体意境,对故事情节展开丰富的联想,给予幼儿情感和美的陶冶,激发幼儿的想象力与创造力,促进幼儿发散思维的发展。

摘要： 幼儿教育阶段情感教育是重点内容,对于幼儿思维、情感、意识的培养具有启蒙和奠基作用。随着新课改的逐步推进,幼儿情感的教育更加受到重视。本文通过对情感教育在幼儿园绘本教学中渗透的必要性进行分析,以及幼儿园绘本教学中情感教育效果不好的原因,提出情感教育在幼儿园绘本教学中有效渗透的策略,旨在促进幼儿情感的发展,关注幼儿的健康成长。

摘要： 幼儿生命教育是指在尊重幼儿情感、心理特征的基础上,通过幼儿喜闻乐见的方式,引导幼儿逐步感知生命来源、了解生命形态、享受生命时光、理解生命过程、珍惜生命价值、感恩生命快乐的教育实践活动。其对于幼儿身心健康、未来发展至关重要。

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声音判断婴幼儿或宠物情感和需求的装置，壳体上安装有触摸屏显示器、心音传感器、心率传感器、主板和无线模块，壳体上还安装有电源、喇叭、麦克风、摄像头、SOS按键及其他功能按键；主板与电源电性连接，主板上安装有CPU、录音设备、存储模块，主板上的与CPU与各功能部件连接；本发明集麦克风、声音滤波和特征值提取、数据模型、心音心率检测和紧急报警功能为一体，相对精确提供婴幼儿的情绪和需求，解决初为父母的人的焦虑，对婴儿不舒服甚至生病能够给与提示，更好的照顾孩子；提供宠物的情绪和需求，增加宠物与家庭的关系，预防宠物失控状态。

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： 提供用于婴幼儿看护系统的机构和处理。该系统包括平台接口、平台存储器和平台处理器。平台接口被配置为接收从婴幼儿监测系统传输来的测量数据。婴幼儿监测系统包括婴幼儿监测装置，其中该婴幼儿监测装置具有用于收集与同第一个婴幼儿相关联的活动相对应的测量数据的多个传感器。平台存储器被配置为存储学习内容和婴幼儿去识别数据。婴幼儿简档与第一个婴幼儿相关联，并且婴幼儿去识别数据与多个婴幼儿相关联。平台处理器被配置为提供平台门户。平台门户用作用户接口，其中与第一个婴幼儿相关联的看护者可以经由该用户接口来访问来自平台存储器的信息。

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。