情感课堂

摘要： 基于线上教学,部分学生学习不主动和自律能力差的背景下,结合初中道德与法治学科特点,从教师情感投入以及挖掘学生积极的情感因素等入手构建线上初中道德与法治情感课堂,追求以“情”导学、以“情”生“情”,打造高效课堂。

摘要： 美术是一门充满艺术情感的学科,那么如何激活美术课堂的活力,展现出美术教学精彩魅力,这都是每个美术老师孜孜以求的课题,笔者认为要想美术课堂教学多姿多彩、活力四射、魅力无穷,首先,老师要用情感点燃学生心灵的火焰,构建情感美术课堂;其次,采用创新教学理念,使学生成为欣赏绘画教学的载体;第三,可利用现代化教学手段,创设优美绚丽的教学情境,激发学生学习兴趣;第四,让学生走进自然生活,与美零距离面对面,体验大自然各种造化之美,唤起对美的热爱和对美的想象,从而在欣赏美、鉴赏美、感受美中用彩笔去创造美,使美术课堂教学真正实现了因学生参与互动而精彩,因学生热情展示而高效.

摘要： 在小学英语的课堂教学中,教师需要创设一个和谐、愉悦的课堂氛围,使孩子们能够在这个学习的乐园里主动求知,快乐成长.在日常教学中,我对如何运用情感与艺术,构建一个愉快的小学英语课堂做了一系列的探究,并于此撰写成文.

摘要： 小学语文是学生学习语文的基础阶段,也是培养学生语言组织能力和思维驾驭能力的关键时期,因而实现小学语文的有效 教学至关重要。本文就新课改背景下小学语文实现有效教学提出一些建议,力求启发小学语文教师能够以学生为本,实现有效教学, 真正实现学生的全面发展。

摘要： 发展学生核心素养,已经成了教育改革的时代词,是我国未来基础教育改革的灵魂.构建基于核心素养培育的课堂,情感课堂无疑是我们的必修课.通过创设情境,激发学生情感;通过设疑引思,深化情感;通过及时生成,升华情感;通过巧妙留白,巩固情感.只有激起学生情感波澜,才能增强感染效果,形成一种内在的精神力量,让学生内化于心、外化于行,真正落实培育核心素养的要求.

摘要： "互联网+教育"新时代背景下,信息技术与课堂教学的深度融合是提升教育教学质量的必由之路.临沂第三十三中学通过利用多个云平台资源,引入PAD进课堂,制定科学实用的352教学策略,倡导教师微课制作和使用,努力形成了以"以信息技术为支撑,以352教学策略为引领,以导学案为抓手,以小组合作为平台"的具有学校特色的"情感课堂",在信息化教学实践中,探索出学校自己的一条路子.

摘要： 教师在进行小学语文教学过程中,应合理有效激发学生的情感,通过多媒体、朗读以及语言表达,让学生在语文课堂中深刻感受文章内容作者的情感力量,为促进学生高尚情操以及良好人文情怀奠定良好的基础.

摘要： 随着音乐新课程改革实施的不断推进,如何创造情感型课堂,以动态生成式的教学,让课堂绽放活力,是新课改派生的崭新理念。它会随着教学环境、学习主体、学习方式的变化而变化,根据教师的不同处理而呈现出不同的价值,使课堂呈现出动态变化、生机勃勃的新特点。

摘要： 本发明公开了一种可解释性课堂学生情感分析方法、系统、装置及介质，方法包括：获取学生智慧课堂面部表情数据；基于可解释性卷积神经网络建立学生学习情感分析模型；构建学生表情识别过程的可视化模型；通过所述学生学习情感分析模型和所述可视化模型对所述智慧课堂表情数据进行表情识别，确定学生情感类型。本发明把智慧课堂学生情感分析问题建模成一个可解释性卷积神经网络任务，利用可解释性卷积神经网络进行智慧课堂中学生的表情识别，得出学生学习过程中的情感状态，能够快速确定学生的情感状态，提高了情感分析的准确性，可广泛应用于人工智能技术领域。

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： 本发明涉及在线教育领域，其公开了一种基于表情情感计算的三维教学课堂实现方法，将适用于教育场景的表情识别情感分析模型加入到无需任何插件支持的三维网页课程中，实现人机之间更加自然、更加智能化的互动。本发明基于WebGL构建教育教学场景，通过制作适用于教育场景的多样化人脸表情数据集，对卷积神经网络进行训练获得表情识别模型，将表情识别模型应用到服务端并与Web3D端通过WebSocket互连，实时通过前端摄像头截取人脸表情图片通过编码传递到后端，后端通过解码表情信息并利用表情识别模型进行快速特征提取并识别对应表情标签，再将最终识别结果传递给前端并匹配对应的情感交互事件，实现利用人脸表情识别算法来控制页端与用户进行交互的WebGL多媒体智能交互。

摘要： 本发明公开了一种可解释性课堂学生情感分析方法、系统、装置及介质，方法包括：获取学生智慧课堂面部表情数据；基于可解释性卷积神经网络建立学生学习情感分析模型；构建学生表情识别过程的可视化模型；通过所述学生学习情感分析模型和所述可视化模型对所述智慧课堂表情数据进行表情识别，确定学生情感类型。本发明把智慧课堂学生情感分析问题建模成一个可解释性卷积神经网络任务，利用可解释性卷积神经网络进行智慧课堂中学生的表情识别，得出学生学习过程中的情感状态，能够快速确定学生的情感状态，提高了情感分析的准确性，可广泛应用于人工智能技术领域。

摘要： 本发明属于教育信息化领域，提供一种基于认知情感感知的云课堂学习评价方法及其装置，包括以下步骤：(1)将云课堂学习分为获取目标能力、解决问题以及随机学习和获得快乐这四类学习目标；(2)将面部表情变化数据整合为情感单元；(3)采集用户在课程资源学习期间的面部表情变化数据；(4)将情感单元数据整合成数据序列；(5)计算加权正向情感指数；(6)对计算结果进行输出显示。本发明可以实现在MOOC教育中，以用户表情数据为基础，进而联系到情感分析，从而完成对用户学习行为的分析，最终得到对课程资源的有效评估指标数据，有助于实现教学资源、设计模式的优劣评测与推荐。

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。