数学情感

摘要： 小学生对数学的印象,很大程度上决定着他们以后对数学甚至对学习的认识、态度和情感,但数学是让很多小学生感到焦虑和畏惧的学科。为此,应厘清数学之性质,在实施教学时进行必要的调整和改善,以缓解和消除学生对数学学习的恐惧。全景式数学教育在激发学生数学学习兴趣、培养数学学科核心素养方面提出了一些可操作的策略及可借鉴的具体实践案例,为创造适合学生培智养心的的数学学习生态进行了有益探索。

摘要： 在重视提升学生数学核心素养的当下,教师们的命题理念虽然有了转变,但是仍受限于陈旧的命题思维和方式。教师在命题时,对数学关键能力的考查,仅仅停留在浅层面,不够深入;对数学思维品质的考查,单一直白,不够全面;对数学情感、态度与价值观的考查,简单提及,不够突出。导致命题设置过于单一保守,缺乏创新性和拓展性,缺少应用价值和育人价值。下面,笔者结合实例,谈一谈自己对优化小学数学命题设计的思考。

摘要： 日记是人们用来记录自己每日经历的一种文体,从古至今,日记的形式不断在变化着,记录着人们生活当中的点滴。数学日记便是日记的一种形式,数学日记对于学生数学能力的发展有着重要的影响,在教学当中认清数学日记的作用,并正确的使用数学日记,能够让数学教学达到事半功倍的效果。文章当中便对于小学数学日记在教学中的作用进行了探究。

摘要： 通过“椭圆的离心率”教学指出数学教学不单一是理性教学,还要将情感教学融入其中,以便将理性认知与感性认识有机融合,让情感驱动认知的发展,从而有助于提高学生学习数学的积极性,提升学生的数学素养.

摘要： 数学核心素养是指学生具备的具有数学特征的、能够适应个人终身发展和社会发展需要的必备的思维品质与关键能力。在思维品质与关键能力中蕴藏着一个不可或缺的要素——数学情感。数学情感是人们对数学知识、数学活动是否符合自身精神需求和价值观念而产生的情绪、态度和信念,对教学起着至关重要的作用。本文以数学核心素养教育为背景,探讨数学情感的培育实现路径。

摘要： 基于一项纵向研究,考察数学问题提出教学对学生数学学业成绩和情感的影响.其中问题提出、问题解决及计算题用于调查学生的数学学业成绩,坚毅力和数学比喻任务用于调查学生的数学情感.经过一年的教学实验研究,发现实验组学生在数学学业成绩和数学情感方面的提高程度都显著高于控制组学生.特别地,相较于中校和强校,实验组弱校学生获得了更多发展.

摘要： 数学史料是数学文化的重要构成,借助数学史料对学生进行数学文化渗透教育十分重要。现行的小学数学教材中也穿插了很多数学史料,但是很多教师简单地认为,数学就是由一堆数学概念、数学公式、数学定理组成的,对于数学史的内容“置之不理”,这就导致了数学教学的枯燥。在核心素养理念下,很有必要将数学史的相关内容融入教学,以此促进学生良好数学学习情感的形成。

摘要： 课堂是学生成长的沃土,他们在数学课堂上是否快乐而有收获,是否期待下一次数学课,教师作为学习引导者的重要作用毋庸置疑。如何让小学数学课堂“活”起来,让每位学生都融入课堂,快乐学习?创设有趣的课堂。为调动学生的数学情感,让学生充满热情地学习数学、应用数学,教师要尽全力创设鲜活有趣的问题情境,陪伴学生度过精彩而又轻松的数学时光。笔者通过多种方式激发学生的学习兴趣,用直观演示、引用经典、巧设悬念等方法激发学生的求知欲。

摘要： 数学情感的培育是一个润物细无声、厚积薄发的过程.通过分析情感培育因素的渗透性和增润性、融通性和传递性、自洽性和发展性,有利于把握儿童情感的产生、发展和变化过程.儿童数学情感的培育离不开课堂教学实践,通过情感铺垫、情感碰撞、情感交融、情感升华,构建儿童数学情感培育教学范式,体现课堂文化的应有内涵.

摘要： 数学情感,简单来说,就是学生对数学学科的兴趣及爱好,可以说是小学生进行数学学习的基础。

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。

摘要： 本发明公开了一种基于SOPMI算法的情感词典扩充方法及情感极性分析方法，包括以下步骤：收集舆情文本数据；收集褒义词贬义词作为种子词；利用SOPMI算法计算词语的情感分数并生成情感词典；利用jieba对文本数据进行分词，并提取其中的名词和动词；利用名词和动词的分数加权对文本信息进行打分。解决了大多数情感极性分析智能基于现有情感词典，无法生成自己项目专有的情感词典。

摘要： 本发明公开了一种基于多分辨率情感和多类型知识的情感对话生成方法，包括接收对话中的语句文本，并进行标记；建立多分辨率情感模块；多分辨率情感模块将情感词转换为向量表示，生成最终多分辨率情感上下文；建立多类型知识交互模块；多类型知识交互模块通过对话上下文和多类型知识之间的联合交互构建情感增强的上下文；生成交互式向量，提取情感信号；解码器进行响应，生成情感响应并与用户输入共同构成情感对话。本发明利用多种类型的知识明确理解和表达情感对话生成中的情感，利用多类型知识获得情感增强的上下文语境图，利用多分辨率情感来更好地捕捉用户情感的细微变化，并将多向量进行融合并提取情感信号，来指导情感响应的生成。