教育领域中的情感计算技术：应用隐忧、生成机制与实践规约.docx

《教育领域中的情感计算技术：应用隐忧、生成机制与实践规约.docx》由会员分享，可在线阅读，更多相关《教育领域中的情感计算技术：应用隐忧、生成机制与实践规约.docx（21页珍藏版）》请在第一文库网上搜索。

1、教育领域中的情感计算技术：应用隐忧、生成机制与实践规约摘要：情感计算可为分析学生情感状态、研究学生情感作用机理、设计人性化的服务和产品、创设自然和谐的人机交互提供可能性。该文重点分析教育领域中情感计算技术的价值和应用场景，探讨情感计算教育应用的困境与隐忧，并从内生性逻辑和关系性逻辑出发审视教育领域中情感计算应用隐忧的生成机制。基于此，提出四点实践规约:（1）聚焦多学科交叉融合，攻克教育中情感计算的关键技术；（2）制定情感计算技术审查标准与规范，实现跨人机的情感规则形塑；（3）控制学生的隐私边界渗透，构建数字全景敞视下的多元协同共治；（4）加强情感计算技术主体责任意识教育，提升情感计算教育应用生

2、态效度。该文可为我国情感计算技术规范而有序地融入教育生态提供理论借鉴和行动指南。关键词：情感计算教育应用；应用隐忧；伦理决策；人工智能；实践规约中图分类号：G434文献标识码：A*本文系北京市教育科学“十四五”规划2022年度青年专项课题“双师教学场域中的学生情感氛围动力学模型研究”（课题编号：CECA21109）阶段性研究成果。学生情感能够显著影响认知过程，是学习行为的重要驱动因素。情感计算可为分析学生情感状态、研究学生情感作用机理、设计人性化的服务和产品1、创设自然和谐的人机交互提供可能性。近年来,教育领域中情感计算技术应用得以快速发展，在教育反馈与干预3、优化师生体验4等方面发挥了积极作

3、用，但也存在“过度情感劳动”“情感依赖”“情感异化”等应用困境与隐忧，以及侵犯个人隐私等伦理问题，为学生、教师、企业研发人员、教育管理者、教育研究者等利益相关者带来了诸多困扰，也对智能时代的教育治理提出更高的要求。因此，本研究对国际教育领域中情感计算技术的价值及应用场景进行分析，重点审视情感计算教育应用隐忧的生成机制，提出适用性强且指导性高的实践规约与研究建议，为我国情感计算技术规范而有序地融入教育生态提供理论借鉴和行动指南。（一）何为情感计算技术情感计算可被理解为与情感有关、由情感引起或能够影响情感的因素的计算5,其目标是赋予计算机观察、理解和生成各种情感特征的能力6,使其能与人开展自然、亲

4、切和生动的交互活动。情感计算的关键环节包括情感发生机理研究、情感信号获取、情感建模分析、情感理解、表达和生成等7。从结构层次化的角度来看，情感计算技术的体系架构由数据、模型和可视化8三他层次构成，可为教育应用过程提供一个有效且可靠的分析框架。首先，数据层是模型层的输入和输出，包括学生情感数据的采集、脱敏、清洗、存储、处理和分析等技术环节，涉及学生行为姿态数据、生物特征识别数据、语音数据等。其次，模型层旨在解决学生情感建模和智能决策等问题，通过提取多模态情感特征，对多模态情感特征集进行降维，经过算法设计与实现，完成特征级或决策级融合，识别并判断学生的情感状态。最后，可视化层是借助5G/F5G、物

5、联网、VR/AR等技术，通过可视化界面将编程后的指令传递到真实世界，实现学生个体情感信息呈现、群体情感氛围场进化、个性化教学策略反馈与服务等。（二）情感计算教育应用四大场景近年来，美国麻省理工学院（MIT）Picard教授团队相继提出了50余种情感计算应用项目9。从教育场景来看，情感计算技术于在线教育、人机协同支持的双师教学、特殊儿童教育、教学评价等方面具有广泛的应用前景，主要包括情感智能体、可穿戴设备、智能导学系统等体现形式。1 .增强在线教学中的师生情感体验在线教学实践过程中，虚拟课堂或虚拟实验室作为在线教学的表现形式之一，能够利用情感计算技术，促进在线学习者和虚拟化身之间的情感交互10,

6、实现沉浸式、具身式学习。Krithikall通过利用一种基于眼睛和头部运动的在线学习情绪识别系统，来测量学习者的注意力水平，并对学习者的主题参与度和兴趣水平进行分类，从而提高学习者的学习体验。在前沿技术探索方面，“情感鼠标”(EmotionMouse)是一种接入在线教学的情感交互系统12,它通过检测在线学习者的皮肤流电反应、脉搏、体温等信息来推断学习者的情绪变化。当学习者在学习或练习中出现萎靡不振的情绪时，“情感鼠标”就会发出提示，并及时播放舒缓的轻音乐，便于调整学习者的学习状态。近年来，研究者在基于触觉的情绪表现形式上也进行了一些探索。Tewell等使用由3个热刺激器组成的热刺激阵列提高文本

7、信息的情绪唤醒能力13。综上所述，以上在线教学中的情感计算技术应用，能够增强师生情感交互，对提高学生学习体验具有显著的应用成效。2 .赋能乡村教育中的新型双师教学通过创建具有情绪表现力的智能体来部分代替教师实现情感交流，是当前教育领域中情感计算所关注的学术焦点。针对我国边远农村地区中小学薄弱学校和教学点存在的国家课程开设困难、高质量教学资源匮乏、供给资源匹配性不足等问题，情感智能体支持的新型双师课堂作为人机协同教学领域中的重要实践场域，可为边远农村地区跨校和城乡联动课堂教学提供支持与服务。情感智能体包括虚拟和实体等表现形式14,在双师教学中扮演基于情感计算技术的虚拟情感教师和情感化助教机器人等

8、角色。情感智能体支持的新型双师教学是一种复杂的多模态人机交互系统，通过利用情感计算技术对情感性因素进行算法编程，进而实现模拟、识别和合成学生的情感，为学生提供个性化、自然和谐的情感互动。伴随模式识别和图形图像处理技术的迭代发展，情感智能体已能够通过学生的面部表情进行情绪识别和分析,判断学生的情感状态。目前，虚拟教师Baldi15、NA0机器人16、Kismet机器人17等均具备良好的情感识别能力，这些情感智能体可为探索和发展新型双师教学方式提供技术支撑。3 .提升孤独症儿童的情绪感知能力孤独症儿童患有一组以社会交流和社会互动持续缺陷、行为兴趣重复刻板或异常为特点的异质性神经发育性疾病，其患病率

9、呈逐年递增的态势18。在人机交互中，通过情感计算技术对孤独症儿童的社会交往功能缺陷进行情感治疗及情感补偿，从而提升情绪感知能力。在可穿戴的情感计算技术装备方面，MIT研究团队研发了一种具有社交智能的假肢，通过分析学生的面部表情和头部运动，实时检测并推断孤独症儿童的情感状态。此外，名为Galvactivator的可穿戴设备利用发光二极管测量学生的皮肤电流数据，推断并描绘出人体生理机能亢奋程度的图谱，最终以可视化技术对学生的情感状态予以呈现19。在情感智能体应用方面，由伦敦大学学院孤独症与教育研究中心研发的Zeno机器人为孤独症学生与同伴/教师之间的互动提供了一种交流工具。Zeno机器人通过生成面

10、部表情来表达情绪，然后鼓励自闭症儿童进行模仿，使其在人机交互过程中学会管理自身面部表情和情绪之间的关系20。基于孤独症儿童面部表情、头部动作、身体姿态、手势、心率、体温、皮肤汗液反应等多模态数据，结合孤独症诊断结果、文化和性别等信息，治疗机器人能够发展自身深度学习网络，进而形成数据至学生情感状态的关联关系。经评估，相较于领域专家,治疗机器人能够更为精确地预测孤独症学生高兴或不安程度，以及学习兴趣水平等表现21。4 .发展智能教育中的学习投入测评智能教育背景下，基于多模态数据融合方法进行学生情感计算，可实现对学生情感状态的精准评估与跟踪反馈。有研究能够实现课堂情境下无干扰地采集学生的面部表情、手

11、势和身体姿态等多模态数据，以分析学生的情感状态及学习投入22。目前，学界对于学习投入的概念内涵尚未达成共识，但从认知投入、行为投入和情感投入三个维度23阐释其内在机制，已受到众多研究者的青睐。伴随情感计算技术的快速发展，对于学习投入智能化测评，逐步成为智能教育领域关注的前沿议题。Gupta等24将DAiSEE数据集分类标注为无聊、积极、困惑和沮丧等情绪，进而测量学习投入度的准确率。Ninaus等25利用机器学习算法，通过对学习者的面部表情分析进行情绪识别，从而研判情感投入水平。还有研究探讨大学课堂环境下学生情感状态的自动识别方法26,帮助教师实时掌握课堂教学过程中的学生情感投入状态。随着情感计

12、算技术的快速发展，教育场域及其师生活动均产生显著变化，其中教育场域中的情感计算技术应用框架如图1所示。同时在应用过程中，也衍生出诸多应用困境和隐忧。（一）教育场域中师生情绪理解的复杂模糊性纵观教育领域中的情感计算技术应用，存在教育场域复杂性、情绪建模和本体风险三层应用隐忧。一是学生情感状态对跨教育场景的适应机制尚未厘清。当情感计算技术融入教育生态系统时，真实的信息化课堂教学、在线教育、特殊教育等基本教育形态的边界被开启，科技馆、图书馆、博物馆等学习空间作为一种协同育人环境，促使学习者的情感和行为要素发生多元耦合，教育系统变得更为错综复杂27。在此背景下，研究教育情境要素对学习者情绪状态的影响机

13、理成为智能教育研究的重要议题，包括教学资源、教学内容、教学活动、教学媒体等要素对学习者情绪的潜在作用机制。例如，当计算机建立起生理、心理信号与学生情绪状态之间的关联关系时，相应的情感计算模型对跨应用场景的适应机制便成为关键技术突破与理论调和的重中之重。二是认知心理学视域下经典情绪建模存在局限性。当前，何槿情绪建模方法通过计算机模拟和分析能够更加逼近人类的情绪本质,学界尚未达成统一共识。情绪建模需要融合数学、心理学、计算机和认知神经科学等多学科领域知识，不仅涉及计算模型的复杂性问题,还与数学解析技术有关28。三是教育中的情感计算应用本质上是数值逼近问题。虽然前期将采集、汇聚的规模化情感数据作为机

14、器学习的训练集、测试集和验证集，但始终处于无限逼近和还原真实的情感特征世界，这正是情感计算技术本体风险的映射。（二）学生过度的情感劳动导致自我呈现受阻在教育领域的情感计算技术应用过程中，通过利用特定的算法，计算学生的姿态、手势、面部表情等数据，评估学生情感状态。在真实课堂情境中，摄像机等智能感知设备可能会无形中增加学生的心理负担,抑制其真情实感的表达，迫使学生开展频繁、高强度的情感劳动，最终导致学生情感的内在体验和外部表达之间的失调29。差异化的情感效价导致学生情感劳动强度增加。在情感计算技术教育应用过程中，很可能直接将学生的情感状态划分为积极情绪和消极情绪等，这些裹挟着价值导向的情感效价分类

15、，可能会对学生的人格尊严造成侵犯。需要说明的是，情绪唤醒水平与学业绩效存在u型曲线关系，过于激烈的情绪反而会降低学生的学习绩效30。基于非此即彼的计算结果，系统将匹配差异化的教学策略，可能对特定的学生群体产生歧视等冲突。由此，学生真实的自我呈现将面临更多的阻碍,需要更努力地进行情绪整饰31。（三）教师过度技术依赖导致情绪感知力钝化在教学过程设计、课堂管理、课后联合教研过程中，教师通过情感计算技术能够增强对教学情境的感知能力，捕捉并分析学生情绪，从而使计算机能够根据差异化情感需求适配教学内容和策略，辅助教师完成事项厘定。在情感计算支持的教学决策过程中，伴随情感识别技术的快速发展，计算机逐步实现将教学结果的可视化反馈，进而支持教师开展差异化情感补偿策略。当该系统变得愈来愈智能化，甚至出现情感计算工具理性霸权，可能使得教师过度依赖基于情感计算技术的教学决策及其情感补偿策略。部分教师过度依赖教育大数据与算法分析结果