顯性化測量與評估在線學(xué)習(xí)行為和情感狀態(tài)是學(xué)習(xí)分析領(lǐng)域的研究熱點。為克服單模態(tài)數(shù)據(jù)分析片面和多模態(tài)數(shù)據(jù)融合模糊等問題,全面感知和反饋在線學(xué)習(xí)過程狀態(tài),本研究構(gòu)建了一種在線學(xué)習(xí)行為多模態(tài)數(shù)據(jù)融合模型。該模型利用自動化操作行為事件監(jiān)聽、表情識別、生理特征監(jiān)測等原理,從行為、情緒和認知3個維度進行時序數(shù)據(jù)同步融合、分層遞進診斷評估和統(tǒng)計聚類分析;考慮到對在線學(xué)習(xí)者具有較低的侵入性和干擾性,該模型在技術(shù)實現(xiàn)上采用分布式物聯(lián)網(wǎng)技術(shù)和開放式Django Web服務(wù)器部署技術(shù),形成學(xué)習(xí)過程狀態(tài)數(shù)據(jù)的自動采集、分析、融合、評估和反饋等多層體系結(jié)構(gòu);應(yīng)用該系統(tǒng)對MOOC環(huán)境下在線學(xué)習(xí)行為評測實驗,討論了本模型的準(zhǔn)確性、易用性和有用性等問題。研究結(jié)果表明,本研究構(gòu)建的模型能夠為在線學(xué)習(xí)分析提供一種有效的技術(shù)解決方案,為同類研究可提供方法借鑒與技術(shù)實現(xiàn)參考。

【文章頁數(shù)】：11 頁

【文章目錄】：
一、引言
二、在線學(xué)習(xí)行為數(shù)據(jù)融合研究現(xiàn)狀
    （一）單模態(tài)數(shù)據(jù)檢測技術(shù)及其理論基礎(chǔ)
        1. 在線學(xué)習(xí)行為事件監(jiān)聽與學(xué)習(xí)投入評價
        2. 情緒模型、面部表情及自動識別技術(shù)
        3. 情緒和認知狀態(tài)的生理特征檢測研究
    （二）在線學(xué)習(xí)行為多模態(tài)數(shù)據(jù)融合相關(guān)研究
三、多模態(tài)數(shù)據(jù)融合模型
    （一）多模態(tài)數(shù)據(jù)時序分析
        1. 操作事件以靜默方式監(jiān)聽和記錄學(xué)習(xí)者在電腦上的操作。
        2. 情緒分析部分利用曠視表情識別接口處理面部視頻的關(guān)鍵幀，標(biāo)識學(xué)習(xí)者的情緒類型。
        3. 生理數(shù)據(jù)選擇時，主要考慮了可操作實施且是有意義的宏觀生理信號這兩個方面。
    （二）多模態(tài)時序數(shù)據(jù)同步融合
    （三）基于多模態(tài)時序數(shù)據(jù)對相應(yīng)投入進行分層遞進診斷評估
四、實證分析
    （一）模型準(zhǔn)確性分析
    （二）模型易用性分析
    （三）模型有用性分析
        1. 在單次在線學(xué)習(xí)中，操作活躍的學(xué)習(xí)者居多，如圖7上圖所示。
        2. 單次在線學(xué)習(xí)中的情緒以中性平靜居多，如圖7中圖左側(cè)所示。
        3. 單次在線學(xué)習(xí)心率的生理指標(biāo)以平穩(wěn)狀態(tài)居多，如圖7下圖左側(cè)所示。
        4. 從不同角度對學(xué)習(xí)者的學(xué)習(xí)投入狀態(tài)進行聚類分析。
五、討論與結(jié)語



本文編號：3880334