普通數(shù)字學(xué)習(xí)環(huán)境已不能滿足“數(shù)字土著”的需求,人工智能、大數(shù)據(jù)、區(qū)塊鏈等技術(shù)迅猛發(fā)展,將深刻改變?nèi)瞬判枨蠛徒逃螒B(tài),作為數(shù)字學(xué)習(xí)環(huán)境高端形態(tài)的智慧學(xué)習(xí)環(huán)境便應(yīng)運而生。智慧學(xué)習(xí)環(huán)境注重培養(yǎng)學(xué)習(xí)者的創(chuàng)新能力、問題求解能力、決策力和批判性思維能力等高階思維能力,認(rèn)知活動在培養(yǎng)過程中起著至關(guān)重要的協(xié)調(diào)與控制作用。情感是由外界刺激引起的心理反應(yīng),能夠影響和調(diào)節(jié)注意、知覺、表象、記憶、思維和語言等認(rèn)知活動。學(xué)習(xí)過程中的積極情感有助于激發(fā)學(xué)習(xí)動機、培養(yǎng)學(xué)習(xí)興趣,促進認(rèn)知過程;而消極情感則會影響耐心度、注意力,阻礙認(rèn)知過程�，F(xiàn)有智慧學(xué)習(xí)環(huán)境研究重“知”輕“情”,注重學(xué)習(xí)者認(rèn)知層面的適應(yīng)性和個性化,即根據(jù)學(xué)習(xí)者的認(rèn)知能力和知識狀態(tài)提供合適的學(xué)習(xí)內(nèi)容、學(xué)習(xí)路徑和問題解答等,而較少考慮情感、興趣、動機、意志等非智力因素在學(xué)習(xí)活動中的作用,忽視智慧學(xué)習(xí)環(huán)境中和諧情感交互的理論和實踐研究,以致其缺少情感層面的適應(yīng)性和個性化,學(xué)習(xí)者在智慧學(xué)習(xí)過程中缺少情感支持。智慧學(xué)習(xí)環(huán)境中學(xué)習(xí)者主要通過智能學(xué)習(xí)終端觀看學(xué)習(xí)內(nèi)容的信息呈現(xiàn)畫面即學(xué)習(xí)畫面進行學(xué)習(xí),學(xué)習(xí)畫面是學(xué)習(xí)者學(xué)習(xí)的主要環(huán)境,并且是學(xué)習(xí)者與學(xué)習(xí)內(nèi)容間信息交互的主... 

【文章來源】：山東師范大學(xué)山東省

【文章頁數(shù)】：222 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
ABSTRACT
緒論
    0.1 研究背景與意義
        0.1.1 研究背景
        0.1.2 研究意義
    0.2 國內(nèi)外研究綜述
        0.2.1 智慧學(xué)習(xí)環(huán)境研究綜述
        0.2.2 學(xué)習(xí)者的情感識別研究綜述
        0.2.3 學(xué)習(xí)畫面的情感識別研究綜述
    0.3 相關(guān)概念界定
        0.3.1 智慧學(xué)習(xí)環(huán)境
        0.3.2 學(xué)習(xí)畫面
        0.3.3 學(xué)習(xí)情感
    0.4 研究目的與內(nèi)容
        0.4.1 研究目的
        0.4.2 研究內(nèi)容
    0.5 研究思路與方法
        0.5.1 研究思路
        0.5.2 研究方法
    0.6 研究創(chuàng)新與不足
        0.6.1 研究創(chuàng)新
        0.6.2 研究不足
第一章 相關(guān)理論與技術(shù)
    1.1 相關(guān)學(xué)習(xí)理論
        1.1.1 智慧學(xué)習(xí)理論
        1.1.2 關(guān)聯(lián)主義學(xué)習(xí)理論
        1.1.3 人本主義學(xué)習(xí)理論
        1.1.4 自主學(xué)習(xí)理論
    1.2 情感及情感計算
        1.2.1 情感分類
        1.2.2 情感模型
        1.2.3 情感計算
        1.2.4 情感與認(rèn)知
    1.3 卷積神經(jīng)網(wǎng)絡(luò)
        1.3.1 卷積神經(jīng)網(wǎng)絡(luò)概述
        1.3.2 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
        1.3.3 卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
    1.4 本章小結(jié)
第二章 學(xué)習(xí)畫面與學(xué)習(xí)者表情圖像數(shù)據(jù)庫的構(gòu)建
    2.1 學(xué)習(xí)畫面圖像的情感描述
    2.2 學(xué)習(xí)畫面圖像數(shù)據(jù)庫
        2.2.1 學(xué)習(xí)畫面的類型
        2.2.2 學(xué)習(xí)畫面圖像采集
        2.2.3 學(xué)習(xí)畫面圖像情感標(biāo)注
    2.3 學(xué)習(xí)者的學(xué)習(xí)情感描述
    2.4 學(xué)習(xí)者的學(xué)習(xí)表情圖像數(shù)據(jù)庫
        2.4.1 現(xiàn)有面部表情數(shù)據(jù)庫
        2.4.2 面部表情圖像采集
        2.4.3 網(wǎng)絡(luò)面部表情圖像采集
    2.5 本章小結(jié)
第三章 智慧學(xué)習(xí)環(huán)境中學(xué)習(xí)畫面的情感識別
    3.1 圖像情感識別方法概述
    3.2 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計
        3.2.1 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
        3.2.2 卷積神經(jīng)網(wǎng)絡(luò)的參數(shù)
    3.3 模型訓(xùn)練與結(jié)果分析
        3.3.1 實驗環(huán)境與數(shù)據(jù)集
        3.3.2 實驗結(jié)果與分析
    3.4 學(xué)習(xí)畫面情感自動評估系統(tǒng)的開發(fā)
        3.4.1 系統(tǒng)設(shè)計目標(biāo)
        3.4.2 開發(fā)工具及環(huán)境
        3.4.3 系統(tǒng)核心功能的實現(xiàn)
    3.5 學(xué)習(xí)畫面情感的大數(shù)據(jù)分析
        3.5.1 各學(xué)段學(xué)習(xí)畫面的情感分析
        3.5.2 各學(xué)科學(xué)習(xí)畫面的情感分析
        3.5.3 各資源類型學(xué)習(xí)畫面的情感分析
        3.5.4 對學(xué)習(xí)畫面設(shè)計的啟示
    3.6 本章小結(jié)
第四章 智慧學(xué)習(xí)環(huán)境中學(xué)習(xí)者的情感識別
    4.1 面部表情識別方法概述
    4.2 基于Adaboost算法的人臉檢測
        4.2.1 Haar特征
        4.2.2 積分圖像
        4.2.3 AdaBoost學(xué)習(xí)算法
    4.3 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計
        4.3.1 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
        4.3.2 卷積神經(jīng)網(wǎng)絡(luò)的參數(shù)
    4.4 模型訓(xùn)練與結(jié)果分析
        4.4.1 實驗環(huán)境與數(shù)據(jù)集
        4.4.2 實驗結(jié)果與分析
    4.5 學(xué)習(xí)者表情自動識別系統(tǒng)的開發(fā)
        4.5.1 系統(tǒng)設(shè)計目標(biāo)
        4.5.2 開發(fā)工具及環(huán)境
        4.5.3 系統(tǒng)核心功能的實現(xiàn)
    4.6 本章小結(jié)
第五章 學(xué)習(xí)畫面情感對學(xué)習(xí)者情感影響的實驗研究
    5.1 實驗設(shè)計
        5.1.1 實驗?zāi)康?br>        5.1.2 實驗對象
        5.1.3 教學(xué)內(nèi)容
        5.1.4 實驗變量
        5.1.5 實驗假設(shè)
        5.1.6 實驗方案
    5.2 學(xué)習(xí)畫面與學(xué)習(xí)者表情同步采集系統(tǒng)的開發(fā)
        5.2.1 系統(tǒng)設(shè)計目標(biāo)
        5.2.2 開發(fā)工具及環(huán)境
        5.2.3 系統(tǒng)設(shè)計思路
        5.2.4 系統(tǒng)核心功能的實現(xiàn)
    5.3 實驗的實施
        5.3.1 準(zhǔn)備階段
        5.3.2 實施階段
        5.3.3 完成階段
    5.4 數(shù)據(jù)分析與結(jié)果討論
        5.4.1 數(shù)據(jù)分析
        5.4.2 結(jié)果討論
        5.4.3 啟示與建議
    5.5 本章小結(jié)
第六章 學(xué)習(xí)畫面自適應(yīng)調(diào)整對學(xué)習(xí)者情感影響的實驗研究
    6.1 實驗設(shè)計
        6.1.1 實驗?zāi)康?br>        6.1.2 實驗對象
        6.1.3 教學(xué)內(nèi)容
        6.1.4 實驗變量
        6.1.5 實驗假設(shè)
        6.1.6 測量工具
        6.1.7 實驗方案
    6.2 學(xué)習(xí)畫面自適應(yīng)調(diào)整模型的構(gòu)建
    6.3 學(xué)習(xí)畫面自適應(yīng)調(diào)整系統(tǒng)的開發(fā)
        6.3.1 系統(tǒng)設(shè)計目標(biāo)
        6.3.2 開發(fā)工具及環(huán)境
        6.3.3 系統(tǒng)設(shè)計思路
        6.3.4 系統(tǒng)核心功能的實現(xiàn)
    6.4 實驗的實施
        6.4.1 準(zhǔn)備階段
        6.4.2 實施階段
        6.4.3 完成階段
    6.5 數(shù)據(jù)分析與結(jié)果討論
        6.5.1 數(shù)據(jù)分析
        6.5.2 結(jié)果討論
    6.6 本章小結(jié)
第七章 總結(jié)和展望
    7.1 研究總結(jié)
    7.2 研究展望
注釋
參考文獻(xiàn)
附錄
攻讀博士學(xué)位期間的學(xué)術(shù)成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]人工智能時代的智慧學(xué)習(xí):原理、進展與趨勢[J]. 梁迎麗,梁英豪.  中國電化教育. 2019(02)
[2]基于深度學(xué)習(xí)的學(xué)習(xí)者情感識別與應(yīng)用[J]. 徐振國,張冠文,孟祥增,黨同桐,孔璽.  電化教育研究. 2019(02)
[3]智慧教室環(huán)境下大學(xué)生課堂學(xué)習(xí)投入度及影響因素研究——以“教育技術(shù)學(xué)研究方法課”為例[J]. 張屹,郝琪,陳蓓蕾,于海恩,范福蘭,陳珍.  中國電化教育. 2019(01)
[4]基于改進卷積神經(jīng)網(wǎng)絡(luò)的多視角人臉表情識別[J]. 錢勇生,邵潔,季欣欣,李曉瑞,莫晨,程其玉.  計算機工程與應(yīng)用. 2018(24)
[5]基于多視角深度網(wǎng)絡(luò)增強森林的表情識別[J]. 張發(fā)勇,劉袁緣,李杏梅,覃杰.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2018(12)
[6]基于圖像差分與卷積深度置信網(wǎng)絡(luò)的表情識別[J]. 黃秀,符冉迪,金煒,李云飛,蔡永香.  光電子·激光. 2018(11)
[7]基于云計算的智慧學(xué)習(xí)環(huán)境探究[J]. 楊瀾,曾海軍,高步云.  現(xiàn)代教育技術(shù). 2018(11)
[8]PAD情感空間內(nèi)人工情感建模及人機交互實驗[J]. 吳偉國,李虹漫.  哈爾濱工業(yè)大學(xué)學(xué)報. 2019(01)
[9]基于光流特征與高斯LDA的面部表情識別算法[J]. 劉濤,周先春,嚴(yán)錫君.  計算機科學(xué). 2018(10)
[10]國內(nèi)智慧教育的研究熱點與發(fā)展趨勢——基于多維尺度和社會網(wǎng)絡(luò)分析的方法[J]. 馬建軍,乜勇.  現(xiàn)代教育技術(shù). 2018(10)

博士論文
[1]促進學(xué)習(xí)投入的移動學(xué)習(xí)資源畫面設(shè)計研究[D]. 馮小燕.天津師范大學(xué) 2018
[2]數(shù)字化學(xué)習(xí)資源中多媒體畫面的交互性研究[D]. 吳向文.天津師范大學(xué) 2018
[3]網(wǎng)絡(luò)學(xué)習(xí)投入、學(xué)習(xí)情緒與學(xué)習(xí)動機的關(guān)系[D]. 李俊一.華中師范大學(xué) 2018
[4]基于深度學(xué)習(xí)的人臉表情識別方法研究[D]. 楊雨濃.西北大學(xué) 2017
[5]面向e-Learning的學(xué)習(xí)者情感建模及應(yīng)用研究[D]. 黃煥.華中師范大學(xué) 2014
[6]喬納森建構(gòu)主義學(xué)習(xí)環(huán)境設(shè)計研究[D]. 李妍.華東師范大學(xué) 2007

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的表情識別研究[D]. 陳航.南京郵電大學(xué) 2018
[2]基于深度神經(jīng)網(wǎng)絡(luò)的面部表情識別研究與實現(xiàn)[D]. 李奇.南京郵電大學(xué) 2018
[3]基于并行卷積神經(jīng)網(wǎng)絡(luò)的人臉表情識別[D]. 曹偉.南昌航空大學(xué) 2018
[4]基于改進深度學(xué)習(xí)的表情識別方法研究[D]. 郭文燕.長春工業(yè)大學(xué) 2018
[5]基于CNN-RNN的微表情識別[D]. 王思宇.哈爾濱工程大學(xué) 2018
[6]面向交互式教學(xué)界面的手勢識別算法研究[D]. 周曉燕.濟南大學(xué) 2018
[7]基于卷積神經(jīng)網(wǎng)絡(luò)的高分辨率遙感影像建筑物提取[D]. 高揚.南京大學(xué) 2018
[8]基于卷積神經(jīng)網(wǎng)絡(luò)的人臉表情識別算法研究[D]. 楊欣利.蘭州理工大學(xué) 2018
[9]基于深度學(xué)習(xí)的人臉表情識別算法研究[D]. 曾逸琪.中國科學(xué)技術(shù)大學(xué) 2018
[10]基于RealSense的在線教育表情識別研究及應(yīng)用[D]. 賀冰華.華中師范大學(xué) 2018



本文編號：3067400