摘 要：情感導學系統(tǒng)（ATS）是能夠以與人類導師相同的方式檢測并響應學習者情感狀態(tài)的智能教學系統(tǒng)，即ATS系統(tǒng)需要具有根據(jù)情感狀態(tài)的推理能力，從教學和更精確的情感角度為學習者提供適當?shù)捻憫１疚氖紫确治隽饲楦蟹答伒幕靖拍?，探討了由情感識別子系統(tǒng)、情感處理子系統(tǒng)、情感反饋子系統(tǒng)三個部分組成的ATS系統(tǒng)構成，分析了ATS系統(tǒng)的兩個主要功能：一是推斷學習者的情感狀態(tài);二是根據(jù)學習者情感狀態(tài)建立最佳的輔導行為。最后，重點探討了ATS系統(tǒng)中情感反饋實施規(guī)則及其應用。

關鍵詞：情感導學系統(tǒng);情感識別;情感處理;情感反饋

中圖分類號：G4文獻標志碼：A文章編號：2096-0069（2020）06-0038-07

收稿日期：2020-06-27

基金項目：2020年度教育部人文社會科學研究規(guī)劃基金項目“基于情感計算的計算機支持合作學習環(huán)境中情感反饋模型研究”（20YJA880008）;南京郵電大學教科規(guī)劃重點項目“高水平大學課堂教學研究”（GJS-XKT1703）;南京郵電大學教改項目“情感支持下的合作學習情感反饋研究”（JG01719JX50）

作者簡介：單美賢（1975— ），女，江蘇張家港人，副教授，碩士生導師，主要研究方向為CSCL環(huán)境中的情感研究。

引言

情感在一系列智能活動中發(fā)揮著核心作用，學生的情感狀態(tài)不僅會影響其解決問題的策略，還會影響學生學習的投入程度，進而影響其學習行為。因此，使學生處于有利于學習的情感狀態(tài)研究是近年來研究工作的重點。在人與人的社會互動中，通常很難確定如何最好地回應他人的情感狀態(tài)，對于計算系統(tǒng)而言則更具挑戰(zhàn)性：計算系統(tǒng)首先必須能夠正確地識別學生的情感狀態(tài)，然后再決定如何做出最佳反應，系統(tǒng)經(jīng)常會遇到無法確定如何提供情感支持以及干預效果如何的情況。1997年MIT的皮卡德（Picard）教授提出情感計算（Affective Computing）這一概念，在線學習中對認知與情感關注不平衡的壁壘開始被打破。在線學習環(huán)境中，除關注學生的認知狀態(tài)并給以積極的反饋之外，學生在學習過程中的情感狀態(tài)及其反饋機制開始走入研究者的視野。教育學和心理學領域中進行的情感計算研究揭示了情感與學習活動之間的密切關系，推動了情感導學系統(tǒng)（Affective Tutoring Systems，以下簡稱ATS）的發(fā)展。

ATS是能夠以與人類導師相同的方式檢測并響應學習者情感狀態(tài)的智能教學系統(tǒng)。其歷史非常短暫（最早可以追溯到1997年皮卡德提出的情感計算）。2003年德.文森特（De Vicente）第一次使用這一術語，把ATS定義為一個可以檢測并響應學習者情感狀態(tài)的電子學習系統(tǒng)[1]。人類導師的優(yōu)勢之一是他們能夠根據(jù)學生的情感狀態(tài)和動機來調整，基于此，許多研究人員認為，如果計算機能根據(jù)學生的情感進行調整，那么智能教學系統(tǒng)的功能將大為增強。具有情感反饋功能的ATS系統(tǒng)在響應情感狀態(tài)檢測的同時，向學習者發(fā)送適當?shù)那楦谢蛘J知信號，以此確保學習者對學習過程的投入和堅持。例如，“如果學習者感到沮喪，老師需要生成暗示以促進學習者建構知識并提出支持性的評價以增強動機;如果學習者感到無聊，老師需要提出更具吸引力或挑戰(zhàn)性的問題讓學生去做”[2]。本文嘗試從基本概念、ATS情感反饋系統(tǒng)框架這兩個方面對近年來ATS情感反饋工作原理進行分析和梳理，以期為本領域內的研究工作奠定基礎。

一、基本概念

（一）反饋

反饋是系統(tǒng)與環(huán)境相互作用的一種形式，當環(huán)境對某個動作或行為做出反應時，就會產(chǎn)生反饋。在教學系統(tǒng)中，反饋通常用于學習過程中為學生提供支持，利用反饋將學習結果及時提供給學習者，提高學習者對自己的優(yōu)勢和需要改進方面的認識，并采取相應的行動來改進完善。反饋意在修改學生的下一步行動，使學生減少當前理解與期望理解之間的差距。反饋可以分為三種類型：激勵、評價和描述。激勵反饋的目標是通過建立一個良好的學習環(huán)境讓學生感覺舒服;評估反饋的目標是通過分數(shù)來衡量學生的成績，一般不會傳達信息和指導;描述反饋為學生提供有關改善學習的詳細且具體的信息。反饋的內容可以是領域知識、元認知知識、關于自我和任務的信念，也可以是認知策略，是學習者可以用來確認、添加、覆蓋、調整或重組已有知識的信息。為了產(chǎn)生有效的反饋，需要考慮的不僅僅是簡單的反饋策略或反饋內容，還受到反饋設計、反饋能力和反饋文化的影響。

作為教學過程中的一個關鍵要素，反饋是一個過程。在此過程中，學習者可以了解自身表現(xiàn)情況方面的信息，并利用反饋信息來改善其學習策略。其中，（1）過程：沒有一種適用于所有情況的通用反饋方法，反饋中的一個關鍵挑戰(zhàn)是創(chuàng)建可以有效使用不同序列、資源和方法的反饋過程。（2）學習者：反饋關注的是學習者的行為，學習者表現(xiàn)情況的信息可以來自教育者，也可以來自學習者自身、同伴或者自動化系統(tǒng)生成。（3）感知：反饋設計中的挑戰(zhàn)是感知處理的概念化，即我們如何理解事物？學習者需要什么技能？反饋過程的哪些特征可以促進有效的感知？（4）信息：哪種信息對學習者最有用（詳細的、個性化的、個人化的、面向任務的、基于元認知的等）？（5）表現(xiàn)情況：單一的表現(xiàn)情況是否足夠？反饋應該通過整體表現(xiàn)情況還是局部的表現(xiàn)來顯現(xiàn)？如何在不進行更多評估的情況下?lián)碛懈嗟脑缙诜答仚C會？（6）影響：教育者或學習者如何知道反饋是否產(chǎn)生了影響？反饋設計中的挑戰(zhàn)是設置條件，以使學習者有機會證明自己的進步，而不僅僅是要求他們完成進一步的任務。它還必須為學習者提供一個機會，以便學習者判斷自己的表現(xiàn)并根據(jù)他們改變的學習策略進行評估。（7）質量：反饋信息是為了改進，但標準是什么？在基于標準的系統(tǒng)中，對學習者工作的評價需要與明確的任務期望相關，但是專家對質量的理解通常是默會的或難以描述的。

（二）情感反饋

在學習活動中，與學習行為一樣，學習者的情感狀態(tài)在選擇行動和評價結果時發(fā)揮著重要的作用。與此同時，學習者的學習行為及其結果也會影響其情感狀態(tài)。目前關于情感狀態(tài)如何影響學習的研究大多是由心理學家和教育學家推進的。佩克倫（Pekrun）等通過一系列定性和定量研究發(fā)現(xiàn)[3]：積極情緒（如學習的樂趣）通過增強動機和靈活的學習方式而對學業(yè)成就產(chǎn)生積極影響;消極情緒（如焦慮）會侵蝕動機，使學生的注意力從任務上移開，從而導致淺層學習發(fā)生。積極情緒和消極情緒對學習的影響也得到了其他研究者的證實，布魯姆（Bloom）的二西格瑪問題研究指出，為了獲得更好的學習成績，至關重要的一點是要通過導師與學生之間持續(xù)的情感反饋回路來維持學生的積極參與和學習動機。埃夫克利德（Efklides）在一項關于元認知和情感的研究中假設：任務難度是影響學習元認知的一個因素。如果將一項非常艱巨的任務分配給學生，并且學生認為這超出了他們的能力范圍，那么會產(chǎn)生消極情緒，例如沮喪并放棄該任務。如果教師能夠為學生的學習提供腳手架支持或使用其他教學干預方法（如給予提示以減輕負面情緒），則有助于維持學生的參與度[4]。伍爾夫（Woolf）等研究了情感反饋與學生學習成績之間的關系，其中反饋類型包括鼓勵學生的信息、學生投入努力后生成的肯定、當學生沒能成功解決問題時生成的戰(zhàn)略信息，研究結論是情感反饋在一定程度上有助于學生提高學習成績[5]。德梅洛（DMello）等證實了這一研究結論，他們整合了一套積極的、中立的和消極的短語來提供情感反饋，最后指出情感反饋在某種程度上改善了學習[6]。

研究發(fā)現(xiàn)，導師的行為不能局限于純粹的指導，而且還應為學習者的學習創(chuàng)造適當?shù)那楦袟l件。輔導過程是社交過程這一事實意味著通過具有情感變化潛力的社會行為來影響情感狀態(tài)，例如，導師這一身份表明其可以評判（批評或表揚）學生行為。其他的人際交互行為也會引起情感評價，如把任務表述為命令或建議其心理效果是不同的。拉臘（Lara）提出，導師應該持包容的、友善的態(tài)度，并應考慮學生的意見[7]。當學生達到目標或付出努力時，導師應向他們表示祝賀;為了更好地進行輔導，導師應為學生提供個性化的支持。因此，導師必須提供情感方面的反饋，因為情感反饋可以使學生為自己的成就感到自豪，可以鼓勵學習者并提高其參與動機。情感支持是情感反饋的一種類型，其特點是同理心、友善、鼓勵、尊重和關懷。而指導性支持的特點是提供明確的支持，如導師幫助學生解決問題或完成艱巨任務。將情感融入反饋中可以為學生帶來很多好處，然而它會以不同的方式影響學生，主要取決于人格、性別、學業(yè)成績、目標、動機、情感狀態(tài)等因素。這些因素已經(jīng)被人類導師用于學習環(huán)境中創(chuàng)建情感環(huán)境，因此，把情感反饋整合到ATS系統(tǒng)中非常重要。

二、ATS情感反饋系統(tǒng)框架

（一）ATS情感反饋已有研究回顧

ATS是能夠以與人類導師相同的方式檢測并響應學習者情感狀態(tài)的智能教學系統(tǒng)，具有不僅能適應學生知識而且能適應學生情感狀態(tài)的能力，目的是在情感狀態(tài)可能影響學習者參與學習過程進而影響其知識獲取的情況下進行干預并相應地做出反應。目前，ATS的研究或側重于可以通過動畫教學代理來顯示模擬的情感，或集中在用于檢測學生情感的輔導系統(tǒng)上。

動畫教學代理是計算機化的能生成語音、動作、臉部表情和手勢的具有動畫效果的化身。代理可以提供教學指導，進行協(xié)作性對話，并為理想的行為、策略、反思和社交互動建模，進而指導學生下一步該做什么。代理通過數(shù)據(jù)的收集與計算，以適應學生的行為、言語甚至情感（如無聊、困惑和沮喪），根據(jù)決策機制，可以通過執(zhí)行動作并以自然語言與學生進行對話來幫助學生學習，展示諸如面部表情、手勢等表達情感的人類社交線索來支持學習者。在ITS和ATS等適應性學習環(huán)境中，教學代理非常受歡迎，目前成功改善學習者學習能力的教學代理包括AutoTutor、DeepTutor、iDRIVE、iSTART、Crystal Island、My Science Tutor等[8]。這些系統(tǒng)涵蓋了STEM、閱讀理解、科學推理以及其他領域。其中，AutoTutor系統(tǒng)是一種專業(yè)的導師代理，學生與代理的互動通過對話來實現(xiàn)，代理根據(jù)學生的現(xiàn)有知識水平與期望的匹配程度向學習者提供反饋。在學習過程中，當學習者受到認知不平衡的困擾時會經(jīng)歷各種情感狀態(tài)，最常見的是困惑和驚奇，從而引發(fā)提問或詢問，思考并解決問題，以試圖恢復認知平衡。AutoTutor系統(tǒng)則基于自然語言交互、面部表情和身體動作對情感進行分類，重點是沮喪、困惑和無聊三種情感。該分類用于嵌入式的情感自動導師通過對話來響應學生的情感狀態(tài)，情感自助導師通過面部表情的生成、語音的變化和姿勢的調整來合成情感元素，并根據(jù)學生的情感狀態(tài)調整對話和面部表情。

對學生情感狀態(tài)敏感的學習環(huán)境可以很好地幫助學生學習，特別是伴隨在混淆、沮喪、無聊等負面情感狀態(tài)的學習過程中。因此，ATS系統(tǒng)除對學生的認知狀態(tài)進行建模和響應外，還需要實時檢測與學習相關的情感狀態(tài)，選擇適當?shù)慕虒W行為以影響學生的情感，使學生最大限度地學習，并引導學生進行情感表達。舍恩（Shen）等使用貝葉斯網(wǎng)絡通過生物、物理信號（如心率、皮膚電導、血壓和EEG腦波）對學生的情感狀態(tài)進行了分類，把檢測到的情感狀態(tài)（投入、困惑、沮喪、厭倦、樂觀、滿足感和失望感）包含在情感學習者模型中，使用推薦規(guī)則來確定適當?shù)母深A措施，例如在學生感到困惑時提供示例或在學生厭倦時提供視頻或音樂。卡貝斯特羅（Cabestrero）等基于學生在教育游戲中的身體表達提出一種動態(tài)貝葉斯網(wǎng)絡的情感模型，使用了六種情緒狀態(tài)——喜悅、痛苦、驕傲、羞恥、欽佩和責備，系統(tǒng)根據(jù)學生的情感狀態(tài)及個人目標（想要幫助、學習數(shù)學、玩樂）提供支持[9]。伍爾夫等通過硬件傳感器和面部動作來檢測學生的情緒，并使用貝葉斯網(wǎng)絡和隱馬爾可夫模型對情感進行分類——愉悅、沮喪、新奇、無聊、焦慮和自信，并把情感反饋技術與學生個性特征的知識相結合開發(fā)了ATS系統(tǒng)，以響應學生的情感，并根據(jù)學生的認知特征、性別、空間能力等，為每個學生提供個性化的選擇。范萊恩（VanLehn）等描述了一個情感元導師，能夠根據(jù)學生的情感狀態(tài)和日志數(shù)據(jù)決定為學生提供什么樣的動機反饋，其中生理傳感器和回歸模型用于計算學生是否投入、困惑或無聊，決策樹則根據(jù)學生的當前情感狀態(tài)和日志數(shù)據(jù)來決定提供什么樣的動機反饋信息[10]。

（二）相關ATS情感反饋系統(tǒng)框架介紹

普倫丁格（Prendinger）等開發(fā)了SCRE-AM（Scrip-ting Emotion-based Agent Minds）系統(tǒng)，是有助于角色的情感相關處理功能之腳本編寫系統(tǒng)，其主要組成部分包括——情感生成、情感調節(jié)管理、情感表達以及負責更新角色心理狀態(tài)的代理模型[11]?；谇楦写淼暮诵幕顒邮乔楦猩珊颓楦泄芾?，主要由情感推理模塊、情感解析模塊和情感維護模塊這三個模塊來處理。情感的推理模擬了OCC模型中代理的評估過程，即評價事件對代理的情感重要性。在OCC模型中，情感可以通過對三要素（事件、代理和對象）進行評估而形成，情感重要性是由“引起情感的條件（包括信念、目標、標準和態(tài)度）”決定的。為了使得情感表達符合社會文化規(guī)范，將情緒調節(jié)作為決定表達或抑制情感的過程，并且引入調節(jié)參數(shù)來對情感進行調節(jié)。

范萊恩等開發(fā)的學習伴侶系統(tǒng)主要由三個部分組成[12]：一是輸入部分，系統(tǒng)通過日志數(shù)據(jù)和傳感器接收輸入，通常使用機器學習功能對輸入數(shù)據(jù)進行分析和融合。二是數(shù)據(jù)處理部分，把日志數(shù)據(jù)和傳感器獲取的數(shù)據(jù)通過相關算法計算學習者當前的情感狀態(tài)。三是根據(jù)得到的情感狀態(tài)給予反饋。該系統(tǒng)主要提供兩種反饋：一是不同任務之間的反饋，幫助學生進行任務間的過渡和總結;二是任務中的反饋，通過檢測到的情感狀態(tài)識別學習伴侶應介入的時刻，以及應給予的由決策樹反饋的消息，幫助學生進行學習。

希梅內斯（Jiménez）等設計了基于書面情感支持的情感反饋模型[13]，即通過對話行為、語法和建立情感數(shù)據(jù)庫的方式來收集學生期望得到反饋ITS情感性短語，然后在學習者與即時消息系統(tǒng)的交互中實現(xiàn)反饋，結果表明，學習成績與學習動機及學習愉快程度之間存在微弱的負向相關關系，情感支持對學習成績較差的學生更有利。

（三）ATS系統(tǒng)框架

ATS是一種可以模仿人類導師的ITS系統(tǒng)，具有不僅能適應學生知識而且能適應學生情感狀態(tài)的能力，目的是在情感狀態(tài)可能影響學習者參與學習過程進而影響其知識獲取的情況下進行干預并相應地做出反應。傳統(tǒng)的ITS系統(tǒng)由學生模型、導師模型、領域知識模型和用戶接口組成，ATS系統(tǒng)的情感支持功能是通過添加相關的組件來擴展ITS的傳統(tǒng)體系結構。雖說ATS系統(tǒng)內部結構非常復雜且大不相同，使用不同的輸入方式，并針對特定的教學材料進行了定制，但ATS平臺的共同點在于其基本功能模塊相同，ATS系統(tǒng)通常把情感檢測、學習者進度跟蹤和輔導策略等功能整合到一個高度集成的環(huán)境中（如圖1所示），包括情感識別子系統(tǒng)、情感處理子系統(tǒng)、情感反饋子系統(tǒng)三個部分。

（1）情感識別子系統(tǒng)一般分為三個步驟：第一步是從各種傳感器中獲取原始數(shù)據(jù)，提取特征用于訓練神經(jīng)網(wǎng)絡;第二步是神經(jīng)網(wǎng)絡的實現(xiàn)，即結合情感表示模型（OCC模型、PAD模型或者其他模型）通過神經(jīng)網(wǎng)絡來實現(xiàn)分類;第三步將特征提取和情感識別與模糊系統(tǒng)集成在一起，進行情感識別處理，并把處理過的數(shù)據(jù)傳遞到情感處理子系統(tǒng)中的情感推理模塊，以推斷學習者的情感狀態(tài)[14]。目前ATS系統(tǒng)中感知情感信息特征的傳感器一般有三類：生理傳感器、觸摸/觸覺傳感器、觀察傳感器。①生理傳感器，如皮膚電導率傳感器、心率傳感器、肌電圖儀，會引起較大的不適感，因為它們需要直接接觸身體的某些部位。②觸摸/觸覺傳感器，如壓力敏感的鼠標或椅子，引起的不適感較小，一般情況下學習者注意不到它們，將這種傳感器用于情緒識別的缺點是需要學生以限制其運動自由度的方式來觸摸它們。③觀察傳感器，如攝像機、眼動儀、麥克風，在物理上不是侵入性的，但觀察傳感器會分散學習者的注意力，并使他們知道所有動作都被記錄下來而感到不舒服。除使用傳感器外，在一些ATS中的情感識別還有基于學生填寫的調查或自我評估報告[15]，從開發(fā)人員的角度來看，這是耗時較少的方法之一，因為不需要使用傳感器或應用分類算法。理想狀態(tài)下，需要以客觀且不干擾的方式（如互動內容分析）對情感數(shù)據(jù)進行連續(xù)的、定量的測量。

（2）情感處理子系統(tǒng)用于整合關于學習者的知識和情感以使代理做出適當?shù)幕貞?，包括情感推理模塊、學生行為模塊和情感調節(jié)控制模塊三個模塊。①情感推理模塊負責推斷學生的情感。這種推斷可以通過使用機器學習算法來實現(xiàn)，該算法通過挖掘傳感器日志來識別常見模式。推斷出的情感將被傳遞到輔導策略模塊，以制定適當?shù)闹笇Р呗詠碚{節(jié)情感。②學生行為模塊記錄了學生與ATS系統(tǒng)互動的歷史記錄，包括在練習上花費的時間、正在做的和已經(jīng)完成的練習、練習的日期和時間、每次練習遇到的錯誤數(shù)量、為每個學生提供提示的數(shù)量、提供提示的日期和時間。這些交互日志又作為輸入內容傳遞到情感推理模塊，以推斷學生的情感。③情感調節(jié)控制模塊可以采取情感反饋回路的方式，即計算機把測得的感知數(shù)據(jù)映射為情感變量（如壓力、工作量、參與度），然后根據(jù)識別出的情感持續(xù)調整其行為[16]。在情感反饋回路中，主要方法是使用監(jiān)督機器學習把記錄的數(shù)據(jù)分類為一組離散的類別（如高/低工作量、高/低享受），然后根據(jù)類別執(zhí)行特定的命令（如增加/減少難度）。

（3）情感反饋子系統(tǒng)由情感同伴模塊、輔導策略模塊和情感響應模塊組成。從情感處理子系統(tǒng)中獲得的學生情感狀態(tài)和交互記錄傳遞給情感反饋子系統(tǒng)中。①情感同伴模塊封裝了產(chǎn)生情感響應的邏輯，包含事件選擇器和情感引擎兩個組件。事件選擇器讀取輔導導師事件和共享存儲庫中情感狀態(tài)的數(shù)據(jù)，并過濾表明需要干預的組合，然后把導師事件和情感狀態(tài)數(shù)據(jù)的組合通知情感引擎，情感引擎據(jù)此推斷必須執(zhí)行的干預類型，干預措施包括激勵信息。情感引擎會執(zhí)行有關何時以及如何進行干預的策略，然后將干預信息傳達給用戶界面進行執(zhí)行。②輔導策略模塊：一方面可以根據(jù)當前的輔導情況提供推理，另一方面可以根據(jù)學生當前的知識水平和學習特征，而且還可以根據(jù)學生的情感狀態(tài)，進一步調整輔導過程。因此，輔導策略模塊的主要任務是把從情感處理子系統(tǒng)中獲得的有關學生情感狀態(tài)和輔導情況的數(shù)據(jù)與ATS系統(tǒng)的適當響應相匹配。另外，把輔導策略規(guī)則編碼在規(guī)則引擎中，以方便非編程人員修改策略規(guī)則。③情感響應模塊用以模仿人類導師處理面對學生各種認知和情感狀態(tài)的行為方式，其關鍵技術是模糊邏輯系統(tǒng)，即使用神經(jīng)網(wǎng)絡獲取學生當前的情感，并通過模糊算法計算出相應的反饋策略，將反饋策略發(fā)送至教學代理，起到對學生情緒的調節(jié)。

（四）ATS情感反饋實施規(guī)則

在ATS系統(tǒng)中情感反饋實施規(guī)則的基本原理如表1所示，是通過對“效價V、喚醒A和表現(xiàn)P”進行操作來保持投入?yún)⑴c度，以便影響投入的情感維度和行為維度，其目標是保持高的效價（為學習者提供支持和積極的體驗）、防止喚醒度A過高或過低（A過高→焦慮，A過低→無聊），并為學習者提供一種對任務的控制感（P），E（投入?yún)⑴c水平）由V、A和P推斷得出（2：高投入;1：一般投入;0：不投入）。IA（指示性操作）：增加或降低下一個問題的難度級別。情感反饋規(guī)則如下：①如果情感狀態(tài)是中性的，不采取措施;②如果學習表現(xiàn)不佳，則觸發(fā)“提供調節(jié)和幫助”;③如果檢測到負面效價，則觸發(fā)情感支持;④如果檢測到高激活狀態(tài)，則給予激勵響應。

情感反饋實施的核心原則是：如果一個輔導系統(tǒng)能響應學習者的情感狀態(tài)，那么學習成果將得到有效的改善。湯普森（Thompson）和麥吉爾（McGill）[17]從三個方面（內容知識、學習成就感知和享受度）研究情感支持對ATS系統(tǒng)有效性的貢獻，實驗對象是來自澳大利亞兩所大學的使用Genetics with Jean ATS系統(tǒng)的40名學生，研究結果表明，獲得情感支持的學生在這三個方面的有效性平均水平都高于未獲得情感支持的學生，但只有在學習成就感知方面存在顯著性差異，即獲得情感支持的學生具有更高的學習成就感知能力。付華（Fwa）[18]通過實驗組（使用情感支持的ATS系統(tǒng)）與對照組（不使用情感支持的ATS系統(tǒng)）對比實驗研究，結果表明，完成每次編程練習所需的時間存在顯著差異，與禁用情感功能的版本相比，ATS的完整情感版本可以為學生提供更有效的輔導，提高了學生的效率，鍛煉了學生的毅力。另外，通過對焦點小組討論的分析進一步表明，學生對ATS的學習經(jīng)歷總體上是積極的。

三、總結

ATS領域的研究已經(jīng)取得了許多進展，并應用于不同的學科教學領域，如數(shù)學領域中的Prime Climb、Easy Eve，數(shù)據(jù)庫建模的EER-Tutor，物理學中的ITSPOKE，醫(yī)學中的Edu-Affe-Mikey，工作面試準備的Empathetic Companion，等等。目前ATS系統(tǒng)大多使用不同的輸入方式，內部結構非常復雜，本文在分析已有ATS系統(tǒng)的基礎上，從情感識別子系統(tǒng)、情感處理子系統(tǒng)和情感反饋子系統(tǒng)三個部分描述了ATS系統(tǒng)的框架構成，并敘述了ATS系統(tǒng)中情感反饋實施規(guī)則的基本原理，嘗試為此研究領域構建一個相對完整的研究視圖。人工智能和情感計算的深入發(fā)展，將會進一步推動學習科學領域中關于如何更好地響應學習者豐富的情感狀態(tài)的研究和應用，更好地為學習者有效學習提供有力的支撐。

[1]DE VICENTE.Towards Tutoring Systems that Detect StudentsMoti-vation：An Investigation[D]. Edinburgh：University of Edinburgh，2003.

[2][6]DMELLO S，GRAESSER A.Autotutor and Affective Autotutor：Learning by Talking with Cognitively and Emotionally Intelligent Com-puters that Talk Back[J].ACM Transactions on Interactive Intelligent Sys-tems（S2160-6455），2012，2（4）：1–39.

[3]PEKRUN R，GOETZ T，TITZ W，et al.Academic Emotions in StudentsSelf-regulated Learning and Achievement：A Program of Qualitative and Quantitative Research[J].Educational Psychologist（S1532-6985），2002，37（2）：91–105.

[4]EFKLIDES A.Metacognition and Affect：What Can Metacognitive Ex-periences Tell Us about the Learning Process？[J].Educational Research Re-view（S1747-938X），2006，1（1）：3–14.?

[5]WOOLF B P，ARROYO I，COOPER D，et al.Affective Tutors：Automatic Detection of and Response to Student Emotion [EB/OL].（2010-05-15）[2020-11-01].https：//www.researchgate.net/profile/Ivon_Arroyo/publication/225763597_Affective_Tutors_Automatic_Detection_of_and_Response_to_Student_Emotion/links/02e7e5388addac68bf000000/Affective-Tutors-Automatic-Detection-of-and-Response-to-Student-Emotion？origin=publication_detail.

[7] LARA V R.Affectivity in Mathematical Learning：Experimental Case in University of Veracruz[D].Mexico：Universidad Autónoma de Tamau-lipas，2003.

[8]GRAESSER A C，F(xiàn)ORSYTH C M，LEHMAN B A.Two Head may Be Better than One：Learning from Computer Agents in Conversational Tri-alogues[J].Teachers College Record（S0161-4681），2017，119（3）：1–20.

[9]CABESTRERO R，QUIROS P，SANTOS O C，et al.Some Insights into the Impact of Affective Information When Delivering Feedback to? Students[J].Behaviour & Information Technology（S0144-929X），2018，37（12）：1252–1263.

[10][12]VANLEHN K，ZHANG L，BURLESON W，et al.Can a Non-cog-nitive Learning Companion Increase the Effectiveness of a Meta-cogni-tive Learning Strategy？[J].IEEE Transactions on Learning Technologies（S1939-1382），2017，3（10）：277–289.

[11]PRENDINGER H，ISHIZUKA M.Designing and Evaluating Animated Agents as Social Actors[J].IEICE Transactions on Information and Sys-tems（S1745-1361），2003，86（8）：1378–1385.

[13]JIM?NEZ S，JU?REZ-RAM?REZ R，CASTILLO V H，et al.Integrat-ing Affective Learning into Intelligent Tutoring Systems[J].Univ Access Inf Soc（S1615-5289），2018，17：679–692.

[14]BARRON-ESTRADA M L，ZATARAIN-CABADA R，HERNANDEZF G，et al.An Affective and Cognitive Tutoring System for Learning Pro-gramming[EB/OL].（2016-05-13）[2020-06-01].https：//www.researchgate.net/profile/Ramon_Zatarain_Cabada/publication/300139402_An_Affective_and_Cognitive_Tutoring_System_for_Learning_Programming/links/5735e5bf08ae298602e0972e/An-Affective-and-Cognitive-Tutoring-System-for-Learning-Programming.pdf？origin=publication_detail.

[15]AREVALILLO-HERR?EZ M，MARCO-GIM?NEZ L，ARNAU D，et al.Adding Sensor-free Intention-based Affective Support to an Intelli-gent Tutoring System[J].Knowledge-Based Systems（S0950-7051），2017，132：85-93.

[16]NOVAK D，NAGLE A，RIENER R.Linking Recognition Accuracy and User Experience in an Affective Feedback Loop[J].IEEE Transac-tions on Affective Computing（S1949-3045），2014，5（2）：168–172.

[17]THOMPSON N，MCGILL T J.Genetics with Jean：The Design，De-velopment and Evaluation of an Affective Tutoring System[J].Education Tech Research Dev（S1042-1629），2017，65：279–299.

[18]FWA H L.An Architectural Design and Evaluation of an Affective Tu-toring System for Novice Programmers[J].International Journal of Educa-tional Technology in Higher Education（S2365-9440），2018，15：38.?

（責任編輯 王策 孫志莉）