馬寧 劉春平 郭佳惠 路瑤

[摘 ? 要] 情感研究是當(dāng)前在線教育中的重要研究問題，涉及的領(lǐng)域十分廣泛。研究力圖對在線教育中情感領(lǐng)域的研究進行系統(tǒng)的總結(jié)和歸納，從而更好地促進在線教育的發(fā)展。研究通過文獻計量法和內(nèi)容分析法，以近十年來發(fā)表在國內(nèi)外核心期刊上關(guān)于在線教育領(lǐng)域情感研究的235篇文獻為研究對象，對其研究主題、研究場景、研究對象、研究方法等進行統(tǒng)計分析，并從情感分析、情感參與、情感交互、情感設(shè)計等方面對相關(guān)研究熱點進行深入剖析。在此基礎(chǔ)上，從聚焦即時智能化的情感時序性研究、深度探究多元因素的協(xié)同作用機制、提高情感分析算法的準確性和可解釋性、擴大情感的研究場景和研究群體范圍、加強情感設(shè)計和情感系統(tǒng)的應(yīng)用與效果評價等五個方面對相關(guān)領(lǐng)域的研究提出了建議，以期更好地促進學(xué)習(xí)者在線情感投入，提升在線學(xué)習(xí)質(zhì)量。

[關(guān)鍵詞] 學(xué)業(yè)情感； 多模態(tài)學(xué)習(xí)情感分析； 情感交互； 情感設(shè)計； 情感導(dǎo)學(xué)系統(tǒng)

[中圖分類號] G434 ? ? ? ? ? ?[文獻標志碼] A

[作者簡介] 馬寧（1977—），女，河北衡水人。教授，博士，主要從事技術(shù)增強學(xué)習(xí)、技術(shù)支持的教師專業(yè)發(fā)展、學(xué)習(xí)分析、STEM教育等研究。E-mail：horsening@bnu.edu.cn。

一、引 ? 言

隨著智能時代的發(fā)展，在線教育成為重要的學(xué)習(xí)方式。相比于傳統(tǒng)線下學(xué)習(xí)，在線學(xué)習(xí)不受時間、空間的限制，但在一定程度上阻礙了學(xué)習(xí)者之間的情感交流[1]，嚴重影響師生關(guān)系和教育績效[2]。諸多研究表明，情感對學(xué)習(xí)者具有重要意義[3]，當(dāng)學(xué)習(xí)者有積極的態(tài)度體驗時，就會加強對所學(xué)內(nèi)容的情感聯(lián)系，進一步提高學(xué)習(xí)投入度，因此，在線教育越來越多地考慮情感因素。

在線教育的興起促成了在線教育情感研究的豐富。數(shù)據(jù)來源實現(xiàn)了從單一的學(xué)習(xí)者發(fā)布文本到多模態(tài)數(shù)據(jù)的轉(zhuǎn)向，數(shù)據(jù)采集方式更加多元化和智能化，大數(shù)據(jù)、機器學(xué)習(xí)和深度學(xué)習(xí)等技術(shù)的發(fā)展使情感分析技術(shù)得到了質(zhì)的飛躍。對情感的研究能夠反映學(xué)習(xí)者的認知與動機，深入挖掘?qū)W習(xí)者深層次的認知風(fēng)格和學(xué)習(xí)偏好，有助于精準教學(xué)和個性化學(xué)習(xí)的開展。

近幾年來，在線教育中關(guān)于情感的研究較為豐富，對國內(nèi)外關(guān)于情感的研究成果進行梳理有助于探析情感研究發(fā)展趨勢，為教育領(lǐng)域的理論創(chuàng)新和實踐研究提供參考。鑒于此，本文深入分析近十年來發(fā)表在國內(nèi)外核心期刊上的在線情感研究文獻，通過總結(jié)在線教育領(lǐng)域的研究熱點，為在線教育中情感研究的發(fā)展提出了進一步建議，為實踐應(yīng)用提供有益借鑒。

二、研究設(shè)計

本研究選取16本國內(nèi)外教育技術(shù)領(lǐng)域知名核心期刊，以在2010—2021年發(fā)表的有關(guān)在線教育中情感研究的文獻為主，中文期刊以“情感”“情緒”為檢索詞進行檢索，英文期刊以“Emotion”“Feelings”“Affection”“Sentiment” 為檢索詞進行檢索。最初查詢到2030篇文獻，為了挑選符合本研究的文獻，制定了如下標準進行進一步篩選：（1）研究主題聚焦情感研究；（2）研究領(lǐng)域為在線教育。通過閱讀摘要和全文，共獲得235篇滿足篩選標準的文獻。后續(xù)對這些文獻從研究主題、研究場景、研究對象、研究方法等方面進行深入分析。具體檢索與篩選過程如圖1所示。

三、核心概念與基本數(shù)據(jù)統(tǒng)計分析

（一）核心概念

1. 情緒與情感

目前，學(xué)者對情緒和情感仍缺乏一個廣泛接受的定義，大多數(shù)教育研究并不將二者進行嚴格區(qū)分。通過對文獻的大量調(diào)研，本研究認為，情感、情緒是在特定場景下參與者所產(chǎn)生的態(tài)度體驗。例如：Lee認為，情感是一套激勵行為的心理過程，能夠支持或抑制情感目標的實現(xiàn)，分為積極情感和消極情感[4]；藥文靜等認為，情感是認知活動的一種心理反應(yīng)，能夠?qū)€體認知行為產(chǎn)生重要影響[5]。

2. 情感分析

通過大量文獻的調(diào)研，本研究總結(jié)出在線教育中情感分析的一般定義：情感分析指通過提取和分析來自學(xué)習(xí)者的生理信號和行為特征等相關(guān)信息，實現(xiàn)對學(xué)習(xí)者的情感狀態(tài)的計算。具體來說包含兩個任務(wù)：一是情感測量，包括識別、打標簽等內(nèi)容；二是情感計算，即把測量所得的情感標簽進行情感狀態(tài)分類。情感計算過程通常以情感分類框架為依據(jù)，例如，常用的艾克曼六種基本情感理論將基本情感分為高興、驚訝、悲傷、憤怒、恐懼、厭惡[6]。

3. 情感參與、情感交互和情感設(shè)計

當(dāng)學(xué)習(xí)者對學(xué)習(xí)活動感興趣時，會發(fā)生情感參與[7]，情感參與主要指學(xué)習(xí)投入中的具體情感狀態(tài)；情感交互是指學(xué)習(xí)者為了實現(xiàn)學(xué)習(xí)目標圍繞學(xué)習(xí)內(nèi)容進行情感交流達到情感共鳴的過程[8]；情感設(shè)計是通過設(shè)計和不斷修改學(xué)習(xí)材料中能夠影響情感體驗的相關(guān)元素，促進學(xué)習(xí)者產(chǎn)生積極情感，增強其學(xué)習(xí)動機，從而促進深度學(xué)習(xí)[9]。

（二）基本數(shù)據(jù)統(tǒng)計分析

本研究聚焦國內(nèi)外在線教育情感研究，從研究主題、研究場景、研究對象、研究方法四個維度出發(fā)，具體分析關(guān)于在線教育中情感研究的基本特點。從研究主題來看，國內(nèi)外關(guān)于在線教育情感研究的主題相對豐富，并且差異不大。具體占比情況如圖2所示。通過對所選的114篇英文文獻、121篇中文文獻的關(guān)鍵詞及摘要進行梳理和總結(jié)，本研究將研究主題分為以下四個方面：情感分析、情感參與、情感交互、情感設(shè)計。另外，還有關(guān)于移情、共情、情感存在等研究，但占比較少，因此，本研究重點關(guān)注前四個研究主題，并將其他主題的文獻歸入“其余”類別中。

共有88篇文獻詳細標明了研究場景，其中，英文文獻46篇，中文文獻42篇。具體占比情況如圖3所示。情感研究的場景主要是在線學(xué)習(xí)平臺，其次是虛擬社區(qū)、移動學(xué)習(xí)、線上線下混合場景和社會媒體/數(shù)據(jù)庫。大量研究的研究場景聚焦于在線學(xué)習(xí)平臺，特別是MOOC。由于在線課程存在情感缺失等問題，學(xué)習(xí)者學(xué)習(xí)體驗不佳，輟課率過高，為了解決該問題，眾多研究者著力于在線教育中的情感研究。除了在線學(xué)習(xí)平臺，近幾年移動學(xué)習(xí)中關(guān)于情感的研究也開始增加，可能是近年來隨著Pad、手機等移動設(shè)備的普及，因此，如何使移動學(xué)習(xí)更具備情感特征也成了研究方向之一。

共有82篇文獻詳細標明了研究對象，從類別看主要是大學(xué)生，對中小學(xué)生以及成人的關(guān)注相對較少。具體如圖4所示。這可能是由于中小學(xué)的課程更偏向于線下開展，并且對中小學(xué)生的隱私保護更為嚴格，所以在線課程的數(shù)據(jù)收集會遇到一定的困難。國內(nèi)外情感研究所涉及的研究方法十分多樣，共有171篇文獻指出了研究方法，其中，英文文獻89篇，中文文獻82篇。研究方法具體包括量化研究、質(zhì)性研究和混合研究方法。如圖5所示，國內(nèi)外都更關(guān)注量化研究。

四、研究熱點剖析

通過基本數(shù)據(jù)統(tǒng)計分析，本研究梳理出以下四個研究熱點：多元化的情感數(shù)據(jù)分析方法、多手段促進學(xué)業(yè)情感投入、全方位提升情感輔導(dǎo)質(zhì)量和多感官的情感要素設(shè)計。

（一）情感分析：多元化的情感數(shù)據(jù)分析方法

在線教育中，文本、行為、生理信號等方式可用于測量和分析情感。文本情感分析被認為是最廣泛的情感測量手段，主要通過學(xué)習(xí)者的論壇評論文本、在線學(xué)習(xí)交互文本等數(shù)據(jù)對學(xué)習(xí)者的情感狀態(tài)進行識別，從而促進教學(xué)設(shè)計的改進、學(xué)生個性化學(xué)習(xí)以及智能教學(xué)系統(tǒng)的構(gòu)建等[10]。隨著技術(shù)的發(fā)展，多模態(tài)數(shù)據(jù)建模也已成為洞察學(xué)習(xí)規(guī)律的新范式[11]，極大地拓展了情感分析的研究方法和應(yīng)用領(lǐng)域。

1. 學(xué)習(xí)情感測量方法

通過文獻調(diào)研，在線教育中的情感數(shù)據(jù)測量方法可以總結(jié)為心理測量、行為測量、生理測量三個維度，具體見表1。

心理測量的數(shù)據(jù)來源于學(xué)習(xí)者對協(xié)作認知任務(wù)、社交、情感動機的心理活動反應(yīng)數(shù)據(jù)，主要通過在線交互文本和自我報告法等獲得[12]。由于心理測量的便捷性和易用性，大多數(shù)研究將其用作學(xué)習(xí)者在學(xué)習(xí)事件后的情感狀態(tài)測量。但是，相關(guān)方法使用的前提是用戶能夠識別自己的情感并且準確報告。因此，測量結(jié)果受參與者的主觀因素影響，需要結(jié)合行為測量或者生理測量數(shù)據(jù)進行分析。

行為測量主要是利用視頻設(shè)備等追蹤學(xué)習(xí)者的面部表情以及頭部、手臂與身體的運動數(shù)據(jù)并將其建模，從而對其內(nèi)心情感狀態(tài)進行分析[3]。進行面部表情識別時，需要進行特征分解，從而排除個體特征對表情識別的影響，使情感識別結(jié)果更為準確。與面部表情相比，肢體動作更多樣化，表達了更復(fù)雜、更豐富的情感。因此，目前的主流研究通常是將面部數(shù)據(jù)和姿態(tài)數(shù)據(jù)相結(jié)合來進行分析。除了面部表情識別和肢體動作識別，語音情感也能夠傳達基本情感，研究者可以通過機器學(xué)習(xí)等方法進行語音情感識別。

隨著可穿戴設(shè)備在學(xué)習(xí)、生活中的逐步應(yīng)用，獲取在線學(xué)習(xí)者的生理信號越來越便捷。基于生理信號的數(shù)據(jù)測量能夠真實地追蹤學(xué)習(xí)者的生理變化，從而更全面、深入地了解學(xué)習(xí)者的情感狀態(tài)[13]。常用的情感測量方法有腦電圖、心電圖、肌電圖和皮膚電、心率、眼動追蹤等。皮膚電和心電數(shù)據(jù)相對容易獲得，在教學(xué)應(yīng)用上研究相對比較多。腦電數(shù)據(jù)雖然不容易獲得，但其具有極高的時間分辨率，所以日益受到在線教育研究的重視。

2. 多模態(tài)學(xué)習(xí)情感分析

研究者可以通過情感特征提取、數(shù)據(jù)融合等方法實現(xiàn)多模態(tài)情感分析。情感特征選擇與提取能夠降低數(shù)據(jù)噪音、提高數(shù)據(jù)質(zhì)量，是進行后續(xù)數(shù)據(jù)融合和效果驗證的關(guān)鍵[14]。根據(jù)不同模態(tài)的數(shù)據(jù)，情感特征選擇與提取用到的算法不同，目前，最常用的算法是機器學(xué)習(xí)和深度學(xué)習(xí)。機器學(xué)習(xí)包括支持向量機、樸素貝葉斯、邏輯回歸等。機器學(xué)習(xí)算法能夠縮短情感識別時間，適用于大規(guī)模課程，例如，Hew等采用監(jiān)督機器學(xué)習(xí)算法等方法建模分析了6393名學(xué)生對于MOOC的情感感知[15]。但是，基于機器學(xué)習(xí)的算法依賴于特征詞的提取和情感計算模型的構(gòu)建，對于語義不明的文本句子分析結(jié)果并不理想。因此，大多數(shù)研究將情感詞典與傳統(tǒng)機器學(xué)習(xí)相結(jié)合來對文本數(shù)據(jù)進行處理。例如，馬寧等提出一種融合情感詞典和機器學(xué)習(xí)的方法，構(gòu)建了面向具體應(yīng)用場景的情感—認知算法模型，能夠?qū)崿F(xiàn)對在線交互文本的多級情感分類，從而挖掘?qū)W習(xí)者情感狀態(tài)[16]。深度學(xué)習(xí)算法是機器學(xué)習(xí)算法中的一項新技術(shù)，主要包括卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、長短時記憶網(wǎng)絡(luò)等。深度學(xué)習(xí)算法能夠通過樣本學(xué)習(xí)模擬人的思維，進行復(fù)雜繁瑣的分類預(yù)測工作，目前已有研究通過實驗證明其比機器學(xué)習(xí)算法準確率更高[17]。其中，卷積神經(jīng)網(wǎng)絡(luò)適用于大部分種類的數(shù)據(jù)，特別擅長處理圖像數(shù)據(jù)；循環(huán)神經(jīng)網(wǎng)絡(luò)適用于處理序列數(shù)據(jù)，如語音數(shù)據(jù)、視頻數(shù)據(jù)等；長短時記憶網(wǎng)絡(luò)具備特征學(xué)習(xí)能力，可以進行序列數(shù)據(jù)的雙向處理。

數(shù)據(jù)融合階段涉及對不同模態(tài)信息的整合。有學(xué)者通過研究發(fā)現(xiàn)，當(dāng)姿勢、面部表情和語言組合三種數(shù)據(jù)同時存在時，情感識別效果最好[18]。隨著技術(shù)的發(fā)展，通過多模態(tài)數(shù)據(jù)的融合來測量學(xué)習(xí)者情感，并采用深度學(xué)習(xí)等方法對其進行深入分析，有望彌補傳統(tǒng)情感測量和分析方法的不足。

（二）情感參與：多手段促進學(xué)業(yè)情感投入

在線教育中最常關(guān)注的是學(xué)業(yè)情感。學(xué)業(yè)情感是在學(xué)習(xí)過程中所有與學(xué)生學(xué)習(xí)活動體驗相關(guān)的各種情感的統(tǒng)稱[19]，不僅包括學(xué)生在得知學(xué)業(yè)成功與否后所體驗到的各種情感，還包括在學(xué)習(xí)活動中以及在考試期間的情感體驗。學(xué)業(yè)情感可細分為成就情感、認知情感、主題情感和社會情感[20]。成就情感即與成就活動或成就結(jié)果直接相關(guān)的情感[21]，認知情感在處理新的、非常規(guī)的任務(wù)時由認知問題引發(fā)，主題情感與課程主題相關(guān)，社會情感是社會背景下個體之間進行情感互動產(chǎn)生的態(tài)度體驗。

有關(guān)學(xué)業(yè)情感的研究可歸為兩類，一類研究聚焦于挖掘影響學(xué)業(yè)情感的因素，進而通過改善這些因素來提升學(xué)習(xí)者的學(xué)業(yè)情感。這些因素可能包括學(xué)習(xí)平臺、技術(shù)使用、課程質(zhì)量、教師態(tài)度和學(xué)習(xí)者自身內(nèi)部因素。例如：Heckel等通過研究發(fā)現(xiàn)，在線學(xué)習(xí)情境下自我效能感與學(xué)業(yè)情感呈正相關(guān)[22]；藥文靜等通過實證研究發(fā)現(xiàn)，認知質(zhì)量、任務(wù)價值、自主支持顯著影響感知評估，進而影響學(xué)業(yè)情感[5]。另一類是學(xué)業(yè)情感的影響研究，即探究學(xué)業(yè)情感對學(xué)習(xí)者行為、績效、能力等方面的影響。例如：馬寧等通過評價支架的研究發(fā)現(xiàn)，其能通過改善學(xué)習(xí)者的情感，從而進一步提高學(xué)習(xí)者的評價參與度[23]；譚金波等通過實驗法發(fā)現(xiàn)，學(xué)業(yè)情感對問題回答能力和網(wǎng)頁閱讀能力有顯著影響[24]。

（三）情感交互：全方位提升情感輔導(dǎo)質(zhì)量

情感交互能夠幫助學(xué)習(xí)者集中注意力、提升學(xué)習(xí)效率、增強深層次交互，是影響在線協(xié)作學(xué)習(xí)認知、行為的關(guān)鍵因素之一。通過文獻調(diào)研發(fā)現(xiàn)，情感交互主要包含兩層含義：一是在線協(xié)作背景下的社會情感互動，主要通過情感交互模型或策略來實現(xiàn)，例如，張文蘭等從情感交互視角提出了提升在線學(xué)習(xí)者協(xié)作知識建構(gòu)水平的策略[25]；二是情感導(dǎo)學(xué)系統(tǒng)通過情感反饋達到人機情感交互。

情感導(dǎo)學(xué)系統(tǒng)將情感表達和交流技術(shù)相結(jié)合，能夠在學(xué)習(xí)過程中實時計算學(xué)習(xí)者的情感表達，并利用已有情感知識為學(xué)生提供個性化學(xué)習(xí)指導(dǎo)，有潛力成為課堂的一種常態(tài)化應(yīng)用。情感導(dǎo)學(xué)系統(tǒng)包括智能教學(xué)代理、教育機器人、虛擬教師等。智能教學(xué)代理又稱教育智能體，能夠通過表情、動作、語言等表現(xiàn)出不同的情感狀態(tài)，為不同學(xué)段的學(xué)習(xí)者提供相應(yīng)的反饋信息，促進學(xué)習(xí)者在動機、認知、情感和社交方面的發(fā)展[26]。教育機器人通常充當(dāng)智能導(dǎo)師或智能學(xué)伴的角色，通過擬人化情感交互功能，選擇針對性的激勵響應(yīng)、情感支持等干預(yù)措施，為學(xué)生提供個性化人機交互性的社交支持和情感反饋[27]。虛擬教師可以模擬真實教師的教學(xué)功能和情感行為，在虛擬教學(xué)情境下輔助教學(xué)。然而，目前關(guān)于虛擬教師的研究多集中于知識內(nèi)容的交互，主要是完成日常教學(xué)、學(xué)生學(xué)習(xí)測評這類重復(fù)性、常規(guī)性的工作。在學(xué)生的情感教育和社會性培養(yǎng)方面的研究成果尚不豐富。

（四）情感設(shè)計：多感官的情感要素設(shè)計

許多情感設(shè)計特征，如多媒體學(xué)習(xí)材料的顏色、形狀、聲音，在線教學(xué)視頻中教師的語言、表情、肢體動作等，能夠影響學(xué)習(xí)者情感，促進學(xué)習(xí)者創(chuàng)造性思維及發(fā)散性思維的發(fā)展[28]。

學(xué)者們總結(jié)了情感設(shè)計假說理論。情感設(shè)計假說是假設(shè)以視覺上吸引人的方式設(shè)計的多媒體教學(xué)材料可以促進學(xué)習(xí)結(jié)果[29]。這種影響的潛在機制是情感設(shè)計元素引導(dǎo)學(xué)習(xí)者的注意力，從而改善認知過程。該理論已被應(yīng)用到多媒體教學(xué)文本的情感設(shè)計中[30]。還有學(xué)者根據(jù)具體學(xué)習(xí)材料提出了微課情感設(shè)計模型。例如，陳明選等構(gòu)建了數(shù)字學(xué)習(xí)資源情感化設(shè)計模型[31]，王雪等進一步凝練出教學(xué)視頻中視聽覺情緒設(shè)計的三條優(yōu)化策略[32]。在未來的情感設(shè)計研究中，要綜合考慮媒體類型、教學(xué)方式、適用學(xué)科、學(xué)段等維度進行建模。

在情感設(shè)計研究中，情感測量方法主要采用問卷和自我報告的方式，這可能會使研究結(jié)果具有一定的主觀性；現(xiàn)有研究場景主要是實驗室環(huán)境，缺失真實課程情境下的研究；對于情感設(shè)計激發(fā)積極情感的關(guān)鍵因素存在爭議。例如：Plass等通過研究表明，擬人化元素是誘發(fā)積極情緒的關(guān)鍵元素[33]；但Park等的研究實驗結(jié)果顯示，擬人化元素并不會誘發(fā)積極情感[34]。因此，需要更多的實證研究進行探索。

五、展望和發(fā)展

（一）聚焦即時智能化的情感時序性研究

基于時間序列的情感分析能夠描述學(xué)習(xí)者情感的時序性變化，有利于探究學(xué)習(xí)者情感變化規(guī)律，幫助教師根據(jù)變化情況對學(xué)習(xí)者進行適當(dāng)?shù)母深A(yù)[35]。目前，關(guān)于情感時序性的研究主要是在學(xué)習(xí)結(jié)束后對學(xué)習(xí)情感的序列模式進行人工編碼和分析，情感數(shù)據(jù)主要來源于數(shù)據(jù)庫提取，從情感產(chǎn)生到時序性分析，往往存在較大延時性，這可能會導(dǎo)致教學(xué)策略調(diào)整的延遲。如果增強情感時序性的即時性和自動化，系統(tǒng)便能實時分析出學(xué)習(xí)者的情感狀態(tài)變化趨勢并將其可視化，從而根據(jù)情感狀態(tài)變化情況為學(xué)習(xí)者提供調(diào)節(jié)性學(xué)習(xí)資源和智能化情感支持。教師也能夠根據(jù)群體情感時序性變化情況及時調(diào)整教學(xué)策略，以降低學(xué)習(xí)者的不良情感，保持其學(xué)習(xí)積極性。因此，未來的研究可以進一步聚焦群體和個體情感時序性研究，實時智能化為學(xué)習(xí)者提供情感支持，深入探究學(xué)習(xí)者情感的變化規(guī)律。

（二）深度探究多元因素的協(xié)同作用機制

認知、元認知、行為和情感都能影響學(xué)習(xí)過程和學(xué)習(xí)結(jié)果。未來的研究者不僅需要對“認知、行為、情感”之間的潛在作用關(guān)系進行深度的挖掘分析，還要考慮情感與元認知的相互作用機制。不同的學(xué)科對于情感研究的重點也存在很大差異。心理學(xué)比較專注于學(xué)習(xí)者的認知和行為變化，計算機科學(xué)比較關(guān)注技術(shù)支持的情感計算模型設(shè)計與開發(fā)，教育學(xué)則比較關(guān)注學(xué)習(xí)者的情感投入和情感體驗。因此，在未來的情感研究領(lǐng)域，研究者可以充分結(jié)合心理學(xué)、計算機科學(xué)和教育學(xué)等學(xué)科，融合多元因素和多種情感分析方法，采集多源數(shù)據(jù)，在理論層面更好地探究多元因素的協(xié)同作用機制，在應(yīng)用層面更好地激發(fā)學(xué)習(xí)者的積極情感，全面促進深度學(xué)習(xí)。

（三）提高情感分析算法的準確性和可解釋性

優(yōu)化情感數(shù)據(jù)采集方式和提高算法準確性可被用于增強情感分析效果。有研究發(fā)現(xiàn)，學(xué)習(xí)者在進行實驗時受到可穿戴設(shè)備的影響[36]，自身的學(xué)習(xí)狀態(tài)很有可能會受到干預(yù)，從而影響情感識別的準確性。因此，使用對學(xué)習(xí)者侵入性較小的設(shè)備，提高快速、準確的數(shù)據(jù)采集和識別方式十分重要。

深度學(xué)習(xí)算法能夠通過構(gòu)建良好的分類模型和訓(xùn)練海量的數(shù)據(jù)，來學(xué)習(xí)更有用的特征，從而提高情感分析結(jié)果的準確率。但是深度學(xué)習(xí)算法復(fù)雜多樣，各種模型以及其不同的組合適用的范圍，優(yōu)缺點都不同，尋求最優(yōu)的深度學(xué)習(xí)算法對于突破情感分析壁壘至關(guān)重要。另外，對于多模式數(shù)據(jù)的收集應(yīng)該遵循一定的原則，實現(xiàn)跨人機的情感規(guī)則形塑，在不影響學(xué)生心理狀態(tài)和確保算法、技術(shù)以及數(shù)據(jù)安全的情況下完成信息采集，以減少信息濫用的風(fēng)險。對于多模態(tài)數(shù)據(jù)的情感建模和處理也需要提高模型的透明性和算法的可解釋性，避免算法本身存在的黑箱、偏見等問題。

（四）擴大情感的研究場景和研究群體范圍

不同的研究群體在不同的研究場景下會產(chǎn)生不一樣的情感。例如，在學(xué)習(xí)過程中產(chǎn)生的情感為學(xué)業(yè)情感，在社區(qū)交互過程中產(chǎn)生的情感為社會情感，在數(shù)學(xué)教育教學(xué)中產(chǎn)生的情感為數(shù)學(xué)情感。只有把握情感概念的情境性特征，才能夠?qū)ζ涓珳实剡M行測量和分析，從而更好地把握情感以及情感分析的本質(zhì)。根據(jù)不同的研究對象，情感又可分為教師情感、師范生情感、兒童情感等。目前，國內(nèi)外關(guān)于情感的研究對象主要關(guān)注大學(xué)生，研究群體范圍有待進一步擴展。例如，中小學(xué)生群體、成人學(xué)習(xí)者群體、自閉癥兒童、閱讀障礙學(xué)習(xí)者、留守兒童等群體在進行線上學(xué)習(xí)時遇到的困難、情感體驗與情感關(guān)懷等。教師或管理者可以采取特殊方法，對其情感狀態(tài)進行分析和干預(yù)，消減學(xué)習(xí)及社會互動過程中體驗到的消極情感，同時提升、喚醒積極情感，促使學(xué)習(xí)者增加對學(xué)習(xí)的情感投入，從而改善其學(xué)習(xí)效果。

（五）加強情感設(shè)計和情感系統(tǒng)的應(yīng)用與效果評價

無論是情感分析模型還是情感導(dǎo)學(xué)系統(tǒng)，都能夠為學(xué)生提供深度的人機交互和情感反饋，從而提供有效的學(xué)習(xí)支持服務(wù)。很多研究者為情感研究模型提供了理論框架，但是情感模型在教學(xué)中的實踐與應(yīng)用效果需要更多的實證研究來支持。未來研究者可以根據(jù)自身教學(xué)需求創(chuàng)新情感模型的實踐與應(yīng)用，不斷優(yōu)化教學(xué)設(shè)計與交互策略，將模型應(yīng)用到具體教學(xué)實踐中，從而提升在線教學(xué)質(zhì)量。例如，在課程設(shè)置和教材開發(fā)過程中進行情感設(shè)計，開發(fā)能喚醒學(xué)習(xí)者積極情感的課程及教學(xué)材料，在課程進行中應(yīng)用情感導(dǎo)學(xué)系統(tǒng)等與學(xué)習(xí)者進行情感交流，促進學(xué)習(xí)者情感投入。隨著移動學(xué)習(xí)在當(dāng)前教育系統(tǒng)中的快速發(fā)展，開發(fā)能夠嵌入到手機、Pad等移動設(shè)備中的情感模型，隨時隨地為學(xué)習(xí)者進行情感支持和情感交互更為重要。無論是移動設(shè)備中的學(xué)習(xí)程序還是大型在線學(xué)習(xí)平臺，具備情感識別能力指日可待。同時，鑒于教育在社會、知識和技術(shù)發(fā)展中的重要作用，教育政策制定者和實踐者應(yīng)制定適當(dāng)?shù)挠媱?，分配必要的資源，以支持未來在情感識別和表達方面的研究和發(fā)展。

六、結(jié) ? 語

情感是影響學(xué)生在線學(xué)習(xí)投入的重要因素，在線教育中，對情感研究的探析有助于更好地促進學(xué)習(xí)者情感投入，提升在線學(xué)習(xí)質(zhì)量。通過對235篇文獻進行內(nèi)容分析和基本數(shù)據(jù)統(tǒng)計分析，本研究從四個方面對當(dāng)前在線教育中情感研究的研究熱點進行了深度剖析，在此基礎(chǔ)上，提出了在未來情感研究方面的建議，以期能為情感研究的發(fā)展做參考。

[參考文獻]

[1] MA N， LI Y M， GUO J H， et al. A learning model for improving in-service teachers' course completion in MOOCs[J]. Interactive learning environments， 2022： 1-16.

[2] 張青，袁媛.在線教育中師生疏離感的形成原因、演繹路徑與干預(yù)策略[J].電化教育研究，2022，43（9）：37-44.

[3] TONGU G， OZKARA B O. Automatic recognition of student emotions from facial expressions during a lecture[J]. Computers & education， 2020， 148（2）： 1-12.

[4] LEE J Y， CHEI M J. Latent profile analysis of Korean undergraduates' academic emotions in e-learning environment[J]. Educational technology research and development， 2019， 68（1）：1521-1546.

[5] 藥文靜，姜強，李月，趙蔚. 眾包知識建構(gòu)下學(xué)業(yè)情緒影響因素及喚醒機制的科學(xué)學(xué)研究——面向深度學(xué)習(xí)的課堂教學(xué)結(jié)構(gòu)化變革研究之五[J].現(xiàn)代遠距離教育，2020（5）：33-42.

[6] 李慧. 面向?qū)W習(xí)體驗文本的學(xué)習(xí)者情感分析模型研究[J].遠程教育雜志，2021，39（1）：94-103.

[7] 楊剛，陳雨婷，方建文，王佑鎂. 體驗式學(xué)習(xí)中的情感參與：SVVR支持寫作學(xué)習(xí)的實證研究[J].現(xiàn)代遠程教育研究，2021，33（2）：33-42.

[8] BAKHTIAR A， WEBSTER E A， HADWIN A F. Regulation and socio-emotional interactions in a positive and a negative group climate[J]. Metacognition and learning， 2017，13（1）：57-90.

[9] 孫田琳子，沈書生，張舒予. 微課情感化設(shè)計的“三五維度”策略探究[J].現(xiàn)代教育技術(shù)，2017，27（6）：80-86.

[10] 郁曉華，戰(zhàn)曉瑜.教師評語知多少？——探析文本后面的情感價值[J].電化教育研究，2022，43（7）：97-105.

[11] 張琪，王紅梅. 學(xué)習(xí)投入的多模態(tài)數(shù)據(jù)表征：支撐理論、研究框架與關(guān)鍵技術(shù)[J].電化教育研究，2019，40（12）：21-28.

[12] 王小根，陳瑤瑤. 多模態(tài)數(shù)據(jù)下混合協(xié)作學(xué)習(xí)者情感投入分析[J].電化教育研究，2022，43（2）：42-48，79.

[13] 韓穎，董玉琦，畢景剛. 學(xué)習(xí)分析中情緒的生理數(shù)據(jù)表征——皮膚電反應(yīng)的應(yīng)用前瞻[J].現(xiàn)代教育技術(shù)，2018，28（10）：12-19.

[14] 周進，葉俊民，李超. 多模態(tài)學(xué)習(xí)情感計算：動因、框架與建議[J].電化教育研究，2021，42（7）：26-32，46.

[15] HEW K F， XIANG H， CHEN Q， et al. What predicts student satisfaction with MOOCs： a gradient boosting trees supervised machine learning and sentiment analysis approach[J]. Computers & education，2020，145：1-16.

[16] 馬寧，張燕玲，杜蕾，王琦.面向在線異步交互文本的情感—認知自動化分析模型研究——以大規(guī)模教師在線培訓(xùn)為例[J].現(xiàn)代教育技術(shù)，2022，32（5）：83-92.

[17] 徐振國，張冠文，孟祥增，黨同桐，孔璽. 基于深度學(xué)習(xí)的學(xué)習(xí)者情感識別與應(yīng)用[J].電化教育研究，2019，40（2）：87-94.

[18] VISSCHEDIJK G C， LAZONDER A W， HULST A， et al. Modelling human emotions for tactical decision-making games[J]. British journal of educational technology， 2013，44（2）：197-207.

[19] PEKRUN R. The control-value theory of achievement emotions： assumptions， corollaries， and implications for educational research and practice[J]. Educational psychology review， 2006，18（4）：315-341.

[20] ZHANG F， MARKOPOULOS P， BEKKER T. Children's emotions in design-based learning： a systematic review[J]. Journal of science education and technology， 2020，29（4）：459-481.

[21] YOU J W， KANG M. The role of academic emotions in the relationship between perceived academic control and self-regulated learning in online learning[J]. Computers & education， 2014， 77：125-133.

[22] HECKEL C， RINGEISEN T. Pride and anxiety in online learning environments： achievement emotions as mediators between learners' characteristics and learning outcomes[J]. Journal of computer assisted learning， 2019， 35（5）：667-677.

[23] 馬寧，路瑤，郭佳惠，劉春平.評價支架對教師在線同伴互評質(zhì)量的影響研究[J].電化教育研究，2022，43（2）：34-41.

[24] 譚金波，王廣新. 學(xué)習(xí)情緒與查詢?nèi)蝿?wù)類型的交互作用對網(wǎng)絡(luò)信息搜索體驗的影響[J].中國遠程教育，2017（9）：19-25，79.

[25] 張文蘭，劉君玲，劉斌. 情緒交互對在線協(xié)作學(xué)習(xí)者知識建構(gòu)的影響[J].電化教育研究，2021，42（1）：72-79.

[26] ARGUEDAS M， DARADOUMIS T. Analysing the role of a pedagogical agent in psychological and cognitive preparatory activities[J]. Journal of computer assisted learning， 2021， 37（4）：1167-1180.

[27] 單美賢，張瑞陽，史喆.“智能+”教育場域中的認知計算與教育應(yīng)用研究[J].遠程教育雜志，2021，39（2）：21-33.

[28] 楊紅云，陳旭輝，顧小清.多媒體學(xué)習(xí)中視覺情緒設(shè)計對學(xué)習(xí)效果的影響——基于31項實驗與準實驗研究的元分析[J].電化教育研究，2020，41（1）：76-83.

[29] MAYER R E， ESTRELLA G. Benefits of emotional design in multimedia instruction[J]. Learning and instruction，2014（33）：12-18.

[30] LISA S， ROLAND B， BABETTE P. Emotional text design in multimedia learning： a mixed-methods study using eye tracking[J]. Computers & education， 2018，120（1）：185-196.

[31] 陳明選，董楠. 數(shù)字學(xué)習(xí)資源情感化設(shè)計與效果分析[J].現(xiàn)代教育技術(shù)，2019，29（4）：54-60.

[32] 王雪，韓美琪，高澤紅，王志軍. 教學(xué)視頻中視聽覺情緒設(shè)計的作用機制與優(yōu)化策略研究[J].遠程教育雜志，2020，38（6）：50-61.

[33] UM E R， PLASS J L， HAYWARD， ELIZABETH O， et al. Emotional design in multimedia learning[J]. Journal of educational psychology，2012，104（2）：485-498.

[34] PARK， KNORZER L， PLASS J L， et al. Emotional design and positive emotions in multimedia learning： an eye tracking study on the use of anthropomorphisms[J]. Computers & education， 2015， 86：30-42.

[35] 王云，李志霞，白清玉，姚?，? 在線討論中動態(tài)學(xué)習(xí)情緒和認知行為序列的關(guān)系研究[J].電化教育研究，2020，41（6）：60-67.

[36] MANGAROSKA K， MARTINEZCMLDONADO R， VESIN B， et al. Challenges and opportunities of multimodal data in human learning： the computer science students' perspective[J]. Journal of computer assisted learning， 2021， 37（4）：1030-1047.

Analysis of Current Situation and Development Trend of

Emotion Research in Online Education

MA Ning， ?LIU Chunping， ?GUO Jiahui， ?LU Yao

（Faculty of Education， Beijing Normal University， Beijing 100875）

[Abstract] Emotion is an important research issue in online education， which involves a wide range of fields. This paper attempts to systematically summarize the research on emotion in online education， so as to better promote the development of online education. Through bibliometric method and content analysis method， 235 papers published in core journals at home and abroad in the past ten years on emotion research in the field of online education are taken as research objects， and their research themes， research scenarios， research objects and research methods are statistically analyzed. And the relevant research hot issues are deeply analyzed from the emotional analysis， emotional engagement， emotional interaction， emotional design and other aspects. On this basis， suggestions are put forward for the research in related fields from five aspects： focusing on emotional timing research of instant intelligence， exploring the synergistic mechanism of multiple factors deeply， improving the accuracy and interpretability of sentiment analysis algorithm， expanding the emotional research scene and the scope of study groups， and strengthening the emotional design and the application and effect evaluation of emotion system， in order to better promote learners' online emotional engagement and enhance the quality of online learning.

[Keywords] Academic Emotion; Multimodal Learning Emotion Analysis; Emotional Interaction; Emotional Design; Affective Tutoring System