摘 要：為了促進學生在學習過程中保持積極的學習情緒和長久的學習動機，在智能教學系統(tǒng)的設計中要高度重視人機之間的情感交互，即人機共情。本研究定義智能教學系統(tǒng)中的人機共情為：能夠識別學習者情感并給予反饋，使得學習者感知到自己的情感被智能教學系統(tǒng)所理解，并保持較強的學習動機。該定義與人類共情的定義類似，既突出了情緒共情，也突出了認知共情。根據(jù)相關文獻綜述，當前關于智能教學系統(tǒng)情感方面的研究大多集中于情感識別方面，對共情策略的研究也僅僅停留在淺層。因此，本研究設計了一套考慮學生不同情感狀態(tài)的人機共情策略框架，并對未來智能教學系統(tǒng)中的人機共情研究方向提出了建議。

關鍵詞：智能教學系統(tǒng)；人機共情；共情策略；學習動機

中圖分類號：G643 文獻標志碼：A 文章編號：2096-0069（2024）03-0015-06

引言

技術在教學環(huán)境中發(fā)揮著越來越重要的作用。作為教育與人工智能等技術結合最緊密的領域，智能教學系統(tǒng)能通過人工智能等技術模擬優(yōu)秀教師或者助教，通過人機交互對學生進行診斷，并判別其學習特點——優(yōu)勢和劣勢、學習風格等，然后在教學理論指導下進行個性化輔導，幫助學生進行某門課程、某個學科領域或者某個知識點的學習[1]。

本文首先論述智能教學系統(tǒng)中情感交互的重要性，其次定義智能教學系統(tǒng)中“人機共情”的概念，接著介紹有關情感交互的技術基礎，然后梳理智能教學系統(tǒng)中人機共情的研究現(xiàn)狀，最后對當前研究現(xiàn)狀進行反思，并提出考慮學生不同情感的人機共情策略。

一、智能教學系統(tǒng)中情感交互的重要性

在教學過程中，教師提高自身共情能力有助于激發(fā)學生的積極學習情緒，進而對學生的學業(yè)表現(xiàn)產生有益影響。認知原則本身并不能為教師應該做什么、如何做或何時做提供充分的依據(jù)；在與教師進行交互時，學生的興趣和情感對教師的實際課堂計劃和優(yōu)先事項安排是非常重要的。有關教學策略的書籍經常涉及學生的情感問題，并十分重視教學中的激勵目標和策略。在師生反饋的過程中，教師要積極引導學生，以提高學生的內部動機、外部動機和自我效能感[2]。相關研究表明，學生在學習時的情感體驗與學業(yè)成績間存在相關系數(shù)為0.74的正相關關系[3]。

與教學機器互動時，學生會不自覺將其擬人化。媒介等同理論認為，人們會無意識地將機器人格化，視機器為具有社會屬性的真實的“人”，并根據(jù)機器產生的一系列社會化線索與其互動，進而產生社會化的反應。這種虛擬的、人格化的社交關系即“擬情關系”，使教學機器與學生之間存在一定的“類人際關系”。因此，具有情感交互功能的智能教學系統(tǒng)可以激發(fā)學生積極的學習情感，進而提高學生的學習表現(xiàn)。

同時，具有高情感能力的智能教學系統(tǒng)提高了學生使用該系統(tǒng)進行學習的意愿。課程的學習效果只是評估教學質量的標準之一，學生日后的知識遷移能力和學習興趣也非常重要。從長期使用的意愿來看，如果學生喜歡教學系統(tǒng)，會傾向于更頻繁地與系統(tǒng)互動，進而保持對學習材料更長久的興趣。

因此，本研究認為，認真考慮如何使智能教學系統(tǒng)在與學生的互動中表現(xiàn)出“同理心”和共情，將具有重要的意義。

二、智能教學系統(tǒng)中人機共情的含義

共情（empathy）是一個相當廣泛的概念，不同的研究者對其定義不同，但多數(shù)心理學研究者認為共情指“個體知覺和理解他人的情緒并做出適當反應的能力”。該定義包含了共情的兩個屬性：情緒共情和認知共情，前者指對他人的情緒感受自發(fā)產生的替代性的情緒體驗，后者指能夠識別他人的情緒并理解他人的觀點[4]。人類共情的心理學理論基礎之一雙加工模型認為，人腦中有兩條信息加工通路：一條是基于鏡像神經元系統(tǒng)的自動化的、自下而上的通路，強調共情加工的無意識性，即情緒共情通路；另一條是以前額葉為神經基礎的自上而下的通路，強調人類意識和認知能力的作用，即認知共情通路[5]。情緒共情強調無意識地“感其所感”，是一種自下而上的過程；認知共情強調有意識地“將心比心”，是一種自上而下的過程。雖然兩者的側重點不同，但一般情況下情感與思維并非互不關聯(lián)，它是思維的變體或不同類型的思維，每種情感都以不同的頭腦機器為基礎，這些機器各自工作于特定的思維領域。情緒共情和認知共情并非相互割裂，而是相輔相成、相互促進的關系。

共情理論對教師的教育教學策略有指導意義。教師無法去“控制”學生的發(fā)展，只能進行引導，這就需要教師具備共情能力。為了保持學習者的動機、勝任感和控制感，教師不僅應該能感知到學生的情緒，更應該知道如何措辭、如何評價學習者和提供反饋。因此，教學過程同時考驗著教師的情緒共情與認知共情能力。

當人工智能領域的研究者將人的共情機制遷移至計算機系統(tǒng)時，提出了“人工共情”或“人機共情”的概念。這兩種概念的本質都是使機器模仿人類的共情機制，以便人在和機器交互中能夠感到自己的情緒被機器理解，同時也可以感知到機器所傳達的感情。按照雙加工模型理論，計算機為了模仿人類無意識和有意識的兩條加工通路并實現(xiàn)人機共情，首先需要進行共情評價，進而產生對應的共情情緒；其次需要產生一系列的言語行為反應，表現(xiàn)出機器內部已產生的共情狀態(tài)，并向人類使用者傳達、做出共情行為。

表1概括了上述雙加工模型理論、人類教學策略和人機共情在情緒共情和認知共情兩方面的對應關系。

綜合相關文獻和人機共情的定義，本研究定義智能教學系統(tǒng)中的人機共情為：智能教學系統(tǒng)能夠識別學習者情感并給予反饋，使得學習者感知到自己的情感被智能教學系統(tǒng)所理解，并保持較強的學習動機。為了實現(xiàn)情緒共情，智能教學系統(tǒng)需要通過對學習者的多模態(tài)數(shù)據(jù)進行收集和分析來識別學生情緒；為了實現(xiàn)認知共情，系統(tǒng)需要根據(jù)不同場景做出共情反應，以達到引導學習者、激發(fā)學習動機的目標。這兩個目標的實現(xiàn)都離不了情感計算技術。

三、人機共情的技術基礎：情感計算

情感計算是實現(xiàn)人機共情的關鍵技術，在教育技術學的多個研究領域都得到了廣泛關注，包括課堂分析、教學設計、人機協(xié)作、游戲化學習、應用倫理等[6-7]。情感計算系統(tǒng)包括情感測量和表達兩個方面，主要采用的方法有：主觀體驗測量、語調表情測量、面部表情測量、文本分析、生理測量等。人工智能領域常用的方法有面部表情測量、文本情感分析和腦電等生理信號測量。

（一）面部表情測量

面部活動單元編碼系統(tǒng)，是目前廣為使用的情緒分析工具。該系統(tǒng)包括64種主要運動單元、頭部運動單元和眼睛運動單元的編碼，并根據(jù)運動單元的組合得到情緒計算公式，將所有情感歸納為6種主要情感狀態(tài)。

面部表情測量大體流程為：構建人臉表情數(shù)據(jù)庫、提取表情特征、表情分類、提高表情識別的魯棒性、提高表情識別的精細度和強度等。其中的核心技術為表情特征提取方法，包括基于時間的提取方法和基于形變的提取方法，以及基于局部信息的方法和子空間特征提取方法。

（二）文本情感分析

文本情感分析屬于一種自然語言處理技術，通常指的是判斷文本包含怎樣的情感狀態(tài)，進而推斷該文本所表達的態(tài)度等，近年來常應用于網(wǎng)絡論壇、商品評價等領域。

文本情感識別的步驟包括文本預處理、情感信息抽取、情感分類等。其中，情感信息抽取為文本情感識別的核心技術。首先，進行情感詞抽取，同樣需要借鑒情感分類編碼，一般需要基于大規(guī)模語料庫或情感詞典進行判斷統(tǒng)計；其次，進行主題抽取，所抽取的一般為名詞，以建立不同的層次化結構；最后，進行關系抽取，通過獲取語句中的評價詞構建對應關系。情感分類則主要運用主客觀分類法，根據(jù)語言表達習慣，提取主觀性特征，再運用深度算法分類。

（三）腦電等生理信號測量

生理信號主要指心率、血壓、呼吸、皮膚電反應等生理客觀指標。與面部表情和語言表達相比，其有如下好處：生理信號很難被人操控或者隱藏，技術上也越來越容易被測量出來，所以它們是人類內部情感的一種更為可靠的表達方式，也是一種人工智能領域更有前途的測量情感的方法。

四、智能教學系統(tǒng)人機共情的研究現(xiàn)狀

正如前文所述，面部表情測量、文本分析、生理測量方法為情感計算的核心技術。情感計算作為智能教學系統(tǒng)人機共情的技術基礎，得到了人工智能和教育技術領域的廣泛關注和深入研究。有些研究者從理論層面對學習者的情感投入進行了深入分析，更多的研究者將情感計算應用于實證研究。

（一）情感識別研究

情感識別是人機共情的基礎?；谖谋镜那楦凶R別技術被廣泛應用在教育領域的情感識別方面，不同學者基于不同的文本內容展開情感分析，如師生對話的音頻轉錄的文本內容、學生所書寫的學習體驗文本、評教文本、慕課等在線學習中大規(guī)模交互文本等。朱珂等[8]挖掘了教師網(wǎng)絡學習平臺討論帖中教師的情感狀態(tài)，并可視化消極情感的產生過程、情感轉折時刻等，進而分析教師網(wǎng)絡培訓時產生倦怠情緒的原因。

基于面部表情識別的技術也被廣泛應用。比如，有研究者通過在線攝像頭的數(shù)據(jù)采集識別在線學生的情感并應用于智能考試監(jiān)考系統(tǒng)[7]；有研究者為了以非侵入性的方式收集數(shù)據(jù)，使用了結合彩色攝像機和麥克風的收集系統(tǒng)，自動檢測小學語文課堂上學生中立、參與和無聊的情感狀態(tài)，并識別學生的情感變化[9]。

隨著情感狀態(tài)與生理指標的關系越來越清晰，以及傳感器的普遍使用，腦電等生理信息也被更多的學者予以采納。比如，有的學者采集學習者在上課期間的腦電信號進行情感識別，通過檢測生理學信號研究學習過程中的情感如何演變，以及情感反饋如何用于增強學習體驗[10]。有研究者通過諸如呼吸、脈搏和皮膚導電性等生理信號測量來實時顯示情感狀態(tài)，幫助估計學習同伴的喚醒、緊張壓力或者討厭性等水平[11]。

此外，還有研究者綜合利用上述技術，采用多模態(tài)的情感識別系統(tǒng)，例如“智能學伴”系統(tǒng)，綜合利用眼動追蹤、姿態(tài)分析和腦電波信號分析等技術，了解學生在計算機輔助教學環(huán)境下的思維和情感狀態(tài)[12]。有研究者研發(fā)了通過文本、其他生理信號（如脈搏波連續(xù)血壓、皮膚電反應、心率變異度）及所在環(huán)境的空氣污染指數(shù)，評估學習者的情感狀態(tài)并支持物理空間內學習者的自適應和自主化學習的“移動學習同伴”系統(tǒng)[13]。

（二）人機共情研究

上述研究運用不同的技術對學生的情感進行了識別，可以說是人機共情的基礎，但沒有在識別到情緒的基礎上做出機器的共情反應研究，僅僅停留在“理解”學生情感并描繪學生情感特點的層次。綜觀國內外研究，相對情感識別的研究而言，對于共情反應及圍繞情緒展開人機互動設計的研究較少。

在國外的相關研究中，有的研究者通過運用多模態(tài)情感計算技術，自動識別學生在學習過程中所處的三種情感狀態(tài)：投入、挫折與無聊?；诖耍虿煌瑢W習者推薦不同的學習內容，并根據(jù)學生情緒自動調整學習材料的挑戰(zhàn)級別：當學生無聊時，就會增加學習材料的挑戰(zhàn)性以引起興趣；當學生焦慮時，則降低挑戰(zhàn)級別以減輕難度，以此來保持學習者處于心流狀態(tài)并維持專注[14]。有的研究者設計的系統(tǒng)可以通過檢測眼睛、頭部的運動來檢查學習者的注意力集中程度和識別情緒，他們根據(jù)學習興趣對不同學習者進行分類，并將其作為反饋，使系統(tǒng)提供更好的內容[15]。

在國內的相關研究中，周旭等[16]在遠程教學中開發(fā)了“情感助教”，基于所識別到的學生在視頻觀看中的表情，通過在右下角彈出圖標閃爍，對產生消極情緒的學生進行共情干預：①若學生覺得視頻簡單、無聊，可以跳轉到該段視頻下一個最近的難度標志時間，同時界面右上角返回箭頭點亮，由學生試聽后決定繼續(xù)或是返回到上一個知識難度。②若學生覺得困難，可以選擇提供該知識點的相關信息，如前序知識點、案例、詳細分析等。

綜上，目前智能教學系統(tǒng)的情感交互大多停留在“情感識別”的初級階段，而情感交互的策略較少，且這些策略主要是基于學習者的主觀選擇，而非客觀衡量。此外，這些策略也沒能對學生各異的特性進行區(qū)分，更沒能將教學策略上升到理論層面，因此是一種淺層的人機情感交互。在人機共情的教學策略設計中，應全面評估學生情感和學習目標，并實現(xiàn)對學生情感的感知、評估、反饋和調整。

五、人機共情研究的反思

目前關于智能教學系統(tǒng)中的情感識別已有大量研究，也有少量淺層的人機共情方面的研究，但鮮有研究在情感識別的基礎上，借鑒或發(fā)展出一套完善的人機共情理論，并根據(jù)該套理論設計共情反應策略，進行實證研究。基于此，本文提出以下關于智能教學系統(tǒng)人機共情的研究方向。

（一）建立一套完整的智能教學系統(tǒng)的人機共情機制和理論框架

由于學生的偏好并不總是最有效的教學策略，而且學生的感覺會在學習過程中發(fā)生變化，因此計算機需要一套輔導規(guī)則來決定在學習過程中何時嘗試改變策略以及嘗試哪些修改。

通過哪些教學策略可以調動學習者的動機和積極性？這是國內外教育界持續(xù)關心的問題。約翰·凱勒（John Keller）[17]提出了ARCS模型，通過四個關鍵策略來刺激并保持學生的學習動機：引發(fā)注意、明確關聯(lián)、增強自信、獲得滿足。鑒于此，教師在制訂教學計劃時，需要根據(jù)學生動機的具體情況和教學內容，采取合適的激勵策略。

（二）探究不同的學習者的學習情緒變化差異及其帶來的學習策略調整

對于不同人格、不同興趣的學生，情感交互支持是否也需要進行區(qū)別設計？比如，對于一個喜歡挑戰(zhàn)、決心獨立解決問題的學生來說，在一兩次錯誤之后就告訴他答案，可能會讓他沮喪；而對于低自尊的學生，如果不及時給予幫助，其很快會產生厭煩情緒甚至放棄學習。有研究者發(fā)現(xiàn)，不同學生對于“習得性無助”的表現(xiàn)不同，某些學生屢次失敗后會喪失自信、非常沮喪，甚至無法解答出之前成功解答的題目；有的學生則會多次嘗試，表現(xiàn)出越戰(zhàn)越勇般的興奮[18]。

此外，學習者對不同內容的興趣以及不同的學習風格都會影響其學習情緒。因此，可以在智能教學系統(tǒng)對學生進行第一次輔導之前，為其提供學生的各種能力測試和動機測量量表的結果及教師對學生的評價參數(shù)等，以便系統(tǒng)知道學生更喜歡某門科目或者某個知識點、更喜歡競爭性學習環(huán)境還是合作性學習環(huán)境等。

從人類認知共情的教學策略出發(fā)，我們提出了如表2所示的人機共情策略教學框架。

（三）通過實證研究，探究不同的智能教學系統(tǒng)的共情互動策略對學生成績的影響

不同的教學情景決定了智能教學系統(tǒng)進行干預的時機。比如，干預是在學生提出要求時才介入，還是在發(fā)現(xiàn)學生有問題時隨時介入，抑或是在學生第一次、第二次或第三次犯錯之后才介入？當學生成功時應該給予怎樣的反饋？當學生失敗時又該給予怎樣的反饋？這些細微的策略設計，需要通過實證得到進一步的驗證?？梢圆扇』谠O計的研究方法，在反復的迭代中不斷改進理論和系統(tǒng)的設計。

參考文獻

[1]賈積有，張譽月 .人工智能與教育：機遇、挑戰(zhàn)與對策[J]. 北京大學教育評論，2023，21（1）：49-61，188-189.

[2]王辭曉，李林澤，王小越 .學生反饋素養(yǎng)的測量模型與教學干預研究[J]. 數(shù)字教育，2023，9（1）：39-45.

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

[4]顏志強，蘇彥捷 .認知共情和情緒共情的發(fā)展差異：元分析初探 [J]. 心理發(fā)展與教育，2021，37（1）：1-9.

[5]顏志強，蘇金龍，蘇彥捷 .從人類共情走向智能體共情[J]. 心理科學，2019，42（2）：299-306.

[6]管彤彤，張立強，彭朝陽 .人工智能視域下教師課堂教學行為分析：以物理課堂為例[J]. 數(shù)字教育，2023，9（5）：54-61.

[7]JIA J， HE Y F. The design， implementation and pilot application of an intelligent online proctoring system for online exams[J]. Interactive Technology and Smart Education，2022，19（1）：112-120.

[8]朱珂，聞昕，張夷楠 .教師網(wǎng)絡研修學習倦怠預警模型構建及應用研究[J]. 數(shù)字教育，2022，8（5）：63-70.

[9]賈積有，楊柏潔 .文本情感計算系統(tǒng)“小菲”的設計及其在教育領域文本分析中的應用[J]. 中國教育信息化，2016（14）：74-78.

[10]SHEN L P，WANG M J，SHEN R M.Affective e-learning：using “emotional” data to improve learning in pervasive learning environment[J]. Educational Technology amp; Society，2009，12 （2）：176–189.

[11]LYONS M J，KLUENDER D，TETSUTANI N. Supporting empathy in online learning with artificial expressions[J]. Educational Technology amp; Society，2005，8（4）：22-30.

[12]RAMAKRISHNAN A，ZYLICH B，OTTMAR E，et al. Toward automated classroom observation： multimodal machine learning to estimate class positive climate and negative climate[J]. IEEE Transactions on Affective Computing，2021，14（1）： 664-679.

[13]劉智，劉三，康令云 .物理空間中的智能學伴系統(tǒng)：感知數(shù)據(jù)驅動的學習分析技術：訪柏林洪堡大學教育技術專家Niels Pinkwart教授 [J]. 中國電化教育，2018（7）：67-72.

[14]STANDEN P J，BROWN D J，TAHERI M，et al. An evaluation of an adaptive learning system based on multimodal affect recognition for learners with intellectual disabilities[J]. British Journal of Educational Technology，2020，51（5）：1748-1765.

[15]KRITHIKA L B，LAKSHMI P G. Student emotion recognition System （SERS） for e-learning improvement based on learner concentration metric[M]. Procedia Computer Science，2016，85：767-776.

[16]周旭，孫瑜，魏亮，等 .現(xiàn)代遠程教育視頻教學中的“情感助教”研究[J].電化教育研究，2012，33（8）：59-62，69.

[17]KELLER J M. Development and use of the ARCS model of motivational design. [J]. Journal of Instructional Development，1987，10（3）：2-10.

[18]MAIER S F，SELIGMAN M E. Learned helplessness： theory and evidence[J]. Journal of Experimental Psychology： General，1976，105（1）：3-46.

（責任編輯 孫興麗）

From Emotional Empathy to Cognitive Empathy

—Reflection on Human-Computer Empathy Research in Intelligent Teaching Systems

Zhang Yuyue， Jia Jiyou

（Graduate School of Education， Peking University， Beijing， China 100871）

Abstract： In order to promote students to maintain positive learning emotions and long-lasting learning motivation during the learning process， the design of intelligent teaching systems should attach great importance to the emotional interaction between humans and machines， i.e. human-computer empathy. This paper defines human-computer empathy in an intelligent teaching system as the ability to recognize the learner’s emotions and give feedback， so that the learner perceives that his or her emotions are understood by the intelligent teaching system and maintains a strong motivation to learn. This definition is similar to the definition of human empathy， highlighting both emotional and cognitive empathy. A review of related literature shows that most of the current research on the emotional aspects of intelligent teaching systems focuses on emotion recognition， and the research on empathy strategies is only at a shallow level. Therefore， this paper designs a set of human-computer empathy strategy frameworks that consider different emotional states of students， and offers suggestions for future research directions for human-computer empathy in intelligent teaching systems.

Key words： PIntelligent teaching system; Human-computer empathy; Empathy strategy; Learning motivation