论文部分内容阅读
在线学习作为教育现代化的重要支撑和教育创新发展的重要抓手,成为学习者开展学习活动、建立交互联系与陶冶情感情操的重要途径。尽管在线学习具有教学时空自由化、资源利用最大化、交互形式多样化、学习行为自主化等诸多优点,但在疫情肆虐的当下,非常态化在线学习中存在的居家隔离、跨媒体不适等特殊状况,降低了师生、生生交互的有效性,导致学习者容易出现困惑、焦虑或抑郁等情绪问题甚至心理危机,严重影响了在线学习的效率效果。因此,在线学习全过程交互中学习者的情绪分析与干预是社会关注的重点课题,对发展学习者的健康心理、预防不良情绪具有重要的价值与意义。Eldar和Niv在《Nature》中指出,交互是促进知识构建的关键性环节,是导致学习者产生不同情绪体验的重要因素。在线学习环境中,学习者通过与教师、同伴、内容以及学习平台的交互,产生了大量异构多源的过程数据(包括讨论文本数据、点击流数据等)。这些过程性数据蕴含了学习者在线交互关系、深度等信息,也包含了学习过程中学习者的情绪状态,为在线学习环境下的交互与情绪分析研究提供重要依据。因此,本研究基于在线交互文本、行为以及问卷数据,深入研究疫情当下在线学习环境中的情绪分析与干预等教育现实问题,以期为学习者的心理健康发展和教育教学的实践指导提供新的研究思路。本论文的研究工作如下所示:第一,识别基于在线交互数据的学习者情绪状态。首先,构建面向在线学习讨论区的情绪数据采集方案,利用内容分析法按时间顺序对数据进行筛选、处理与分阶段编码,并采用Word2vec技术进行文本表示与特征提取;其次,利用深度学习技术(LSTM、Bi-LSTM、GRU、Bi-GRU、CNN、CNN-LSTM)识别学习者情绪;最后,对比上述六类深度学习技术的情绪分类性能,将最佳的模型应用到剩余的文本数据,获得七种情绪状态(享受、中立、疑惑、焦虑、参与、无聊、沮丧)。实验结果表明,基于Bi-LSTM的深度学习技术获得最佳的情绪分类性能,但效果稍低于人工手动编码结果。第二,分析多类型交互支持下面向学习者情绪的作用效应。首先,从交互主体(学习者、教师、学习内容)的角度确定三种交互类型,包含学习者-学习者交互、学习者-教师交互、学习者-教学内容交互,从情绪效价、唤醒度以及对象焦点等层面确定了三类学习者情绪(享受、无聊、焦虑),构建三种在线交互类型与学习者情绪之间的相互作用模型,并提出假设;其次,针对上述三种交互类型,整合学习持久度指标,分析并验证三类情绪(享受、无聊、焦虑)在在线交互与学习持久度之间的中介作用机制;最后,分析不同的交互类型与学习者情绪之间的作用效应。实验结果表明,不同的交互类型与三类学习者情绪(享受、无聊、焦虑)之间存在着不同程度的相关关系与作用效应。第三,揭示面向在线交互过程的学习者情绪规律。首先根据学习者在线交互行为数据(发帖、投票、浏览及测试等),利用层次聚类方法(Hierarchical Clustering)将学习者划分为不同水平的交互群体(高、平均、低交互组),并比较上述不同交互组的学习成绩差异;其次,基于上述识别的七种学习情绪状态,利用序列模式挖掘技术,分析学习者情绪状态之间的序列模式规律;最后,以不同水平的交互群体为研究对象,比较不同交互组之间的情绪序列模式规律。实验结果表明,在线学习过程中的情绪频繁序列模式包括参与→无聊、参与→疑惑等,且不同交互组之间的情绪序列模式存在差异。第四,设计情绪干预机制与策略并验证应用效果。从在线交互过程中的自我调节和动机出发,剖析学习者情绪干预的关键因素,提出学习者情绪干预原则,从干预目标、干预途径、干预过程等方面构建学习者情绪干预机制,进一步从不同的情绪调节等级、关键因素以及交互阶段设计具体的情绪干预策略;最后,针对上述提出的学习者情绪干预机制与策略,实施预实验和准实验研究验证上述情绪干预机制与策略。实验结果表明,兼顾高级统计分析和实证研究的双重视角证明了本研究提出的学习者情绪干预机制与策略的合理性和有效性。