多模式测量增强了对即时反的情绪反应的洞察力

科学领域:

• 教育技术的教育技术
• 认知心理学 认知心理学
• 情感计算是一种情感计算.

背景情况:

• 适应性学习技术提供即时反,影响学生的情绪和学习成果.
• 目前的情绪检测方法通常依赖于单个数据流,无法捕捉情绪反应的多元化性质.
• 了解反,情绪和学习之间的相互作用对于优化教育技术至关重要.

研究的目的:

• 研究大学生对适应性学习环境中的即时反的生理,体验和行为反应.
• 探索不同数据流 (皮电活动,自我报告,面部表情) 之间的关系,以捕捉对反的情感反应.
• 确定生理兴奋的有效性,作为适应性学习中情绪反应的客观指标.

主要方法:

• 32名大学生使用自适应式学习技术解决了数学问题,并逐步反.
• 使用电皮活性 (EDA) 来测量生理兴奋.
• 经验反应 (价值) 通过自我报告被记录下来,通过面部表情观察到行为情绪类型.

主要成果:

• 电皮活动在反后显示的峰值明显高于偶然预期的峰值,在成功和失败反后的强度相似.
• 自我报告的价值在成功反后主要是积极的,在失败反后是消极的.
• 面部表情分析显示,在失败反后,更多的负面情绪类型,在成功反后,更多的积极类型.

结论:

• 通过EDA测量的生理兴奋是适应性学习中对即时反的情绪反应的有价值的客观指标.
• 整合生理学,体验和行为数据,可以更全面地了解学生的情绪.
• 研究结果支持开发适应性学习技术,这些技术可以动态地纳入并响应学生的情绪状态,以增强学习.