近日，bat365官网唐小煜、龚雅云博士在熊建文教授的指导下，与美国俄亥俄州立大学大学包雷教授合作，在教育信息化领域取得新进展，论文提出了基于面部表情识别技术测评学生学习状态的高效方法。该研究成果以“Facial Expression Recognition for Probing Students’ Emotional Engagement in Science Learning” 为题，于8月14日在线发表在科学教育技术国际期刊《Journal of Science Education and Technology》上。论文链接:  https://url.scnu.edu.cn/record/view/index.html?key=9410138c3ccfe4026746272a42dfeecd.

在科学学习中，学生的学习情感与兴趣是影响科学学习效果的关键因素。大量研究表明，专注、快乐等积极情绪能促进学生学习效率的提高；相反，厌烦、沮丧等消极情绪会减少认知资源，阻碍学习策略的使用，从而导致肤浅的学习。在课堂中关注学生的情感变化十分必要，这有助于教师及时调整教学以促进学生高水平的情感投入，从而提高学习兴趣与学习效果。随着计算机视觉技术的发展，面部表情识别技术用于细粒度地捕捉学生的课堂动态成为可能。

该研究开发了一套多尺度感知的面部表情识别系统（MP-FERS），用于测量学生的情感投入度。系统主要由摄像头模块、情感分析模块和投入度评估模块组成。摄像头采集课堂各个阶段学生的面部表情信息输入到情感推理模块中，得到的各类情感被投射到PAD（pleasure, arousal, and dominance）三维情感模型中得以量化，再通过公式计算出情感投入度数值，获得学生课堂情感投入曲线。最后，通过与学生的自我报告、学业成绩、课堂风格进行拟合，验证该方法的测评效果。

结果表明，MP-FERS测得的情感投入与学生的自我报告呈中度相关，但MP-FERS测量的情感投入对学业成绩的预测效度比学生的自我报告更强。对于不同教学风格，学生情感投入度在教师中心风格中较低，在学生中心风格中较高，而在互动风格下的情感投入度分布最广泛。该研究以一节物理课为例跟踪了学生情感投入随教学活动变化的情况，发现在以学生为中心的教学活动下，高分组和低分组的学生更容易同步达到情感上的满足。

该研究采用面部表情识别技术提出了一种比传统的自我报告更高效的测评方法，实现了课堂中情感投入度的细粒度测评，有助于教师进行精准的教学诊断及教学改进。同时，该研究揭示了不同教学活动对学生情感体验的效果差异，为科学教师设计促进低水平学生参与的课堂活动提供了参考。

基于MP-FERS测量学生情感投入的方法设计

教师中心风格、互动风格和学生中心风格教学下的情感投入差异