在线学习中学业幸福感的模型、自动测量及干预研究

简介

学习是认知和非认知因素共同作用的过程，学业幸福感是非认知因素中的重要方面，是学生心理健康发展的重要指标，在任何教学形式下都应该予以重视。对于真实在线学习情境来说，学业幸福感的组成、测量和因果关系还没有成熟模型和解释，还远未能为有效干预提供支持。项目在前人关于幸福感由情绪维度和认知维度组成的基础上，以学业情绪和满意度为基础设计学业幸福感的计算模型；针对该模型，设计基于深度学习的学业情绪和满意度的分类、情绪强度检测算法，最终实现自动化的学业幸福感测量；开发一个在线学习系统原型，甄选若干重要变量，实施教学实践，收集数据，以学业幸福感为目标变量开展因果发现和分析研究，理解在线学习中学业幸福感相关的因果机制，进而提供针对性的干预。项目成果对于深入理解在线学习中的学业幸福感具有基础性作用，对于促进在线学习中学生的心理健康发展具有重要的实践意义

• 面向在线学习中学生评论文本学业情绪的强度和学业满意度强度的机器学习算法。这是对当前普遍关注的学习情绪分类的一种进一步的扩展和有益补充。
• 面向在线学习中学生评论文本的学业幸福感定量计算模型。该模型为在线学习情境中学业幸福感提供了一种高效的自动化测量方法，是对传统基于量表等主观报告形式的重要补充，为实时预警提供可能。
• 围绕在线学习中学业幸福感的因果发现方法。该方法为有效的在线学习学业幸福感干预提供信息，为智能教育中满足人文性设计提供支撑。
• 面向方面的学业情绪和学业满意度分析数据集，该数据集将开放用于智能教育领域的学术研究，为解决当前人工智能教育缺乏数据集的问题共享力量。