第一章 绪论

第一节 研究背景与意义

第二节 国内外研究综述

第三节 相关概念界定

第四节 研究目的与内容

第五节 研究思路与方法

第六节 研究创新与不足

第二章 相关理论与技术

第一节 相关学习理论

第二节 情感与情感计算

第三节 卷积神经网络

本章小结

第三章 学习画面与学习者表情图像数据库的构建

第一节 学习画面的情感概述

第二节 学习画面图像数据库

第三节 学习者的学习情感概述

第四节 学习者表情图像数据库

本章小结

第四章 智慧学习环境中学习画面的情感识别

第一节 图像情感识别方法概述

第二节 卷积神经网络的结构设计

第三节 模型训练与结果分析

第四节 学习画面情感自动评估系统的开发

第五节 学习画面情感的大数据分析

本章小结

第五章 智慧学习环境中学习者的情感识别

第一节 面部表情识别方法概述

第二节 基于Adaboost算法的人脸检测

第三节 卷积神经网络的结构设计

第四节 模型训练与结果分析

第五节 学习者情感自动识别系统的开发

本章小结

第六章 学习画面情感对学习者情感的影响

第一节 实验设计

第二节 同步采集系统的开发

第三节 实验的实施

第四节 数据分析与结果讨论

本章小结

第七章 学习画面情感自适应调整对学习者情感的影响

第一节 实验设计

第二节 学习画面情感自适应调整模型的构建

第三节 学习画面情感自适应调整系统的开发

第四节 实验的实施

第五节 数据分析与结果讨论

本章小结

第八章 总结与展望

第一节 研究总结

第二节 研究展望

参考文献

附录 学习画面情感自适应调整效果调查问卷

后记

普通数字学习环境已无法满足“数字土著”的需求，人工智能、大数据、区块链等技术迅猛发展，将深刻改变人才需求和教育形态，作为数字学习环境高端形态的智慧学习环境便应运而生。智慧学习环境注重培养学习者的创新能力、问题求解能力、决策力和批判性思维能力等高阶思维能力，认知活动在培养过程中起着至关重要的协调与控制作用。情感是由外界刺激引起的心理反应，能够影响和调节注意、知觉、表象、记忆、思维和语言等认知活动。学习过程中的积极情感有助于激发学习动机，培养学习兴趣，促进认知活动；而消极情感则会影响耐心度、注意力，阻碍认知过程。目前既有智慧学习环境研究“重知轻情”，注重学习者认知层面的适应性和个性化，即根据学习者的认知能力和知识状态提供合适的学习内容、学习路径和问题解答等，而较少考虑情感、兴趣、动机、意志等非智力因素在学习活动中的作用，忽视智慧学习环境和谐情感交互的理论研究与实践探索，以致其缺少情感层面的适应性和个性化，学习者在智慧学习过程中缺少情感支持。

智慧学习环境中学习者主要通过智慧学习终端观看学习内容的信息呈现画面即学习画面进行学习，学习画面是学习者学习的主要环境，并且是学习者与学习内容间信息交互的主通道。学习画面的色彩搭配、版式布局、背景纹理等对学习者智慧学习过程中的情感、兴趣、动机和效果都有不可忽视的影响。另外，学习者情感的准确识别是构建智慧学习环境和谐情感交互的基础，更是判断学习者学习状态的重要手段，对促进学习者的智慧学习具有重要意义。学习画面以直观的视觉特征和隐含的艺术特征影响学习者的情感状态和认知活动，智慧学习环境除为学习者提供个性化的学习内容和学习路径外，所呈现的学习画面还应与学习者的情感状态和视觉情感偏好相适应，并能对学习者的情感起调节和激发作用。该著作以学习画面隐含的情感属性为切入点，关注智慧学习环境中的“情感缺失”问题，为智慧学习环境情感层面自适应交互的实现提供了新的思路与方法，具有重要的学术价值和现实意义。

第一，该著作对学习画面情感和学习者情感进行系统论述，创造性地提出学习画面情感的相关理论，丰富和完善了智慧学习环境、学习画面的理论体系，展现了作者深厚的理论功底。学习画面研究已有历史，但多关注认知层面的设计与开发，以期更好地呈现学习内容。学习画面既有“显式”的认知功能，也有“隐式”的情感功能，应注重两者的协调与平衡，充分发挥学习画面对学习者智慧学习的正面作用。训练样本数量充足且具有代表性是进行深度学习的必要条件，而其建设过程费时费力，很多学者望而却步，退而求其次，使用开源的免费数据库。但开源数据库总存在这样或那样的问题，较难取得理想效果。作者克服困难，在有限条件下高标准建设学习画面图像数据库和学习者表情图像数据库，为相关领域的研究提供了数据支撑，也为后续研究奠定了扎实基础。

第二，该著作利用卷积神经网络实现学习画面情感和学习者情感的准确识别。图像情感识别和面部表情识别是计算机视觉领域的重要研究内容，但既有研究多采用传统机器学习方法，其识别过程通常包括图像预处理、特征提取、特征选择、分类器构建等，存在准确率低，算法复杂，鲁棒性差等问题。卷积神经网络是近年来兴起的重要深度学习方法，支持将图像直接作为输入，而不必进行预处理和特征提取过程，避免了繁重的前期基础工作，并且它对图像的平移、缩放、旋转等变换以及光照、遮挡物、背景等敏感问题具有较高鲁棒性。目前已在医学图像处理和自然语言处理等方面获得应用，但在教育领域却鲜有提及。作者尝试性地将卷积神经网络应用于教育领域，用于识别学习画面情感和学习者情感，并取得了较为满意的结果，显示出作者对研究前沿的准确把握，扎实的技术功底和孜孜以求的创新精神。该著作并未将技术与教育割裂，而是将两者深度融合，充分发挥信息技术在教育信息化2.0中的支撑与引领作用，推动新兴技术更好地适应教育改革发展的要求。

第三，该著作通过实证研究揭示了学习画面情感对学习者情感的影响机制。学习画面属于计算机生成或合成图像，但又具有其特殊性，具有明确的知识指向的同时，往往还蕴含着某种或某几种情感。学习者与学习画面间既存在着显而易见的“思想交流”，还存在着容易被忽视，但客观存在的“情感交流”，学习画面情感与学习者情感存在重要联系。学界对学习画面情感功能的研究多采用思辨的方法从宏观视角论述学习画面情感对学习者情感的影响，而较少通过实证研究阐释两者间的具体联系和作用机制。学习画面情感是复杂的，学习者情感更是受多种因素影响，各异的学习画面情感会给学习者带来不同的内心体验。作者在实验学校开展长期跟踪实验，采集学习画面图像及其对应的学习者表情图像，通过数据挖掘领域的重要方法相关分析对数据进行处理，通过大数据降低干扰因素的影响，从而揭示学习画面情感对学习者情感的影响机制，并提出具有科学性、实用性和启发性的建议，展现了作者敏锐的学术洞察力和对研究方法的熟练掌握。此部分的研究将为智慧学习环境、在线学习环境下学习画面情感层面的设计开发和学习画面情感的自适应调整提供理论基础。