Портал психологических изданий PsyJournals.ru
Каталог изданий 148Рубрики 53Авторы 10657Новости 2028Ключевые слова 6329 Подать рукописьRSS RSS

РИНЦ

Включен в Science Index

Входит в Ядро РИНЦ, Russian Science Citation Index

ВАК

CrossRef

Современная зарубежная психология

Издатель: Московский государственный психолого-педагогический университет

ISSN (online): 2304-4977

DOI: https://doi.org/10.17759/jmfp

Лицензия: CC BY-NC 4.0

Издается с 2012 года

Периодичность: ежеквартально

Формат: сетевое издание

Язык журнала: русский, английский

Доступ к электронным архивам: открытый

 

Автоматическое распознавание вовлеченности в образовании: критический обзор исследований 360

|

Касаткина Д.А.
доктор психологических наук, эксперт Научно-исследовательской лаборатории развития личности и здоровьесбережения, Московский городской педагогический университет (ГАОУ ВО г. Москвы МГПУ), Москва, Россия
ORCID: https://orcid.org/0000-0002-5248-5367
e-mail: darianemesis@gmail.com

Кравченко А.М,
ведущий специалист Научно-исследовательской лаборатории развития личности и здоровьесбережения, Московский городской педагогический университет (ГАОУ ВО г. Москвы МГПУ), Москва, Россия
ORCID: https://orcid.org/0000-0001-8095-7141
e-mail: kravchenkoam@mgpu.ru

Куприянов Р.Б.
заместитель начальника управления информационных технологий, Московский городской педагогический университет (ГАОУ ВО г. Москвы МГПУ), Москва, Россия
ORCID: https://orcid.org/0000-0001-5153-4334
e-mail: kupriyanovrb@mgpu.ru

Нехорошева Е.В.
доктор педагогических наук, заведующая Научно-исследовательской лабораторией развития личности и здоровьесбережения, Московский городской педагогический университет (ГАОУ ВО г. Москвы МГПУ), Москва, Россия
ORCID: https://orcid.org/0000-0002-1243-4223
e-mail: nehoroshevaev@mgpu.ru

Аннотация

Рассмотрены основные исследования по определению вовлеченности обучающихся в процессе обучения посредством автоматизированных систем. Вовлеченность определяется по наличию академических переживаний: интереса, замешательства, фрустрации, восторга, гнева. Подходы к распознаванию эмоций заключаются в оценке мимики и телодвижений, психофизиологических реакций, данных работы мозга. Распознавание эмоций по видеозаписям осуществляется с помощью кодирования лицевых движений. Но для выявления вовлеченности нет набора готовых критериев, и многие исследователи используют дополнительные методы. В статье помимо обзора современных зарубежных исследований представлены авторские дополнения к теоретической модели распознавания вовлеченности на основе определения академических аффектов и произвольного внимания. Расписаны критерии и особенности регистрации аффектов, критерии произвольного внимания, динамическая структура вовлеченности при решении академической задачи.

Ссылка для цитирования

Литература
  1. Ильин Е.П. Психофизиология состояний человека. СПб: Питер, 2005. 412 с.
  2. Куприянов Р.Б. Применение технологий компьютерного зрения для автоматического сбора данных об эмоциях обучающихся во время групповой работы // Информатика и образование. 2020. Том 314. № 5. С. 56–63. DOI:10.32517/0234-0453-2020-35-5-56-63
  3. A new emotion–based affective model to detect student’s engagement / K. Altuwairqi [et al.] // Journal of King Saud University – Computer and Information Sciences. 2019. In Press. DOI:10.1016/j.jksuci.2018.12.008
  4. A survey of affect recognition methods: Audio, visual, and spontaneous expressions / Z. Zeng [et al.] // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2009. Vol. 31. № 1. P. 39–58. DOI:10.1109/TPAMI.2008.52
  5. Affect and learning: An exploratory look into the role of affect in learning with AutoTutor / S. Craig [et al.] // Journal of Educational Media. 2004. Vol. 29. № 3. P. 241–250. DOI:10.1080/1358165042000283101
  6. Ainley M. Connecting with learning: Motivation, affect and cognition in interest processes // Educational Psychology Review. 2006. Vol. 18. P. 391–405. DOI:10.1007/s10648-006-9033-0
  7. Automatic detection of learning-centered affective states in the wild / N. Bosch [et al.] // Proceedings of the 20th International Conference on Intelligent User Interface. New York: Association for Computing Machinery, 2015. P. 379–388. DOI:10.1145/2678025.2701397
  8. Baker R.S.J., Rodrigo M.M.T., Xolocotzin U.E. The Dynamics of Affective Transitions in Simulation Problem-Solving Environments // International Conference on Affective Computing and Intelligent Interaction. Affective Computing and Intelligent Interaction. Lisbon: ACII, 2007. P. 666–677. DOI:10.1007/978-3-540-74889-2_58
  9. Beck J. Engagement tracing: using response times to model student disengagement // Artificial Intelligence in Education: Supporting Learning Through Intelligent and Socially Informed Technology / Ed. Chee-Kit Looi. Amsterdam: IOS Press, 2005. P. 88–95.
  10. Bosch N. Detecting student engagement: Human versus machine Association for Computing Machinery // UMAP '16: Proceedings of the 2016 Conference on User Modeling Adaptation and Personalization / Eds. J. Vassileva [et al.]. New York: Association for Computing Machinery, 2016. P. 317–320. DOI:10.1145/2930238.2930371
  11. Bosch N., Chen Y., D’Mello S. It’s Written on Your Face: Detecting Affective States from Facial Expressions while Learning Computer Programming // Intelligent Tutoring Systems. Lecture Notes in Computer Science. 2014. Vol. 8474. P. 39–44. DOI:10.1007/978-3-319-07221-0_5
  12. Calvo M.G., Nummenmaa L. Processing of Unattended Emotional Visual Scenes // Journal of Experimental Psychology: General. 2007. Vol. 136. № 3. P. 347–369. DOI:10.1037/0096-3445.136.3.347
  13. Calvo R.A., D’Mello S. Affect detection: An interdisciplinary review of models, methods, and their applications // IEEE Transactions on Affective Computing. 2010. Vol. 1. № 1. P. 18–37. DOI:10.1109/T-AFFC.2010.1
  14. Christenson S.L., Wylie C., Reschly A.L. Handbook of Research on Student Engagement. New York: Springer. 2012. 840 p.DOI:10.1007/978-1-4614-2018-7
  15. Conati C., MacLaren H. Empirically building and evaluating a probabilistic model of user affect // User Modeling and User-Adapted Interaction. 2009. Vol. 19. P. 267–303. DOI:10.1007/s11257-009-9062-8
  16. D’Mello S. A selective meta-analysis on the relative incidence of discrete affective states during learning with technology // Journal of Educational Psychology. 2013. Vol. 105. № 4. P. 1082–1099. DOI:10.1037/a0032674
  17. D’Mello S., Graesser A. Dynamics of affective states during complex learning // Learning and Instruction. 2012. Vol. 22. № 2. P. 145–157. DOI:10.1016/j.learninstruc.2011.10.001
  18. Dixson M.D. Measuring student engagement in the online course: The online student engagement scale (OSE) // Journal of Asynchronous Learning Network. 2015. Vol. 4. № 19. DOI:10.24059/olj.v19i4.561
  19. Ekman P., Freisen W.V., Ancoli S. Facial signs of emotional experience // Journal of Personality and Social Psychology. 1980. Vol. 39. № 6. P. 1125–1134. DOI:10.1037/h0077722
  20. Ekman P., Friesen W. V. Facial Action Coding System: A Technique for the Measurement of Facial Movement. California: Consulting Psychologists Press, 1978. 197 p.
  21. Emotion Sensors Go to School / I. Arroyo [et al.] // Artificial Intelligence in Education. / Eds. V. Dimitrova [et al.]. Amsterdam: IOS Press, 2009. P. 17–24. (Frontiers in Artificial Intelligence and Applications).
  22. Engagement, disengagement and performance when learning with technologies in upper secondary school [Электронный ресурс] / N. Bergdahl [et al.] // Computers & Education. 2020. Vol. 149. Article number 103783. URL: https://www.sciencedirect.com/science/article/abs/pii/S0360131519303331 (дата обращения: 18.08.2020).
  23. Fredricks J.A., Blumenfeld P.C., Paris A.H. School Engagement: Potential of the Concept, State of the Evidence // Review of Educational Research. 2004. Vol. 74. № 1. P. 59–109. DOI:10.3102/00346543074001059
  24. Frenzel A.C., Pekrun R., Goetz T. Perceived learning environment and students’ emotional experiences: A multilevel analysis of mathematics classrooms // Learning and Instruction. 2007. Vol. 17. № 5. P. 478–493. DOI:10.1016/j.learninstruc.2007.09.001
  25. Frijda N.H. Emotion, cognitive structure, and action tendency // Cognition and Emotion. 1987. Vol. 1. № 2. P. 115–143. DOI:10.1080/02699938708408043
  26. Intelligent tool for developing student’s social skills [Электронный ресурс] / R. Kupriyanov [et al.] // Proceedings of Edulearn20 Conference: 6th-7th July 2020. Mallorca, 2020. P. 2408–2413. URL: http://132.66.16.6/~ilia1/744.pdf (дата обращения: 18.08.2020).
  27. Kapoor A., Burleson W., Picard R.W. Automatic prediction of frustration // International Journal of Human Computer Studies. 2007. Vol. 65. № 8. P. 724–736. DOI:10.1016/j.ijhcs.2007.02.003
  28. Marks H.M. Student Engagement in Instructional Activity: Patterns in the Elementary, Middle, and High School Years // American Educational Research Journal. 2000. Vol. 37. № 1. P. 153–184. DOI:10.3102/00028312037001153
  29. Matthews G., Davies D.R. Individual differences in energetic arousal and sustained attention: A dual-task study // Personality and Individual Differences. 2001. Vol. 31. № 4. P. 575–589. DOI:10.1016/S0191-8869(00)00162-8
  30. Measuring cognitive and psychological engagement: Validation of the Student Engagement Instrument / J.J. Appleton [et al.] // Journal of School Psychology. 2006. Vol. 44. № 5. P. 427–445. DOI:10.1016/j.jsp.2006.04.002
  31. Mota S., Picard R. Automated Posture Analysis for detecting Learner’s Interest Level [Электронный ресурс] // Conference on Computer Vision and Pattern Recognition Workshop. Vol. 5. Madison: IEEE, 2003. P. 49–49. URL: https://affect.media.mit.edu/pdfs/03.mota-picard.pdf (дата обращения: 18.08.2020).
  32. Newmann F., Wehlage G., Lamborn S.D. The significance and sources of student engagement // Student Engagement and Achievement in American Secondary School / F. Newman. New York: Teachers College Press, 1992. P. 11–39. URL: https://files.eric.ed.gov/fulltext/ED371047.pdf#page=16 (дата обращения: 18.08.2020).
  33. Pantic M., Rothkrantz L. Toward an affect-sensitive multimodal human-computer interaction // Proceedings of the Institute of Electrical and Electronics Engineers. 2003. Vol. 91. № 9. P. 1370–1390. DOI:10.1109/JPROC.2003.817122
  34. Participatory methodologies to promote student engagement in the development of educational digital games / T. Pontual Falcão [et al.] // Computers and Education. 2018. Vol. 116. P. 161–175. DOI:10.1016/j.compedu.2017.09.006
  35. Profiling task stress with the dundee state questionnaire / G. Matthews [et al.] // Psychology of Stress / Eds. L. Cavalcanti, S. Azevedo. New York: Nova Science Publishers, 2013. P. 49–91.
  36. Roseman I. Cognitive determinants of emotion: A structural theory // Review of Personality & Social Psychology. 1984. Vol. 5. P. 11–36.
  37. Russell J.A. Core Affect and the Psychological Construction of Emotion // Psychological Review. 2003. Vol. 110. № 1. P. 145–172. DOI:10.1037/0033-295X.110.1.145
  38. Salovey P. Introduction: Emotion and Social Processes // Series in affective science. Handbook of affective sciences / Eds. R.J. Davidson, K.R. Scherer, H.H. Goldsmith. Oxford: Oxford University Press, 2003. P. 3–7.
  39. Scherer K.R. Facets of emotion: recent research. London: Psychology Press, 1988. 280 p.
  40. Schutz P., Pekrun R. Emotion in Education. London: Academic Press, 2007. 368 p.
  41. The faces of engagement: Automatic recognition of student engagement from facial expressions / J. Whitehill [et al.] // IEEE Transactions on Affective Computing. 2014. Vol. 5. № 1. P. 86–98. DOI:10.1109/TAFFC.2014.2316163
  42. Xie K., Heddy B.C., Greene B.A. Affordances of using mobile technology to support experience-sampling method in examining college students’ engagement // Computers and Education. 2019. Vol. 128. P. 183–198. DOI:10.1016/j.compedu.2018.09.020
Статьи по теме

Психология образования  |  Куравский Л.С., Поминов Д.А., Юрьев Г.А., Юрьева Н.Е., Сафронова М.А., Куланин Е.Д., Антипова С.Н.

Концепция адаптивного тренажера и оценка его эффективности в математическом обучении

CrossRef doi:10.17759/mda.2021110401

 
Электронная редакция психологических журналов
О проекте PsyJournals.ru

© 2007–2022 Портал психологических изданий PsyJournals.ru  Все права защищены

Свидетельство регистрации СМИ Эл № ФС77-66447 от 14 июля 2016 г.

Издатель: ФГБОУ ВО МГППУ

Creative Commons License Репозиторий открытого доступа     Рейтинг репозиториев Webometrics

Яндекс.Метрика