学习情感计算研究——基于国际研究的系统性文献综述

情感计算为感知与理解学习者情感、增强情感交互、促进人机协同提供了技术支撑。近年来,围绕学习情感计算的研究迅速增加,但缺乏对相关研究理论基础、技术方法和应用场景的系统梳理与总结。鉴于此,本研究采用系统性文献综述法对国际上发表的该主题研究进行内容分析,旨在为我国学者开展相关研究提供更多的实践参考。分析发现,学习情感计算研究以离散型情感理论为主,基本情感理论是研究焦点;情感测量的数据来源丰富,多模态情感识别成为研究趋势;情感测量方法以机器学习技术为主,支持向量机和卷积神经网络是应用最多的两种算法;学习情感计算的应用场景单一,以在线学习场景为主。今后我国学者在开展相关研究时,需要重视情感理论的情景化、数据的多源化、方法的多样化、应用场景的丰富化,拓展学习情感计算研究的深度和广度。