学习分析中的生物数据表征——眼动与多模态技术应用前瞻

"量化学习"趋势下,在"真实情境"考量学习者的情感状态、学习行为及心理特征已成为学习分析的关注重点。学习分析中的生物数据具有真实情境来源、可视化、精确定量及多维度等特性,极具应用价值。文章对生物数据——包括眼动(EM)数据以及结合脑电图(EEG)、事件相关电位(ERP)、皮肤电反应(GSR)、肌电信号(EMG)、心电图(ECG)的多模态数据——的表征进行了总结与梳理,并结合学习分析中的应用场景展开论述。研究认为,基于生物数据的学习分析可呈现学习者更加立体化、精准化的信息,有利于准确把握人机交互过程中个体情绪状态及认知状态的变化,在情绪建模、学习活动跟踪、学习者行为特征抽取、自适应学习领域具有极大的潜能。生物数据表征将成为学习分析研究的新趋向。