皮膚電信號(hào)下學(xué)習(xí)焦慮的識(shí)別與調(diào)節(jié)技術(shù)研究.pdf

1、在心理學(xué)和教育學(xué)領(lǐng)域的研究中，學(xué)習(xí)焦慮一直受到廣大學(xué)者和研究人員的重視，但是也存在很多的問題。目前，還不能夠準(zhǔn)確定量的反映出個(gè)體是否存在學(xué)習(xí)焦慮情緒，大多是通過量表和生理檢測(cè)手段對(duì)學(xué)習(xí)焦慮狀態(tài)進(jìn)行定性的刻畫，缺乏能夠定量分析的可靠方法和技術(shù)手段。同時(shí)，對(duì)學(xué)習(xí)焦慮缺乏有效的實(shí)時(shí)監(jiān)測(cè)與調(diào)節(jié)策略改善，這使得調(diào)節(jié)者不能準(zhǔn)確掌握個(gè)體的適應(yīng)度、接受度，這些都極大的降低了情感調(diào)節(jié)的可操作性。由于生理信號(hào)的客觀真實(shí)性，基于生理信號(hào)的學(xué)習(xí)焦慮識(shí)別成為了情

2、感計(jì)算領(lǐng)域的重要研究方向。本文主要是利用設(shè)計(jì)的一套實(shí)驗(yàn)方案來采集被試的皮膚電信號(hào)，并針對(duì)皮膚電的學(xué)習(xí)焦慮識(shí)別提出了一種改進(jìn)的離散二進(jìn)制粒子群算法做特征選擇，并使用BP神經(jīng)網(wǎng)絡(luò)做學(xué)習(xí)焦慮的識(shí)別；在情感調(diào)節(jié)方面，參考Gross的情感調(diào)節(jié)模型，提出了人機(jī)交互環(huán)境下學(xué)習(xí)焦慮的調(diào)節(jié)模型，最后根據(jù)研究的理論成果設(shè)計(jì)和開發(fā)了基于Android的學(xué)習(xí)焦慮識(shí)別與調(diào)節(jié)助手。具體工作如下：
　?。?）實(shí)驗(yàn)數(shù)據(jù)采集和特征提取。根據(jù)采集設(shè)備Shimme r

3、3 GSR的特點(diǎn)以及情感誘發(fā)方案設(shè)計(jì)了一個(gè)采集學(xué)習(xí)焦慮的GSR信號(hào)的實(shí)驗(yàn)，實(shí)驗(yàn)設(shè)置兩組實(shí)驗(yàn)場(chǎng)景，一組實(shí)驗(yàn)場(chǎng)景為模擬的外語課堂環(huán)境，該組主要是采集被試的學(xué)習(xí)焦慮的10min數(shù)據(jù)；另一組為觀看輕松、緩和的視頻的環(huán)境，該組主要是采集被試正常狀態(tài)下的10min數(shù)據(jù)。接下來進(jìn)行數(shù)據(jù)預(yù)處理，即根據(jù)被試在實(shí)驗(yàn)過程中反應(yīng)，截取了20S被試在學(xué)習(xí)焦慮狀態(tài)下和非學(xué)習(xí)焦慮狀態(tài)下的信號(hào)，實(shí)驗(yàn)過程中，總共有43個(gè)被試參加，經(jīng)篩選，最終有35個(gè)被試的實(shí)驗(yàn)數(shù)據(jù)合格，

4、即35個(gè)學(xué)習(xí)焦慮的實(shí)驗(yàn)樣本數(shù)據(jù)以及35個(gè)非學(xué)習(xí)焦慮的樣本數(shù)據(jù)。因此本文實(shí)驗(yàn)中產(chǎn)生了70個(gè)原始樣本數(shù)據(jù)。然后對(duì)原始樣本進(jìn)行小波去噪以作為新的樣本，并提取每個(gè)樣本的30個(gè)時(shí)頻域統(tǒng)計(jì)特征。
　?。?）特征組合優(yōu)化與學(xué)習(xí)焦慮的識(shí)別。主要是建立特征優(yōu)化模型和分類器模型。在特征組合優(yōu)化過程中，本文采用了離散二進(jìn)制粒子群優(yōu)化算法(PSO)，并從增強(qiáng)粒子多樣性、提高收斂速度以及跳出局部最優(yōu)等方面改進(jìn)了離散二進(jìn)制粒子群算法；在學(xué)習(xí)焦慮的識(shí)別過程中，

5、采用了BP神經(jīng)網(wǎng)絡(luò)作為識(shí)別模型，并在基礎(chǔ)上確定了特征優(yōu)化的適應(yīng)度目標(biāo)函數(shù)。最終給出了特征組合優(yōu)化結(jié)果和學(xué)習(xí)焦慮的識(shí)別結(jié)果。實(shí)驗(yàn)結(jié)果表明改進(jìn)的粒子群算法選擇的最優(yōu)特征子集在BP神經(jīng)網(wǎng)絡(luò)中收斂效果要好、識(shí)別率較高。
　?。?）建立學(xué)習(xí)焦慮的調(diào)節(jié)模型。建立了基于Gros s情感調(diào)節(jié)模型的人機(jī)交互下的學(xué)習(xí)焦慮調(diào)節(jié)模型，這種調(diào)節(jié)模型能從環(huán)境控制、注意力改變、用戶認(rèn)知重評(píng)、用戶能力與表達(dá)抑制等方面綜合考慮并對(duì)學(xué)習(xí)焦慮情緒進(jìn)行調(diào)節(jié)。