学习过程中,情感因素对学习者交流、思考以及学习成果的影响巨大,识别、解释学习者的情感变化并在此基础上去激励学习者以及促进学习进程意义重大。我们的工作首先对学习中的情感注意力识别进行了研究,进而由抑郁人群注意力易丧失这一特点,结合当前在校学生抑郁高发态势,对校园学生轻度抑郁进行了相关研究。在不影响学习进程的前提下客观获取并量化学习者的注意力状态,进而对学习进程给予适当干预或建议成为情感学习领域一大挑战。传统的教学方式主要靠施教者的观察来实现,当前的研究中,学习者情感的获取主要借助摄像头,各种传感器等设备对学生的表情、身体姿态等信息进行学习状态的识别,然而这种方式很难精确量化学习者情感。另一方面,抑郁对学习进程影响巨大,然而对具有抑郁症状的学生而言,医患面对面的交流方式一般很难被接受,如何为学生提供私密、准确的抑郁量化检测是另一个亟待解决的难题。作为从人体头部采集的生物信息,脑电信号以及眼动信号已经被证实和人类情感变化紧密相关,其中包含了大量的信息可以用于情感的识别。本研究运用数据挖掘、信号处理等相关理论方法与技术,通过生物特征数据的处理对注意力以及抑郁进行了客观量化分析。主要研究成果如下：(1)基于脑电数据分析的学习过程中注意力识别相关问题研究。我们发现,个体差异对分类结果有着较大的影响,多种分类算法的对比分析证明,注意力识别研究中,我们提出的CFS+kNN这一特征选择与分类算法组合具有最佳的分类效果以及最短的算法运行时间。当注意力水平被分为三类时,其最高识别率为88.44%,分为五类时,可以达到83.11%。CFS算法的应用既提高了分类准确率同时也缩短了运行时间,而在特征选择策略上,Greedy Stepwise Search算法要优于Best First以及其他算法。这为基于脑电的情感学习实时应用系统的设计与实现提供了充足的理论依据。基于此,我们开发了一个基于脑电数据分析的注意力识别原型系统,在训练过程结束后,用户的脑电信号可以被实时采集、分析处理,并将用户的注意力水平实时反馈给用户,以实现对学习过程的监督,进而提高学习效率。(2)在抑郁水平识别实验中,我们针对中轻度抑郁学生人群和正常人群,使用平静图片组以及情感图片组两种实验材料作为实验刺激,同时采集了脑电以及眼动数据信息。基于脑电数据的标准低分辨率层析成像分析(sLORETA)分析结果显示,在情感图片刺激下,中轻度抑郁人群相对于正常人群脑部BA6区的Theta波具有高活跃度并且颞极的BA38区的Alpha波也具有高活跃性,并且对中轻度抑郁患者的分析表明在抑郁症的早期颞极可能会较早发生病变。(3)脑电功率地形图结果显示,抑郁者和正常人在观察图片时,在25Hz-30Hz频率的Beta波,相较于正常人,抑郁者在观察图片时,Beta波活动的区域更广在30Hz-50Hz的频率范围内,分别在观察情绪图片和平静图片时,轻度抑郁患者的Low Gamma波在前额活动更加强烈,也更为集中,这种现象在平静图片模块中体现的更加明显。而正常对照组的Low Gamma波除在额区出现外,在左侧枕区也有小范围分布,而轻度抑郁人群的枕区则完全未见分布。相比较与平静图片模块,轻度抑郁人群在观看情绪图片时,其前额Low Gamma波能量有明显的增强趋势且分布范围较广,正常人群则没有明显变化,这一特点在其他波段均不明显。脑区相干性分析结果显示low gamma波段,两类人群相干性矩阵对比明显,聚类系数脑地形图显示,在情绪图片模块,抑郁倾向人群的额区聚类系数明显高于正常人群。这部分研究结果为抑郁水平的客观量化、评估提供了一种新的方法与途径。