论文部分内容阅读
摘要：SPOC论坛数据作为一种重要的学习反馈载体，往往伴随着学习者的学业情绪信息，且情绪类型复杂多样。相关研究已表明学习者的在线学业情绪对学习过程及成效具有一定影响。为了深入剖析情绪与学习效果的关系，该文将困惑纳入在线学业情绪范畴，以华中师范大学云课堂平台中三个学期的课程论坛发帖为研究对象，基于情绪词典的特征匹配及情绪密度计算方法调查学习者情绪的表达特征及群体情绪的演化趋势，验证不同学业成就学习者的情绪差异性及情绪与学习效果的相关性。研究结果表明：学习者更倾向于使用积极情绪特征词表达学习感受与意见，且积极情绪密度显著高于困惑及消极情绪密度。高、低成就组及中、低成就组间的困惑与消极情绪差异显著。在特定学习进程中，学习者的积极、困惑情绪与学习效果均呈显著正相关，而在整体学习进程中，学习者的消极情绪与学习效果呈显著负相关。对论坛中群体情绪的动态追踪可帮助教师及时获取学习者的心理状态和学习诉求，并实施精准化的教学干预。
关键词：SPOC；情绪密度；学习效果；差异性分析；相关性分析
中图分类号：G434 文献标识码：A
近年来，慕课（Massive Open Online Courses，MOOCs）中高辍学率问题仍在持续发酵，而更具小班教学适宜性和可管理性的小规模限制性在线课程（Small Private Online Course，SPOC）已应运而生，并引起了学习分析领域研究者的广泛关注。在SPOC平台中，学习者可以在论坛上自由表达主观意见和学习感受，且往往伴随个人真实的情绪状态。情绪作为教学活动中一种重要的非智力因素，是影响学习者与教学者之间的教与学互动及教学质量的核心因素之一，也是教学者观察和分析学习者学习状态的重要依据。在教育心理学领域，学习者的情绪通常涉及积极和消极两种类型。然而，在学习交互过程中，学习者所表达的情绪类型往往不止两种，例如，当学习者面对异常、矛盾甚至无法解决的问题时易产生困惑情绪，而困惑并未达到消极情绪的程度，只有当学习者持续困惑或长时间处于困惑的情景中才会激发其消极态度。因此，为了更全面地分析学习者的情绪特征，本文将困惑纳入学习者情绪范畴，即学习者的情绪包含积极、困惑和消极三种类型。此外，个体的情绪与学习动机、学习策略、认知资源、自我调节、学业成就以及人格养成等因素间也均存在显著相关关系。以往在受控实验场景下的在线学业情绪研究已证实积极与消极情绪对学习效果分别具有促进和阻碍作用，而困惑情绪也是影响学习效果的潜在因素之一。由于MOOCs提供了丰富的互动学习信息，很多学者为了探求学习者不同学习成效背后的潜在动机因素，开始致力于挖掘互动讨论中学习者的情绪表达特征及其演化规律，以分析互动话语中的情绪与学习效果的关系。而SPOC论坛作为一种限制性的学习社区，其中的学习讨论数据仍较少被关注和挖掘，特别是关于该场景下的学业情绪研究目前还甚少。作为混合式教学中一种重要的辅助工具，SPOC论坛已越来越多地被高校教师用于课后探究式讨论、问题答疑及意见反馈，该教学场景蕴藏着丰富的群体学习反馈和个体学习状态信息，同时基于该数据的学习分析具有对学生学习过程无侵入性的特点。因此，面向SPOC论坛的情绪分析不仅有助于教师实时掌握学习者真实的学习心理，还能帮助其深度剖析学习者情绪与学习效果的关系，进而实现不良情绪个体的精准定位与及时干预，最终助力于学习过程与教学效果的优化。
目前国外关于学习者在线情绪及其与学习效果关系的研究主要采取自然语言处理及机器学习等方法。其中，麻省理工学院媒体实验室的情感计算研究组主任Picard教授在2000-2004年间开展了一项“情感学习伙伴”项目，构建了一个具有情感计算能力的学习虚拟同伴，以感知学习者在学习系统的情感信息，并陪伴其以帮助他们更有效地学习。孟菲斯大学Graesser等人在2008年报告了其开发的智能导师系统AutoTutor对于捕获学习者情感方面的研究成果，发现学习者在人机对话中的情感和学习表现具有显著关联性。卡内基梅隆大学语言技术研究所开展的关于MOOCs中学习者情绪与学习效果及其辍学率之间的关系等一系列研究中，通过使用情绪特征词匹配的计算方法量化学习者文本数据中所蕴藏的情绪倾向，深入分析学习者情绪与辍学率的关系，进而实现预测学习者是否辍学的目的。Ortigosa等人基于词法和机器学习技术开发了SentBuk软件，该软件通过计算文本的情绪密度值进行分类，并自动标识学习者情绪波动较大的时间区域，以便及时了解学习者的情绪演化趋势，并相应地提供个性化的帮助。
相对于国外的研究，国内目前仅有少量学者关注到在线互动学习过程的学习者情绪研究。虽然自2002年开始，中科院心理所的傅小兰博士就已提出将情感计算引入到e-Learning学习环境中，但该研究仍处于理论探索和模型构建阶段。随后，朱祖林等学者提出了面向成人在线学习的学业情绪倾向的测度方法，并调查了影响学习者在线学业情绪的相关因素，为后续相关研究提供了有益的借鉴。此外，刘清堂等人采用词频分析法和时间序列分析法，从认知和情感两个维度对在线工作坊中教师研讨的发帖记录进行行为量化，并刻画出积极和消极两类情绪随时间在平均一周内的演化趋势，用于在教师研修过程中及时采取相应的心理干预措施，进而提升教师培训的质量和效果。
综上所述，国际上关于学习者在线情绪与学习效果的研究已取得显著成效，而国内在该方面的研究则相对起步较晚，研究所采用的数据规模较小、实验受控性较强且情绪类型单一（仅涉及积极和消极两种情绪类型）。实际上，除了积极和消极两类情绪外，学习者在论坛中还会表现出大量的困惑情绪，如对重点知识的疑惑、对学习内容的不理解甚至在难点知识上的迷失感，这些困惑情绪对学习效果也会产生一定的影响，如若教师不能及时观察和排解个体学习的困惑情绪，可能会影响其认知水平和知识技能的提升。例如，Pardos等人認为困惑情绪在合适的脚手架辅助下能对学业成就产生积极影响，反之则会产生消极影响。因此，为了深入探索学习者情绪的特征及其与学习效果的关系，本文通过引入困惑情绪来探究学习者群体的情绪特点，并从多种维度来分析不同学业成就的学习者情绪差异性、以及学习者情绪与学习效果的相关性。
（一）研究问题
在SPOC论坛互动中，学习者生成了海量的文本互动数据，这些文本数据中夹杂着诸多情绪信息。为了观察在线情绪的时序规律，本文需了解学习者在互动讨论中存在何类情绪特征及演化趋势。在此基础上，我们将进一步论证学习者情绪与学习效果之间的关联关系。因此，本文将针对以下问题展开讨论：
1.在SPOC论坛互动中，学习者具有哪些情绪特征及每种情绪如何演化？
2.在SPOC论坛互动中，不同学业成就学习者间的情绪有何差异？
3.学习者在论坛中的在线情绪与学习效果存在何种相关性？
（二）研究对象和数据来源
本文的数据来源于华中师范大学云课堂平台中《心理学基础》课程在2014年9月至2016年2月的论坛发帖纪录。该课程作为公共必修课吸引了2764名学习者注册学习，其主要介绍了心理学的理论知识及实践应用。该课程论坛在三学期内共产生15151条讨论帖。通过对该课程的讨论数据进行学号匹配与筛选，剔除无学业成绩的外部学习者发帖记录、教师的回帖记录以及有学业成绩却未发帖的学习者记录，最终获得759名学习者发布的9816条有效讨论数据，该群体在学期末的总评成绩平均分为77.28，标准差为22.43。值得注意的是，在课程最终的考核中，教学者并未考虑学习者在论坛中的互动表现，即学习者学习成绩的评定实际上与其论坛互动的活跃度是相互独立的，而这也是促使本文研究开展的一大出发点。
（三）研究方法
为了研究学习者的积极、困惑和消极情绪特征及其与学习效果的关系，本文首先基于现有相关研究所构建的中文情绪词典设计了一套包含积极、困惑及消极三类情绪特征词的情绪词典，以此来匹配学习者在论坛产生的文本信息中所蕴藏的情绪特征，计算其在特定学习进程中的情绪密度值并绘制其动态演化趋势；其次，通过比较不同学业成就学习者情绪的差异性，发现各学业成就学习者的情绪特点与强弱度，以进一步推测其积极、困惑以及消极情绪分别对学习效果的潜在影响；最后，通过分析学习者的总评成绩与三种情绪的密度值在整个学期以及局部时间段上的相关性来探索在线学业情绪与学习效果的关系。
1.情绪词典的构建
为了构建一套覆盖广泛的情绪词典，在董振东先生研制的HowNetr、台湾大学发布的简体中文情绪极性词典以及清华大学自然语言处理与社会人文计算实验室研制的《中文褒贬义词典v1.0》的基础上，进行正负极性情绪词融合，形成积极与消极词表。同时，结合对学习论坛中询问、疑惑、不确定等情绪表达方式的长期跟踪和记录，形成了一组较全面的通用困惑词表。此外，为了提高困惑词表的代表性，我们邀请了3名教育技术学专业的研究生对该词表进行排查，剔除噪音词汇，最终获得一个包含934条词汇的困惑词表。结合上述权威中文情绪词典中的积极与消极词表，并去除三个词表中的重复词汇，构建了一套包含积极、困惑、消极三种情绪的词典，共23391条情绪词汇。
2.情绪密度的计算
情绪密度是衡量学习者情绪状态的重要指标，为了确保实验的精准度，本文采用学习群体在一定时间周期内所发讨论帖的情绪强度来代表情绪密度值。首先，该方法以词汇为单位将每条讨论帖的文本内容分割成词汇序列；其次，结合上述情绪词典对词汇序列中的有效情绪特征（包括词汇及合成词所构成的短语）进行关联匹配以充分捕获学习者的情绪特征。匹配的特征不仅包括单词，还包括添加了否定词的情绪合成词，例如在匹配过程中，若发现情绪词前面相邻词汇中有否定词（如“不、不是、非”等），则进行自动结合，形成新的情绪词并添加到相应的情绪词表中，以便后续合成情绪词的匹配；最后，计算时间周期内所有讨论贴的平均情绪强度，即情绪密度值。其中，第t段时间内的e类情绪密度的计算方法如下：
3.情绪与学习效果的关系
首先，为了刻画学习者情绪演化趋势，本文以周为情绪密度的计算周期，将三学期内各周的发帖数据进行整合，计算每个课程周内学习者的积极、困惑和消极隋绪密度值，并绘制其演化趋势图；其次，根据学习者总评成绩将其划分为高、中、低成就组，计算不同学业成就组内学习者的情绪密度值，结合重复测量方差分析、ANOVA分析探索不同学业成就学习者的情绪差异性；最后，通过计算每位学习者各周的情绪密度值，采用Person相关分析法探究学习者的情绪与学习效果之间的关系。
（一）学习者情绪特征及其演化趋势
1.学习者情绪特征
在论坛互动中，学习者的情绪状态涉及积极、困惑和消极三种类型。为了便于后续内容的开展，本文依据构建的包含积极、困惑和消极词表的情绪词典统计学习者发布讨论帖中出现每类情绪特征的词汇数量，并列举部分高频情绪特征词汇，三类情绪词表在论坛数据中的词汇分布信息如表1所示。
由表1可知，学习者所发布讨论帖中的积极词汇数量约为消极词汇数量的1.5倍，消极词汇数量约为困惑词汇数量的5倍。其中，积极讨论帖的比率最大，消极讨论帖的比率次之，困惑讨论帖的比率最低。该现象表明，学习者发表讨论帖时，更倾向于使用积极词汇来表述个人的主观态度。譬如，“强化、重要”“积极、成功”等反映出学习者在学习中的积极态度及对该课程的认可程度。同时，学习者在表达个人主观意见时也常伴有一定的困惑或消極情绪，譬如，“问题、不懂、疑问”等反映出学习者遇到问题时所面临的困惑状态，“压力、紧张、恐惧”等则反映出学习者在学习过程中由于压力过大所呈现的消极态度。值得注意的是，学习者表现出的消极情绪可能是由于长时间处于困惑状态且尚未解决而产生的，因此，教师若能及时解决学习者的困惑，可降低困惑情绪的比率，甚至降低消极情绪的比率。 2.学习者情绪演化趋势
本文借助上述计算方法获取学习者的情绪密度值，观察其在平均22个课程周内的情绪演化趋势（以2014年9月至2016年2月内三个学期情绪密度值的累加为基准）。在统计学习者的情绪变化过程中，如果所间隔的时间太短（一小时或一天），学习者的情绪可能不太稳定；如果所间隔的时间太长（一个月），可能会遗漏学习者情绪的变化细节。综合以上因素，本文结合《心理学基础》课程的教学进度安排，认为一周（时间跨度为7天，从周一的0：00至周日的24：00）为一个较稳定且具有可测性的学习时段，并将其设为一个时间采样周期，统计学习者在每个时间周期内的情绪密度值，探索学习者的情绪变化趋势。如图1所示，横坐标表示课程周，纵坐标表示情绪密度值，分别涉及积极情绪密度（Positive Emotional Density，简称PED）、困惑情绪密度（Confusion Emotional Density，简称CED）以及消极情绪密度（Negative Emotional Density，简称NED）。
由图1可知，平均每个学期内学习者的积极情绪密度最高，消极情绪密度次之，困惑情绪密度最低，这表明学习者对该课程的学习态度和学习感受较为积极和乐观，但同时也产生了困惑及消极情绪。根据学习者一学期内情绪的变化趋势，本文将其划分为三个阶段，分别为第一周到第八周（初始阶段），第九周到第十五周（期中阶段），第十六周到第二十二周（期末阶段）。
新学期开始，学习者的积极、困惑及消极情绪密度值均为0，然而在第二周却急剧升高，此时学习者的困惑与消极情绪密度值相差不大。学习者的积极情绪密度值在第三周达到顶峰，后续则呈先急剧下降再缓慢上升而后下降趋势。其困惑、消极情绪密度值均呈先急剧上升后缓慢下降趋势，且学习者在第四周的困惑情绪密度值达到顶峰。以上结果表明学习者经假期的休整，可能需要一个缓冲时期调整自身的学习状态，且此时学习者对新知识的理解存在疑惑，但并未产生太多的消极情绪。随着时间的推移，学习者的情绪状态更加积极，接受与吸收新知识的能力相对较强。此时，学习者累积了一定的疑问与困惑，或尚未解决先前的疑问与困惑，导致其消极情绪大幅度上升。因此，在教学过程中，教师可适当放慢前两周的教学进度，并教授简单易懂的知识点。第三、四周，学习者的学习效率较高，故而可加快进度并加深知识的深度和难度，同时也要了解学习者的盲点以便及时解决问题。第五至八周，教师可适当调节课程进度和学习内容，并给予学习者适当的鼓励。
期中阶段，学习者在第九周至第十五周的积极、困惑与消极情绪密度值普遍较低，特别是积极情绪呈现较大的回落，甚至出现积极情绪短暂低于消极情绪的情况。这段时期学习者的情绪状态在整个学期中处于最低落阶段。因此，教师在期中阶段可对教学进度进行适当地调节，放慢学习的脚步，帮助学习者回顾已学过的知识点并注意学习者的情绪状态。此外，教师在课堂授课过程中可增加头脑风暴、实际案例讲解，或在论坛中增加问答互动、与课程内容相关的趣味主题讨论等环节来调动学习者积极性。
期末阶段，学习者的积极、困惑、消极情绪密度值均呈先缓慢上升再急剧下降趋势，且其积极、困惑情绪密度值在第十九周达到最高，消极情绪密度值则达到顶峰。因此，在第十六至十九周，学习者的学习状态较为理想，教师可加快学习内容的讲解及复习，尤其在第十九周，学习者吸收新知识的能力较强、学习效果最佳。然而，教师也应当注意缓解学习者的紧张情绪，帮助其解决问题。后几周恰好临近期末考试，学习者对于知识的学习告一段落，并将处于一种线下积极备考的状态，教师可以对知识点进行总结、归纳，以提高教学质量。
（二）不同学业成就学习者情绪的差异性分析
为了深入分析不同学业成就学习者情绪的差异性，本文依据Kelley所提出的高-低水平分群准则将学习者进行分组，即课程总评成绩排名前27%的学习者为高成就组（N=205），排名后27%的学习者为低成就组（N=205），中间46%的学习者为中等成就組（N=349）。
基于上述分组，本文采用重复度量方差分析法检验不同学业成就的学习者与其学业情绪之间是否存在交互作用，为后续学业成就和情绪两种因素的差异性检测提供依据。其检验结果如表2所示。
结果显示，“情绪”的显著性P（E）=0.000，这表明在不考虑主体间效应（学业成就）时，学习者自身情绪的差异性显著；“情绪。学业成就”的显著性P（E*G）=0.031，这表明不同学业成就群体与其情绪间交互作用显著，即不同学业成就学习者的效应受到学习者自身情绪的影响。因此，需进行简单效应检验，以确定同一成就组的何种情绪存在显著差异或同种情绪下哪些成就组间存在显著差异；“学业成就”的显著性P（A）=0.011，这表明在不考虑主体内效应（学习者自身情绪1时，不同学业成就学习者的情绪存在显著性差异。
一方面，为了检验同一学业成就的学习者在何类情绪中存在差异，本文使用ANOVA分析并借助最小显著性差异法分别对高、中、低成就组中学习者情绪进行实验，以发现不同粒度分组的情绪对比规律，如表3、4所示。
结果显示：高、中、低成就组学习者的积极、困惑与消极情绪的差异性均显著。经事后检验发现，不同学业成就学习者的情绪差异性表现一致。即其积极与困惑情绪、积极与消极情绪、困惑与消极情绪间均存在显著性差异，且积极情绪密度均值最大，消极情绪密度均值次之，困惑情绪密度均值最小。该现象表明，不同学业成就的学习者情绪展现的规律基本一致，且整体的学习态度较为积极、乐观。 此外，学习者的积极与困惑情绪、积极与消极情绪、困惑与消極情绪的差异性均显著，且情绪密度均值由大到小依次为：积极>消极>困惑。低成就组与高成就组、低成就组与中等成就组的学习者在困惑、消极情绪上的差异性均显著，且困惑情绪表现情况为低成就组>高成就组>中等成就组，消极情绪表现情况为低成就组>中等成就组>高成就组。因此，教师可与相应的不良情绪个体进行适当的在线互动或线下交流来发现其在学习或心理状态上存在的问题，以提高其积极情绪的唤醒度。
同时，学习者积极、困惑情绪会在特定时间内对学习效果产生积极影响，而从整个学期来看，消极情绪对学习效果产生消极影响。因此，在教学过程中，教师应及时了解学习者的情绪变化，并采取相应的交互式教学策略引导学习者进行深入的协作学习和探究式学习。此外，在线学习平台也可设定相关的统计功能分析学习者每周的情绪密度值来跟踪学习者个体的情绪变化。平台反馈的分析结果一方面可帮助教师密切关注学习者的学习动态，另一方面帮助学习者量化自我，使其及时调整自身学习策略和学习状态。
（二）讨论
1.加强干预措施
在SPOC论坛互动过程中，教师可根据学习者情绪的演化趋势对教学内容做适当地调整或采取个性化的干预措施，帮助学习者摆脱学习困境，进而促进其有效学习。例如，当学习者积极情绪密度较稳定时可进行知识能力的强化或推送难度适当的学习资源，以提高学习效果；当学习者困惑情绪密度较高时，可在学习者在线学习时采用情绪提示、问题引导、资源推送、自适应同伴互助等方式进行人机交互或师生及生生间的协作交流，发掘个体学习盲点，进而帮助其对知识难点的理解与消化；当学习者消极情绪密度较高时可适当放缓困难章节的教学进度并加以辅导，以减小其对学习的畏惧和抵触情绪。
2.促进师生交互
相关研究学者认为，师生交互能影响网络学习的绩效，尤其能对最终学习成绩产生积极的影响。数据中论坛帖子不仅涉及学习者讨论帖，还包含教师的指导性回帖，但该类帖子数量并不多，论坛仍处于教师提出问题—学习者自主参与讨论的单向互动模式。此外，本文发现低成就组学习者的困惑情绪均值大于高成就组，一个可能的原因在于低成就组在学习中的困惑问题到最后仍未得到解决，影响了部分知识的有效掌握，这在一定程度上影响了其最终的考试成绩。因此，本研究认为，SPOC论坛中的师生交互水平和质量需要得到提升，高水平的师生交互不仅能解答学习者的困惑，而且还能提高学习者探究问题的主动性和积极性。
3.实现个性化学习
研究表明，积极情绪有助于促使学习者高阶认知活动的开展和主动学习意识的培养，困惑情绪能在教师实施适当干预的情况下促使学习者深度学习，而消极情绪则与学习成绩具有显著负相关性，这也印证了不良学业情绪会对学习效果起阻碍作用。因此，在特定的课程和教学情境下，探究学习者个体和群体的在线情绪状态可帮助教师及时发现每位学习者个性化的情绪演化模式，同时也能帮助学习者及时了解自身的学习状态以形成自我情绪调节意识。教师可在了解学习者基本知识能力的掌握、学习兴趣和认知风格的基础上，考虑引入个体的情绪量化特征以制定个性化教学方案。因此在后续应用中，SPOC学习平台可根据学习者个体的情绪状态进行适应性干预、自动推送合适的学习活动或资源以满足不同个体的学习需求，从而提高学习者的积极情绪体验，使其学习兴趣及主观能动性得到充分发挥。
关键词：SPOC；情绪密度；学习效果；差异性分析；相关性分析
中图分类号：G434 文献标识码：A
一、引言
近年来，慕课（Massive Open Online Courses，MOOCs）中高辍学率问题仍在持续发酵，而更具小班教学适宜性和可管理性的小规模限制性在线课程（Small Private Online Course，SPOC）已应运而生，并引起了学习分析领域研究者的广泛关注。在SPOC平台中，学习者可以在论坛上自由表达主观意见和学习感受，且往往伴随个人真实的情绪状态。情绪作为教学活动中一种重要的非智力因素，是影响学习者与教学者之间的教与学互动及教学质量的核心因素之一，也是教学者观察和分析学习者学习状态的重要依据。在教育心理学领域，学习者的情绪通常涉及积极和消极两种类型。然而，在学习交互过程中，学习者所表达的情绪类型往往不止两种，例如，当学习者面对异常、矛盾甚至无法解决的问题时易产生困惑情绪，而困惑并未达到消极情绪的程度，只有当学习者持续困惑或长时间处于困惑的情景中才会激发其消极态度。因此，为了更全面地分析学习者的情绪特征，本文将困惑纳入学习者情绪范畴，即学习者的情绪包含积极、困惑和消极三种类型。此外，个体的情绪与学习动机、学习策略、认知资源、自我调节、学业成就以及人格养成等因素间也均存在显著相关关系。以往在受控实验场景下的在线学业情绪研究已证实积极与消极情绪对学习效果分别具有促进和阻碍作用，而困惑情绪也是影响学习效果的潜在因素之一。由于MOOCs提供了丰富的互动学习信息，很多学者为了探求学习者不同学习成效背后的潜在动机因素，开始致力于挖掘互动讨论中学习者的情绪表达特征及其演化规律，以分析互动话语中的情绪与学习效果的关系。而SPOC论坛作为一种限制性的学习社区，其中的学习讨论数据仍较少被关注和挖掘，特别是关于该场景下的学业情绪研究目前还甚少。作为混合式教学中一种重要的辅助工具，SPOC论坛已越来越多地被高校教师用于课后探究式讨论、问题答疑及意见反馈，该教学场景蕴藏着丰富的群体学习反馈和个体学习状态信息，同时基于该数据的学习分析具有对学生学习过程无侵入性的特点。因此，面向SPOC论坛的情绪分析不仅有助于教师实时掌握学习者真实的学习心理，还能帮助其深度剖析学习者情绪与学习效果的关系，进而实现不良情绪个体的精准定位与及时干预，最终助力于学习过程与教学效果的优化。
二、国内外研究现状
目前国外关于学习者在线情绪及其与学习效果关系的研究主要采取自然语言处理及机器学习等方法。其中，麻省理工学院媒体实验室的情感计算研究组主任Picard教授在2000-2004年间开展了一项“情感学习伙伴”项目，构建了一个具有情感计算能力的学习虚拟同伴，以感知学习者在学习系统的情感信息，并陪伴其以帮助他们更有效地学习。孟菲斯大学Graesser等人在2008年报告了其开发的智能导师系统AutoTutor对于捕获学习者情感方面的研究成果，发现学习者在人机对话中的情感和学习表现具有显著关联性。卡内基梅隆大学语言技术研究所开展的关于MOOCs中学习者情绪与学习效果及其辍学率之间的关系等一系列研究中，通过使用情绪特征词匹配的计算方法量化学习者文本数据中所蕴藏的情绪倾向，深入分析学习者情绪与辍学率的关系，进而实现预测学习者是否辍学的目的。Ortigosa等人基于词法和机器学习技术开发了SentBuk软件，该软件通过计算文本的情绪密度值进行分类，并自动标识学习者情绪波动较大的时间区域，以便及时了解学习者的情绪演化趋势，并相应地提供个性化的帮助。
相对于国外的研究，国内目前仅有少量学者关注到在线互动学习过程的学习者情绪研究。虽然自2002年开始，中科院心理所的傅小兰博士就已提出将情感计算引入到e-Learning学习环境中，但该研究仍处于理论探索和模型构建阶段。随后，朱祖林等学者提出了面向成人在线学习的学业情绪倾向的测度方法，并调查了影响学习者在线学业情绪的相关因素，为后续相关研究提供了有益的借鉴。此外，刘清堂等人采用词频分析法和时间序列分析法，从认知和情感两个维度对在线工作坊中教师研讨的发帖记录进行行为量化，并刻画出积极和消极两类情绪随时间在平均一周内的演化趋势，用于在教师研修过程中及时采取相应的心理干预措施，进而提升教师培训的质量和效果。
综上所述，国际上关于学习者在线情绪与学习效果的研究已取得显著成效，而国内在该方面的研究则相对起步较晚，研究所采用的数据规模较小、实验受控性较强且情绪类型单一（仅涉及积极和消极两种情绪类型）。实际上，除了积极和消极两类情绪外，学习者在论坛中还会表现出大量的困惑情绪，如对重点知识的疑惑、对学习内容的不理解甚至在难点知识上的迷失感，这些困惑情绪对学习效果也会产生一定的影响，如若教师不能及时观察和排解个体学习的困惑情绪，可能会影响其认知水平和知识技能的提升。例如，Pardos等人認为困惑情绪在合适的脚手架辅助下能对学业成就产生积极影响，反之则会产生消极影响。因此，为了深入探索学习者情绪的特征及其与学习效果的关系，本文通过引入困惑情绪来探究学习者群体的情绪特点，并从多种维度来分析不同学业成就的学习者情绪差异性、以及学习者情绪与学习效果的相关性。
三、研究设计
（一）研究问题
在SPOC论坛互动中，学习者生成了海量的文本互动数据，这些文本数据中夹杂着诸多情绪信息。为了观察在线情绪的时序规律，本文需了解学习者在互动讨论中存在何类情绪特征及演化趋势。在此基础上，我们将进一步论证学习者情绪与学习效果之间的关联关系。因此，本文将针对以下问题展开讨论：
1.在SPOC论坛互动中，学习者具有哪些情绪特征及每种情绪如何演化？
2.在SPOC论坛互动中，不同学业成就学习者间的情绪有何差异？
3.学习者在论坛中的在线情绪与学习效果存在何种相关性？
（二）研究对象和数据来源
本文的数据来源于华中师范大学云课堂平台中《心理学基础》课程在2014年9月至2016年2月的论坛发帖纪录。该课程作为公共必修课吸引了2764名学习者注册学习，其主要介绍了心理学的理论知识及实践应用。该课程论坛在三学期内共产生15151条讨论帖。通过对该课程的讨论数据进行学号匹配与筛选，剔除无学业成绩的外部学习者发帖记录、教师的回帖记录以及有学业成绩却未发帖的学习者记录，最终获得759名学习者发布的9816条有效讨论数据，该群体在学期末的总评成绩平均分为77.28，标准差为22.43。值得注意的是，在课程最终的考核中，教学者并未考虑学习者在论坛中的互动表现，即学习者学习成绩的评定实际上与其论坛互动的活跃度是相互独立的，而这也是促使本文研究开展的一大出发点。
（三）研究方法
为了研究学习者的积极、困惑和消极情绪特征及其与学习效果的关系，本文首先基于现有相关研究所构建的中文情绪词典设计了一套包含积极、困惑及消极三类情绪特征词的情绪词典，以此来匹配学习者在论坛产生的文本信息中所蕴藏的情绪特征，计算其在特定学习进程中的情绪密度值并绘制其动态演化趋势；其次，通过比较不同学业成就学习者情绪的差异性，发现各学业成就学习者的情绪特点与强弱度，以进一步推测其积极、困惑以及消极情绪分别对学习效果的潜在影响；最后，通过分析学习者的总评成绩与三种情绪的密度值在整个学期以及局部时间段上的相关性来探索在线学业情绪与学习效果的关系。
1.情绪词典的构建
为了构建一套覆盖广泛的情绪词典，在董振东先生研制的HowNetr、台湾大学发布的简体中文情绪极性词典以及清华大学自然语言处理与社会人文计算实验室研制的《中文褒贬义词典v1.0》的基础上，进行正负极性情绪词融合，形成积极与消极词表。同时，结合对学习论坛中询问、疑惑、不确定等情绪表达方式的长期跟踪和记录，形成了一组较全面的通用困惑词表。此外，为了提高困惑词表的代表性，我们邀请了3名教育技术学专业的研究生对该词表进行排查，剔除噪音词汇，最终获得一个包含934条词汇的困惑词表。结合上述权威中文情绪词典中的积极与消极词表，并去除三个词表中的重复词汇，构建了一套包含积极、困惑、消极三种情绪的词典，共23391条情绪词汇。
2.情绪密度的计算
情绪密度是衡量学习者情绪状态的重要指标，为了确保实验的精准度，本文采用学习群体在一定时间周期内所发讨论帖的情绪强度来代表情绪密度值。首先，该方法以词汇为单位将每条讨论帖的文本内容分割成词汇序列；其次，结合上述情绪词典对词汇序列中的有效情绪特征（包括词汇及合成词所构成的短语）进行关联匹配以充分捕获学习者的情绪特征。匹配的特征不仅包括单词，还包括添加了否定词的情绪合成词，例如在匹配过程中，若发现情绪词前面相邻词汇中有否定词（如“不、不是、非”等），则进行自动结合，形成新的情绪词并添加到相应的情绪词表中，以便后续合成情绪词的匹配；最后，计算时间周期内所有讨论贴的平均情绪强度，即情绪密度值。其中，第t段时间内的e类情绪密度的计算方法如下：
3.情绪与学习效果的关系
首先，为了刻画学习者情绪演化趋势，本文以周为情绪密度的计算周期，将三学期内各周的发帖数据进行整合，计算每个课程周内学习者的积极、困惑和消极隋绪密度值，并绘制其演化趋势图；其次，根据学习者总评成绩将其划分为高、中、低成就组，计算不同学业成就组内学习者的情绪密度值，结合重复测量方差分析、ANOVA分析探索不同学业成就学习者的情绪差异性；最后，通过计算每位学习者各周的情绪密度值，采用Person相关分析法探究学习者的情绪与学习效果之间的关系。
四、研究结果及分析
（一）学习者情绪特征及其演化趋势
1.学习者情绪特征
在论坛互动中，学习者的情绪状态涉及积极、困惑和消极三种类型。为了便于后续内容的开展，本文依据构建的包含积极、困惑和消极词表的情绪词典统计学习者发布讨论帖中出现每类情绪特征的词汇数量，并列举部分高频情绪特征词汇，三类情绪词表在论坛数据中的词汇分布信息如表1所示。
由表1可知，学习者所发布讨论帖中的积极词汇数量约为消极词汇数量的1.5倍，消极词汇数量约为困惑词汇数量的5倍。其中，积极讨论帖的比率最大，消极讨论帖的比率次之，困惑讨论帖的比率最低。该现象表明，学习者发表讨论帖时，更倾向于使用积极词汇来表述个人的主观态度。譬如，“强化、重要”“积极、成功”等反映出学习者在学习中的积极态度及对该课程的认可程度。同时，学习者在表达个人主观意见时也常伴有一定的困惑或消極情绪，譬如，“问题、不懂、疑问”等反映出学习者遇到问题时所面临的困惑状态，“压力、紧张、恐惧”等则反映出学习者在学习过程中由于压力过大所呈现的消极态度。值得注意的是，学习者表现出的消极情绪可能是由于长时间处于困惑状态且尚未解决而产生的，因此，教师若能及时解决学习者的困惑，可降低困惑情绪的比率，甚至降低消极情绪的比率。 2.学习者情绪演化趋势
本文借助上述计算方法获取学习者的情绪密度值，观察其在平均22个课程周内的情绪演化趋势（以2014年9月至2016年2月内三个学期情绪密度值的累加为基准）。在统计学习者的情绪变化过程中，如果所间隔的时间太短（一小时或一天），学习者的情绪可能不太稳定；如果所间隔的时间太长（一个月），可能会遗漏学习者情绪的变化细节。综合以上因素，本文结合《心理学基础》课程的教学进度安排，认为一周（时间跨度为7天，从周一的0：00至周日的24：00）为一个较稳定且具有可测性的学习时段，并将其设为一个时间采样周期，统计学习者在每个时间周期内的情绪密度值，探索学习者的情绪变化趋势。如图1所示，横坐标表示课程周，纵坐标表示情绪密度值，分别涉及积极情绪密度（Positive Emotional Density，简称PED）、困惑情绪密度（Confusion Emotional Density，简称CED）以及消极情绪密度（Negative Emotional Density，简称NED）。
由图1可知，平均每个学期内学习者的积极情绪密度最高，消极情绪密度次之，困惑情绪密度最低，这表明学习者对该课程的学习态度和学习感受较为积极和乐观，但同时也产生了困惑及消极情绪。根据学习者一学期内情绪的变化趋势，本文将其划分为三个阶段，分别为第一周到第八周（初始阶段），第九周到第十五周（期中阶段），第十六周到第二十二周（期末阶段）。
新学期开始，学习者的积极、困惑及消极情绪密度值均为0，然而在第二周却急剧升高，此时学习者的困惑与消极情绪密度值相差不大。学习者的积极情绪密度值在第三周达到顶峰，后续则呈先急剧下降再缓慢上升而后下降趋势。其困惑、消极情绪密度值均呈先急剧上升后缓慢下降趋势，且学习者在第四周的困惑情绪密度值达到顶峰。以上结果表明学习者经假期的休整，可能需要一个缓冲时期调整自身的学习状态，且此时学习者对新知识的理解存在疑惑，但并未产生太多的消极情绪。随着时间的推移，学习者的情绪状态更加积极，接受与吸收新知识的能力相对较强。此时，学习者累积了一定的疑问与困惑，或尚未解决先前的疑问与困惑，导致其消极情绪大幅度上升。因此，在教学过程中，教师可适当放慢前两周的教学进度，并教授简单易懂的知识点。第三、四周，学习者的学习效率较高，故而可加快进度并加深知识的深度和难度，同时也要了解学习者的盲点以便及时解决问题。第五至八周，教师可适当调节课程进度和学习内容，并给予学习者适当的鼓励。
期中阶段，学习者在第九周至第十五周的积极、困惑与消极情绪密度值普遍较低，特别是积极情绪呈现较大的回落，甚至出现积极情绪短暂低于消极情绪的情况。这段时期学习者的情绪状态在整个学期中处于最低落阶段。因此，教师在期中阶段可对教学进度进行适当地调节，放慢学习的脚步，帮助学习者回顾已学过的知识点并注意学习者的情绪状态。此外，教师在课堂授课过程中可增加头脑风暴、实际案例讲解，或在论坛中增加问答互动、与课程内容相关的趣味主题讨论等环节来调动学习者积极性。
期末阶段，学习者的积极、困惑、消极情绪密度值均呈先缓慢上升再急剧下降趋势，且其积极、困惑情绪密度值在第十九周达到最高，消极情绪密度值则达到顶峰。因此，在第十六至十九周，学习者的学习状态较为理想，教师可加快学习内容的讲解及复习，尤其在第十九周，学习者吸收新知识的能力较强、学习效果最佳。然而，教师也应当注意缓解学习者的紧张情绪，帮助其解决问题。后几周恰好临近期末考试，学习者对于知识的学习告一段落，并将处于一种线下积极备考的状态，教师可以对知识点进行总结、归纳，以提高教学质量。
（二）不同学业成就学习者情绪的差异性分析
为了深入分析不同学业成就学习者情绪的差异性，本文依据Kelley所提出的高-低水平分群准则将学习者进行分组，即课程总评成绩排名前27%的学习者为高成就组（N=205），排名后27%的学习者为低成就组（N=205），中间46%的学习者为中等成就組（N=349）。
基于上述分组，本文采用重复度量方差分析法检验不同学业成就的学习者与其学业情绪之间是否存在交互作用，为后续学业成就和情绪两种因素的差异性检测提供依据。其检验结果如表2所示。
结果显示，“情绪”的显著性P（E）=0.000，这表明在不考虑主体间效应（学业成就）时，学习者自身情绪的差异性显著；“情绪。学业成就”的显著性P（E*G）=0.031，这表明不同学业成就群体与其情绪间交互作用显著，即不同学业成就学习者的效应受到学习者自身情绪的影响。因此，需进行简单效应检验，以确定同一成就组的何种情绪存在显著差异或同种情绪下哪些成就组间存在显著差异；“学业成就”的显著性P（A）=0.011，这表明在不考虑主体内效应（学习者自身情绪1时，不同学业成就学习者的情绪存在显著性差异。
一方面，为了检验同一学业成就的学习者在何类情绪中存在差异，本文使用ANOVA分析并借助最小显著性差异法分别对高、中、低成就组中学习者情绪进行实验，以发现不同粒度分组的情绪对比规律，如表3、4所示。
结果显示：高、中、低成就组学习者的积极、困惑与消极情绪的差异性均显著。经事后检验发现，不同学业成就学习者的情绪差异性表现一致。即其积极与困惑情绪、积极与消极情绪、困惑与消极情绪间均存在显著性差异，且积极情绪密度均值最大，消极情绪密度均值次之，困惑情绪密度均值最小。该现象表明，不同学业成就的学习者情绪展现的规律基本一致，且整体的学习态度较为积极、乐观。 此外，学习者的积极与困惑情绪、积极与消极情绪、困惑与消極情绪的差异性均显著，且情绪密度均值由大到小依次为：积极>消极>困惑。低成就组与高成就组、低成就组与中等成就组的学习者在困惑、消极情绪上的差异性均显著，且困惑情绪表现情况为低成就组>高成就组>中等成就组，消极情绪表现情况为低成就组>中等成就组>高成就组。因此，教师可与相应的不良情绪个体进行适当的在线互动或线下交流来发现其在学习或心理状态上存在的问题，以提高其积极情绪的唤醒度。
同时，学习者积极、困惑情绪会在特定时间内对学习效果产生积极影响，而从整个学期来看，消极情绪对学习效果产生消极影响。因此，在教学过程中，教师应及时了解学习者的情绪变化，并采取相应的交互式教学策略引导学习者进行深入的协作学习和探究式学习。此外，在线学习平台也可设定相关的统计功能分析学习者每周的情绪密度值来跟踪学习者个体的情绪变化。平台反馈的分析结果一方面可帮助教师密切关注学习者的学习动态，另一方面帮助学习者量化自我，使其及时调整自身学习策略和学习状态。
（二）讨论
1.加强干预措施
在SPOC论坛互动过程中，教师可根据学习者情绪的演化趋势对教学内容做适当地调整或采取个性化的干预措施，帮助学习者摆脱学习困境，进而促进其有效学习。例如，当学习者积极情绪密度较稳定时可进行知识能力的强化或推送难度适当的学习资源，以提高学习效果；当学习者困惑情绪密度较高时，可在学习者在线学习时采用情绪提示、问题引导、资源推送、自适应同伴互助等方式进行人机交互或师生及生生间的协作交流，发掘个体学习盲点，进而帮助其对知识难点的理解与消化；当学习者消极情绪密度较高时可适当放缓困难章节的教学进度并加以辅导，以减小其对学习的畏惧和抵触情绪。
2.促进师生交互
相关研究学者认为，师生交互能影响网络学习的绩效，尤其能对最终学习成绩产生积极的影响。数据中论坛帖子不仅涉及学习者讨论帖，还包含教师的指导性回帖，但该类帖子数量并不多，论坛仍处于教师提出问题—学习者自主参与讨论的单向互动模式。此外，本文发现低成就组学习者的困惑情绪均值大于高成就组，一个可能的原因在于低成就组在学习中的困惑问题到最后仍未得到解决，影响了部分知识的有效掌握，这在一定程度上影响了其最终的考试成绩。因此，本研究认为，SPOC论坛中的师生交互水平和质量需要得到提升，高水平的师生交互不仅能解答学习者的困惑，而且还能提高学习者探究问题的主动性和积极性。
3.实现个性化学习
研究表明，积极情绪有助于促使学习者高阶认知活动的开展和主动学习意识的培养，困惑情绪能在教师实施适当干预的情况下促使学习者深度学习，而消极情绪则与学习成绩具有显著负相关性，这也印证了不良学业情绪会对学习效果起阻碍作用。因此，在特定的课程和教学情境下，探究学习者个体和群体的在线情绪状态可帮助教师及时发现每位学习者个性化的情绪演化模式，同时也能帮助学习者及时了解自身的学习状态以形成自我情绪调节意识。教师可在了解学习者基本知识能力的掌握、学习兴趣和认知风格的基础上，考虑引入个体的情绪量化特征以制定个性化教学方案。因此在后续应用中，SPOC学习平台可根据学习者个体的情绪状态进行适应性干预、自动推送合适的学习活动或资源以满足不同个体的学习需求，从而提高学习者的积极情绪体验，使其学习兴趣及主观能动性得到充分发挥。