教育技术中的课堂设计与评估

本研究以真实的课堂为场景，探索了依据生理指标评估人际情绪一致性的新方式。

课前，研究人员为教师与学生佩戴便携式手环，用于收集他们在上课过程中的脉搏和皮肤电阻数据；采用 “跟读” 范式，教师在课堂上朗诵诗歌，每读完一句，学生们模仿教师的情感进行跟读；课后，请师生对其主观情绪体验做出评价。

研究结果发现，师生之间的共同情绪，以及他们对彼此的情感感知，可以通过他们生理反应的同步性来体现。

本研究提出了一种基于生理数据的学习者认知负荷检测模型。

研究人员设计了一个用于学习环境中信号采集的实验范式，要求学生们佩戴可穿戴生理传感器，在 40 分钟内完成单词拼写测验，实时记录心率、脉搏等生理特征；并在测验结束后请学生对认知负荷进行主观评估。

实验结果表明，使用心率变异性-脉率变异性融合模型可实现对认知负荷的有效评估与分类，这种方案优于单一地使用心率变异性或脉率变异性识别认知负荷的传统方法。

本研究首次通过学生在实景数学考试中的生理特征评估其数学焦虑。

研究以 139 名成绩水平不同的学生为研究对象，在考试前收集他们对数学焦虑的主观评分；在长达 90 分钟的期末数学考试中，使用智能手环实时采集学生的皮肤电导反应、心率等生理信号，探索中学生数学焦虑的神经生理表征。

实验结果表明，皮肤电导反应和心率可以反映学生在考试不同时段的数学焦虑水平。

本研究使用计算机视觉技术提取心率和面部表情特征，用于监督学习，从而监测学生在不同学习环节的参与度。

该研究模拟线上学习情景，要求 23 名大学生坐在电脑前完成写作任务：写草稿、收到反馈、根据反馈修改草稿。研究人员用计算机技术提取学生的面部表情与心率等特征，建立评估学生认知参与度的模型；并在写作中与事后收集学生对参与度的主观评估，用于验证模型的准确性。

研究结果表明，融合头部位置、面部表情和心率的模型可以有效评估学生的参与度，准确率达 0.7 以上。