Podejmij wyzwanie dla swojej pamięci! Zagraj w nową grę N-Back w aplikacji Emotiv
Podejmij wyzwanie dla swojej pamięci! Zagraj w nową grę N-Back w aplikacji Emotiv
Przewidywanie emocji studentów wynikających z oceny ich opinii
Udostępnij:
Paul Salvador Wynaleziony. Instytut Badań Naukowych i Przemysłowych, Uniwersytet w Osace, Japonia
Streszczenie
Wielu badaczy wykazało skuteczność afektywnych ITS w wspieraniu nauki studentów. Wsparcie oferowane studentom zwykle przedstawiane jest przez agentów pedagogicznych, którzy potrafią wyrażać emocje za pomocą mimiki, gestów i syntezowanego mowy. Treść dialogu jest ważna, ponieważ zawiera informacje, które pomogą studentowi nauczyć się nowych rzeczy, lepiej zrozumieć pojęcia lub skorygować błędne przekonania. Chociaż te interwencje opierają się na istniejących teoriach, wciąż zdarzają się przypadki, gdy informacje zwrotne mogą nie pasować do studentów, ponieważ są oni bardzo zróżnicowani i mogą znajdować się w bardzo różnych kontekstach. Bardzo istotnym aspektem do uwzględnienia jest to, jak studenci oceniają otrzymywane informacje zwrotne od ITS. Znając ocenę studenta dotyczącą informacji zwrotnej, można zidentyfikować efektywne informacje, które powinny być utrzymane lub zastąpione. Niniejsze badania badają emocje studentów reprezentowane przez wartości frustracji i ekscytacji wynikające z oceny informacji zwrotnej, tak jak rozpoznaje to urządzenie oparte na EEG. Wartości frustracji i ekscytacji wynikające z oceny informacji zwrotnej są skorelowane z informacjami zwrotnymi z ITS POOLEIII w celu stworzenia modeli predykcyjnych tych relacji. Wykorzystanie tych modeli pozwoli przyszłym ITS zidentyfikować emocje, które wynikają z oceny informacji zwrotnej przez studentów zanim zostaną one podane, i pozwoli na dokonanie korekt w informacjach zwrotnych, gdy zajdzie taka potrzeba.
Paul Salvador Wynaleziony. Instytut Badań Naukowych i Przemysłowych, Uniwersytet w Osace, Japonia
Streszczenie
Wielu badaczy wykazało skuteczność afektywnych ITS w wspieraniu nauki studentów. Wsparcie oferowane studentom zwykle przedstawiane jest przez agentów pedagogicznych, którzy potrafią wyrażać emocje za pomocą mimiki, gestów i syntezowanego mowy. Treść dialogu jest ważna, ponieważ zawiera informacje, które pomogą studentowi nauczyć się nowych rzeczy, lepiej zrozumieć pojęcia lub skorygować błędne przekonania. Chociaż te interwencje opierają się na istniejących teoriach, wciąż zdarzają się przypadki, gdy informacje zwrotne mogą nie pasować do studentów, ponieważ są oni bardzo zróżnicowani i mogą znajdować się w bardzo różnych kontekstach. Bardzo istotnym aspektem do uwzględnienia jest to, jak studenci oceniają otrzymywane informacje zwrotne od ITS. Znając ocenę studenta dotyczącą informacji zwrotnej, można zidentyfikować efektywne informacje, które powinny być utrzymane lub zastąpione. Niniejsze badania badają emocje studentów reprezentowane przez wartości frustracji i ekscytacji wynikające z oceny informacji zwrotnej, tak jak rozpoznaje to urządzenie oparte na EEG. Wartości frustracji i ekscytacji wynikające z oceny informacji zwrotnej są skorelowane z informacjami zwrotnymi z ITS POOLEIII w celu stworzenia modeli predykcyjnych tych relacji. Wykorzystanie tych modeli pozwoli przyszłym ITS zidentyfikować emocje, które wynikają z oceny informacji zwrotnej przez studentów zanim zostaną one podane, i pozwoli na dokonanie korekt w informacjach zwrotnych, gdy zajdzie taka potrzeba.
Paul Salvador Wynaleziony. Instytut Badań Naukowych i Przemysłowych, Uniwersytet w Osace, Japonia
Streszczenie
Wielu badaczy wykazało skuteczność afektywnych ITS w wspieraniu nauki studentów. Wsparcie oferowane studentom zwykle przedstawiane jest przez agentów pedagogicznych, którzy potrafią wyrażać emocje za pomocą mimiki, gestów i syntezowanego mowy. Treść dialogu jest ważna, ponieważ zawiera informacje, które pomogą studentowi nauczyć się nowych rzeczy, lepiej zrozumieć pojęcia lub skorygować błędne przekonania. Chociaż te interwencje opierają się na istniejących teoriach, wciąż zdarzają się przypadki, gdy informacje zwrotne mogą nie pasować do studentów, ponieważ są oni bardzo zróżnicowani i mogą znajdować się w bardzo różnych kontekstach. Bardzo istotnym aspektem do uwzględnienia jest to, jak studenci oceniają otrzymywane informacje zwrotne od ITS. Znając ocenę studenta dotyczącą informacji zwrotnej, można zidentyfikować efektywne informacje, które powinny być utrzymane lub zastąpione. Niniejsze badania badają emocje studentów reprezentowane przez wartości frustracji i ekscytacji wynikające z oceny informacji zwrotnej, tak jak rozpoznaje to urządzenie oparte na EEG. Wartości frustracji i ekscytacji wynikające z oceny informacji zwrotnej są skorelowane z informacjami zwrotnymi z ITS POOLEIII w celu stworzenia modeli predykcyjnych tych relacji. Wykorzystanie tych modeli pozwoli przyszłym ITS zidentyfikować emocje, które wynikają z oceny informacji zwrotnej przez studentów zanim zostaną one podane, i pozwoli na dokonanie korekt w informacjach zwrotnych, gdy zajdzie taka potrzeba.
