基于多模态数据的在线学习认知负荷评估

作     者：薛耀锋 王坤 邱奕盛 朱芳清 XUE Yao-Feng;WANG Kun;QIU Yi-Sheng;ZHU Fang-Qing

作者机构：华东师范大学教育信息技术学系上海200062 华东师范大学上海数字化教育装备工程技术研究中心上海200062 

出 版 物：《现代教育技术》 (Modern Educational Technology)

年 卷 期：2024年第34卷第3期

页      面：79-88页

核心收录：

学科分类：0401[教育学-教育学] 04[教育学] 040110[教育学-教育技术学（可授教育学、理学学位）] 

基　　金：2022年度上海市自然科学基金面上项目“基于多模态数据融合的在线学习认知模型及优化研究”(项目编号:22ZR1421300)的阶段性研究成果 

主　　题：多模态数据 在线学习 认知负荷 人脸表情 眼动追踪 脑电信号 

摘      要：近年来,认知负荷过载成为影响在线学习效果的一个重要因素。为解决此问题,文章聚焦在线学习认知负荷评估,首先设计了基于多模态数据的在线学习认知负荷评估研究框架,包含多模态数据采集、多模态特征提取和评估模型构建三个部分。接着,文章通过实验,采集学习者在特定在线学习环境下的多模态数据,提取人脸表情特征、眼动追踪指标特征和脑电信号特征,构建在线学习认知负荷评估模型。之后,文章对评估模型的准确性进行验证,发现在五种机器学习算法模型中,KNN模型的综合性能最佳,故将此模型作为最终的在线学习认知评估模型;同时,文章对多模态数据进行了分析,发现多模态融合方法在认知负荷评估上具有优越性。文章构建的评估模型可赋能在线学习平台实现认知负荷的实时评估,进而实现基于认知负荷的个性化学习,增强学习动机,提升学习效果,促进在线教育质量提升。