Developing Emotion-Aware, Advanced Learning Technologies: A Taxonomy of Approaches and Features
Notice bibliographique
Résumé
A growing body of work on intelligent tutoring systems, affective computing, and artificial intelligence in education is exploring creative, technology-driven approaches to enhance learners’ experience of adaptive, positively-valenced emotions while interacting with advanced learning technologies. Despite this, there has been no published work to date that captures this topic’s breadth. We took up this grand challenge by integrating related empirical studies and existing conceptual work and proposing a theoretically-guided taxonomy for the development and improvement of emotion-aware systems. In particular, multiple strategies system developers may use to help learners experience positive emotions are mapped out, including those that require different amounts and types of information about the user, as well as when this information is required. Examples from the literature are provided to illustrate how different emotion-aware system approaches can be combined to take advantage of different types of data, both prior to and during the learner-system interaction. High-level system features that emotion-aware systems can tailor to learners in order to elicit positive emotions are also described and exemplified. Theoretically, the taxonomy is primarily informed by the control-value theory of achievement emotions (Pekrun 2006 , 2011 ) and its assumptions about the relationship between distal and proximal antecedents and the elicitation and regulation of emotion. The taxonomy expands upon a dichotomy of emotion-aware systems proposed by D’Mello and Graesser ( 2015 ) and is intended to guide the design of emotion-aware systems that can foster positive emotions during learner-system interactions through the use of varied approaches, data sources, and design features.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».