人工智能时代下教师亲和力探究

向鸿炼

摘 要：目前，国内教育打着素质教育的旗号却依然将重点集中在学业表现上，对教学情感的关注尤其匮乏。为了改变这一现象，提高教师对素质教育思想的认识，分别从教师面部表情亲和力、声音亲和力、语言亲和力、肢体语言亲和力、服饰亲和力等方面进行研究，促进教师更加意识到教学情感对学生发展的重要性，并借助人工智能技术使得教师更好地保持亲和力状态，也可为在线教学视频开发、重构教师教学评价体系提供参考。

关键词：教学情感;教师亲和力;人工智能

0 引言

美国社会心理学家Albert Mehrabin[1]在20世纪末提出了亲和力影响因素百分比，即7%为语言，38%为声音，55%为脸部表情。他定义亲和力特征为如下行为的综合：会话量、目光交流、积极评价对方、愉快的面部表情等。在中国知网以CSSCI为来源类别，以主题“亲和力”对期刊进行检索，选择“计量可视化分析”得到检索结果如图1所示。关于亲和力的研究，1998年仅有2篇文献，2017年文献量突增，国内对亲和力的关注度呈上升趋势。亲和力的研究主体是学校教育、企业管理、商业吸引，其中教育类占38.03%，教育类中对“教育者”亲和力的研究占有一定比例，但已有研究主要采用归纳总结法和文献法研究教师亲和力，且研究重点是非言语亲和力。本文重点阐述人工智能技术支持下，表情、声音、语言、肢体语言、服饰等多角度的教师亲和力。

教师在教育教学中的情绪状态会影响到学生的认知、心理等发展，如图2所示[2]。教师的情绪在课堂教学中占主导作用，通常教师高兴了学生也容易开心和放松，教师生气，学生也容易紧张压抑。我国心理学家的一项实验表明，在一堂课上，教师保持快乐情绪时学生的学习效果比教师一般情绪状态下学生的学习效果好;而教师情绪低沉时，学生学习效果效果要差于教师一般情绪状态下学生的学习效果。因此，无论在传统的课堂教学中，还是在网络学习空间或智慧教育环境下，教师都应保持良好的情绪状态。教师如何保持最佳亲和力状态，以及如何调整，都值得研究。

人工智能时代已经到来，表情识别、语音识别、大数据等智能信息技术的兴起为研究教学情感提供了技术支撑，使得教师亲和力得以量化。例如：利用眼动追踪技术可以测量教师的注视时间、瞳孔是否放大等，教师注重与学生进行目光交流也能表现出教学亲和力。

1 教师面部表情亲和力

面部表情（Facial Expression）是指通过颜面肌肉、眼部肌肉和口部肌肉变化表现出来的各种情绪状态。日本教育心理学者木多克己[3]实施的“儿童所期望的教师形象”研究结果显示，小学生喜爱的或者认为具有亲和力的教师特征有温和、亲切、幽默、耐心、豪爽、指导热心。将学生喜爱的教师特征与表情类型结合，引入情感计算研究、面部表情的情感分析以及学生学习状态和面部微表情的关系，建立教师亲和力情感表情特征模型，如图3所示。

计算机视觉广泛应用于医学图像处理、工业、军事等领域，但是在教育行业应用较少。利用视频监控系统、光敏摄像机等传感器获取教师面部表情数字图像，经过预处理、特征提取、检测分割，最终识别教师表情是否具有亲和力。比如：北京旷视科技有限公司的MegEye感知系列内嵌人工智能算法，可实现全画幅、全帧率的动态人脸检测识别、高底库实时比对识别以及人员属性识别等功能。

2 教师声音亲和力

人类说话的声音就是语音，语言的声音和它所代表的意义是互相依存的统一体[4]。比如“你可真聪明”用不同的声音可能是夸奖别人，也可能是讥讽。语音中所包含的情感往往体现在语音的韵律变化中，比如愤怒时语速通常较快，发音持续时间略短。

教学课堂中难免充斥着教师对学生的褒扬和貶责，褒扬应针对某具体行为或态度，而不是随口一说“你今天表现不错”。贬责时应该采取适当的方式，教师口头挖苦、辱骂学生或者体罚学生在一定程度上会影响学生身心健康发展。李善鹏[5]通过感知实验和声学分析，提取了基频、时长、能量、嗓音等17个相关的声学参数，通过多元方差分析、因子分析和判别分析，系统考察了褒贬态度与韵律参数之间的关系，比如褒扬态度的谐波噪声比（9.654 dB）显著大于贬责态度（9.177 dB），概括得出研究结果如表1所示。

叶吉祥[6]利用希尔伯特黄变换（ HHT）对情感语音进行处理，得到情感语音的希尔伯特边际能量谱，发现在0～500 Mel频段内，高强度情感高兴、生气的能量幅值比低强度情感悲伤、厌倦、平静明显偏低。而在500～1000 Mel频段内，厌倦在该频段出现明显尖峰，其最大幅值约为平静的1.5倍，平静能量则更为集中，变化也更为平缓。总之，在教育教学过程中，教师应发音到位、音节饱满、语调变化丰富。

声纹数据采集终端不仅可以应用于基层公安机关采集目标嫌疑人的多信道声纹数据，也适用于教育行业。现有智能系统若将声纹数据采集终端和语音识别系统相结合，就可以获取教师声音基频、时长、能量、嗓音等声学参数，实时判断教师的声音是否具有亲和力。像火车上的“烟雾报警器”一样，当检测到教师的语音缺乏亲和力时，智能系统可以及时提醒教师调整好自己的情绪。

3 教学语言亲和力

教学语言是一种符号系统，教师通过它向学生传递教学信息。缺乏沟通和语言的教学注定是失败的，本文专指语言教学中所用的词汇表达。在课堂教学过程中，教师的语言行为主要有以下4个方面：内容讲授、课堂提问、反馈、调节控制。

（1）内容讲授。内容讲授主要是指教师对教材内容进行深度消化后向学生传递知识的过程。首先，教师要对教材文本有深入研究，消化彻底后结合自己的新体会进行讲解时语言应扼要易懂;其次，教师需要遵循量力而为原则，讲授的内容难度应是学生通过努力可以咀嚼消化的;最后，教师的语言内容应该是准确无误、不会引起歧义的。

（2）课堂提问。课堂提问不仅能吸引学生的注意力，还可以让教师了解学生知识技能的掌握情况。Mehrabian在《无声的信息》第六章，从发话人如何描述距离感、如何称呼对方、如何表示承担责任等角度，简单列举了语言所富含的情感传递、态度评价等口头表达方式[1]。因此，教师提问时，“这个同学读一下课文”比“那个同学……”更有亲和力，“我们要努力学习天天向上”比“你们要……”更有亲和力，“我希望你们进步”比“我不得不希望你们进步”更有亲和力。

（3）反馈。及时、具体以及解释性的反馈对学生学习很重要，教师要准确掌握词汇用法，注意语言的艺术性、实用性和幽默性，反馈内容要言之有物，“我觉得某某同学今天表现很不错”，而不具体指出该同学在哪个方面哪个行为上表现不错，会使人觉得敷衍不真诚。“你在课堂上积极参与小组讨论，还代表小组发言，声音也响亮，有进步额”这样具体的评价则会让学生产生自豪感，激励学生不断进步。

（4）调节控制。教师调节控制行为可以看成是课堂上无关学习内容的语言行为，比如“大家安静”“大家做一下书上的习题”“这个同学，别开小差”等。教师在课堂上应注重自己组织语言内容的时间性、有效性、针对性。语言行为的一个突出要求是听者能识别词，但研究表明这是相当难的，即使说话者说得很清楚，听者非常专心。小学生的词汇量有限，教师在通过语言传授间接经验时还需要借助声音、肢体动作、教学媒体等。

4 教师肢体语言亲和力

广义的肢体语言包括面部表情，本文探讨的是狭义的肢体语言，只包括身体与四肢所表达的意义。教师的非语言亲和力应该包括以下方面：与学生保持目光交流、放松的站姿、经常在教室各处走动而不是站在黑板前、手势语丰富等[1]。当教师对学生的讲话感兴趣或者表示认可时可以点头或者将身体侧向学生;表示中立时可以站得笔直、抬头;表示否定或者不感兴趣时可以低头沉默或者拉开与学生的距离。教师用手掌伸向学生比用手指指着学生更有亲和力，手掌向下且富有力度，则表明“大家安静”;三指捏合，前伸定位，则表明“注意”，这可以是教师和学生之间一种专属的表达方式。

教师肢体动作分为头部姿态、手势、腿姿、坐姿等，当前对肢体语言亲和力的研究较少，缺少可靠的数据。但是太古计算已经开发出动态情绪识别系统，通过分析身体的震动频率和振幅计算出压力、紧张等参数，从而分析人员精神状态。庞雷，陈启祥[7]提出基于HMM-NBC模型的手势识别算法，崔景春，王静[8]提出一种基于随机森林算法的头部姿态估计（RF-HPE）网络与卷积神经网络相结合的模型。今后，动态情绪识别系统可通过教师的手势、头部姿态等肢体语言，计算出高兴、惊讶、接受等参数，从而判断出教师的肢体亲和力。

5 教师服饰亲和力

在对一个人进行观察时，其中注意力的 70%～80%集中在服饰上[9]。课堂上教师的服饰样式会对学生心理产生妙不可言的吸引力和影响力，比如讲解《穿旗袍摆地摊的女人》时，教师穿着一件旗袍缓缓走上讲台，举手投足都吸引着学生进入课文情境中。

色彩最大的作用就是引起人心理上的变化，当学生的视觉感官接收到服饰色彩时，必然会引起一系列联想，从而影响学生的情绪、心理。高纯度或者具有光泽感的色彩和对比强烈的色彩，会给人一种华丽感，低纯度的灰暗色调则会表现出相反的朴素感，高纯度的暖色给人以兴奋激动的情绪。课堂教学中为了让学生在视觉上没有负担，感觉轻松，在选择色彩时多选用中明度的色彩或者中高明度、中低纯度的色彩，如粉红色、橘色、天蓝色、草绿色等，色相上只要将冷色系的色彩适当地提高明度，也可以使学生产生轻快的舒适感，从而塑造喜悦、快乐、活泼性格色彩的教师角色。过于强烈的纯色对比会使学生感到不安，运用弱对比的色彩搭配给人营造人物快乐、喜悦的情绪[10]。教师服饰色彩还能渲染教学气氛，拉近学生和教学内容的距离，特别是语文学科，比如在讲授《孔乙己》时，男老师可穿着暗淡的以黑白灰为主色调的麻布长衫，更符合《孔乙己》创作时代知识分子穷困潦倒的形象;又如学习《找春天》时，女老师可穿着白底小碎花长裙，佩戴小蝴蝶式样的耳饰，营造一种春天到来万物复苏的生机景象，让学生更好地进入到相关情境中。

传统的颜色直方图技术只能得到图像中颜色的组成部分，有学者对颜色识别进行了深入研究，比如王延年等[11]将图片进行颜色空间转换，然后分别提取其在HSV和Lab空间的颜色分量，建立布尔矩阵，实现了颜色识别。全球首款人工智能色彩趋势应用分析工具——“AI Color Trend”利用大数据实现了颜色的系统化呈现，但是鲜有学者利用颜色识别分析服饰亲和力。智能系统只需获取教师服饰图像，呈现其颜色，便可判断其服饰是否具有亲和力。

除以上提到的面部表情、声音、肢体动作等可以反映教师的情绪状态外，呼吸频率、皮肤电反应、血压、脑电也可以用来测量情感。比如：人在愉悦时每分钟呼吸19次，消极悲伤时每分钟呼吸9次、生气时每分钟呼吸40次。皮肤电反应（GSR）是指当一个人情绪发生时，自主神经活动引起皮肤表面的导电系数发生相应变化，人在不同情感主观状态时的皮肤电反应情况如表2所示[2]，通过智能设备获取教师课堂教学时的呼吸频率、皮肤电反应等可以及时了解到教师的情绪状态，督促教师做好调整。

6 结语

白居易《与元九书》有言，“感人心者，莫先乎情，莫始乎言，莫切乎声，莫深乎义”。成功的教育一定离不开教师积极的教学情感，只有在表情、语言、声音等多方面引起学生情感上的共鸣才能产生良好的教学效果。片面追求升学率的传统教学缺乏对学生情感的关注，要想达到良好的教学效果，教师首先要意识到课堂情感的重要性，然后才能对自己的情绪进行调节以达到最佳亲和力状态。无论对传统课堂教学还是智慧学习环境中的教学过程，通过摄像头、录像机、声音采集器、传感器等现代技术设备获取教师图像、语音、呼吸频率、皮肤电等，利用微表情识别技术、语音识别技术、大数据等智能技术分析教师情绪状态，感知教师在教学过程中的情绪变化，给予及时分析和干预，对提高教学效果具有重要意义。

参考文献：

[1] 闻人行. 外语课堂教师亲和力的话语构建[D]. 杭州：浙江大学，2013.

[2] 卢家楣. 情感教学心理学[M]. 上海：上海教育出版社，2000.

[3] 钟启泉. 儿童心目中的教师——日本教育学者木下百合子教授访谈[J]. 全球教育展望，2009，38（3）：3-6.

[4] 林焘，王理嘉. 语音学教程[M]. 北京：北京大学出版社，2013.

[5] 李善鹏. 不同关系的对话者间褒贬态度的语音表达与多模态感知研究[D]. 南京：南京师范大学，2016.

[6] 叶吉祥，胡海翔. Hilbert边际能量谱在语音情感识别中的应用[J]. 计算机工程与应用，2014，50（7）：203-207.

[7] 庞雷，陈启祥. 人机交互动态手势轮廓提取仿真研究[J]. 机械设计与制造，2019（1）：253-256.

[8] 崔景春，王静. 基于增强头部姿态估计的人脸表情识别模型[J]. 计算机科学，2019，46（6）：322-327.

[9] 韦章聪. 谈小学教师的服饰礼仪[J]. 西部素質教育，2017，3（1）：275-276.

[10] 孙晓菲. 舞台服饰色彩的情感表现与研究[D]. 天津：天津工业大学，2018.

[11] 王延年，刘会敏，赵朗月. BV反应孔颜色识别算法研究[J]. 激光杂志，2018，39（5）：45-48.

（责任编辑：孙 娟）