基于神经系统的幸福教育之仿真学模型研究

陆汝华 颜文燕 张雯雰 尹辉

摘  要 以神经系统应用模型为切入点，用仿真教学的理论来研究幸福教育的样态，提出一种新的幸福教育模型。该模型重点在于神经系统应用模型和仿真教学数学模型等两个子模型的建立。神经系统应用模型是以人工智能和网络神经为基础的数据体系，涉及生物学、心理学、神经学、人类学、伦理学等综合研究。仿真教学数学模型从技术上量化幸福的心理指标，特别是教师与学生对教育过程的感应值、接受度和排斥度，准确掌握他们对教与学的真实感受。

关键词 神经系统;幸福教育;仿真学模型;深度学习技术

中图分类号：G642.0    文献标识码：B

文章编号：1671-489X（2020）20-0005-03

Abstract Starting with the application model of nervous system， this paper applies the theory of simulation teaching to study the pattern of happiness education， and puts forward a new happiness education model. This model focuses on the establishment of two sub-models， namely， the application model of nervous system and the simulation teaching mathematical model. The application model of nervous sys-tem is a data system based on artificial intelligence and network nerve，which involves the comprehensive research of biology， psychology， neurology， anthropology， ethics and so on. The simulation teaching mathematical model quantifies the psychological indicators of happi-ness technically， especially the perception， acceptance and exclusion in the education process of teaching and learning between teachers and students， so as to accurately grasp their real feelings of teaching and learning.

Key words nervous system; happiness education; simulation model; deep learning technology

1 研究現状存在的问题

国外心理学家麦卡洛克和数学家皮茨提出的M-P模型[1]是最早的神经元教育模型，标志着人工智能与教育的珠联璧合。罗森布拉特于20世纪50年代末提出感知器模型[2]，被认为是神经应用系统对幸福施教和幸福学习的贡献。吴九君[3]认为，幸福教育有利于减少焦虑，减轻青少年叛逆行为，降低和预防抑郁症，并且适用于不同族群。袁利平[4]认为，建立BP神经网络模型，利用神经网络的仿真训练，可以克服传统教育的缺点，同时提高对学习的好感度[5]。总而言之，幸福教育研究呈多样化态势，学位论文、期刊、报纸、文档、图书和会议论文各有千秋，但不足也很明显。

研究视角较为狭隘  诸多研究成果从哲学、心理学、教育学等视角进行研究，尤以心理学领域的量化分析较为突出，这说明对幸福教育的研究缺乏系统性的理论与实证研究，尤其缺乏跨学科、跨领域的交叉研究。要切记幸福教育是集教育学、心理学、社会学、神经学、人工智能、伦理学等文理工各学科的总成。

基础研究还不透彻  基础不牢，地动山摇。当前对幸福教育研究迫切需要百尺竿头，更进一步。如对幸福教育的理解上，存在把幸福观教育等同于幸福教育的误区;在以幸福观教育为题的研究中，论述的主要内容却是关于幸福教育的重要性以及怎样奠基学生幸福感;在一些标题为幸福教育的文章里，主要内容却是如何培养学生树立正确的幸福观，只有幸福教育的形而没有幸福教育的体。

实践研究相对滞后  刻下，对幸福教育的学术研究多数还停留在对幸福本身的理论探讨层面，关于幸福、幸福观、幸福指数、幸福教育体系、幸福与教育的关系的研究论述较多，没有进一步探索教育的幸福方式和过程，尤其是在高教中通过仿真教学开展幸福教育更是凤毛麟角。在高校教学要求高、管理难而学生学习任务重、压力大的形势下，凸显了理论研究的滞后性和幸福教育的迫切性。

基于神经系统的幸福教育之仿真学模型研究致力于集成神经学、教育学、心理学、认知科学、生理学及大数据和信息化等文理工学科领域的特点与优点，在理念、论证和设计上为高等教育提供全面、系统的系统框架，努力助推幸福教育不断推向深入。

2 幸福教育之仿真学模型的顶层设计

利用情感主义教学理论形塑幸福教育的幸福图景  情感主义教学理论认为，学生的认知过程与情感过程是有机的统一体，只有综合情境教学、愉快教学、成功教育的教育，才是理想的教育。课题关注教学中的情感主义要素，将幸福教育分解成教的幸福图、学的幸福图和管（全部教学制度）的幸福图，通过三个板块的组合应用，形塑出幸福教育的幸福图景。具体来说，教的幸福图是教师教育的幸福感，学的幸福图是学生学习的幸福感，管的幸福图是教育工作者管理教育工作时的幸福感。通过教、学、管的幸福感结合，完美形塑幸福教育的幸福图景。

利用神经应用系统模型擘画幸福教育的顶层设计  运用计算机科学和神经网络技术，嵌入神经系统生理、心理数据，搭建有幸福教育实证基础的系统模型。构建这个模型的全部哲学，归根到底是映射出幸福教育的顶层设计。实际上，可以采用各种传感器采集模型所需数据，如音频采集器、视频采集器、空气传感器、水系传感器、土壤传感器等，在办公设备、家用设备、生产设备、手机、台式机、笔记本电脑等基本条件上，虚拟人类神经系统，主要是虚拟听觉系统、虚拟视觉系统、虚拟感觉系统、虚拟运行系统等，构建一套幸福教育的神经应用系统模型。神经应用系统模型通过与被测者体表连接在一起的传感器，将采集到的肌电、脉搏、血压、呼吸、心跳、脑电波、声音、瞳孔等生理、心理数据模拟信号经过处理转换成数字信号，然后进行存储、分析，得出幸福与否的结论。

3 幸福教育之仿真学模型的主体工程

利用仿真教学数学模型，夯筑幸福教育的主体工程。基于神经系统的幸福教育之仿真学模型重在通过采集神经系统对教学过程的认受信息，来评价教学两方面在此过程中的幸福程度，即是对照神经系统感应情况，对外在的教学过程和内在的神经反应进行仿真模拟，以构建幸福教育的理念、方法、路径和参数。为此，根据神经应用系统模型确立幸福教育的五个维度：幸福高教的公认度、幸福学生的归属感、幸福教师的获得感、幸福职业的期待值、教学方式的认受性。以此为基准，对五个维度设置35个指标或参数，用不同的权重来形塑幸福教育的全部要素，并进行定性与定量相结合的实证（验）分析，基本构建幸福教育运行体系。

幸福高教的公认度  人有男女之别，但人性相同：大家羡慕、向往的，就会觉得好，期待自己成为那样的人。曾几何时，上大学成为多少中国人的“梦”。课题结合教育学、心理学原理，在学校、专业、课程、管理等方面进行有建设性的重构，落脚点在于使社会大众认同高等教育、认可高等教育、向往高等教育。

幸福学生的归属感  只有使学生在心理上接受了高教，觉得做大学生是一件光荣的事情，学生才会肯学、乐学，才会感觉到学习是一件幸福的事情。课题从学习目标、自我管理、潜力挖掘、挫折教育、人文关怀、心理辅导、行为矫治、学校生活、假期安排、奖惩设置等方面进行有预见性的分析，落脚点在于使学生觉得做好大学生很骄傲，做差大学生很耻辱。

幸福教师的获得感  教师是太阳底下最光辉的职业，如果高校教师感觉确实如此，那就在幸福教育上定下一根柱子。课题从学习机会、工作待遇、绩效考核、申报课题、职称评定、职业保障等方面进行系统性探索，落脚点在于使高校教师切实认识到自身的价值和可珍惜性。

教学方式的认受性  教学方式的信赖度有多高，教学效果就会有多好。课题从教材多样性、讲授多样性、课堂多样性、教案多样性、场景多样性、时间多样性等方面进行开放性思考，落脚点在于规避教与学的痛苦项和痛苦值，增加教與学的幸福项和幸福值。

幸福职业的期待值  教育是一种投资，它投资的是未来。是故，幸福职业是幸福教育的重要指标。课题在职业规划、职业培育、技能训练、职前培训、就业辅导、创新创业等方面进行前瞻性论证，落脚点在于使学生通过学习获得理想职业的“入场券”。

通过这些措施的综合运用，蝶化生成幸福教育体系。

4 应用深度学习技术，预测幸福教育效果

目前比较流行的深度学习技术，不仅可以应用于语音识别、故障诊断、数字识别等领域，也可以用来建立幸福教育模型[6]，预测幸福教育效果，主要包括下面几个步骤。

1）幸福教育数据采集与存储。采用机器学习中相关技术获得幸福教育数据并存储到数据库。

2）幸福教育数据模型的构建。可以使用无隐藏层神经网络、多隐藏层神经网络、卷积神经网络[7]或循环神经网络[8]等模拟人的神经系统，构建幸福教育数据模型。

3）幸福教育数据特征分析与处理。删除无用数据，减弱不重要信号，增强关键特征。

4）幸福教育训练模型库的建立。使用深度学习算法，将样本数据输入模型进行训练，获得幸福教育的权限和方差，存储到训练模型库。

5）幸福教育效果的评估与预测。在幸福教育训练模型库的基础上，对未知效果的幸福教育数据进行评估与预测，得到当前数据所表示的幸福教育效果，从而可以为教育教学、思想教育、政策制定等起指导作用。

5 结束语

本研究集教育学、心理学、社会学、神经学、人工智能、伦理学、哲学等文理工各学科于一体，将神经网络、仿真教学、数学建模等现代计算机技术运用到幸福教育，并对幸福教育从顶层设计到实践路径进行系统分析论证。最后，通过应用深度学习技术，预测幸福教育效果。下一个阶段将致力于实现幸福教育模型中各子功能模块，针对各种学习场景设置不同的参数，并验证系统的幸福效果。

参考文献

[1]张怡美.面向在线教育平台情绪识别的算法研究与实现[D].长春：吉林大学，2019：25-26.

[2]李子运.关于“智慧教育”的追问与理性思考[J].电化教育研究，2016（8）：5-10.

[3]吴九君.积极心理干预对大学生心理和谐、抗逆力、总体幸福感及抑郁的影响[J].首都师范大学学报（社会科学版），2019（4）：178-188.

[4]袁利平，陈川南.宽度学习的教育价值及其意义[J].中国电化教育，2019（5）：34-40.

[5]肖睿，肖海明，尚俊杰.人工智能与教育变革：前景、困难和策略[J].中国电化教育，2020（4）：75-86.

[6]郭迪.基于深度学习的表情和姿态双模态情感识别[D].南京：南京邮电大学，2019.

[7]蔡婉雪.基于卷积神经网络的高速车辆检测的研究[D].南京：南京邮电大学，2018.

[8]史先章.基于循环神经网络的风险评估模型研究[D].合肥：安徽农业大学，2019.