学习画面情感对学习者情感的影响研究

徐振国 孔玺 张冠文 孟祥增

[摘   要] 学习画面情感能够影响学习者在线学习过程中的情感、兴趣和动机，进而影响学习者的学习体验和认知活动。文章利用卷积神经网络识别学习画面情感和学习者情感，并对学习画面情感与学习者情感的相关性进行大数据分析。研究发现：（1）学习画面情感中的温馨、欢快、活泼、搞笑、幽默、有趣等正向情感能够给学习者带来积极的情感体验，有助于培养学习兴趣，促进认知活动;（2）学习画面情感中的凄凉、枯燥、沉闷、繁乱等负向情感则会引起学习者的消极情感，影响耐心度、注意力，阻碍认知活动;（3）学习画面情感中的夸张、虚幻、惊险、恐怖比较特殊，与学习者情感间的关系较为复杂。最后，文章提出了选择恰当的资源类型、注重学习画面的情感设计、利用学习画面实现情感交互等建议，以便学习画面更好地为学习者的在线学习提供情感支持。

[关键词] 在线学习环境; 学习画面情感; 学习者情感; 影响机制

[中图分类号] G434            [文献标志码] A

[作者简介] 徐振国（1989—），男，山东泰安人。讲师，博士，主要从事计算机教育应用、数字化学习资源、媒介素养教育研究。E-mail：xu.zhen.guo@163.com。张冠文为通讯作者，E-mail：429674062@qq.com。

一、引   言

在线学习突破时空局限，学习者在享受优质学习资源的同时，可实现个性化学习。疫情期间教育部鼓励中小学和高校开展线上授课和线上学习，以便实现“停课不停教、停课不停学”。在线学习成为特殊时期学习者的主要学习方式，也将成为未来教育的有机组成部分。学习画面是指学习内容的信息呈现画面，是学习者在线学习时面对的主要环境，并且是学习者与学习内容间信息交互的主通道，学习者主要通过智能学习终端观看学习画面进行在线学习。学习画面的色彩搭配、版式布局、背景纹理等能够影响学习内容的表现形式和学习画面的情感表达，进而影响学习者的学习体验。美国学者普拉斯（Jan Plass）曾指出，多媒体学习画面的情感与学习者的情感状态和认知过程存在重要联系，良好的情感设计可以引起学习者积极的情感体验，从而促进学习者对学习内容更好的理解和迁移[1]。

目前，学习画面研究“重知轻情”，多关注学习画面认知层面的内容设计，忽视情感层面的理论研究和实践探索，对于学习画面隐含的情感功能缺乏足够重视。既有学习画面的情感功能研究多采用思辨的方法，从宏观视角论述学习画面情感对学习者情感的影响，而未通过实证研究阐释两者间的具体联系。学习画面种类繁多、形式多样，更是具有多种视觉情感，不同的学习画面情感会给学习者带来不同的内心体验。因此，本研究借助自主开发的学习画面与学习者表情同步采集系统采集学习画面图像及其对应的学习者表情图像，然后利用深度学习、数据挖掘等技术对学习画面情感与学习者情感的相关性进行分析，以便探究學习画面情感对学习者情感的影响。

二、国内外研究现状

学习画面也被称为多媒体画面、学习资源画面，学者早期研究多关注学习画面的认知功能。随着研究的深入，学者们逐渐意识到学习画面不仅具有“显式”的认知功能，还具有“隐式”的情感功能。张伯邑[2]指出，多媒体画面艺术是融合了感性与理性、思想与创意、情感和美感的综合艺术体，其功效主要体现在认知与教化、传播与沟通、情感的宣泄和净化等现象和过程中。情感宣泄是指通过一组设计组织好的画面形象或情境使人的情感得以引导、疏通和释放。刘哲雨等[3]认为，多媒体画面语言表征目标具有激励、转化、呈现策略、拓展外延信息、支援、引导心向、评测等功能，其中引导心向是指多媒体画面语言表征情感目标可以引导心向，促进学习者积极主动地将新知识与原有认知结构中的旧知识进行重构，促进迁移心向的形成。王志军等[4]认为，多媒体画面语言能够影响学习者的情感体验。情感体验数据包括三个层次：本能层，即学习者对多媒体画面的视觉感受;行为层，即学习者在使用多媒体学习材料时所触发的感受、体验;反思层，即学习者在使用资源学习后所引发的沉浸与思考等体验数据。

与国内研究相比，国外对学习画面的情感功能研究则更为系统和成熟，并逐渐形成理论体系。美国学者莫雷诺[5]（Roxana Moreno）在梅耶（Richard Mayer）的多媒体学习认知理论（Cognitive Theory of Multimedia Learning，CTML）基础上提出多媒体学习认知—情感理论（Cognitive-Affective Theory of Learning with Media，CATLM），并指出多媒体学习画面除具有认知功能外，还具有不可忽视的情感功能，其情感功能主要体现在多媒体学习画面可以影响学习者的学习情感、学习态度和学习动机。巴西学者佩里（Gabriela Perry）等[6]指出，多媒体画面设计具有较高的领域依赖性和多学科性质。除要符合通用设计规则外，“教与学”的问题也不容忽视，其中“教”指内容设计，侧重认知层面，而“学”则指画面设计，侧重情感层面，只有将内容设计和画面设计有机结合，才能充分发挥学习资源的价值和作用。

通过对国内外文献的梳理发现，学习画面情感能够对学习者的认知活动、情感状态、学习态度、学习动机和学习兴趣等产生影响。研究者在阐述学习画面的情感功能时，多采用思辨的方法进行定性研究，而较少采用实证的方法进行定量研究，存在重理论探讨轻实践验证的问题。只有强有力的数据支撑，才能使研究结论更具有说服力。此外，研究者多从宏观视角论述学习画面的情感功能，虽然宏观视角更加开阔，但微观视角更为聚焦，更能掌握普遍规律。

三、实验设计

学习画面是学习内容的信息呈现画面，通常由文字、图形、图像、动画等媒体形式组成，并由智能学习终端的屏幕进行显示。学习画面情感是指学习画面的视觉情感，是学习者接受学习画面的视觉刺激后所产生的直观感受。学习画面情感主要包括温馨、欢快、活泼、搞笑、夸张、幽默、有趣、凄凉、枯燥、沉闷、繁乱、虚幻、惊险、恐怖等14种类型。学习者情感指学习者的学习情感，是学习者在学习过程中的情感状态，主要包括常态、高兴、愤怒、悲伤、惊恐、专注、走神等7种类型。学习者情感受多方面因素的影响，既包括学习者当时的思想情绪等内在因素，也包括学习内容的难易程度、学习画面情感等外在因素。因此，本研究开展长期跟踪实验，采集学习画面图像及其对应的学习者表情图像，形成大数据样本集，通过实证研究和数据挖掘揭示学习画面情感对学习者情感的影响。

（一）实验对象

本研究选取济南市某学校7年级的2个班级和8年级的1个班级作为实验对象，其中7年级1班32名学生，7年级2班30名学生，8年级36名学生。本研究选择该学校以及7、8年级学生作为实验对象，基于以下两点考虑：第一，该学校建有智慧教室，并且多采用混合式教学模式，能够满足实验所需的软硬件条件和环境;第二，7、8年级学生平均年龄为13岁和14岁，在学习过程中能够较为真实地表达学习情感，并且表情相对来说较为丰富。

（二）实验方案

该实验属于教育技术学实验中的判断性实验，无须随机安排被试，选取济南市某学校7、8年级原始自然班作为被试群体，在自然真实的教学环境中进行实验。具体的实验方案为：首先，协助任课教师进行教学设计和学习画面设计;其次，学生通过智能学习终端观看学习画面进行在线学习，并采集学习画面图像及其对应的学习者表情图像;最后，整理实验数据并进行数据分析，得出实验结论。

（三）实验过程

实验开展的时间为2018年9月10日至2018年12月23日，共持续15周时间，每周每班级两节信息技术课，分别讲授信息技术教材内容和Scratch创意编程内容，每节课45分钟。实验环境为该校智慧教室，每位学生均配有智能学习终端，能够满足实验需求。整个实验包括准备阶段、实施阶段和完成阶段。准备阶段安装调试学习画面与学习者表情同步采集系统。实施阶段以周为单位，又分为课前、课中和课后三个阶段。为使实验结果更具有代表性，笔者课前协助教师进行学习画面设计，使学习画面能够尽量体现14种情感类型。课中采用混合式教学模式，每节课前30分钟学生通过智能学习终端观看学习画面进行在线学习，同步采集系统将自动采集学习画面图像及其对应的学习者表情图像，后15分钟教师提供解答和指导。课后拷贝采集的图像数据并保存。完成阶段整理、检查和分析图像数据。

四、数据分析与结果讨论

同步采集系统的采集帧频根据智能学习终端性能和实验需要设置为每秒2帧，因智能学习终端存储有限，每次采集的时长由教师根据学生在线学习情况自行设定，每次大约5至10分钟，至少为5分钟。若采集5分钟，每名学生会形成拥有600幅图像的学习画面图像序列和拥有600幅图像的学习者表情图像序列。实验持续15周时间，共得到14956人次的学习画面图像及其对应的学习者表情图像，即14956对文件夹，每个文件夹内至少有600幅图像。

（一）数据分析

经过粗略查看，发现部分文件夹内图像并不完整或因存在问题无法显示。因此，需要删除图像数量或质量存在问题的图像数据。本研究请3名研究生和3名本科生逐一查看所采集的圖像数据，删除存在问题的成对文件夹，最终获得有效图像数据9725人次。为探究学习画面情感对学习者情感的影响，本研究借助数据挖掘技术中的常用方法相关分析对通过实验采集的图像数据进行分析。相关系数的计算方法为：

该实验共采集有效图像数据9725人次，即9725对文件夹，每个文件夹内至少有600幅图像，数据量巨大，较难用SPSS、SAS、Stata等统计软件进行直接分析。因此，本研究首先利用已经训练好的9层卷积神经网络（Convolutional Neural Networks，CNN）模型识别每幅学习画面图像14种视觉情感和4种艺术特征的强度，艺术特征主要包括背景纹理、版式布局、色彩配搭和文本样式。

然后，利用已经训练好的7层CNN模型[7]识别每幅学习者表情图像7种学习情感的强度，并将强度归一化到0～1之间。CNN是人工智能领域的重要算法，它将图像特征提取与神经网络的模糊分类相结合，省略前期复杂的图像预处理和特征提取过程，使之不再依赖人工精心设计的“显式”特征提取方法，在提高了工作效率和准确率的同时，也提高了识别算法的鲁棒性。最后利用自主编写的Matlab程序计算学习画面情感、艺术特征与学习者情感的相关系数。

1. 学习画面情感对学习者情感的影响

通过对有效图像数据的分析，学习画面14种视觉情感与学习者7种学习情感的相关系数见表1。相关系数的绝对值越大，相关性越强，即相关系数越接近于1或-1，相关度越强，相关系数越接近于0，相关度越弱。通常判断的标准是：0<|r|<0.3称为微弱相关，0.3≤|r|<0.5称为低度相关，0.5≤|r|<0.8称为显著相关，0.8≤|r|<1称为高度相关或强相关[8]。

从整体来看，学习画面情感与学习者情感的相关系数在-0.7至0.8之间，部分学习画面情感与学习者情感存在较强的相关关系，也有部分存在较弱的相关关系，甚至不存在相关关系。

学习画面情感中的温馨、欢快、活泼、搞笑、幽默、有趣与学习者情感中的常态、高兴、专注等存在正相关，而与愤怒、悲伤、惊恐、走神等存在负相关。其中温馨与常态、专注存在显著相关，欢快、搞笑与高兴、悲伤、走神存在显著相关;活泼与悲伤、专注、走神存在显著相关;幽默与高兴存在显著相关;有趣与高兴、悲伤、专注、走神存在显著相关。凄凉、枯燥、沉闷、繁乱与愤怒、悲伤、惊恐、走神等存在正相关，而与常态、高兴、专注等存在负相关。其中凄凉与悲伤存在显著相关;枯燥与高兴、专注、走神存在显著相关;沉闷与走神存在显著相关;繁乱与高兴、愤怒存在显著相关。惊险、恐怖与愤怒、惊恐存在正相关，而与其他学习者情感存在负相关，其中惊险与惊恐存在显著相关;恐怖与常态、惊恐、走神存在显著相关。

夸张、虚幻则较为特殊，夸张与高兴、惊恐、专注存在正相关，与常态、愤怒、悲伤、走神存在负相关。虚幻与走神存在负相关，而与其他学习者情感存在正相关。两者与7种学习者情感并不存在显著或较强的相关关系。

2. 学习画面艺术特征对学习者情感的影响

通过对有效图像数据的分析，学习画面4种艺术特征与学习者7种学习情感的相关系数见表2。

从整体来看，学习画面艺术特征与学习者情感的相关系数也在-0.7至0.8之间。学习画面的4种艺术特征与常态、高兴、专注存在正相关，而与愤怒、悲伤、惊恐、走神存在负相关。其中背景纹理、文本样式与专注存在显著相关，版式布局、色彩搭配与常态、专注、走神存在显著相关。

（二）结果讨论

1. 学习画面情感对学习者情感的影响

积极情感是临床心理学和积极心理学的研究重点，董妍和喻国良将学业情绪确定为积极高唤醒、积极低唤醒、消极高唤醒、消极低唤醒。积极高唤醒包括高兴、愉快、自豪、羨慕和希望;积极低唤醒包括放松、满意和平静;消极高唤醒包括生气、焦虑和羞愧;消极低唤醒包括厌倦、无助、沮丧和难过[9]。本研究借鉴既有研究，将学习者的7种学习情感分为积极情感和消极情感两类，其中积极情感包括常态、高兴和专注，消极情感包括愤怒、悲伤、惊恐和走神。

结果表明，学习画面情感中的温馨、欢快、活泼、搞笑、幽默、有趣能够激发学习者的积极情感，并避免学习者出现消极情感;而凄凉、枯燥、沉闷和繁乱则会引起学习者的消极情感。夸张、虚幻、惊险、恐怖比较特殊，夸张、虚幻与7种学习者情感的相关系数均处在较低的水平，即对学习者情感的影响较小，而惊险、恐怖仅会引起学习者的愤怒和惊恐。学习画面的背景纹理、版式布局、色彩搭配、文本样式等4种艺术特征均能激发学习者的积极情感，并会避免消极情感的出现。

根据学习画面情感与学习者情感的相关性，可将学习画面情感大致分为三类：其一为正向情感，包括温馨、欢快、活泼、搞笑、幽默和有趣，它们会引起学习者的积极情感，有助于激发学习动机，培养学习兴趣，促进认知活动;其二为负向情感，包括凄凉、枯燥、沉闷和繁乱，它们会引起学习者的消极情感，影响耐心度、注意力，阻碍认知活动;其三为特殊情感，包括夸张、虚幻、惊险和恐怖，它们与学习者情感间的关系较为复杂，并且通过对134742幅学习画面图像的情感进行大数据分析，发现此类情感较少出现。虽然学习画面的4种艺术特征都会影响学习者的学习情感，但色彩搭配和版式布局的影响更强。

2. 学习画面情感对学习者情感的影响机制

当学习者观看学习画面时，视网膜会受到学习画面的视觉刺激，视觉刺激经视觉神经传递到大脑视觉皮层。大脑视觉皮层将依靠长时记忆和视觉经验进行信息加工，从而激活相应的心理状态[10]。张海波等[11]基于颜色和纹理实现对图像情感的识别，刘增荣等[12]融合颜色、纹理、形状等视觉特征并使用支持向量机来实现图像综合特征空间到情感空间的映射。汤丽萍等[13]通过对图像情感分类相关文献的梳理，指出现有的图像情感分析多基于图像的颜色、形状、纹理等低层视觉特征进行研究。因此，从产生原理和既有研究看，学习画面情感通常受颜色、纹理、形状等低层视觉特征的影响。

美术理论家伊顿[14]（Johannes Itten）在其著作《The Art of Color》中提出不同的颜色组合会产生相异的图像情感，李海芳等[15]通过调查总结出色彩搭配与图像情感间的对应关系，毛峡等[16]的研究也证实不同颜色组合可以激发人们不同的情感状态。既有研究和实验结果表明，学习画面的背景纹理、色彩搭配、版式布局、文本样式等艺术特征能够影响学习画面情感和学习者情感。

普拉斯、佩里等学者的研究和本研究的实验结果均证实，学习画面的情感和艺术特征与学习者情感存在重要联系，学习画面情感中的温馨、欢快、活泼、幽默、有趣等正向情感可以激发学习者积极的情感状态，而枯燥、沉闷、繁乱等负向情感则会给学习者带来消极的情感体验。通过以上分析，学习画面情感对学习者情感的影响机制如图1所示。

如图1所示，学习画面的颜色、纹理、形状、空间关系等视觉特征会影响学习画面的背景纹理、色彩搭配、版式布局、文本样式等艺术特征，直观的视觉特征和隐含的艺术特征使学习画面表现出不同的情感属性，进而影响学习者的学习情感。

五、启示与建议

本研究通过实验证实学习者的学习情感易受学习画面情感的影响，良好的学习画面情感能够引起学习者积极的情感体验，并促进学习者对学习内容更好的理解和迁移，因此，学习画面情感对促进学习者的在线学习活动具有重要意义。学习画面本质上属于计算机生成或合成图像，多由文本、图形、图像、动画等媒体形式组合而成，其情感主要通过颜色、纹理、形状等视觉特征和色彩搭配、版式布局、文本样式等艺术特征体现。区别于自然图像，学习画面直观的视觉特征和隐含的艺术特征可通过自主设计以体现不同情感属性，具有较高能动性。这无疑要求教师或教育工作者在进行学习画面设计时，注重其美学功能、情感功能和认知功能的协调与平衡，充分发挥学习画面在学习者在线学习过程中的情感功能。

（一）选择恰当的资源类型

在线学习环境中多媒体PPT、录制视频、Flash动画是主要的数字化学习资源形式，其中多媒体PPT最为常见。某些资源类型具有特定的情感属性，而某些资源类型则可表达更加多样的情感，应恰当选择以激发学习者的积极情感和学习兴趣。本研究通过网络爬虫和自编程序共采集189673幅学习画面图像，筛选后形成拥有134742幅学习画面的图像数据库，资源类型主要包括多媒体PPT（75814幅）、绘画（22430幅）、Flash动画（27039幅）和录制视频（9459幅）。然后利用学习画面情感识别程序识别数据库中每幅学习画面图像的情感强度，并归一化到0～1之间。各资源类型学习画面情感的强度如图2所示。

如图2所示，多媒体PPT和绘画类型的学习画面既有温馨、欢快、活泼、有趣等正向情感，也有枯燥、沉闷、繁乱等负向情感，负向情感略高于正向情感;Flash动画类型学习画面在各情感维度上具有明显差异，较多呈现正向情感，而较少体现负向情感;录制视频类型学习画面与Flash动画恰好相反，多呈现负向情感，而较少体现正向情感。教师或教育工作者可根据学段学科、教学内容、学生特点、教学方式等确定希望表达的情感并选择与之相符的资源类型。Flash动画多呈现正向情感，比较适合应用于学前和小学阶段学习者。录制视频与Flash动画正好相互补充，适合自制力较高的大学阶段或继续教育阶段学习者。多媒体PPT则更加灵活，更具有普适性，既可表达正向情感，也可表达负向情感，所呈现的情感依赖于教育工作者的设计，因此，教育工作者应特别重视对多媒体PPT所表达情感的关注，充分考虑学段学科和教学内容等因素，使其尽量体现正向情感，并避免负向情感的出现。

（二）注重学习画面的情感设计

教师在进行学习画面的设计时，应较多体现学习画面的正向情感，特别是与专注存在显著相关的学习画面情感，例如温馨、欢快和活泼等;同时避免体现负向情感，特别是与走神存在显著相关的学习画面情感，例如枯燥、沉闷和繁乱。因为学习画面主要通过直观的视觉特征和隐含的艺术特征体现情感属性，因此，教师可从色彩搭配、版式布局、背景纹理、配图质量、文本样式等方面考虑学习画面的情感设计，以便使学习者保持积极的情感状态，促进认知活动。

学习画面的版式布局应避免杂乱无章，要做到结构清晰、功能明确、主次分明、比例合理、恰当留白。版面编排既要考虑学习者认识事物的心理顺序和思维活动的逻辑顺序，还要考虑学习者的视线流动顺序，在有限的空间内，为学习者提供内容体系完整、满足学习需求的学习内容。

美国学者布鲁墨（Carolyn Bloomer）在其著作《视觉原理》中指出，色彩能够唤起各种情绪，表达感情，甚至影响我们正常的心理感受[17]。学习画面的色彩搭配可考虑三种方法：使用单色、使用对比色、使用同色系。暖色调多给人们带来温暖热烈、生动活泼和积极有力的视觉感受，学习画面应多用红、橙、黄等暖色调，并且色彩的总数要控制在2～4种。学习画面的背景纹理应采用素淡清雅的色彩或图像，避免采用花纹复杂的图像或纯度较高的色彩，同时要符合教学内容的意境，并要与文字的颜色对比强烈。

图像是学习画面中最直观、最形象的表现要素，好的配图能给学习者丰富的联想，并使其注意力集中。配圖要注意“质”和“量”，其中“质”体现在三个方面：第一，学习画面的配图首先要切合讲授主题，图形或图像素材应围绕教学内容的主题进行选取;第二，要切合学习者的年龄阶段，各年龄阶段学习者具有不同的身心发展特点，学前或小学阶段的学习画面应多采用形象生动、活泼夸张、色彩鲜艳的图形或图像;第三，配图的分辨率要尽可能地高，并且没有广告信息，以保证清晰度和辨识度。“量”则体现在：学习画面中的图形或图像数量并非越多越好，而是要根据实际情况进行确定，尽量控制在合理范围以内。设计合理的学习画面可以对学习者的学习情感产生积极影响，给学习者带来良好学习体验的同时，也能够缓解因智能学习终端屏幕过小而带来的视觉疲劳。

（三）利用学习画面实现情感交互

在线学习环境下师生由于时空上的准分离，将难以进行面对面的情感交流，普遍存在“情感缺失”的问题，使学习者的在线学习缺少情感支持。既有研究多利用虚拟教师、智能学伴等仿生代理的表情、动作和语言等对学习者的学习过程进行干预。本研究通过实验证实学习画面情感对学习者的学习情感具有重要影响，正向的学习画面情感可激发学习者的积极情感，因此，可利用学习画面实现在线学习环境下的情感交互。本研究构建在线学习环境下学习画面情感自适应调整模型，通过学习画面视觉特征的组合调整实现学习画面情感的调整，以期在线学习环境能够感知、判断、回应和调节学习者的学习情感，为学习者的在线学习活动提供情感支持[18]，模型如图3所示。

该模型主要包括两大模块：多源异构数据采集与处理模块和学习画面情感自适应调整策略模块，其中多源异构数据采集与处理模块又包括学习画面视觉特征提取模块、学习画面情感识别模块、学习者情感识别模块和学习者视觉情感偏好模型完善模块。学习画面情感和学习者情感的实时识别可利用CNN+RNN实现，学习者视觉情感偏好模型由“显性数据”和“隐性数据”构成，显性数据指学习者注册时所填写的个人信息和选择的视觉偏好信息，隐性数据指学习过程中通过数据挖掘技术获取的学习者视觉情感偏好。学习画面情感自适应调整策略模块由学习画面视觉特征资源推荐模块和学习画面视觉特征调整模块组成，其中学习画面视觉特征资源推荐由卷积矩阵分解（Convolutional Matrix Factorization，CMF）实现，学习画面视觉特征调整则借助开源的OpenCV库实现。学习画面视觉特征资源库存有可用于调整学习画面情感的视觉特征，例如背景纹理或图像、色彩搭配方案、可用作配图的图像或图形、GIF动画、布局方案、色相/饱和度方案、亮度/对比度方案等，视觉特征资源库中的资源可借鉴学习元、社会化标签、既有规范（CELTS-3.1、CELTS-41.1、LOM、SCORM）等进行标准化处理和建模。

[参考文献]

[1] PLASS J L， HEIDIG S， HAYWARD E O， et al. Emotional design in multimedia learning： effects of shape and color on affect and learning[J]. Learning and instruction， 2014（29）：128-140.

[2] 张伯邑.多媒体教学中画面艺术的功效[J].湖南师范大学教育科学学报，2011，10（5）：118-120.

[3] 刘哲雨，侯岸泽，王志军.多媒体画面语言表征目标促进深度学习[J].电化教育研究，2017，38（3）：18-23.

[4] 王志军，吴向文，冯小燕，等.基于大数据的多媒体画面语言研究[J].电化教育研究，2017，38（4）：59-65.

[5] MORENO R. Optimising learning from animations by minimising cognitive load： cognitive and affective consequences of signalling and segmentation methods[J]. Applied cognitive psychology： the official journal of the society for applied research in memory and cognition， 2007， 21（6）： 765-781.

[6] PERRY G T， SCHNAID F. A case study on the design of learning interfaces[J]. Computers & education， 2012， 59（2）： 722-731.

[7] 徐振国，张冠文，孟祥增，等.基于深度学习的学习者情感识别与应用[J].电化教育研究，2019，40（2）：87-94.

[8] 陈珍珍，罗乐勤.统计学[M].厦门：厦门大学出版社，2002：149-150.

[9] 董妍，俞國良.青少年学业情绪问卷的编制及应用[J].心理学报，2007（5）：852-860.

[10] 章明.视觉认知心理学[M].上海：华东师范大学出版社，1991.

[11] 张海波，黄铁军，修毅，等.基于颜色和纹理特征的面料图像情感语义分析[J].天津工业大学学报，2013，32（4）：26-32.

[12] 刘增荣，余雪丽，李志.基于特征融合的图像情感语义识别研究[J].太原理工大学学报， 2012，43（5）：553-557，563.

[13] 汤丽萍，陈芬.基于情感的图像分类研究进展[J].情报理论与实践，2018，41（6）：149-153，160.

[14] ITTEN J. The art of color： the subjective experience and objective rationale of color[M]. New York： Van Nostrand Reinhold Company， 1973.

[15] 李海芳，焦丽鹏，贺静.多特征综合的图像模糊情感注释方法研究[J].中国图象图形学报，2009，14（3）：531-536.

[16] 毛峡，丁玉宽，牟田一弥.图像的情感特征分析及其和谐感评价[J].电子学报，2001（S1）：1923-1927.

[17] 布鲁墨.视觉原理[M].张功钤，译.北京：北京大学出版社，1987.

[18] 杨鑫，解月光.智慧教学能力：智慧教育时代的教师能力向度[J].教育研究，2019，40（8）：150-159.