打开文本图片集

摘要：人工智能技术在教育领域更加广泛的使用，深刻地改变了教育模式与教学体系，也成为推动高校教育改革的新引擎。人工智能情绪识别技术在高校思政教育的应用，将促进高校思政教育的创新发展，提升高校思政教育的有效性，推进高校思政教育“智能”发展。本研究基于国内外研究现状与应用价值分析，探索人工智能情绪识别技术在高校思政教育中的应用路径，以期为我国高校智能思政教育提出全新的技术方案。

关键词：人工智能情绪识别技术；高校思政教育；应用策略

一、文献综述

在国外高校教育研究并没有思政教育的提法，比如德国强调宗教教育与道德教育的融合；英国则通常将思政教育隐藏在公民教育当中；日本学校虽然没有设计思想政治教育的内容，但却规划了“一般教育课程、教养教育课程、共通教育课程”等。学术界关于课程教学与思政育人的研究中，奥地利理论学家贝塔郎菲（1937）首次提出了“系统”的概念，奠定了各国思想理论教育的基础，也逐渐成为人们改造世界的思想理论工具。而今系统论更多的认为“思政教育与课程教学等若干要素是一个有机整体”。大卫·白金汉和詹姆斯·波特（2012）等人就则尝试从媒介素养教育、课堂实践教学入手论证思政显性教育与隐性教育的关联性。并且，外国关于网络思政教育的研究大多在“信息伦理学、计算机伦理学、网络伦理学”等学术研究中得以体现，比如斯科恩菲尔德斯（2015）就对高校德育与科技工作中引入网络信息技术予以了高度肯定，并指出“在对学生文化知识与科技信息的传授过程中应将充分渗透思政教育内容”。巴尔尼古拉斯（2016）认为“现阶段高校网络思政教育工作存在着网络设施建设不足、资金人才储备不足、网络普及率较低等问题”。

在国外，人工智能技术教育教学应用的研究起步较早，应用范围也非常广泛，Luckin R， Holmes W、Timms M J、Roll I以及Wylie R等专家学者也对人工智能教育理论、人工智能教育教学内容、人工智能教育教学技术、人工智能教育教学产品等进行了深入研究，形成了一定的理论成为，为本次开展课题研究奠定了理论基础，提供了实践参考。在我国，虽然我国学术界对于人工智能技术的教育教学研究起步比较晚，但是近年来还是取得了一定的成果，比如部分学者深刻阐明了人工智能教育理论的概念、内涵、特点、趋势等，详细论证了人工智能技术辅助学生个性化学习、引导学生信息化实践的能力，对开展智慧教育活动、深化高校思政教育教与学的改革等都具有理论指引和实践引领作用。但遗憾的是，当前国内外很少有直接针对人工智能情绪识别技术在高校思政教育中的应用的学术理论成果，也没法直接指导高校引领医学专业应用人工智能技术进行改革，这不仅展现了本研究的创新价值，也凸显了本研究的实践意义。

二、人工智能情绪识别技术在高校思政教育应用的价值

（一）技术应用精准识别学情

人工智能情绪识别技术能够对高校学生学习生活场景进行更加准确的把握，有利于促进高校思政教育高质量发展。对高校学生的行动与情绪进行智能识别，突破常规的数据收集与分析方案，对高校学生思政学习行为进行情绪信息方面的收集与分析，更加全面的掌握高校学生的思政动态、情绪特征等，从而更加全面的对高校学生进行描绘。同时也能够对高校学生进行准确分类，在人工智能技术支持下，动态捕捉的情绪表现更为真实，将看似模糊的情绪要素转化为可量化、可分析的数据信息，从而为高校思政分层教学提供了更加高效的技术辅助。

（二）技术应用拓宽思政教育场域

传统高校思政教育主要以理论教学为主，实际的教学场域更为固定，实践教育形式较为单一。人工智能教育打破了传统课堂评价，让更多的学习、生活场景贯彻数据分析，实时构建了更为交互、智能的思政教育领域，也为拓展高校思政教育提供的全新的技术突破。学生社区是学生自然、真实、放松的生活场域，生活化特征的情境对于破解常态环境中的复杂问题优势突出，是思想政治教育提升实效性的理想场域，人工智能技术还能应用于学生社区辅导员工作室、党团活动室、自习室、多功能活动室、国学馆、心理解压室等育人空间。

（三）技术应用提升评价有效性

人工智能情绪识别技术在高校思政教育应用能够有利于提升教学评价体系的有效性，质量评价在高校思政教育中有着关键性的作用。将人工智能情绪识别技术应用与2当前高校思政课评估系统，能够让评估结果具有量化的可能。指标体系包含了不同因素的集合，能够将高校思政评价融入更为智能测评的指标。同时，针对学生情绪数据识别与收集，利用影像系统进行数据收集，能够更好的评价课堂教学效果，实现思政课堂教学的高效性。AI应用能够更好帮助高校思政教师改进教学方案，推动大思政教育体系的构建。

三、人工智能情绪识别技术整体系统设计

为了能够保证人工智能情绪识别技术对学生表情识别的准确性，从摄像头采集图像进行人脸区域的检测、图像预处理操作，对人脸区域图像进行灰 度直方图归一化、中值滤波等处理。人工智能情绪识别技术系统主要包括了：操作系统、硬件支持、图像采集模块、图像预处理、情绪识别模块、用户管理模块、数据管理模块、人脸检测模块、人脸识别模块、表情识别模块、情绪分类管理、学情统计模块、数据可视化模块。该系统计算机由计算机、图像采集设备（球型、枪型摄像头或者 USB 摄像头）、图形处理器（GPU）、存储设备（机械硬盘、固态硬盘等）、网络连接设备（交换机等）以及数据库等部分组成。

系统基本流程是用户在通过相应的认证页面将信息提交给系统，系统在查阅用户信息数据之后，若当前用户是管理员即拥有最高权限，若是一般用户（教师），访问但不能修改数据库中的相应条目。监控设备的输出信号为源，系统获取信号之后将其转化OpenCV能够识别的图像格式，让后将图像传递给后续的模块进行人脸检测、识别、情绪识别，最终可视化的特定界面来呈现思政课堂学生的考勤、情绪信息，同步将转化的数据保存到数据当中。

参考文献：

[1]龚瑾.人工智能赋能的多模态学习状态研究与分析[J].信息系统工程，2023（11）：137-140.

[2]唐闺臣，梁瑞宇，谢跃.大学在线教学智能分析的关键技术与展望[J].中国现代教育装备，2022，（23）：18-19+23.

[3]邬晶晶.基于深度学习的情绪识别技术[D].中国科学院大学（中国科学院深圳先进技术研究院），2020.

[4]马欣.基于FPGA脑电情绪识别算法的研究[D].长春理工大学，2022.

本项目收到上海立信会计金融学院大学生创业训练计划项目资助

项目编号 S202411047096