崔鑫,马志强,闫嘉欣|情感临场感的内涵、维度与测量方法——学习空间设计的前沿进展

马志强(1983—)，男，内蒙古呼和浩特人。博士，教授，博士生导师，江南大学教育学院副院长，江苏“互联网+教育”研究基地主任。新加坡南洋理工大学访问学者，江苏省“333工程”培养对象、江苏省社科优青。主要研究方向为学习科学与技术、智能教育评价。

崔鑫(1996—)，女，山西太原人。江南大学设计学院在读博士生。主要研究方向为设计教育、计算机支持的协作学习。

学习空间作为学习发生的场所和中介物，一直是国内外教与学领域研究与实践的重点。学习者日益增长的学习需求、教与学理念的更新以及技术的变革，合力推动学习空间表达出了不同的场所样态，如个人学习空间、网络学习空间、智慧学习空间等，为学习者提供了不同程度的支持。但如何设计能够增强学习者学习效果的空间，仍是当下亟待解决的问题。回归学习空间的本质与内涵，“居所”属性是学习空间的本质属性之一，即学习空间是学习者学习的“容身之处”，除了提供场地与支持行为发生外，更强调提供符合认知特点与个性化需求的适应性学习支持，以更好地促进学习者的“驻留”，实现认识的持续性发生。然而，目前大多数学习空间以离身型空间为主，设计重点主要聚焦于学习资源和技术支持工具的开发，忽视了学习者的情感体验，对其情感参与的支持与回应不够，导致学习者以“离场”的状态建构知识，影响沉浸感与学习投入，进而影响学习效果。对学习空间“情感缺位”的反思，同样离不开对相关设计理论与规律的思考。探究学习社区理论是远程教育、在线学习领域的重要理论，该理论提出了由社会临场感、教学临场感和认知临场感三个基本要素构成的网络探究学习社区基本框架，整合情感体验、心理行为、思维技能于一体，对学习空间的设计与应用有指导作用。随着对该框架研究的深入，发现情感是学习社区中不可分割的一部分，探究学习社区中学习者的学习情绪及情感状态有重要意义。研究者将情绪情感这一要素引入到探究学习社区理论框架的相关研究中，Campbell提出了“情感临场感”这一概念，并将其视为理论框架中一个独立的要素，情感临场感逐渐成为学者共同关注的焦点。

情感临场感是指学习者个体对自身学习情绪的感知体验以及与环境互动时外显的情绪表现。目前，关于情感临场感的研究议题聚焦于情感临场感的概念与内涵、组成维度及测量方法等，但欠缺对相关研究的系统梳理。本研究基于国内外情感临场感的研究动态，系统探讨情感临场感的核心内涵、理论定位、测量方法以及未来研究趋势，以期为学习空间的设计提供新的视角。

1.1  情感临场感的内涵

在探究学习社区中，学生对学习环境的重要情感体验，是影响学习者角色、选择教学知识、感知表达的重要因素。Cleveland-Innes和Campbell提出此框架应当添加一个反映学习情感方面的元素，即情感临场感。情感临场感可用来具象描述情感体验，确立了情感体验在探究学习社区中的角色、关系及定位，不同学者从不同视角对情感临场感的概念进行了解读。

目前，对情感临场感的界定主要从两种视角出发：一是学习者个体自身学习情绪与情感状态的感知体验；二是情感情绪的外在表现，强调与外界环境的互动。两者虽侧重点不同，但本质上都是学习者在探究学习社区中的情感感知。在探究学习环境中，学习者缺乏明确的指导或与其他成员交流时都会流露出自己的情感。李文对MOOCs学习空间中在线临场感的网络结构、社群关系等数据进行分析后得出，情感临场感是学习者进行合作交流过程中被学习者感知的独特体验。Kang延伸了情感存在感的内涵，将其定义为感知的情绪状态、表达情感的自由程度，以及在线学习过程中调节情感的能力，并据此分为了3个维度（将在后文中详细阐述）。在探究学习社区中，情感临场感越强，学习者之间的交互行为越容易产生，在此基础上形成了情感临场感的第二层含义，即情感临场感为社区探究关系中情感、情绪和感情的外在表现。雷曼同样认为情感临场感是情绪、行为、认知和环境之间的相互作用。情感临场感是探究学习过程中的支持因素，学习者不仅与学习内容进行交互，与教师和同伴也在不断互动，伴随着对问题的疑惑、解决问题的喜悦、对作品的赞同等情感体验，加强批判性分析和讨论过程，进一步促进学习者之间的协作与交互。Cleveland-Innes和Campbell综合两种维度给出了完整的诠释：情感临场感可理解为探究学习社区中除认知、教学和社会临场感的一个新的存在项，从学习者内在产生的情感出发，并与学习环境、学习资源、学习主体相联系，当学习者与外界环境（学习技术、课程内容、学习者和教师）产生互动交流时，是学习个体及个体间感觉、情绪和情感等方面的外在表现。

1.2  情感临场感的维度划分

根据情感临场感不同的含义，研究者在实践过程中将情感临场感划分为了不同的维度。Zembylas将情感临场感简化为情绪，根据学生的在线学习表现特点将情感临场感分为积极情感和消极情感两个维度。积极情感包括对在线学习的灵活性感到高兴、热情、兴奋；对完成课程要求感到自豪；对在线交流感到兴奋与惊喜。消极情感包括对在线学习模式及其要求(技术、时间管理、结构)未知的恐惧和焦虑；学生难以找到满意的方式与同学和老师交流；对无法平衡多个角色和职责的压力和内疚。Stenbom则从活动实践角度出发，针对在线学习环境，使用编码程序，通过分析文本记录和详细调查，基于探究学习社区框架并通过实验研究中学生表达情感的数据，将情感临场感分为活动情感、结果情感与导向情感3种维度。活动情感是指正在进行的谈话过程和内容，而结果情感是指辅导过程的期望或结果价值。这两类都是与任务相关的，建立在成就情感的控制价值理论之上。导向情感是指两个体之间的情感或情绪的认知和分享，还涉及到文本交流中缺少的非语言的情感交流。数据结果表明，数据集中时活动情感与导向情感表现较为明显，而结果情感大多出现于教师的谈话中，比如对即将到来的考试的焦虑感。而后Pekrun又将结果情感分为前瞻性情感和回顾性情感，但这一分类目前尚缺乏实证研究支持。Kang等人根据情感临场感操作性定义总结归纳的情感临场感的维度包括感知到的情感状态、表达情感的自由程度和调节情绪的能力3种，每个维度又包含了不同的子维度。情感的感知包含学生在探究学习社区中感受到的舒适度、安全感以及兴趣；表达则包含了学生的情感自由程度；调节是在寻找替代方案时表现出的灵活性与主观能动性。情感临场感的维度划分具体如表1所示。

表1  情感临场感的维度划分 

1.3  情感临场感的价值

情感临场感存在于探究学习社区的各个方面，它可能会让学生分心，成为阻碍。但如果加以管理，它就会成为思维、决策和指导的推动者。因此必须正视情感临场感的价值。除了对认知、教学和社会临场感的影响外，有多项研究表明情感临场感具有激励、调节、感染和疏导等功能，如图1所示。激励功能主要包括提高认知积极性，比如关注学习者的内在情感体验、激发学习者积极情感的投入提升学习者的学习兴趣。强烈的情感存在感不仅能使学生感受到教师对自己学习的期待、同伴对自己学习行为的关注，消除学习中的孤独感，还有利于学生产生积极的学习参与愿望，维持学习动机。调节功能体现在能够提升学生的自我调节能力，进而影响学习效果。感染功能主要是在交互过程中情感可以相互影响，产生共鸣。疏导功能主要针对教师而言，可以利用情感反应指导学生将情感融入意识并在学习环境中运用情感状态。

在实际网络教学中，情感是发自内心而且不经意间就会发生的。对于看似不可控的情感临场感，学生需要了解情感临场感在学习过程中的作用，重视自己的情感体验，进而实现利益最大化。比如情感临场感能够促进社会临场感的维系，通过学习者在探究学习过程中释放积累的情绪，共同促进协作学习过程中同伴间信任的产生，而信任又反作用于协作探究过程，从而增强学生理解，提高学生满意度和学习效果。     

图1  情感临场感功能图示

确定探究学习社区框架理论中情感临场感的角色与定位，厘清情感临场感与其他3种临场感的关系，是学习空间中情感体验的设计基础。目前，关于情感临场感在探究学习社区框架中的角色及定位有3种主流观点。

第一种观点认为情感临场感归属于社会临场感。探究学习社区框架的最初版本将情感列入社会临场感中，又称之为情感表达，比如缩写、特殊词汇和表情符号等经常用来加强教师和学习者间的情感交流。Garrison等研究者在实践中采用的探究学习社区模型也将情感临场感归入社会临场感中。

第二种观点认为社会、认知与教学3种临场感都包含情感临场感。Stenbom等人经过对学生大量对话信息的编码得出，除社会临场感之外的认知临场感与教学临场感中也包含了情感体验，推翻了情感临场感只归属于社会临场感这一观点。为进一步证实，有研究者从学生在线学习的体验中观测发现，探究学习社区模型的社会、认知和教学临场感均包含情感临场感。从以上观点来看，情感临场感可能融于其他3种临场感中，并且可以作为探究学习社区的一部分进行测量。

之后，有研究者将情感临场感指标加入到当前构成探究共同体的3个理论元素并进行测量，结果发现学生在线学习体验文本中表达的情感语言的范围是超越社会临场感的。此结论与前两种观点相悖，即第三种观点，认为情感临场感是一种单独的存在感。从教学和认知临场感的定义中可以明显看出情感临场感并未归纳至这两种临场感范畴。有研究者曾做过一项针对217名参与者的探索性因素分析，其结果显示了第4种情感临场感因素的存在。随着网络学习的发展，测量技术为研究情感临场感提供了一个独特的场所。正如在探究模型的关系中，情感临场感作为一个独立的元素存在，如图2所示。

图2  融入情感临场感的探究学习社区理论框架

在最初版本的探究学习框架中，情感临场感被定位为社会临场感的一部分。但此观点饱受质疑，因为将情感临场感视为社会临场感的一部分限制了对在线学习的分析。虽然研究者对于情感临场感与探究学习社区关系的观点不一，但不可否认的是各元素之间并不是独立呈现的，它们共同作用，在不同阶段发挥着各自独有的价值，从而优化学习者的探究学习过程。

情感临场感的获取与分析，对确定情感临场感在探究学习社区理论框架中的定位具有重要价值。同时，也对如何验证基于情感临场感的学习空间设计与应用效果提供了方法参考。通过综述发现，目前情感临场感获取与分析的方法主要有基于自我报告的问卷调查法、基于对话文本的内容分析法以及基于语音与表情的情感计算法。

3.1  基于自我报告的问卷调查法

被众多研究者广泛熟知和认可的测量在线学习环境下学习者情感临场感的工具是成就情感问卷（AEQ），如表2所示。先前的研究表明，AEQ具有很高的可靠性，并可以与其他工具一起用于分析情感、任务重要性和自我调节行为之间的关系。

表2  成就情感问卷(AEQ)

3.2  基于对话文本的内容分析法

在网络探究学习过程中，学习者不断地交互与对话所产生的文本数据，是最典型的情感载体。因此基于文本的情感分析有助于人们理解网络环境下的情感感知体验。Risquez等人曾利用内容分析法对每一个教师和学生在线教与学的行为进行了编码，主要维度分为：（1）内容，包括技术方法和情感；（2）方向，来自教师或学生的言语行为；（3）作用，提供需求信息。Kang等人设计了操作性更强的情感临场感测量内容分析框架，如表3所示。

表3  情感临场感测量的内容分析框架

多项研究还使用了自动化系统识别文本中的情感。例如，Dodds和Danforth开发了一款博客分析工具，它能够识别分析博客中表达感情的短语词汇，使得数据会按照九点幸福指数量表进行排序。之后又根据以上词语和排名开发出一种算法，该算法能够计算出情感良好的因素。开放大学开发的一款系统(OpenMentor)更加精确，能够分析教师对学生评价的书面反馈，并检测学生在过程中情感的波动范围。澳大利亚的几所大学使用的幸福词语云工具同样利用分析文本数据的方法将学习者自我表达的情感动态可视化，但其仍存在一些缺点，比如由于数据的聚集，忽略了学习者表现出的不同情感。Vizcarra 等人提出了基于知识图谱的社会网络情感分析法，通过分析学习者的对话文本内容自动识别学习者的情感状态。黄昌勤等人提出了基于空间交互文本大数据的情感分析方法，首先获取学习空间中学习者的交互、评论等文本以及学习日志等数据，提取其中的情感特征词，构建情感词典，再利用具有时序性特征的LSTM情感分析模型，动态获取学习者在不同时间段内的情感状态，包括积极情感、中性情感、消极情感。

3.3  基于语音与表情的情感计算法

情感计算是人工智能领域较为热门的研究方向，主要包括情感与生理特征的对应关系研究、生理信号的获取与采集研究、情感建模分析与识别研究等多个方面。其中，语音与表情相比于脑电、皮肤电等其他生理特征，不需要额外的穿戴设备即可采集，是在线学习领域测量情感临场感的突破点。在语音识别方面，D’Mello等人利用学生与在线学习工具互动的录音来判断学生的情感状态，辅之以学生的对话文本、反应和图片的截图，对学生的情感状态进行分类。在表情识别方面，詹泽慧提出了基于智能代理的远程学习者情感与认知识别模型，通过摄像头与眼动仪采集表情与眼动数据，识别学习者的疲劳、兴趣与愉悦状态。孙波等人构建了智慧学习环境下基于面部表情识别的情感分析框架，并将其应用于三维虚拟学习空间的师生情感交互子系统。首先运用移动终端摄像头采集学习者的表情，提取高兴、专注、困惑、疲劳4种情感特征，再通过特征分集与表情识别，最终得到学习者的情感状态。

学习空间不仅要为学习者认知的发生与表征提供场所，还要支持学习者实现身心状态的解蔽和情感世界的共通，使之达到顺应身心发展需求的自由本真状态。从情感临场感的视角出发设计学习空间，能够在关注学习者情感的基础上，为其提供个性化的反馈与服务，从而使学习者获得真实具体的情感体验。

4.1  研究热点：基于情感临场感的学习空间设计路径探索

目前基于情感临场感的学习空间设计主要从3种路径出发进行探索。

第一种是在学习空间中利用穿戴设备外显学习者的情绪，从而实现教师对学习者情绪的关注。如Timms等人设计开发的智能徽章，学习者佩戴后，徽章能够追踪与感知佩戴者本人以及其他佩戴者的位置，通过佩戴者的声音来识别学习者当前的情感状态。许亚锋等人认为可以基于智能徽章技术来外显学习者的情绪，如学习者分心时徽章发出红色信号，便于教师及时关注学习者的情绪状态。

第二种是学习空间通过监测学习者的行为参与指标，从情感临场感的角度进行归因并做出预警。如杨玉宝等人以“广州市属高校网络学习空间及资源共建共享平台项目”为例，探索网络学习空间如何支持学习者的情感参与。该学习空间可以自动记录与分析学习者的在线学习行为参与数据，包括沟通次数、测评作答、学习时长等指标，以周为时间单位，将某一学习者个体的数据与所有学习者数据的平均值进行比较，当该学习者的数据低于或超出平均值阈值时，空间将以教学建议的形式提醒教师作出个性化的干预。教师以该建议为参考，实现了对学习者情感临场感的关注与提升。

第三种是运用数据挖掘技术，获取学习者在学习空间中的对话文本数据，建立情感分析模型，进行情境归因分析，以此提供个性化学习服务。如黄昌勤等人提出了基于LSTM神经网络的学习者情感分析模型，识别学习者的情感类别。再运用基于贝叶斯网络的建模方法，从已构建的情境知识库中析取影响情感的各个因素，包括个人特质、学习主题、学习方式等，进而通过多元回归分析判断出最重要的影响因素。例如，当识别出某个学习者情感状态为消极时，归因分析为学习主题，可知当前学习主题已超出学习者的认知负荷，此时空间会推荐学习目标为低阶的学习主题，从而调动学习者的积极情感。

4.2  未来趋势：基于情感临场感的学习空间设计研究方向

第一，夯实学习空间设计的学理基础，明晰情感临场感在探究学习社区理论框架中的归属。情感临场感与探究学习社区框架间的关系还没有得到足够的研究。但社会、认知、教学与情感临场感之间并不是独立呈现的，它们相互作用，共同在探究学习社区中发挥着重要价值。未来研究应以学习空间为实验场地，通过更有力的研究设计和具有说服力的实证研究结果，来探究情感临场感与其他3种临场感的关系，完善探究学习社区理论框架，从而更好地指导学习空间的设计。

第二，提升学习空间中情感临场感的测量准确率。情感临场感本身是一种复杂的主观体验，容易受到学习环境、学习内容等其他较多外部因素的影响与干扰，因此在数据的采集与分析上存在难度，从而影响情感临场感的测量准确率。在情感临场感的数据采集层面，未来研究应该重视多模态数据的综合获取。Mehrabian发现，感情表达=7%的言词+38%的声音+55%的面部表情。以面部表情为主，声音与交互文本为辅的多模态综合数据源是值得借鉴的采集方式。在情感临场感的数据分析层面，回归学习情感的机理研究是整个情感计算的基础。情感机理研究主要关注情感状态与生理反应及行为特征之间的对应关系。何种生理反应与行为特征能外显情感临场感？是否存在情感临场感与多模态数据的关联模式？回答好这些问题，才能进一步发展情感临场感的识别技术，探索适合学习空间中学习者情感临场感的提取与识别算法，并提高其识别的精准度。

第三，适应学习者的需求，设计基于情感临场感的动态化生成性学习空间。“居所感”“沉浸感”“真实感”是现代学习空间的追求方向，研究者越来越重视空间设计时的动态生成性，即在有限的空间中，允许对其若干组件进行重组与生成，从而满足学习者的个性化需求，增强学习体验。实现动态生成性的前提，是基于学习者认知、教学、社会、情感4种临场感的实时监测结果，提供及时、个性化、适应性的预警与干预。目前学习空间的设计实践是通过数据挖掘，识别某一种临场感。如何实现耦合识别认知、教学、社会、情感临场感，对学习空间中的学习者进行多维刻画，在此基础上动态生成个性化反馈，是未来研究的方向。

（参考文献略）

编辑｜刘    冰

审核｜孙    菊

终审｜刘鑫刚