Johdanto
ihmisen puheen, sekä kielellinen tieto ja paralinguistic tiedot liittyvät implisiittisiä viestejä, kuten tunnetiloja puhuja, kuljetetaan. Ihmisen tunteet ovat henkisiä ja fysiologisia tiloja, jotka liittyvät ihmisten tunteisiin, ajatuksiin ja käyttäytymiseen. Inhimillisen subjektin ilmaisema tunnetila heijastaa paitsi mielialaa, myös ihmiskohteen persoonallisuutta., Ihmisen ja ihmisen sanallisessa viestinnässä sillä on tärkeä rooli heijastamalla puhujien vastauksia ulkomaailmaan. Esimerkiksi eri tunteissa ilmaistut samat sanat voivat antaa aivan erilaisia merkityksiä. Puheessa välitettyjen tunnetilojen tunnistaminen on siksi varsin kriittistä ihmisten välisen tehokkaan viestinnän kannalta.
atk-pohjaisia sovelluksia saada yhä enemmän huomiota sekä korkeakoulujen ja teollisuuden ihmisen ja tietokoneen vuorovaikutuksen (HCI) – tekniikka on myös kehittynyt nopeasti viime vuosikymmeninä., Samankaltainen kuin ihmisen-ihmisen viestintä, yksi olennainen mahdollistaja luonnon vuorovaikutusta ihmisen ja tietokoneet on tietokoneen kyky ymmärtää tunnetiloja ilmaistaan ihmisen aiheista ja toimittaa henkilökohtainen vastaus vastaavasti.,, Ser, Yu, & Cen, 2010; Cowie, 2001; Dellaert, Polzin, & Waibel, 1996; Lee & Narayanan, 2005; Morrison, Wang, & De Silva, 2007; Nguyen & Bass, 2005; Nicholson, Takahashi, & Nakatsu, 1999; Petrushin, 1999, 2000; Scherer, 2000; Ser, Cen, & Yu, 2008; Ververidis & Kotropoulos, 2006; Yu, Chang, Xu, & Shum, 2001; Zhou, Wang, Yang, & Chen, 2006)., Mallinnus ja analyysi tunteita ihmisen puhetta ulottuvat useiden alojen, kuten psykologian, kielitieteen, ja engineering. Tekniikan, puhe tunteita tunnustamista on muotoiltu kuten hahmontunnistus ongelma, joka on lähinnä ominaisuus louhinta ja tunteet luokitus. Puhetunnustuksessa on havaittu lisääntyviä sovelluksia käytännössä esimerkiksi turvallisuudessa, lääketieteessä, viihteessä, koulutuksessa. Kuitenkin tutkimustyötä puhe tunteiden tunnustaminen on pääasiassa suoritettu pre-käsitellä tietokantoja, jotka yleensä koostuvat yksittäisiä ilmauksia tai lauseita., Tunnetilat tunnistetaan näiden eristettyjen lauseiden perusteella. Tämä rajoittaa sen soveltamista käytännössä. Verrattuna tunteita tunnustamista pre-käsitellään tietokannan, enemmän haasteita, kuten tunnistaminen tunteiden puhkeamista, kestävä, ja muutos, tunnustaminen tehokkuutta reaaliaikainen käsittely, jne., kohdataan reaaliaikaisessa puhetunnustuksessa, joka pyrkii havaitsemaan tunnetilat jatkuvasta ja spontaanista puheesta.
Kanssa viestintäteknologian kehitys ja ihmisen-tietokoneen rajapinta, online-oppiminen on herättänyt kasvavaa kiinnostusta., Se on monia etuja verrattuna perinteiseen luokkahuoneessa face-to-face oppiminen. Ensinnäkin verkko-oppiminen tarjoaa paljon joustavuutta ja mukavuutta opiskelijoille. Vain tietokone-ja Internet-yhteys, opiskelijat voivat suorittaa oppimiskursseja missä ja milloin tahansa ilman vaikeuksia puristaa kiinteän luokan aikataulu. Toiseksi verkko-oppimisympäristö pystyy tarjoamaan opiskelijoille laajemman valikoiman kursseja, jotka voivat sekä laajentaa tehokkaasti koulutusmahdollisuuksiaan että herättää kiinnostusta eri aloilla., Kolmanneksi verkkokurssin ottaminen on paljon halvempaa kuin perinteiset koulutusohjelmat kalliilla lukukausimaksuilla. Lisäksi, kustannuksia ja aikaa kuluu matkat ja sarjat voidaan tallentaa. Neljänneksi, opiskelijat saavat suorittaa online-oppimiskursseja ympäristössä, jossa he tuntevat olonsa mukavaksi. Lisäksi, jos he voivat opiskella kotoa, he eivät tarvitse murehtia asioita, kuten kuljetus/päässä kampuksella, ateriat kampuksella, ja löytää tutkimus huonetta. Verkko-opiskelusta puuttuu kuitenkin opettajien ja opiskelijoiden välinen vuorovaikutus., Toisin kuin perinteinen face-to-face oppimisen ympäristö, jossa opettajat ovat tietoisia oppilaiden vastaukset toimitetaan materiaali-ja voi säätää kurssin sisältö ja toimitus nopeus, vastaavasti, opettajien verkko-oppimisympäristö voi nähdä, miten opiskelijat ajattelevat käynnissä tietenkin, niiden kasvojen ja sanallisia ilmaisuja. Tämä tekee verkko-oppimisen mahdottomaksi mukauttaa kurssien jakelutapoja opiskelijoiden oppimiskykyyn sopivaksi. Ratkaisut tämän ongelman ratkaisemiseksi tai lievittämiseksi ovat tulleet tärkeiksi verkko-oppimisohjelmien kehittämisessä.,
viime vuosina, vaikutus opiskelijoiden tunteita tehokkaaseen oppimiseen on tutkittu yhteisöjen koulutus-ja data mining (Kort, Reilly, & Picard, 2001). Positiivisia tunteita voi tuottaa hyvä tunne, parantaa ajattelun taitoja, lisätä suuntaus kohti suurempaa luovuutta, auttaa ongelmanratkaisussa, ja parantaa tehokkuutta ja perusteellisuus vuonna päätöksentekoa (Isen, 2000). Todellakin, sekä affektiivisia ja kognitiivisia toimintoja on integroitu ihmisen aivot, ja affektiivisille toiminnoille pelata erittäin tärkeä rooli aivojen oppimiseen., Havaita tunnetiloihin opiskelijoiden ja ymmärtää niiden vastaukset toimitetaan materiaali voi auttaa muokata kurssin verkko-oppimisen järjestelmien sopivaksi kunkin opiskelijan., Esimerkiksi korkea-kyky opiskelijoita, kurssi voidaan toimittaa suuremmalla nopeudella, ja niille, jotka ovat hyvin kiinnostuneita, tietämyksen laajentaminen ja ylimääräistä esimerkkejä voidaan ottaa käyttöön, kun taas niille, jotka tuntevat hämmentynyt, kysymys ja vastaus istuntoja tai tarkempia selityksiä voitaisiin lisätä, ja niille opiskelijoille, jotka tuntevat tylsää, hauskoja ja mielenkiintoisia aktiviteetteja voidaan ottaa käyttöön niiden houkuttelemiseksi huomiota. Kurssin tarjoajat voivat siten säätää opetuksen sisällön ja toimituksen nopeus tyydyttää erilaisia opiskelijoita., Kielteinen vastaus voi varoittaa oppilaita keskittymään oppimiseen ja sopeutumaan opiskeluun. Edellä mainittu prosessi voi parantaa oppimisen suorituskykyä ja tehokkuutta sekä tuoda lisää hauskuutta oppimisprosessiin.
tässä luvussa esitämme ensin työmme reaaliaikaisen puhetunnustusjärjestelmän kehittämiseksi. Tämä järjestelmä pystyy ottamaan vastaan sekä äänitetyt puhe, data ja jatkuva puhe kirjataan reaaliajassa, ja myös havaita tunnetiloja ilmaistaan puheessa, koska se on ollut takaisin entisen, tai koska se on kirjattu jälkimmäinen., Ystävällinen graafinen käyttöliittymä (GUI) on säädetty näyttämään tunnustamista tuloksia, mukaan lukien kohde-luokan ja ajoitus tiedot yksittäisten segmenttien, sekä analyysi tunteita taajuus tilastojen perusteella koko lähtötiedot. Kokeiluja sekä äänitetyt aineistot ja reaaliaikainen tallennus ilmaistu neljä tunnetiloja on suoritettu, ja keskimääräinen tarkkuus 90% ja 78.78% on saavutettu, vastaavasti., Toiseksi kehittyneen reaaliaikaisen puhetunnejärjestelmän soveltamista verkko-oppimiseen selvitetään kokeilulla simuloidussa verkko-oppimisympäristössä. Tulokset ovat osoittaneet, että tunteiden tunnustamisen järjestelmä voi tehokkaasti ymmärtää opiskelijan vastaus kurssi, jonka avulla on mahdollista muokata online-kursseja jokaiselle opiskelijalle ottaen samalla radalla, mutta eri oppimisen kykyjä, jotta voit saavuttaa optimaalisen oppimisen tulos.
tämän luvun loppuosa on järjestetty seuraavasti., Ehdotettu reaaliaikainen puhetunteen tunnistusjärjestelmä esitetään seuraavassa jaksossa. Kokeilun tulokset havainnollistetaan ja sen jälkeen seuraa kuvaus sen soveltamisesta verkko-oppimiseen sekä simulaatiotutkimuksen numeeriset tulokset. Lopuksi vielä loppuhuomautuksia.