情感支持相关论文摘要

[1]Harley J M, Carter C C, Papaionnou N, et al.Examining the Predictive Relationship Between Personality and Emotion Traitsand Learners’ Agent-Direct Emotions[M]// Artificial Intelligence in Education.Springer International Publishing, 2015.

题目：Examining the Predictive Relationship BetweenPersonality and Emotion Traits and Learners’ Agent-Direct Emotions（人格、情感特质和代理导向情绪之间的预测关系检验）

期刊：Artifical Intelligence in Education

等级：SCI

摘要：Meta Tutor系统是一个多智能体学习系统，本文在Meta Tutor系统下分析了学习者（N=124）人格特质、（学习）情感特质[1]以及与教学代理（PA）交互时的情感之间的关系。（学习）情感特质子集（生气、愤怒）、人格特质（宜人性、尽责性和神经质）和三个代理导向情感（自豪、无聊和中性）之间存在显著相关，虽然各个PA之间的相关系数不同。这些结果表示情感特质和人格特质可以用来预测学习者对特定PA的情感，所以需要调整PA来提高学习者积极情绪，降低学习者的消极情绪。这样的方法提供了一个可量化的，简单的实现方法，以实现情绪适应、基于代理的学习环境，改善学习者与PA之间交互。

[2]Dennis M, Masthoff J, Mellish C. Does Learner Conscientiousness Matter When GeneratingEmotional Support in Feedback?[J]. IEEE, 2013, 7971:209-214.

题目：Does Learner Conscientiousness Matter WhenGenerating Emotional Support in Feedback?（学习者的尽责性是否影响反馈情感支持的生成）

期刊：Affective Computing and Intelligent Interaction

等级：SCI

摘要：本文针对共情对话代理如何选择合适的情感支持信息，提出一种算法。本文以用户为向导，探索人们如何用这些消息给虚拟学习者情感反馈（学习者的尽责性可以高，也可以是低）。结果发现情感支持类型主要依赖于（学习者）已达到的等级，虽然尽责性也影响所给建议的总数。此外，人们如何合并情感支持信息依赖于等级和尽责性水平，启发了基于上下文自动选择适合信息的算法。

[3]Holtzman S, Declerck D, Turcotte K, et al. Emotional support during times of stress: Can text messagingcompete with in-person interactions?[J]. Computers in Human Behavior, 2017,71:130-139.

题目：Emotional support during times of stress: Cantext messaging compete with in-person interactions?（压力时期下的情感支持：文本信息能和人类交互相媲美吗？）

期刊：Computers in Human Behavior

等级：SCI

摘要：近来，文本信息已经成为来连接人们的社交网络的一种手段。本研究是第一个随机对照实验，直接对比人与人之间提供的社会支持（情感和社会影响）和文本信息提供的社会支持。实验在实验环境中执行，要求成年人完成有压力的任务，并随机分配支持（人类支持，文本信息的支持，或者无支持）。实验1中，由亲密伙伴提供支持（n=64），实验2中，由年纪相仿的同伴提供支持（n=188），两个实验表明，人类支持和积极效应的相关显著高于文本支持。人类支持的支持满意度也更高，但仅在实验2中。总的来说，压力下数字形式的社会交流可能会带来情感消耗。

[4]Dennis M, Masthoff J, Mellish C. AdaptingProgress Feedback and Emotional Support to Learner Personality[J].International Journal of Artificial Intelligence in Education, 2016,26(3):877-931.

题目：Adapting Progress Feedback and Emotional Supportto Learner Personality（适应用户人格的反馈和情感支持）

期刊：International Journal of Artificial Intelligencein Education

等级：SCI

摘要：反馈信息对于学习来说是非常重要的，本文主要研究对话代理如何根据学习者的人格和表现，生成适当的反馈。本文提出反馈的两个方面，首先，对话代理是否应该根据特定考试成绩生成不同的内容，来更有效地激励特定人格特质的学习者（比如，根据学习者的尽责性，选择生成“你比预期稍微低一点”还是“你大大低于预期”）；第二，根据学习者的人格和表现，对话代理应该使用哪种情感支持（如表扬、情感反射、安慰或者建议）。情感支持的反馈要适应学习者人格，本文基于五因素模型。本文设计了五个实验，其中参与者给不同人格特质，不同测验分数的学生进度反馈和情感支持，不同人格所得到的情感支持类型不同。最后，对教师进行了定性研究，以研究算法的有效性，并进一步改进算法。

---

[1]情感特质（Trait emotions）指一系列个体差异。与个体在学习过程中的典型感受相关。情感特质是习惯性的，在特定成就情境中经常发生的，如在考试时感到焦虑，在学习过程中感到无聊。