ИНТЕГРАЦИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ОЦЕНКИ ЭМОЦИЙ В УЧЕБНОЙ СРЕДЕ
DOI:
https://doi.org/10.32014/2026.2518-1726.430Ключевые слова:
искусственный интеллект, цифровизация образования, эмоции в обучении, мультимодальные данные, образовательная аналитика, LMS, эмпирические данные, пилотное исследованиеАннотация
Цифровизация современного образования сопровождается стремительным ростом объема мультимодальных данных, сформировавшихся в процессе обучения. Видеозаписи уроков, аудио фрагменты, текстовые взаимодействия (LMS) в системах управления обучением, а также телеметрия активности пользователей демонстрируют не только когнитивную, но и эмоциональную составляющую обучения. Эмоции обучающихся являются важным показателем их вовлеченности, интереса и эффективности усвоения материала. Правильное распознавание эмоций позволяет динамически адаптировать образовательный контент к эмоциональной реакции аудитории, своевременно выявлять признаки стресса или снижения мотивации, в результате чего поддерживать интерес учащихся к занятиям и повышать успеваемость. В данной работе подробно рассматриваются научно обоснованные и реально применяемые вузом системы контроля эмоционального состояния обучающихся и исследовательские работы ученых мирового уровня, т. е. литературные обзоры.
Результаты: То, что мы видим в результате, классифицировало и дифференцировало важные аспекты использования искусственного интеллекта в исследовании, а затем и в оценке эмоций в образовательной среде. Конкретные данные влияние влияние на учебный процесс было всесторонне рассмотрено.
Научная новизна: Технологии искусственного интеллекта, используемые в рассмотренных исследованиях. Он включает в себя подробный анализ методов, инструментов, алгоритмов и технологических подходов, используемых для оценки эмоций в образовательной среде, а также исследует, нацелены ли они на определенные области, такие как общее образование, профессиональное обучение или дистанционное обучение, а также специальное образование для учащихся с особыми образовательными потребностями.
Практическая ценность: Подготовка методических рекомендаций для дальнейшего перехода на мультимодальные модели с использованием дополнительных данных (аудио, текст, сенсорные индикаторы).




