关注艺术专业大学生外语学习中情感因素的必要性研究

本文从人本主义教育理论、情感过滤假说、建构主义学习理论、情绪生理学理论四个方面阐述了关注大学艺术生外语学习中情感因素的必要性,以期对艺术专业师生的外语学习和教学有所启示。     

线上福流与下线后的积极情感:生活满意度的中介作用

福流是人们从事某一活动时全神贯注、完全投入的一种情绪状态,包含9个特征。针对网络娱乐活动(游戏除外)的福流,采用倾向性福流量表(DFS-2),生活满意度量表和积极情感消极情感量表(PANAS)对247名大学生进行调查,探讨线上福流的特征和维度,及其生活满意度在线上福流与下线后积极情感中的中介效应。结果表明:线上福流和其它日常活动的福流一样有9个特征,并且这9个特征可以归为福流的前提条件和福流过程中的体验状态两个维度。线上福流对下线后的积极情感没有直接作用,但是可以通过生活满意度间接影响积极情感,即生活满意度在线上福流和下线后的积极情感中起着完全中介的作用。     

基于双粒度模型的中文情感特征词提取研究

为了能够快速准确地提取出海量文本信息中的情感特征词,提出从情感词语集中通过人工筛选得到种子词并对其情感强度赋值,同时,以这些种子词为基准计算出情感词语集中其他词语的情感强度值,从而得到各特征词在词语级及句子级的倾向性贡献度值。然后,将特征词在词语级、句子级这2种不同粒度情况下计算出的情感倾向性贡献度值有机结合起来,构造出基于双粒度模型的中文情感特征词提取模型。该提取方法考虑了特征词在词语级和句子级2个方面的情感倾向,使最终提取出的情感词的准确率得到了提高。实验表明,只要有一个全面的情感词典系统和一组准确恰当的种子词,提出的方法可以获得良好的准确率和召回率。     

基于中文微博语料的情感倾向性分析

微博的兴起与传播使得短文本情感分类成为目前的热门研究领域。通过对中文微博语料的情感倾向性分析进行研究,提出了一种新的情感分类方法。首先构建了两级情感词典,并对不同级别情感词作不同增强;然后在情感特征方面使用N-Gram方法,尽量获取有限长度博文中的未登录情感词和情感信息。经实验验证与传统方式相比较,该方法的准确率和召回率都有所提高,在COAE2014微博情感倾向性评测任务中也取得了较好的成绩。     

基于语义分析的中文微博情感分类方法

通过分析微博的结构特点,提出了一种基于语义分析的中文微博情感分类方法。首先构建了表情符号情感词典和网络用语情感词典;然后结合词典资源对微博文本进行依存句法分析并且构建情感表达式树;最后根据制定的规则计算微博文本的情感强度,依据强度值判断微博的情感倾向类别。实验结果验证了该方法的有效性,也表明所构建的表情符号情感词典和网络用语情感词典能够有效增强情感分类器的性能。     

传统文化压制下的异质情感——以龚自珍的《己亥杂诗》为例

中国传统文化以不可撼动之势影响着一代又一代文人的思想,也以顽固不化之态规范着一代又一代文人的行为,在正统大旗之下,凡是带有情爱色彩的文学作品向来不被认可,以致今时今日人们在对晚清大家龚自珍诗歌进行研究时,也常常忽略其在情感领域的创作,而龚自珍本人的一生却沉醉于情场,这便使得在分析龚自珍创作和思想方面缺少了一个最为有力的因素,本文亦将通过对龚自珍情诗的解析来完善对龚自珍诗歌创作的研究。     

立足政治教学落实情感目标

情感教育是在素质教育的背景下,教师所追求最高境界的理想教学,并通过教师的教学实践活动的磨练,探索研究促进学生综合素质全面提高的有效策略,最终形成师生合作,富有特色的教学风格。在这个过程中,教师不断创新自己的教学方法与模式,实现教学能力新的突破,构建特色教学模式。     

探究情感教育在高中地理教学中的应用

高中地理是一门综合性和地域性比较强的学科,大多数学生认为地理学科是比较难的学科,因此在新课改的背景下,教师要给予学生的情感领域更多的关注,确保情感教育能够顺利开展。将情感教育贯穿于整个高中地理教学过程中,不仅能够改变目前高中地理课堂教学的现状,还能够与学生的内心产生共鸣,调动学生学习的积极情感,使学生积极主动地参与到学习活动中,使课堂教学的质量和效率得到提高。     

情感识别中脑电信号Lempel-Ziv复杂度的研究

在生理信号中,基于脑电信号的情感识别越来越引起研究者的重视。Lempel-Ziv复杂度测量是一种有效的非线性脑电信号分析方法,同时在情感脑—机接口系统中还可以用于进行情感的识别。文章在传统Lempel-Ziv复杂度算法的基础上,提出一种新的Lempel-Ziv复杂度算法,从而更好地进行基于脑电信号的情感识别。首先进行脑电信号的预处理,通过小波包变换来保留脑电信号的低频信号;然后利用非线性滤波器来移除脑电信号中的奇异值;进一步我们提出一种有效的自适应Lempel-Ziv复杂度算法来度量脑电信号的复杂度,并应用此特征值来识别情感。实验结果证明此方法可以从脑电信号中提取出更多有效的模式。同时,它还能够精确地检测到脑电信号的振荡情况,从而提取出不同情感状态下脑电信号中本质的非线性特性。