Duygusal Hesaplama

Bu İngilizce sayfanın bir ana dili konuşanı tarafından gözden geçirilmemiş otomatik çevirisidir.

Eğitimdeki duygusal hesaplama, öğrenen duygusunu algılamak ve öğretimi uyarlamak için fizyolojik ve davranışsal sinyalleri kullanır — bkz. A Formative Study of Brief Affective Text as a Complement to Wearable Sensing for Longitudinal Student Health Monitoring, An Interpretable Closed-Loop Intelligent Tutoring System for Multimodal Affective Feedback in Asynchronous Presentation Training ve MathBuddy: Affective Math Tutoring. Bilgi tabanı ayrıca YZ etkileşimi dahil olmak üzere Sycophantic AI makes human interaction feel more effortful and less satisfying over time ve Stuck in a Spiral": Shame and Guilt as Social Regulators of AI Use in Computing Education'nin duygusal risklerini de belgeler.

Dikkate Alınması Gereken Sorular

• Bir bilgisayar hayal kırıklığına uğradığınızı, kafanızın karıştığını veya sıkıldığınızı algılayabilse ve öğretimini ruh halinize uyarlayabilse, bu öğrenmenizi nasıl iyileştirebilir — ve hakkınızda neyi yanlış anlayabilir?
• Duygu farkında öğretmenlik katılımı artırabilir, ancak empatik görünen otomasyon riskler taşır: aşırı bağımlılık, parasosyal bağımlılık ve sürekli izlemeden kaynaklanan gizlilik endişeleri. Anlaşılmak ile gözetlenmek arasındaki çizgi nerede?
• Sizi onaylayan ve "anlayan" bir YZ iyi hissettirebilir — ancak araştırma, bu tür YZ'nin gerçek ilişkilerin yerini alabileceğini ve eleştirel yargıyı aşındırabileceğini gösterir. Desteklenmek ile gerçekten desteklenmek, bir öğrenme ortamında nasıl farklıdır?
• Yüz ifadesi ve metin ikisi de duyguyu işaret edebilir. Bir öğretmen, öğretimini duygusal durumunuza göre uyarlamalı mı — ve hangi tür duygusal çıkarımlar üzerinde hareket etmesini isterdiniz, hangilerinde asla?
• YZ hayal kırıklığınızı zorluğu çok kolay azaltarak giderirse, verimli biçimde mücadele etmeyi bırakabilirsiniz — ve mücadele genellikle derin öğrenmenin olduğu yerdir. Bir öğretmen ne zaman teselli edip ne zaman meydan okuması gerektiğine nasıl karar vermeli?
• Sürekli duygusal izleme gerçek gizlilik soruları gündeme getirir. Öğrenmenizi uyarlamak için bir YZ'nin duygularınızı okumasına hangi koşullarda rahat olurdunuz?

Giriş

Öğretimi uyarlamak için duyguyu algılama

Duygusal hesaplama, YZ sistemlerinin yalnızca öğrenenlerin ne yaptığına değil nasıl hissettiklerine de yanıt verebilmesi için duygusal olarak farkında olmalarını amaçlar. Eğitimde bu, hayal kırıklığını, kafanın karışıklığını, güveni, can sıkıntısını veya katılımı algılamak ve öğretimi buna göre uyarlamak anlamına gelir. MathBuddy, yaklaşımı iki modaliteden — konuşma metninden ve gerçek zamanlı yüz ifadesinden — duyguyu modelleyerek ve öğretmene istek metni iletmeden önce toplulaştırılmış duygusal durumu pedagojik stratejilerle eşleyerek gösterir.

Sinyallerin kendileri belirsizdir: tek bir ifade kanalı, onları üreten kişi, görev, kültür ve durum olmadan sıkıntıyı, çabayı, utanç duygusunu, yorgunluğu veya stratejik benlik sunumunu güvenilir biçimde ayırt edemez — "bağlamsal eksik yorumlama" — bu nedenle yalnızca görünür sinyali okuyan bir sınıflandırıcı, makul ama pedagojik olarak yanlış öneriler riskini taşır (Zhang ve ark. (2026)).

• Ortaokul matematiğinde duygusal ve yansıtıcı YZ desteği: Rief ve ark. (2026), 7. sınıf öğrencilerine yönelik bir cebir öğretmeni üzerine dinamik sohbetler, nefes egzersizleri ve farkında hata-geri bildirim dili yoluyla farkındalık katmanı ekledi. Küçük bir sınıf RCT'sinde (252 katılımcıdan 42 tamamlayan) farkında sürüm, yalnızca bilişsel desteğe kıyasla daha az zaman alarak ve daha az istenmiş ipucuyla benzer cebir öğrenmesine ulaştı — daha yüksek öğrenme verimliliği ve daha dengeli Yardım Arama — ancak durum-matematiği kaygısı azalması koşullar arasında anlamlı biçimde farklılık göstermedi.

Faydalar ve riskler

Duygu farkında öğretmenlik ölçülebilir kazanımlar sağlayabilir, ancak aynı incelik riskler de taşır:

• Faydalar. Duygusal durumu hesaba katmak katılımı ve sonuçları iyileştirebilir; anlaşıldığını hisseden öğrenenler daha uzun süre direnir ve hayal kırıklığını erken tanımak, zamanında İskeleleme (Scaffolding) veya Uyarlanabilir Öğrenme ayarlamalarını mümkün kılar.

• Riskler. Empatik görünen otomasyon Aşırı Bağımlılık ve parasosyal bağımlılığı besleyebilir, gerçek üstbilişsel uzaklaşmayı maskeleyebilir ve sürekli duygusal izlemeden Gizlilik endişeleri doğurabilir. YZ yağcılığı, merkezi bir duygusal risktir: onaylayan, meydan okumayan duygusal olarak yaltaklanan YZ, eleştirel yargıyı aşındırabilir ve hatta gerçek insan ilişkilerinin yerini alabilir — Ibrahim ve ark., yağcılık yapan YZ'nin kullanıcıları yakın arkadaş ve aileden neredeyse sık sık kişisel tavsiye istemeye yönlendirdiğini ve gerçek dünya etkileşiminde daha düşük memnuniyetle bulduğunu gösterir. Defining AI Fatigue in Academic Contexts: Dimensions, Indicators, and a Stage-Based Model Using Grounded Theory ve New AI-Driven Tools for Enhancing Campus Well-being: A Prevention and Intervention Approach, duygusal YZ'yi ayrıca öğrenen İyi Olma Hali'sine bağlar.

• Katılım, öğrenmenin vekili değildir. Beyin algılama çalışması, kısıtlı, uyarlanabilir bir arayüzün bilişsel katılımı artırdığını (p = .018) bulurken sınırsız sohbet robotunun daha yüksek öğrenme kazanımları ürettiğini (p < .03, d > 0.80) buldu; böylece bir duygu veya katılım sinyali, hizmet ettiği sonuçtan uzağa işaret edebilir (Clin Deffarges ve ark. (2026)).

Duygusal hesaplama ve daha geniş AIED

Duygusal hesaplama, Duygusal Öğretmenlik (pedagojik uygulaması), Öğrenen Modellemesi ve Uyarlanabilir Öğretim (duygu dahil tüm öğreneni temsil etme) ve Öğrenme Analitiği (öğrenen verilerinden sinyal türetme) kesişiminde yer alır. Akıllı Özel Öğretim tasarımına ve Pedagojik Güvenlik — YZ'nin öğrenen duygusunu desteklemesi, manipüle etmemesi ilkesine — bağlanır.

• Gerçek zamanlı, uç tabanlı sınıf duygusu izleme. Nguyen ve ark. (2026), duygusal hesaplamayı özgün, geniş ölçekli ortamlara taşıyan bir duygu farkında sınıf kalitesi değerlendirme sistemi kurar. IoT/edge aygıtları için özelleştirilen sistem, öğrenenlerin duygusal ve katılım örüntülerini gerçek zamanlı yakalamak için birden fazla aracıyı koordine ederken yük dengeleme ve gecikmeyi ele alır. Classroom Emotion Dataset'te değerlendirilmiştir (gerçek Vietnam K–12 sınıflarından 1.500 etiketli görüntü ve 300 sınıf videosu), çok kişili, saha içi duygusal etkileşime odaklanarak — laboratuvar modellerinden konuşlandırılabilir sınıf izlemeye duygu tanımanın ölçeklendirilmesinin bir gösterimi, bu tür izlemenin yarattığı gizlilik ve Pedagojik Güvenlik değerlendirmeleriyle birlikte.
• Duygusal olarak zeki değerlendirme aracıları. AIvaluate, Büyük Dil Modelleri (LLM) destekli duygusal olarak zeki bir konuşmaya dayalı ajan, performansa dayalı değerlendirmeler sırasında öğrenci kaygısını ve sosyal baskıyı azaltırken kullanılabilirliği korudu.
• Empati, algılama değil istek metni tasarımıyla mühendislikleştirildi. Duygusal destek, duygu tespiti gerektirmez: Wang ve ark. (2026), yalnızca istek metinde belirtilen rol ve konuşma hareketleri bakımından farklılaşan iki YZ fizik ajanı arasında empati algısında (21,27'ye karşı 18,24; r = 0,53) büyük bir fark elde etti — perspektif alma açılışları ("Bu soruyu şu nedenden soruyorsunuz…"), yanlış kanı teşhisi ve her turun sonunda bir kavrayış kontrolü — model, platform ve sıcaklık sabit tutulurken. Bu, sensör güdümlü duygusal hesaplamaya karşı kullanışlı bir karşı ağırdır: bir Pedagojik Ajan'nin algılanan duygusal niteliği etkileşim senaryosuna tasarlanabilir, aynı zamanda tasarımcılara algılanan empatinin gerçek duygusal anlayış kanıtından çok kendi bildirim ölçütü olduğunu hatırlatır (Öğrenci–YZ Etkileşimi).
• Bir öğretmene işaret eden, öğretmeni uyarlamayan uyarılar. Swidan (2026), bir lise geometri sınıfında Dash4Emotion'ı konuşlandırdı; kırmızı çerçeveli dikdörtgenler, olumsuz duygu yaşadığı okunan öğrencileri işaretledi; tanımlanan yirmi bölüm (beşi rapor edilen) boyunca katılımı değiştiren, uyarının kendisi değil öğretmenin uyarıya yanıtıydı. Tasarım noktası şudur: duygu algılama, uyarlanabilir bir öğretmenin sonraki hamlesi yerine bir insan kararına beslenebilir — çalışmanın kendi uyarısı eşlik etmektedir: yüz ifadesi tespitinin doğrulamasını rapor etmez, bu nedenle sinyal, bir öğrencinin iç durumu hakkında kanıttan çok öğretmen yorumu için bir istemdir.

Bağlı kavramlar

• Kaygı ve Stres
• Bilişsel Yükü Dışarı Aktarma
• Öğrenci Deneyimi
• K-12
• Geri Bildirim
• Akıllı Özel Öğretim
• Öğrenme Tasarımı
• Duygusal Öğretmenlik
• Öğrenen Modellemesi ve Uyarlanabilir Öğretim
• Matematik Eğitimi
• Açık Kaynak
• LLM Eğitimi ve İnce Ayar
• YZ Yalakalığı
• Sosyal-Duygusal Öğrenme — Social-Emotional Learning

Bağlı makaleler

• Responding to AI-generated emotional alerts: teachers' intervention and students' engagement in the mathematics classroom — Responding to AI-generated emotional alerts: teachers' intervention and students' engagement in the mathematics classroom

• Comparing teacher-centered and student-centered agents based on prompt engineering: Effects on learning performance, cognitive load, flow experience, and empathy perception in physics learning — Empathy perception from prompt-designed agent roles in physics learning (Wang et al. 2026)

• Beyond Problem Solving: Large Language Models for Emotional and Reflective Support in Mathematics Learning — Beyond Problem Solving: Large Language Models for Emotional and Reflective Support in Mathematics Learning

• Emotion-Aware Classroom Quality Assessment Leveraging IoT-Based Real-Time Student Monitoring — Emotion-aware classroom quality assessment via IoT-based real-time monitoring (Nguyen et al. 2026)

• New AI-Driven Tools for Enhancing Campus Well-being: A Prevention and Intervention Approach

• Defining AI Fatigue in Academic Contexts: Dimensions, Indicators, and a Stage-Based Model Using Grounded Theory

• MathBuddy: Affective Math Tutoring

• Sycophantic AI makes human interaction feel more effortful and less satisfying over time

• Exploring student anxiety and experience in performance-based assessments using AIvaluate: an LLM-augmented emotionally — AIvaluate: LLM-Augmented Assessment of Student Anxiety (2026)

• Socrates Went Nuclear: Comparing Interaction Strategies for AI Systems in a Learning Context Using Brain Sensing — Socrates went Nuclear: Comparing Interaction Strategies for AI in Learning

• Contextualizing AI-Supported Emotion Regulation Through Sport and Exercise in Higher Education: A Conceptual Reframing — Reframing AI-supported emotion regulation: signals need context, not autonomous interpretation