База знань AIEdAIEd KB
На цій сторінці

Ця сторінка перекладена українською. Сторінки статей досі написані англійською. Читати цю сторінку англійською

Концепції

Афективні обчислення

Створено 2026-10-13

Автоматичний переклад цієї англійської сторінки, не перевірений носієм мови.

Афективні обчислення в освіті використовують фізіологічні та поведінкові сигнали, аби розпізнавати емоції здобувача й адаптувати навчання — див. 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 і MathBuddy: Affective Math Tutoring. База знань також документує емоційні ризики взаємодії зі ШІ, зокрема Sycophantic AI makes human interaction feel more effortful and less satisfying over time і Stuck in a Spiral": Shame and Guilt as Social Regulators of AI Use in Computing Education.

Питання для роздумів

  • Якби комп’ютер міг розпізнавати, що ви розгублені, збентежені або вам нудно, і адаптувати свою викладацьку діяльність під ваш настрій, як це могло б покращити ваше навчання — і в чому він міг би помилятися щодо вас?
  • Емоційно обізнане тьюторство може підвищити залученість, але автоматизація, що лише удає емпатію, несе ризики: надмірну опору, парасоціальну залежність і занепокоєння щодо приватності через безперервний моніторинг. Де межа між «бути зрозумілим» і «бути під спостереженням»?
  • ШІ, який вас підтверджує й «розуміє», може бути приємним, але дослідження показують, що такий ШІ може витісняти справжні взаємини й підривати критичне мислення. Чим відчуття підтримки відрізняється від справжньої підтримки в навчальному середовищі?
  • І міміка, і текст можуть сигналізувати про емоції. Чи має тьютор адаптувати своє викладання на основі вашого емоційного стану — і на основі яких емоційних висновків ви хотіли б, щоб він діяв, а на основі яких — ніколи?
  • Якщо ШІ знімає ваше розгублення, надто легко знижуючи складність, ви можете перестати боротися продуктивно — а боротьба часто й є тим місцем, де відбувається глибоке навчання. Як тьютору вирішувати, коли втішати, а коли кидати виклик?
  • Безперервний афективний моніторинг порушує реальні питання приватності. За яких умов вам було б комфортно, щоб ШІ читав ваші емоції, аби адаптувати ваше навчання?

Вступ

Розпізнавання емоцій для адаптації навчання

Афективні обчислення прагнуть зробити системи ШІ емоційно обізнаними, щоб вони могли реагувати на те, що відчувають здобувачі, а не лише на те, що вони роблять. В освіті це означає розпізнавання розгубленості, збентеження, впевненості, нудьги чи залучення та відповідну адаптацію навчання. MathBuddy демонструє цей підхід, моделюючи афект на основі двох модальностей — розмовного тексту та виразу обличчя в реальному часі — і проектуючи агрегований емоційний стан на педагогічні стратегії перед формулюванням підказки для тьютора.

Самі сигнали є неоднозначними: єдиний канал виразності не може надійно розрізняти страждання, зусилля, сором, втому чи стратегічну самопрезентацію без людини, завдання, культури та ситуації, що їх породили — «контекстуальна недоінтерпретація», — тому класифікатор, який читає лише видимий сигнал, ризикує дати рекомендації, що виглядають правдоподібно, але педагогічно хибно (Zhang та співавтори (2026)).

  • Емоційна та рефлексивна підтримка від МММ у математиці середньої школи: Rief та співавтори (2026) нашаровують усвідомленість (mindfulness) на тьютор з алгебри для семикласників через динамічні чати, дихальні вправи та усвідомлену мову зворотного зв’язку щодо помилок. У невеликому класному Рандомізований контрольований експеримент (RCT) (42 виконавці завдання з 252 учасників) версія з усвідомленістю досягла подібних результатів у алгебрі за менший час і з меншою кількістю запитуваних підказок, ніж сама когнітивна підтримка, — вища ефективність навчання та збалансованіший Пошук допомоги пошук допомоги, — хоча зниження ситуативної тривожності щодо математики не відрізнялася суттєво між умовами.

Вигоди та ризики

Емоційно обізнане тьюторство може давати вимірні здобутки, але та сама витонченість несе й ризики:

  • Вигоди. Врахунок емоційного стану може покращувати залученість і результати; здобувачі, які почуваються зрозумілими, наполегливіше тримаються, а раннє розпізнавання розгубленості дає можливість своєчасно застосувати Скаффолдинг скаффолдинг або коригування в Адаптивне навчання адаптивному навчанні.

  • Ризики. Автоматизація, що удає емпатію, може сприяти надмірній опорі на інструмент і парасоціальній залежності, маскувати справжню метакогнітивну відчуженість і порушувати занепокоєння щодо Приватність приватності через безперервний афективний моніторинг. Підлабузництво ШІ є центральним афективним ризиком: ШІ, що емоційно завоює прихильність і підтверджує, а не кидає виклик, може підривати критичне мислення і навіть витісняти справжні людські взаємини — Ibrahim та співавтори показують, що підлабузуючий ШІ призводив до того, що користувачі зверталися по особистою порадою до ШІ майже так само часто, як до близьких друзів і родини, отримуючи при цьому менше задоволення від взаємодії в реальному світі. Defining AI Fatigue in Academic Contexts: Dimensions, Indicators, and a Stage-Based Model Using Grounded Theory і New AI-Driven Tools for Enhancing Campus Well-being: A Prevention and Intervention Approach далі пов’язують афективний ШІ з Благополуччя добробутом здобувачів.

  • Залученість не є показником навчання. Дослідження зі сенсорикою мозку виявило, що обмежений адаптивний інтерфейс підвищував когнітивну залученість (p = .018), тоді як необмежений чат-бот давав вищі навчальні здобутки (p < .03, d > 0,80), тому сигнал афекту чи залученості може вказувати в бік, протилежний тому результату, якому він має служити (Clin Deffarges та співавтори (2026)).

Афективні обчислення та AIED у ширшому розумінні

Афективні обчислення лежать на перетині Афективне тьюторство (їхнє педагогічне застосування), Моделювання здобувача та адаптивне навчання (представлення цілісної особи здобувача, включно з емоціями) і Аналітика навчання (виведення сигналів із даних про здобувача). Вони пов’язані з проєктуванням Інтелектуальний тьюторінг інтелектуальних тьюторів і з Педагогічна безпека — принципом, згідно з яким ШІ має підтримувати емоції здобувача, а не маніпулювати ними.

  • Моніторинг емоцій в аудиторії в реальному часі на периферійних пристроях. Nguyen та співавтори (2026) будують систему оцінювання якості навчальної аудиторії, чутливу до емоцій, що виводить афективні обчислення в автентичні, масштабні умови. Пристосована до IoT/пристроїв периферійного рівня (edge), система розв’язує завдання балансування навантаження та затримок, координуючи кількох агентів для фіксації емоційних і залучальних патернів студентів у реальному часі. Її оцінено на Classroom Emotion Dataset (1 500 розмічених зображень і 300 відео з навчальних аудиторій реальних K–12 шкіл В’єтнаму) з акцентом на багатоособовій афективній взаємодії в природних умовах (in-the-wild) — це демонстрація масштабування розпізнавання емоцій від лабораторних моделей до розгортуваного моніторингу в аудиторії, разом із питаннями приватності та Педагогічна безпека педагогічної безпеки, які піднімає такий моніторинг.
  • Емоційно інтелектуальні агенти оцінювання. AIvaluate, посилений Великі мовні моделі (LLM) МММ емоційно інтелектуальний розмовний агент, знижував тривожність і соціальний тиск студентів під час оцінювання на основі виконання, зберігаючи зручність використання.
  • Емпатія, створена через проєктування підказок, а не через розпізнавання. Афективна підтримка не вимагає виявлення афекту: Wang та співавтори (2026) отримали велику різницю в сприйнятті емпатії (21,27 проти 18,24; r = 0,53) між двома агентами фізичного навчання на базі МММ, які відрізнялися лише заданою в підказці роллю та розмовними ходами — зачіпками на зміну перспективи («Ви запитуєте про це, бо…»), діагностикою хибних уявлень і перевіркою розуміння в кінці кожного раунду, — тоді як модель, платформа та температура були незмінними. Це корисний противага сенсорично орієнтованим афективним обчисленням: сприйману емоційну якість Педагогічний агент педагогічного агента можна вбудувати в сценарій взаємодії, водночас нагадуючи проєктувальникам, що сприймана емпатія є конструктом самоопису, а не доказом справжнього афективного розуміння (Взаємодія здобувача зі ШІ).
  • Сповіщення, що підказують викладачеві, а не адаптують тьютора. Swidan (2026) розгорнув Dash4Emotion в аудиторії геометрії старшої школи, де прямокутники в червоній рамці позначали студентів, яких читали як таких, що переживають негативну емоцію; на двадцяти виявлених епізодах (п’ять із них задокументованих) залученість змінювала не саме сповіщення, а реакція викладача на нього. Сенс проєктування полягає в тому, що розпізнавання афекту може живити людське рішення, а не наступний крок адаптивного тьютора, — із доданою обережністю самого дослідження: воно не повідомляє про жодної валідації виявлення виразу обличчя, тому сигнал є підказкою для тлумачення викладачем, а не доказом про внутрішній стан студента.

Пов’язані поняття

Пов’язані статті

Метадані

РівеньHigher Ed, K 12
Цільова аудиторіяLearners
Технології та методиАдаптивне навчання, Генеративний ШІ, Інтелектуальний тьюторінг, Аналітика навчання, Великі мовні моделі (LLM), Персоналізоване навчання
Основи ШІ в освітіРозвантаження когніції
SourceHistoryEditChat

Вставити цю сторінку

Скопіюйте наведений нижче код, щоб вставити цю сторінку в систему управління навчанням або на інший вебсайт. Вбудована версія показує лише вміст сторінки — вона приховує заголовок сайту, навігацію та колонтитул.