近日，浙江省研究生教育学会发布2023年浙江省优秀硕士学位论文名单，浙江师范大学教育学院教育技术学教师党支部培养的研究生周斯炜同学毕业论文获评省优秀硕士学位论文。

周斯炜，浙江师范大学教育学院教育技术学专业硕士毕业，现于浙江师范大学教育学院攻读智能教育专业学术博士学位，导师是李明教授。周斯炜同学曾获“优秀研究生”等荣誉称号，浙江师范大学“挑战杯”大创竞赛铜奖等奖项，已于Information Fusion（中科院一区Top）、ACM WSDM（CCF B类）等国际期刊或会议发表论文7篇。

周斯炜同学的硕士毕业论文《在线学习中基于情境感知的学习者情感识别及其干预应用》，基于人工智能深度学习技术对在线学习者情感识别问题进行了系统研究。研究概述了现有在线学习过程中面临的情感交互缺失等显式挑战：在线教学的时空分离特性阻碍了师生间的信息交互与情感交流，极大地削弱了教学者的学习状态感知力以及教学主体间的情感联系，严重影响了学习者的学习效果。如何实现可靠、准确的在线学习者情感状态感知与分析，是预防消极学习状态、提升学习者在线学习情感体验等亟待解决的关键难题。

论文针对现有在线学习者情感识别研究的两大问题展开探讨：（1）现有方法仅考虑单一模态面部表情数据，忽视了人体姿态与场景信息的情境关联，导致情感识别的准确性不足；（2）现有模型训练仅依赖公开基准数据集，忽略了公共预处理基准数据与真实复杂在线教学数据间的显著分布差异。

为解决上述问题，研究提出了基于情境感知的在线学习者情感识别模型CAHFW-Net，其采用分层交叉注意力机制、自适应注意力机制和特征深度融合策略，协同面部表情与学习者所处情境信息，以提升情感识别的准确性和鲁棒性。此外，研究通过引入参数迁移学习机制增强了模型在真实在线学习场景中的泛化能力。基于所提模型，研究设计并实现了一个在线学习干预系统，其包括学习视频数据预处理、情感状态监测、情感轨迹输出与学习干预等功能模块。实验结果表明，与传统面部表情识别模型相比，该系统在实际应用中显著降低了情感状态感知的缺失率，并有效延长了学习者的积极情感状态维持时间，验证了模型的应用价值与实践潜力。

研究认为，基于情境感知的情感识别模型能够有效提升在线学习情感识别的精准度与稳定性，为在线教育环境中的个性化学习支持系统建设提供了重要参考。

周斯炜的获奖，可以说是浙江师范大学教育学院教育技术学系教师党支部多年来将党建融入人才培养结出的累累硕果。未来，教育技术学系教师党支部将继续强化师资队伍建设，坚持以卓越人才培养为中心，培养社会所需要的高素质教育技术人才。