學習分析中情緒的生理數據表征——皮膚電反應的應用前瞻

韓 穎 董玉琦 畢景剛

?

學習分析中情緒的生理數據表征——皮膚電反應的應用前瞻

韓 穎1,2董玉琦2畢景剛1

（1．吉林師范大學 教育科學學院，吉林四平 136000；2．上海師范大學 教育學院，上海 200234）

真實情境中學習者情緒狀態的測量與分析是學習分析中必不可少的內容。生理數據具有客觀性、實時性、精確性等特點，是情緒研究中重要的測量方法。文章對生理數據的表征——皮膚電反應及其相關內容進行了梳理，介紹了皮膚電反應在教學中應用的研究情況，并結合案例進行了分析。基于生理數據的情緒研究為學習分析提供了學習者生理層面與心理層面的數據，呈現了更加全面、立體、精確的學習者信息，有利于為學習者提供更具適應性和個性化的學習服務。

情緒；皮膚電反應；生理數據；學習分析

引言

學習分析技術能夠從海量數據中提取隱含的、潛在的信息，通過對數據的處理，全面深刻地認識學習過程，同時為學習者提供更加智能、個性的學習策略[1]。例如，多模態學習分析方法利用多模態生物識別技術從不同層面追蹤學習過程，包括追蹤學習者外顯行為數據以探知和診斷內隱的認知活動，追蹤學習者腦電、皮膚電、激素分泌等生理數據以探究學習者的情緒變化。行為層、心理層與生理層數據構成了學習者完整的學習大數據。學習科學的引入給傳統教育教學研究帶來了新氣息，使研究增加了科學驗證的可能[2]。

測量技術的進步與發展給情緒研究帶來了重大突破，基于生理數據的情緒測量使研究者能夠真實地追蹤人的生理變化，探測情緒的生理機制，將情緒研究從猜測轉向實證、由模糊趨向清晰，也使人類對學習的了解與理解更加全面、細致與深入。學習科學、教育神經科學、腦認知、傳感技術以及終端技術的發展，使基于生理數據的學習行為與學習情緒研究成為學習分析研究的趨勢[3]。人類的生理信號由自主神經系統控制，不易受主觀意志控制，因此生理數據更具魯棒性、客觀性。同時，測試所用傳感器佩戴起來更加舒適、便攜，對被試的干擾較小，具有實時性、非損傷性、非侵入性等優勢。生理數據的測量與研究已廣泛應用于心理障礙矯治、臨床疾病治療、航空訓練、國防、司法、商業等各個領域。

本研究以皮膚電反應作為情緒的生理數據表征，從皮膚電的反應機制出發，分析皮膚電反應的測量與分析方法，探索基于皮膚電反應的情緒分析方法，以期為后續研究情緒測量、干預等提供方法論基礎。

二 皮膚電反應的反應機制

在日常生活中，社會情境、自身適應等因素使人們時刻體驗著自身情緒的變化。當個體受到情緒性信息刺激或機體處于某種情緒狀態時，自主神經系統內部會發生一系列的生理變化，生理喚醒水平和器官激活程度都會明顯地不同于常態生理節律[4][5][6]。人在情緒喚醒的狀態下，汗腺分泌活動會受到情緒狀態的影響。人類手掌被認為是“精神出汗區”，不同于身體其它部位的體溫調節出汗，汗腺功能主要對精神性活動或感覺刺激反應敏感，情緒越緊張或越興奮，排汗越多[7]。當汗腺被激發并變得更活躍時，它們會通過毛孔向皮膚表面分泌汗液。分泌液中正離子與負離子的平衡被打破時，電流更容易流動，導致皮膚電導產生變化，且變化可被測量。皮膚電導的變化被稱為皮膚電反應（Galvanic Skin Response，GSR）[8]。如當人處于緊張情緒時，汗液分泌增多，微量電流經過汗液時遇到的阻力變小，皮膚電流增加[9]。因此，可以用微量電流經過皮膚所遇到的阻力來測定自主神經系統的情緒反應。皮膚電信號隨著情緒的不同有明顯的變化[10]，同時因為受自主神經系統控制，皮膚電反應指標的強度和速度等不易受人的主觀調控的影響，因此許多做過皮膚電反應研究實驗的心理學家均認為皮膚電反應可以作為測量情緒的生理指標。

三 皮膚電反應的數據采集、處理與分析方法

1 測量方法

測量皮膚電的方法有兩種：一種是使用弱電流通過皮膚，測量電流通過時出現的電阻。該方法于1888年由Fere首先使用，稱為體外法，即對皮膚施加直流電或交流電[11]。第二種于1889年由Tarchanoff首先使用，測量皮膚表面的電活動，不施予外電流，稱為體內法。體外法已經改進成為現今所用的皮膚電導的測量方法，即施加較低的恒定電壓，測量電極之間的電壓差、報告皮膚電導數據；而體內法仍被用來測量皮膚電勢或電位量。

2 測量部位

目前，廣泛使用的測量方法是在兩個皮膚接觸點之間施加較低的恒定電壓，使其產生電流流動，通過傳感器非侵入性地測量皮膚電導的變化[12]。人體幾乎所有部位都有汗腺，但某些位置尤其是手指、手掌、腳底對情緒刺激的反應更為強烈，因此這些部位都是比較敏感的采集點：①手指記錄——如果被試手是靜態的（如看圖像或視頻時），通常將傳感器連接在非優勢手的食指與中指上；②手掌記錄——如果被試必須使用雙手（如操作鍵盤），可以使用電極貼紙粘在手掌上兩點（如圖1所示）；③腳部記錄——如果被試必須頻繁地使用手進行操作或交互，可將傳感器連接到腳的內側（如圖2所示）。由于鞋底在站立或行走時受到壓力的影響，應確保將傳感器放置在腳內側的中間位置。

圖1 手指與手掌應測量部位[13]

圖2 腳部測量部位

3 GSR原始信號組成

GSR信號主要由緩慢變化的基礎（Tonic）活動——皮膚電導水平與快速變化的相位（Phasic）活動——皮膚電導反應組成，如圖3所示。

圖3 皮膚電反應組成結構[14]

圖4 SCR、SCL與GSR峰值關系

（1）皮膚電導水平（Skin Conductance Level，SCL）

SCL是無任何環境激勵下的皮膚電導基線，在幾十秒至幾分鐘內變化緩慢、更替微小。SCL的上升與下降隨著個體的反應、皮膚干燥程度或自主調節能力不同而持續變化。皮膚電導基礎水平存在個體差異，并與個性特征相關：基礎水平越高者，越傾向于內向、緊張、焦慮不安、情緒不穩定、反應過分敏感；而基礎水平越低者，越傾向于開朗、外向，心態比較平衡、自信，心理適應較好。因此，不同的個體在不同的時間段，其皮膚電位會有所不同[15]。

（2）皮膚電導反應（Skin Conductance Response，SCR）

相位反應在基礎水平之上，變化幅度更高、速度更快，以“GSR突發”或“GSR峰值”的形式顯示（如圖4所示）。SCR對特定的情緒刺激事件敏感，事件相關皮膚電導反應（ER-SCRs）會在情緒刺激發生后的1～5秒之間突發；非特異性皮膚電導反應（NS-SCRs）則在人體內以1～3分鐘的速率自發發生，與任何刺激無關（如圖5所示）[16]。

圖5 皮膚電反應曲線

圖6 SCR指標表征

皮膚電導信號由緩慢變化的SCL組成、由分開的相位SCR疊加。在分析GSR數據時，主要關注事件相關SCR（ER-SCR），因為它們直接測量被試者的喚醒和參與程度。單個SCR通常有四個指標表征（如圖6所示）：①延遲，從刺激開始到相位發生的持續時間。通常，由刺激引發的SCR出現于刺激出現后的1～3s或1～5s內，起始點通常設置為GSR曲線超過最小幅度標準（0.01或0.05μS）的時間點[17][18]。在此期間之前發生的變化通常被定義為NS-SCR，認為不是由實驗操縱引起的。②峰值振幅，SCR開始（低谷）到高峰之間的幅度差值。③上升時間，從SCR開始到SCR峰值的持續時間。④恢復時間，從峰值到振幅恢復的時間。SCR開始時可能相當陡峭，但恢復通常更平坦，需要更長的恢復時間。原始GSR信號在峰值前后并不是完全平坦的，會因為基礎水平的個體差異或運動等產生的噪音而出現波動。另外，幾個峰值可以連續發生，導致GSR信號的疊加（或上升），而不是回到基礎水平。

4 數據處理

（1）降采樣

降采樣即減少單位時間（秒）中采集樣本的數量。GSR信號在采集時的采樣頻率通常比實際要求高得多，因此，在處理時可以對數據進行降采樣，這樣既便于處理又不會影響到數據的重要信息。如果GSR數據以100Hz（即每秒100個樣本）進行采集，可以將采樣頻率降至10Hz（每秒10個樣本）或更低[19]。

（2）濾波

使用濾波器可以“平滑”GSR曲線，以消除與刺激產生的喚醒或高振幅“峰值”無關的信號的基礎水平。以中值濾波為例，具體方法為：首先對數據進行采樣，然后以當前樣本為中心、以相等的時間間隔（如±4秒）計算周圍樣本的中值數，最后從當前樣本中減去中值數，結果中僅留下相位信號，如圖7所示。

圖7 GSR相位信號

圖8 峰值檢測

（3）峰值檢測

首先在相位數據中查找峰值開始位置（>0.01μS）和結束位置（<0μS），然后在原始的未經過濾的GSR數據中找到對應的每一對開始與結束位置，在開始與結束中間的曲線中查找GSR最大值，即為GSR峰值。峰值幅度為峰值的振幅減去起始振幅，如圖8所示。

（4）極值標準化

采用最小—最大標準化方法對GSR原始曲線進行線性變換，將結果映射到[0, 1]區間，使原始數據轉換為無量綱的純數值，讓數據具有一定的可比性，以便進一步分析數據的屬性。首先將GSR原始曲線進行低通濾波，然后作平滑曲線處理，之后進行極值標準化處理。

5 數據分析

（1）峰值發生率

數據經過處理可以得到每個測量對象的GSR峰值數量，之后可進一步計算在測量期間的峰值發生率（Peak Occurrence，PKO），即單位時間內發生的峰值次數。該數值表明被試在測量期間情緒波動情況。通過峰值發生率的比較，可以得出不同測量對象面對相同刺激時情緒波動的差異，或同一測量對象面對不同刺激的情緒波動差異。

（2）極值標準化均值

GSR原始曲線進行極值標準化處理后，可以通過計算每個測量對象的平均值，將不同基礎水平的被試進行比較，衡量生理喚醒度水平的差異。

四 皮膚電反應在教學中的應用研究

1 前期國內外相關研究

日本教育界率先將人體生理信息的自動測量和分析技術應用于課堂教學的研究，如福井大學堀忠雄對聽課時學生的皮膚電反應規律進行了研究[20]；本間明信[21]運用GSR測量不同學科課堂中幼兒、大中小學生的情緒，并對音樂課合唱、國語課朗讀、體育課體操、理科實驗等進行了細致深入的研究，發現了GSR的集體反應現象、集團間相互作用、開關現象、個體反應類型、學生GSR反應與師生間行為的對應關系等成果。在我國，董玉琦[22]運用GSR測量學生在課堂學習時的生理指標，同時用攝像機記錄學生的表情，兩者結合研究學生的情緒變化，發現了學生的GSR變化與表情有較好的對應性，教師的說明、提問、警告及指示等行為也會導致學生情緒的變化；黎加厚[23]、吳中江[24][25]等開展了一系列有關學生對電視節目的皮膚電反應規律的研究。

早期國內外學者運用GSR測量學生在課堂學習中情緒的變化，分析方法主要采用直觀分析法。隨著測量儀器、分析軟件、計算方法的發展與進步，對GSR數據的處理與分析、對情緒變化的理解已更為全面與深入。

2 案例分析

（1）被試

本研究從吉林省C市某小學三年級中選取兩個班級C1、C2，根據數學成績從學優、學困兩個層次中分別抽取男、女學生各一名，在真實的數學課堂中測量這4名被試的皮膚電反應情況。

（2）施測過程

在數學課堂上實施了多次測量。每次測量時，兩個班級的測量時間均安排在上午9～11點之間，且在同一間教室內分別使用電子書包學習相同的數學內容。兩個班級的物理環境（如教室、桌椅、設備等）、教師、學習內容、學習資源等均相同，但在學習方法上存在差異：C1班采用傳統的接受式學習，學生以聽為主；C2班采用探究式學習，教師以問題引導學生主動探究。

（3）結果

對4名被試在多次課堂學習過程測量所得的GSR數據進行處理與計算，結果如表1所示。

表1 四名被試的GSR數據

注：P代表PKO（峰值發生率），M代表Mean SCL_nor（SCL極值標準化均值）。

①從性別角度分析：兩個班級中男、女學生被試的峰值發生率、SCL極值標準化均值都存在差異，但相關數據未顯示出在課堂學習過程中性別對情緒存在規律性影響。

②從學習內容角度分析：學習同一課程內容時，同一班級中兩名被試的峰值發生率、SCL極值標準化均值存在差異；在學習不同課程內容時，同一個學生的峰值發生率、SCL極值標準化均值也不相同。數據表明，在同一個群體中、學習相同內容時，不同個體的情緒波動情況和生理喚醒度存在差異；在同一群體中、學習不同內容時，同一個體的情緒波動和生理喚醒度也存在差異。

③從學生成績水平角度分析：5次測量所得數據的分析結果顯示，與學優生相比，學困生的峰值發生率和SCL極值標準化均值數據有高有低，但學困生數據低于學優生的次數偏多。從“均值”數據來看，學困生的峰值發生率和SCL極值標準化值均低于學優生。成績水平相同的被試分別處于不同的班級中，但其GSR數據呈現出相同的現象，即學困生的情緒波動少于學優生、生理喚醒程度低于學優生。

④從學習方法角度分析：兩個班級在學習過程中使用的學習方法不同，通過課堂觀察發現：C1班學生以被動聽課為主，電子書包只是書本的替代，課堂氣氛比較平靜；C2班學生使用電子書包進行探究學習，學習活動中討論、辯論、評價較多，課堂氣氛熱烈。測量數據（表1）顯示：C2班2名被試峰值發生率的平均值低于C1班2名被試，而SCL極值標準化均值的平均值高于C1班被試，即C2班被試的情緒波動少于C1班被試，而生理喚醒度高于C1班被試。

（4）討論

根據以上數據分析，本研究得出以下結論：①在同一班級環境中，男女學生在情緒波動與生理喚醒程度上均存在個體差異；在不同的課程內容學習過程中，同一個體的情緒波動與生理喚醒存在差異；研究中尚未發現性別因素對情緒存在規律性影響。②在不同學習方法的課堂中，兩個班級學優生的情緒波動與生理喚醒度均高于學困生。③不同的學習方法對學生的情緒有不同影響；C2班2名被試的生理喚醒度要均高于C1班被試，而情緒波動低于C1班被試，即C2班被試與C1班被試相比，其情緒處于高喚醒狀態且情緒波動較小。

本研究中發現學優生的情緒波動與生理喚醒程度均高于學困生，該現象是僅出現在使用電子書包學習的課堂中的特殊現象，還是在常規課堂學習中也存在的普遍現象？這種現象能否說明學優生在使用新技術（如電子書包）學習時的情緒反應比學困生更為敏感？學習方法對學生的學習情緒存在影響，那么不同的情緒反應對學生的學習存在什么影響？何種情緒反應有利于學習效果的提升？這些問題還需要在今后的研究中進一步探索。

五 結束語

當刺激材料引發被試情緒變化時，GSR對被試的潛意識喚醒程度的測量提供了非常有價值的數據。然而，如果僅僅依靠GSR數據，很難分辨生理喚醒是由于積極刺激還是消極刺激引起的，因為積極與消極刺激均可導致生理喚醒、引發GSR峰值的增加。GSR是探察情緒喚醒度的理想指標，但無法揭示情緒的效價（即正性情緒或負性情緒）。GSR與其它數據來源相結合，如眼動追蹤（Eye Tracking）、面部表情分析（Facial Expression Analysis）、腦電圖（Electroencephalogram，EEG）分析、肌電圖（Electromyography，EMG）分析、心電圖（Electrocardiogram，ECG）分析等，才能充分發揮其價值，測量復雜的因變量并描繪情緒的全貌。每種生理指標解釋了人類認知、情緒和行為的一個特定方面，根據研究問題將GSR與其它生理數據結合，可以獲得對情緒的喚醒與效價、認知、注意力和動機之間復雜關系的了解。

借助各類可穿戴設備，在不干擾學習者的情況下，在學習者熟悉的境脈中以非侵入的方式采集學習者的生理數據，可以即時、動態地分析學習者的情緒狀態。多模態生理數據可以量化學習者在學習過程中的情緒體驗，為情緒分析提供“真實”數據，使學習者情緒狀態的實時識別、學習資源的自適應調整成為可能。基于生理數據的情緒研究為學習分析提供了學習者生理層面與心理層面的數據，呈現了更加全面、立體、精確的學習者信息，有利于為學習者提供更具適應性和個性化的學習服務。

[1]顧小清,劉妍,胡藝齡.學習分析技術應用:尋求數據支持的學習改進方案[J].開放教育研究,2016,(5):34-45.

[2]任友群.學習科學會給教育帶來什么[N].中國教育報,2008-9-27(3).

[3]張琪,武法提.學習分析中的生物數據表征——眼動與多模態技術應用前瞻[J].電化教育研究,2016,(9):76-81.

[4]Ekman P, Levenson R W, Friesen W V. Autonomic nervous system activity distinguishes among emotions[J]. Science, 1983,(221):1208-1210.

[5]Levenson R W. Autonomic nervous system differences among emotions[J]. Psychological science,1992,(1):23-27.

[6]Levenson R W. The autonomic nervous system and emotion[J]. Emotion Review, 2014,(2):100-112.

[7]張孝利.多導儀心理測試中的皮膚電指標淺析[J].甘肅警察職業學院學報,2008,(1):46-49.

[8][19]Biometric Research Platform.GSR pocket guide(2015)[OL].

[9]Khalfa S, Isabelle P, Jeanpierre B, et al. Event-related skin conductance responses to musical emotions in humans[J]. Neuroscience Letters, 2002, (2):145-149.

[10]Scheirer J, Fernandez R, Klein J, et al. Frustrating the user on purpose: A step toward building an affective computer [J]. Interacting with Computers, 2002, (2):93-118.

[11]Brown C C. A proposed standard nomenclature for psychophysiologic measures [J]. Psychophysiology, 2010, (2):260-264.

[12]Fowles D C, Christie M J, Edelberg R, et al. Publication recommendations for electrodermal measurements[J]. Psychophysiology, 1981,(3):232-239.

[13]蔡菁.皮膚電反應信號在情感狀態識別中的研究[D].重慶:西南大學,2010:8.

[14][16]Braithwaite J, Watson D, Robert J, et al. A Guide for analysing electrodermal activity (EDA) & skin conductance responses (SCRs) for psychological experiments[R]. Birmingham, UK: Selective Attention &Awareness Laboratory Behavioural Brain Sceinces Centre,University of Birmingham, 2013.

[15][17]Dawson M E, Schell A M, Filion D L. The electrodermal system[A]. Cacioppo J T, Tassinary L G, Berntson G G. (Eds.).Handbook of psychophysiology[C]. New York: Cambridge University Press,2007:159-181.

[18]Levinson D F, Edelberg R. Scoring criteria for response latency and habituation in electrodermal research: A critique[J]. Psychophysiology, 1985,(4):417-426.

[20]黎加厚.教學生理學:一門探索教學中人體生理信息的科學[J].教育研究,1992,(10):52-58.

[21]本間明信.授業中の生徒の內面的変化についての研究[R].日本仙臺:宮城大學教育學部付屬授業分析センター,1996,(5):88-101.

[22]董玉琦,本間明信.教師の働きかけによる子どもの情動変化の規律:授業中の學習者の情動変化に関する研究(2)[J].日本教育工學會大會講演論文集,1996,(12):599-600.

[23]黎加厚.學生對電視節目的皮膚電反應規律的研究[D].廣州:華南師范大學,1989.

[24]吳中江.電視教學傳播中信源若干因素與受著皮膚電反應(GSR)的相關研究[D].廣州:華南師范大學,1990.

[25]吳中江.關于電視節目圖像質量的GSR研究[J].電化教育研究,1993,(1):35-40.

The Physiological Data Representation of Emotion in Learning Analysis——Prospects for the Application of Galvanic Skin Response

HAN Ying1,2DONG Yu-qi2BI Jing-gang1

The measurement and analysis of learners’ emotional state in real situation is an indispensable part of learning analysis. With the advantages of objectivity, real-time, accuracy, etc, physiological data is an important measurement method in emotional research. The article sorted out the representation of physiological data-galvanic skin response (GSR) and its related content, introduced the research stituation of the application of GSR in teaching, and further analyzed it with speffic case. The emotional research based on physiological data provided learners with physiological and psychological data for learning analysis, and presented more comprehensive, tridimensional and accurate learner information, which was conductive to offering more adaptive and personalized learning services to learners.

emotion; galvanic skin response; physiological data; learning analysis

G40-057

A

1009—8097（2018）10—0012—08

10.3969/j.issn.1009-8097.2018.10.002

本文為吉林省社會科學基金項目“基于學業情緒生理測量的學習資源優化設計研究”（項目編號：2017B107）的階段性研究成果

韓穎，吉林師范大學副教授，上海師范大學在讀博士，研究方向為教育信息化，郵箱為hanying0211@163.com。

2018年6月15日

編輯：小西