• Journal of Computing Science and Engineering
• /
• 제10권4호
• /
• pp.103-110
• /
• 2016

Emotion recognition is an important component of affective computing, and is significant in the implementation of natural and friendly human-computer interaction. An effective approach to recognizing emotion from text is based on a machine learning technique, which deals with emotion recognition as a classification problem. However, in emotion recognition, the texts involved are usually very short, leaving a very large, sparse feature space, which decreases the performance of emotion classification. This paper proposes to resolve the problem of feature sparseness, and largely improve the emotion recognition performance from short texts by doing the following: representing short texts with word cluster features, offering a novel word clustering algorithm, and using a new feature weighting scheme. Emotion classification experiments were performed with different features and weighting schemes on a publicly available dataset. The experimental results suggest that the word cluster features and the proposed weighting scheme can partly resolve problems with feature sparseness and emotion recognition performance.

• Educational Technology International
• /
• 제18권2호
• /
• pp.101-129
• /
• 2017

This study attempted to collect learners' emotion and state motivation, analyze their inner states, and measure state motivation using a non-self-reported survey. Emotions were measured by learning segment in detailed learning situations, and they were used to indicate total state motivation with prediction power. Emotion was also used to explain state motivation by learning segment. The purpose of this study was to overcome the limitations of video-based learning environments by verifying whether the emotions measured during individual learning segments can be used to indicate the learner's state motivation. Sixty-eight students participated in a 90-minute to measure their emotions and state motivation, and emotions showed a statistically significant relationship between total state motivation and motivation by learning segment. Although this result is not clear because this was an exploratory study, it is meaningful that this study showed the possibility that emotions during different learning segments can indicate state motivation.

• International Journal of Advanced Culture Technology
• /
• 제7권2호
• /
• pp.188-194
• /
• 2019

Always, emotion is mutant. This is principle of literary treatment. In the literature, sadness is not sadness, and 'loving emotion' is not 'loving emotion.' Despite loving of our, loving is sadness. Also loving is to cry. This crying becomes love. This study is to show the mutant emotion which is to be able to code Deep Learning AI. We explored the Sijo "Streams that cried last night", because this Sijo was useful to study mutant emotion. The result was that this Sijo was coding the mutant emotion. Almost continuously, the sadness codes were spawning and concentrating. So this Sijo was making the emotion of love with the sadness. If this study is continued, It is believed that our lives will be much happier. And the method of literary therapy will be able to more upgrade.

• 감성과학
• /
• 제20권2호
• /
• pp.161-170
• /
• 2017

감정은 학습능력, 행동, 판단력 등 삶의 많은 부분에 영향을 끼치므로 인간의 본질을 이해하는 데 중요한 역할을 한다. 그러나 감정은 개인이 느끼는 강도가 다르며, 시각 영상 자극을 통해 감정을 유도하는 경우 감정이 지속적으로 유지되지 않는다. 이러한 문제점을 극복하기 위하여 총 4가지 감정자극(행복, 슬픔, 공포, 보통) 시 생체신호(뇌전도, 맥파, 피부전도도, 피부 온도)를 획득하고, 이로부터 특징을 추출하여 분류기의 입력으로 사용하였다. 감정 패턴을 확률적으로 해석하여 다른 공간으로 매핑시켜주는 역할을 하는 Restricted Boltzmann Machine (RBM)과 Multilayer Neural Network (MNN)의 은닉층 노드를 이용하여 비선형적인 성질의 감정을 구별하는 Deep Belief Network (DBN) 감정 패턴 분류기를 설계하였다. 그 결과, DBN의 정확도(약 94%)는 오류 역전파 알고리즘의 정확도(약 40%)보다 높은 정확도를 가지며 감정 패턴 분류기로서 우수성을 가짐을 확인하였다. 이는 향후 인지과학 및 HCI 분야 등에서 활용 가능할 것으로 사료된다.

• 한국산학기술학회논문지
• /
• 제16권10호
• /
• pp.6940-6948
• /
• 2015

본 연구는 미디어리터러시와 자기표현 및 정서조절전략이 청소년의 자기조절학습능력에 미치는 영향을 분석하기 위해 D지역의 청소년 453명을 대상으로 실시하였다. 연구결과, 미디어리터러시, 자기표현, 정서조절전략은 청소년의 자기조절학습능력에 유의한 영향을 미치는 것으로 나타났다. 이를 통해 청소년의 자기조절학습능력에 미디어리터러시는 중요한 역할을 하며, 자기표현 및 정서조절전략은 미디어리터러시와 청소년의 자기조절학습능력 사이에서 매개효과가 있음을 알 수 있었다. 이러한 연구결과는 미디어리터러시 시대에 학교생활 및 교육현장의 교육과정을 통해 청소년의 자기조절학습능력과 자기표현 및 정서조절전략 향상을 위한 많은 노력과 교육 프로그램이 필요함과 우리 미래의 희망인 청소년의 삶에 필요한 자기표현, 정서조절전략, 자기조절학습능력의 향상과 학교교육의 질적 수준을 높일 수 있는 이론적이고 실증적인 기초자료를 제공하는 데 많은 시사점을 준다.

• 한국감성과학회:학술대회논문집
• /
• 한국감성과학회 2012년도 춘계학술대회
• /
• pp.32-33
• /
• 2012

• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제33권3호
• /
• pp.181-205
• /
• 2019

이 연구에서는 욕구라는 구인을 도입하여 동료 간 토의를 중심으로 한 수학 수업이라는 특정한 수학 학습 맥락 속에서 대학생들의 수학 학습 동기와 수학 학습 감정이 어떻게 일어나며, 그 둘이 어떻게 관계를 맺는지 분석하였다. 연구의 핵심 개념인 수학 학습 동기와 수학 학습 감정을 개념화하고 이를 기반으로 수학 학습 동기와 수학 학습 감정을 관찰할 수 있는 구체적인 방법을 도출하여 연구를 진행하였다. 그 결과 수학 학습 동기는 욕구를 충족시키기 위해 일어났으며, 욕구가 충족될 때와 충족되지 않을 때 각각 긍정적인 수학 학습 감정과 부정적인 수학 학습 감정이 일어났다. 또한, 수학 학습 동기를 일어나게 한 욕구가 충족되면 긍정적인 수학 학습 감정이 일어났으며, 욕구가 충족되지 않아 부정적인 수학 학습 감정이 일어나면 그 욕구를 충족시키기 위해 수학 학습 동기가 일어났다.

• 한국멀티미디어학회논문지
• /
• 제23권2호
• /
• pp.146-154
• /
• 2020

Negative emotion causes stress and lack of attention concentration. The classification of negative emotion is important to recognize risk factors. To classify emotion status, various methods such as questionnaires and interview are used and it could be changed by personal thinking. To solve the problem, we acquire multi modal bio-signals such as electrocardiogram (ECG), skin temperature (ST), galvanic skin response (GSR) and extract features. The neural network (NN), the deep neural network (DNN), and the deep belief network (DBN) is designed using the multi modal bio-signals to analyze emotion status. As a result, the DBN based on features extracted from ECG, ST and GSR shows the highest accuracy (93.8%). It is 5.7% higher than compared to the NN and 1.4% higher than compared to the DNN. It shows 12.2% higher accuracy than using only single bio-signal (GSR). The multi modal bio-signal acquisition and the deep learning classifier play an important role to classify emotion.

• 방송공학회논문지
• /
• 제23권3호
• /
• pp.351-360
• /
• 2018

인간 감정 인식은 컴퓨터 비전 및 인공 지능 영역에서 지속적인 관심을 받는 연구 주제이다. 본 논문에서는 wild 환경에서 이미지, 얼굴 특징점 및 음성신호로 구성된 multi-modal 신호를 기반으로 여러 신경망을 통해 인간의 감정을 분류하는 방법을 제안한다. 제안 방법은 다음과 같은 특징을 갖는다. 첫째, multi task learning과 비디오의 시공간 특성을 이용한 준 감독 학습을 사용함으로써 영상 기반 네트워크의 학습 성능을 크게 향상시켰다. 둘째, 얼굴의 1 차원 랜드 마크 정보를 2 차원 영상으로 변환하는 모델을 새로 제안하였고, 이를 바탕으로 한 CNN-LSTM 네트워크를 제안하여 감정 인식을 향상시켰다. 셋째, 특정 감정에 오디오 신호가 매우 효과적이라는 관측을 기반으로 특정 감정에 robust한 오디오 심층 학습 메커니즘을 제안한다. 마지막으로 소위 적응적 감정 융합 (emotion adaptive fusion)을 적용하여 여러 네트워크의 시너지 효과를 극대화한다. 제안 네트워크는 기존의 지도 학습과 반 지도학습 네트워크를 적절히 융합하여 감정 분류 성능을 향상시켰다. EmotiW2017 대회에서 주어진 테스트 셋에 대한 5번째 시도에서, 제안 방법은 57.12 %의 분류 정확도를 달성하였다.

• 한국산학기술학회논문지
• /
• 제22권4호
• /
• pp.83-89
• /
• 2021

본 연구는 학습정서, 학습스타일이 예비유아교사의 학습공동체함여 역량에 미치는 영향을 살펴보았다. 이를 위하여 유아교육관련 학과에 재학중인 학생 234명을 대상으로 설문조사를 실시하였다. 조사결과 수집된 변인은 예비유아교의 학습공동체 참여역량, 예비유아교사가 학업수행할 때 경험하는 정서(긍정정서, 부정정서), 그리고, 학습스타일 (학습태도, 학습동기, 교육내용, 교수방법)로 나타났다. 연구 결과, 먼저 예비교사의 학습공동체참여역량은 예비교사들의 학습스타일 중 분석적 학습태도, 학습동기, 교수방법에 있어 토론 및 토론유형을 선호하는 정도, 실험 및 실습 유형을 선호하는 정도와 유의한 상관을 나타내었으며, 학습정서의 하위범주인 긍정정서와 부정정서와도 유의한 상관이 있었다. 회귀분석결과, 예비교사들의 학습정서의 하위범주인 부정정서, 학습스타일 중 학습동기, 교수방법유형 중 실험 및 실습유형을 선호하는 정도, 분석적인 학습태도, 그리고 교육내용 중 전공학문을 지향하며 그 중요성에 가치를 두는 정도는 예비교사의 학습공동체참여역량에 유의미한 것으로 나타났다. 본 연구결과는 예비교사를 양성하는 교육현장이 단순히 전공관련 지식을 전달하는 데 그치는 것이 아니라, 학습자들로 하여금 학습공동체참여역량을 갖출 수 있는 경험을 제공하기 위한 노력을 할 수 있어야 함을 시사하고 있다.