脸部表情识别调整文献检索教学策略“EIMTS”系统设计

　　自 1984 年教育部印发 《关于在高等学校开设文献检索与利用课的意见的通知》 文件以来， 高校都陆续开设了文献检索课。 通过该课程的学习要求学生掌握网络信息检索的方法与技巧， 能通过多种途径， 迅速、准确地检索到所需的信息； 同时， 对促进学生不断地吸收新知识， 改善知识结构， 提高自学能力、 研究能力和适应能力， 发挥创造才能具有重要而深远的意义。

　　但是， 文献检索课程开设的效果如何， 是否达到预期目的， 图书馆更该关心和研究的问题。

　　近几年， 对文献检索课教学效果或教学质量研究的文章不少， 笔者对其按研究类别进行统计， 如表 1所示。 由表 1, 12 篇文章有 2 篇是项目研究， 可见文献检索课的教学效果是重点研究问题； 李宏宇[1]、 武俊瑛[2]、 王佳[3]、 杨凝清[4]、 吴伟红[5]、 李会敏[6]、 胡军[7]等都对文献检索课教学效果进行了探讨、 研究， 提出了相关措施来提高教学效果， 占 58.3%; 杜春光[8]、 王若冰[9]、 张爽英[10]、 张军亮[11]等建立了高等学校文献检索课教学质量评价体系，并结合所在学校的文献检索课进行了实证的数据分析， 占 33.3%; 石芸[12]以调查表的形式对所在学校的文献检索课教学进行统计分析， 并提出相应的对策， 占 8.3%. 现笔者从一个全新的角度来探讨如何提高文献检索课的教学效果， 设计了一个脸部表情识别调整教学策略 “EIMTS” 系统， 该系统通过采集脸部表情数据， 经过人脸检测定位和表情特征提取， 判断和理解其情绪状态； 通过匹配表情-教学策略数据库以调整教学策略； 通过检测教学策略的有效性来优化表情-教学策略数据库， 以提高文献检索课教学效果。

　　1 “EIMTS” 系统介绍

　　脸部表情识别调整教学策略 “EIMTS” 系统由采集学习者表情， 得到表情识别结果， 以确定教学策略，返回到学习者。 该系统始于学习者， 终于学习者， 体现了系统的主体。 该系统包括 3 个模块： 表情识别模块、 表情比对模块、 交互模块， 如图 1 所示。

　　EIMTS 系统的详细分解图如图 2, EIMTS 系统正三角分解图所示。

　　（1） 表情识别模块 : 包括学生脸部数据采集 、 脸部检测定位、 表情特征提取， 得到表情识别结果。

　　（2） 表情比对模块 : 由表情识别模块得到的表情识别结果开始， 通过与表情-策略数据库对比， 得到教学策略结果。

　　（3） 互动模块 : 包括教学策略反馈和更新表情 -策略数据库两个部分。 由表情比对模块得到的教学策略结果开始， 通过调整教学策略， 最终返回到学习者；通过学习者的效果来检测该教学策略是否可行， 最终来优化和完善表情-策略数据库。

　　1.1 表情识别模块

　　人脸表情识别的 3 个关键问题： 脸部检测与定位、面部表情特征的提取、 人脸表情的识别与分类构成了人脸表情分析系统， Chen Queen 等[13]中给出的构成与流程如图 3 所示。

　　1.1.1 脸部检测与归一化

　　通过摄像图来采集人脸数据时， 都是对单幅图像的检测。 对于单幅的静态图像， 人脸检测与定位的方法大致分成两类[14]: 一是基于统计的人脸检测方法：包括神经网络法、 子空间方法、 模版法多层小波分解和遗传算法等； 一是基于知识建模的人脸检测： 包括人脸规则、 颜色纹理信息和对称性等。 笔者使用 OpenCV提供的 Harr 人脸分类器进行人脸检测。 归一化是指在检测人脸的基础上进行的， 主要特征包含眼、 眉、 鼻、嘴等， 归一化算法主要步骤有：

　　（1） 利用人脸的垂直积分投影曲线获得人脸的左右边界。

　　（2） 利用水平积分投影曲线获得人眼所处的大致水平位置， 进而裁剪出这个包含人眼的大致区域。

　　（3） 利用 Canny 算子求出眼睛区域的边缘图像， 然后对边缘像素进行聚类。

　　（4） 利用 Hough 变换的改进方法求出左右眼球中心的精确位置， 最后利用中心瞳孔的位置进行人脸的归一化处理。

　　1.1.2 表情特征提取

　　表情特征提取的方法比较多， 笔者采用独立分量分析（ICA）算法， 该算法在信息处理的很多领域都有很大的应用潜力， 已引起了国际信号处理领域的广泛关注。 关于 ICA 算法进行脸部表情特征提取的研究很多，这里就不再详细介绍了。

　　1.1.3 脸部表情识别分类

　　人脸表情识别的最后一个步骤就是将人脸表情进行分类， 首先指定一组类别， 并设计相应的分类机制对表情进行识别归入相应类别。以权威的 ORL 人脸库和 JAFFE 人脸库表情识别分类为依据， 笔者将人脸情感分为： 兴奋、 高兴、 平静、沮丧、 生气五类， 并以 JAFFE 数据库中的 213 张 256×256 图像经过 ICA 算法的表情识别率如表 2 所示， 可以看出 ICA 算法的识别率能够基本满足实际需求。

　　1.2 表情比对模块
　　
　　教学策略是在整个教学过程中， 依据教学的主、客观条件， 特别是学习者的实际情况， 对所选用的教学方法和教学手段， 在教学实践中不断地调节和创新。表情比对模块中的教学策略是根据表情识别模块得到的学习者的表情结果来制定的， 由此， 建立了表情-教学策略数据库， 表 3 是部分表情-教学策略数据库的内容。表中， 教学策略是根据学校文献检索课程组教师的教学经验来制定的。 由于教学策略的实时性和复杂性， 制定的策略会根据教学效果动态调整。

　　当首次使用此系统时， 各个表情状态下所有的教情结果为平静时， 系统呈现教师可供选择的教学策略有： 3-1 引起学生注意 （通过语音、 语调、 身势语的改变）； 3-2 提问式教学 （通过相关专业知识的提问， 避免课堂毫无活力， 集中学生注意力）； 3-3 案例教学等。

　　若不是首次使用， 则按表情状态下教学策略的分值高低来推送， 分值高的优先呈现。 文献检索课的教师可以选择分值高的教学策略或者根据课堂的实际情况选择相应的教学策略。 最后将选择的教学策略保存到表情比对模块的输出结果中。

　　1.3 互动模块

　　互动模块即将表情比对模块中得到的教学策略反馈到课堂， 实施到学习者。 将教学策略灵活地运用到课堂， 对检索课的教师有较高的要求。 如项目式教学，能否顺利实施的关键在于教师， 教师应把握的关键问题是工作任务的确定， 在教师精心设计的任务下， 学生充分发挥自己的主观能动性， 通过自主研究或小组化互助学习， 将新旧知识联系起来， 在实践中找出解决问题的具体方法， 完成任务。 它的教学过程为： 提出任务-分析任务-完成任务-总结任务。 以工作任务为参照点设置课程， 确保了项目课程以工作任务为核心课程内容[4].

　　课后， 要确定所选教学策略是否有效， 对其有效性监测通过流程图 4 实现。 第一步： 要确定阀值分和平均分， 阀值分的确定是通过检索课教师反复测试，最终定为 70 分； 平均分的确定是随机挑选 5 名同学参与教学效果评分， 取平均分。 第二步： 比较平均分和阀值分的大小， 若平均分 > 阀值分， 则说明所选教学策略是有效的， 将策略分值加 1; 若平均分 < 阀值分，说明所选教学策略这次是无效的， 将策略分值减 1, 此时再来判断策略分值是否大于 0, 如果小于 0, 则说明所选策略不适合该表情类别， 从表情类别中删除该策略； 最后， 更新表情-策略数据库。

　　2 结语

　　知识信息时代， 文献检索课程内容在不断更新，教学手段与方法在不断改善， 文献检索教学课开设的效果如何至关重要。 “EIMTS” 系统在 2013 年秋季学期嵌入文献检索课课程组教师的教学后， 经过 2 个学期的测试， 教师普遍反映学生上课听讲认真了很多，课堂氛围也好了， 但是少数年轻教师反映此系统对教师的教学经验有一定的要求。 实践证明， “EIMTS”

　　系统对提高文献检索课的教学质量与教学效果起到了重要的作用。

　　参考文献：
　　[1] 李宏宇，张宝玉，戴建陆。高校文献检索课课堂学习效果的研究与实践[J].晋图学刊，2011,（5）：51-53.
　　[2] 武俊瑛。对有效提高研究生文献检索课教学效果的探讨[J].内蒙古农业大学学报（社会科学版），2005,（3）：112-115.
　　[3] 王佳。浅谈如何提高医学文献检索课的教学效果[J].才智，2009,（12）：140.
　　[4] 杨凝清，滕洪松，王洪秀。提高研究生文献检索课实习效果的探索[J].图书情报杂志，2007,（1）：50-52.
　　[5] 吴伟红。提高本科生文献检索课效果的探讨[J].科技情报开发与经济，2011,（14）：34-36.
　　[6] 李会敏。提高中医药信息检索课教学效果的因素探析[J].河北中医药学报，2006,（4）：43-44.
　　[7] 胡军 . 提高高校文献检索课教学效果的思考 [J]. 江西图书馆学刊 ,2010,（1）：116-118.
　　[8] 杜春光，杨广林。文献检索课教学效果评价指标的确定[J].情报探索，2007,（8）：37-39.
　　[9] 王若冰。高校文献检索课教学质量评价体系探讨[J].现代情报，2008,（9）：210-212.
　　[10] 张爽英。新建本科院校文献检索课教学效果评价方法研究[J].科技情报开发与经济，2011,（7）：66-68.
　　[11] 张军亮。文检课教学质量评价系统二级 Fuzzy 综合评判模型[J].情报杂志，2013,（1）：107-108.
　　[12] 石芸。 地方本科院校文献检索课教学效果调查分析及建议---以嘉兴学院为例[J].情报探索，2012,（6）：81-83.