《表1 多模态数据分类及对应的实证研究文献》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《全景透视多模态学习分析的数据整合方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

现有的多模态学习分析研究大都关注到“多模态数据类型”，但数据分类不尽相同。比较典型的数据分类有：（1）行为数据（如运动模态、生理模态）和情景数据（Di Mitri et al.，2018)；（2）学习体征数据、人机交互数据、学习资源数据和学习情境数据（牟智佳，2020）；（3）外显数据、心理数据、生理数据和基础数据（陈凯泉等，2019）；(4）生理层数据、心理层数据、行为层数据和基本信息数据（钟薇等，2018）。现有的数据分类结果各有优劣，大多数属于理论总结。本研究尝试从现有的实证研究中总结数据类型，并结合理论上的分类总结最终形成了如图3所示的多模态数据分类框架。同时，本研究也列出了多模态数据分类编码及其对应的实证研究文献支撑（见表1）。为便于编码分析，本研究除使用各类数据名称常规的英文缩写外，对没有常规缩写的数据名称采用英文单词首字母缩写方式。例如，Electroencephalogram的常规缩写为EEG，Body Language没有常规缩写，故将其缩写为BL。