《表1 多模态数据分类及对应的实证研究文献》
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。
图表编号 | XD00211279700 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.25 |
作者 | 穆肃、崔萌、黄晓地 |
绘制单位 | 澳大利亚查尔斯特大学计算机与数学学院 |
更多格式 | 高清、无水印(增值服务) |