随着互联网技术、可穿戴技术和教育大数据的蓬勃发展,学习者的学习方式和交互环境在“人-技”协同进化的教育发展态势下面临着深刻变革。近年来,随着基于大数据的学习分析技术热潮来袭,自适应学习已逐渐成为学术界的研究热点。自适应学习目标是根据学习者的特征差异为其提供个性化的学习服务,传统的自适应学习系统对学习者学习过程中的情绪因素考虑甚少,这必然会导致学习者学习过程中的情感缺失,进而对学习状态造成影响。随着智能传感设备迅猛发展,可穿戴技术能够准确获取学习者的生理数据,作为一种有效的感知数据为学习者实施自适应学习分析提供了更加全面的用户建模数据支持。在大数据时代背景下数字化学习环境中对学习者情绪进行感知进而构建个性化的自适应学习模型为自适应学习研究提供了全新的视角。为了全面分析学习者在学习环境中的情绪状态,进一步提升学习者的学习效率和学习积极性,本文首先介绍了学习者情绪感知的典型应用;其次提出了一种基于学习者情绪感知的个性化自适应学习模型,并详细阐述了各模块之间对应关系;然后基于所提的自适应学习模型中的情绪感知模块,开展学习者情绪的检测与分析实验,利用传感器技术探察了物理学习空间下学习者的生理数据,并进一步利用相关技术分析了生理数据和学习者情绪状态之间的潜在映射关系,形成了学习者情绪检测与分析的通用方法。本文旨在结合传感器技术与学习分析技术来推测学习者学习过程中的情绪状态,构建基于学习者情绪状态的自适应学习模型,并以适当的干预机制来调整学习内容和学习策略以调整学习者的学习状态,使学习者达到最佳的学习效果,进而助力于学习者实现个性化自适应学习。本文主要完成如下研究:①综述了国内外物理空间下基于传感器技术的学习者情绪检测和个性化自适应学习系统研究,详细阐述了情绪感知的研究方法、相关设备及测量方法;并介绍了几类物理学习空间下学习者情绪感知的自适应学习典型应用。②构建了基于学习者情绪感知的个性化自适应学习模型(Personalized Adaptive Learning Model Based on Emotion Perception,ALEP)。ALEP 模型独特之处在于情绪感知模块,其将学习者实时情绪融入到自适应学习模型中并作用于自适应分析引擎,利用情绪状态实时调整学习者的学习策略和学习内容进而实现对学习者学习状态的调整;另外对ALEP模型在未来教室场景下的应用进行了构想。③为了挖掘学习者学习过程中生理信号与特定情绪间的关联关系,搭建并实施了情绪检测实验;实验基于未来教室数字化学习环境下进行,共采集了 26位被试者的生理数据(心率、心电与皮电信号),通过分析证实了生理信号与情绪状态之间的潜在映射关系,并形成了一套完整的学习情境中学习者情绪状态识别的通用方法。