学习者的情感状态对学习具有重要影响。本书针对现有的数字化学统无法感知学习者的情感状态并据此提供个性化的学习支持服务这一问题，提出了一种基于社交媒体大数据的学习者情感感知方法，并以微博为例深入研究了其中涉及的三项关键技术：情感性微博识别、情感语义表征和情感类别判断。在此基础之上还进一步探索了融入学习者情感状态的个性化学习支持策略。本研究对智能数字化学统的设计与开发具有重要的指导意义。

第1章 个性化学习理论与技术概述
1.1 个性化学习理论
1.2 个性化学习支持系统
1.3 学习者模型建构技术
1.4 学习者情感建模的意义
第2章 学习者情感建模研究现状与问题
2.1 情感的内涵与描述
2.2 学习者情感的内涵与表征
2.3 学习者情感建模的主要方法
2.4 学习者情感建模研究存在的问题
第3章 基于微博分析的学习前情感建模框架
3.1 学习前情感建模的意义
3.2 微博与学习前情感建模
3.3 文本情感分析技术研究概述
3.4 基于微博分析的学习前情感建模步骤
第4章 基于单分类算法的情感性微博识别方法
4.1 主观性文本识别研究
4.2 基于规则的非情感性微博过滤
4.3 基于单分类算法的情感性微博识别
4.4 实验与结果分析
第5章 基于词聚类技术的微博情感语义表示方法
5.1 文本的语义描述模型
5.2 基于词聚类的微博情感语义描述
5.3 实验与结果分析
第6章 基于元学习策略的微博情惠类别判定方法
6.1 集成学习与情感分析
6.2 三种经典的分类箅法概述
6.3 基于元学习的微博情感类别判定
6.4 实验与结果分析
第7章 基于学习者情慼的个性化学习支持服务
7.1 融入情感模型的适应性学习系统框架
7.2 基于知识水平与情感状态的学习内容选择
7.3 基于学习风格与情感状态的学习资源推荐
7.4 情感化自适应学习支持系统原型的实现
参考文献