将叙事模拟与视觉人工智能整合到教学管理中的研究：构建高校心理健康能力

摘要

本研究将叙事模拟与视觉人工智能整合到教学管理系统中，以提升大学生的心理健康水平、情绪韧性及参与度。

摘要

大学生面临的心理健康挑战日益增多，包括焦虑、抑郁和压力等问题，然而大多数高等教育环境缺乏主动的情绪监测与支持系统。本研究旨在设计、实施并评估一种混合式教学管理系统，该系统将叙事模拟与视觉人工智能（AI）相结合，以提升学生的心理健康素养和情绪韧性。该系统包含一个模拟压力情境的叙事决策模块，以及一个基于面部表情识别的、嵌入课堂环境的人工智能情绪识别工具。研究采用混合方法设计，共有来自多所高校的332名本科生和15名教职员工参与。研究收集了干预前后的问卷调查数据、使用日志以及视觉AI获取的实时情绪数据。定量数据采用描述性统计、配对t检验、方差分析（ANOVA）和多元线性回归进行分析。结果表明，学生在心理健康评分（p < 0.01）、情绪觉察能力和决策自信心方面均有统计学意义上的显著提升。这种整合式方法展现出良好的可用性和可扩展性，既为教师提供早期情绪洞察，也为学生创造反思性学习环境。该方法最适合具备人工智能支持的教室环境及经过培训的伦理监管机制的教育机构采用。

引言

心理健康已成为高等教育中的一个紧迫问题，全球大学生中报告的焦虑、抑郁和倦怠水平不断上升¹。这些心理负担通常与学业过载、社会压力和经济不确定性有关，对学业表现、学生留存率以及长期健康产生负面影响²。尽管许多高校已实施心理咨询和危机干预措施，但这些方法往往具有被动性且覆盖范围有限³。人们越来越需要主动、可扩展并能融入日常学习环境的心理韧性支持策略。

教育技术的最新进展为将情感支持直接融入教学系统提供了新的机遇。其中两种有前景的方法是叙事模拟和视觉人工智能（AI）。叙事模拟是指以互动故事为驱动的模块，将学生置于情感复杂的场景中，鼓励其进行反思、共情和决策。基于经验学习理论，这类模拟允许学习者在安全且有指导的环境中，预演应对考试焦虑、时间管理或同伴冲突等挑战的反应^4,5。经验学习理论进一步指出，反思与主动实践对于将经验转化为持久的学习至关重要，因此叙事模拟成为培养情绪智力和适应性应对能力的有效手段。

视觉人工智能利用机器学习模型实时推断学生的情绪状态，例如通过面部表情、目光或姿势⁶。在符合伦理规范并获得知情同意的前提下，此类....

方案

在数据收集之前，已获得南京邮电大学机构审查委员会的伦理批准（批准编号：NJUPT-IRB-2024-0312）。所有参与者在了解研究范围、参与的自愿性、使用视觉人工智能进行情绪追踪以及数据保密程序后，均签署了书面知情同意书。参与者可在任何时候无惩罚地退出研究。所使用的软件和设备列于材料表中。

1. 研究准备

1. 操作时间线与端到端流程的定义
   设定两个评估时间点：T1（干预前），即首次考试结束后立即进行；T2（干预后），在教师根据人工智能情绪提示提供简要反馈后进行。第一次叙事模拟安排在考试结束后立即进行，第二次模拟则在数天后进行，以评估应对策略的变化。整个端到端流程包括教室摄像头输入、情绪识别API、教师反馈、问卷收集、数据整合与分析，如图1A所示。
2. 参与者招募与记录
   共从现有课程中通过自愿报名方式招募了347名参与者，其中包括332名本科生（年龄18–22岁；男性140名，女性192名）和15名教职员工（年龄27–45岁；女性10名，男性5名）。记录了参与者的学年与院系分布情况。学生与教职员工的人口统计信息分别列于表1和表2中。
3. 教室与材料准备
   每个教室配备一台计算机（Intel i5或更高配置，≥ 8 GB内存）、....

结果

描述性分析

前后测比较表明，干预实施后负面情绪持续下降。焦虑、抑郁和压力的后测均值分别从前测的3.25、3.11和3.08降至2.87、2.74和2.69（图2）。描述性结果汇总于表4，量表条目层面的结构见表3。为评估本研究情境下人工智能的可靠性，微软Azure情感识别API在七个类别上的平均分类准确率达到91.4%，平均错误率为8.6%，每帧延迟<1.2秒，表明其具备可接受的精度以检测情绪变化（表4）。

多元线性回归结果

回归模型通过将干预后（T2）的焦虑、抑郁和压力对基线（T1）得分、AI 压力标记率以及叙事选择（虚拟编码）进行回归，检验了干预后结果的预测因子，分析流程遵循方法部分所述。与干预相关的预测因子与负面情绪呈负相关，标准化系数.......

讨论

该研究表明，当叙事模拟与视觉人工智能相结合时，情绪意识成为一种共享过程，而非单向干预。学生不仅仅是对数字工具做出反应，而是在进行一种结构化的情绪反思，将认知评估与具身经验相连接。在整个数据集中，定量和定性结果均显示出焦虑程度降低和情绪调节能力改善的一致模式，表明该方案可作为大学教学系统中的情感智能层发挥作用。

决定该方法有效性的似乎并非技术本身，而是校准、反馈与叙事设计之间的协调配合。在情感识别模块被精确调校且教师及时跟进的教学环节中，学生回应的反思性质量明显更高；而当这些步骤被跳过或延迟时，学生的参与度则显著下降。这一观察结果支持了情感学习本质上是互动性和依赖情境的观点。

从设计角度来看，本方案也为早期关于完全沉浸式虚拟现实和多模态表征的研究提供了对照，后者强调通过感官沉浸实现自我意识²³。而本研究的重点在于认知参与；学生通过引导性的叙事反思构建自身的理解。这一区别或许可以解释为何即便使用相对简单的硬件，情感参与度仍能得到提升。此外，关于系统运行透明度可增强信任感的研究发现，与.......

材料

本文使用的材料清单

姓名	公司	目录编号	评论
硬件	面部识别摄像头	Logitech（或类似品牌）	C920 HD 网络摄像头
仪器	访谈转录收集	手动录入	音频记录/文本
问卷	改良版 DASS-21 量表	作者改编	五点李克特量表格式
软件	Microsoft Azure 情绪识别 API	Microsoft	Emotion API v3（云端）
软件	SPSS Statistics	IBM	版本 26
软件	叙事模拟系统	自主开发	基于网页（HTML5）
系统平台	高校教学管理平台	内部平台	集成人工智能模块