情感计算是指通过编程控制机器对一系列人类情绪进行识别、解释、处理和模拟的思想。这一概念核心是开发像人一样思考的计算机，如利用摄像机捕获面部表情和手势，并与算法一起运行来检测和解释这些交互。不要混淆与安全性相关的面部识别技术，比如那些促进安全支付的技术。情感计算识别情绪和行为信号，触发后续反应。在高等教育中，情感计算的一个潜在应用是在线学习。在这种情境中，智能教师代理能够捕捉学生厌烦的面部表情并可以努力激发或提高他们的兴趣。随着麻省理工学院和剑桥大学等主要机构的研究人员开始进行教育应用方面的研究，以及很多初创公司进行的创新应用，这一领域会不断发展，并对人机交互的未来产生深远影响。
自从有了计算机，科学家、哲学家、电影工作者就已经在设想机器能理解人并具备与人类相似行为的未来世界。关于复杂机器人的早期设想中特意没有人类的情感，这是一个完美的逻辑理想。然而，20世纪 90年代麻省理工学院的开创性研究揭示了人类和计算机之间更真实交流的可能性。如果技术进步的主要追求是为更好地满足人们需要，情感计算的支持者认为 在机器的行为中注入更多的人类行为是一个可以平衡情绪与认知的重要设计考量。技术专家和教育领导者对高阶学习和沟通之间的情感关联日渐增多，利用机器捕捉社交线索和模仿人类行为的趋势也反映了21世纪人们对情绪智力与移情的高度关注。
驱动情感计算的高等教育研究主要有两个方面：情感的检测和机器的情绪模拟。两者都是需要解释人类行为的技术，一般是基于手势计算和语音识别的进展。对于前者的技术，像游戏机的接口允许人体和数字资源进行交互，控制在屏幕或投影上的内容。后者则包含了用以将人说的单词或短语转换为机器可读格式的程序，以及机器能够执行的语音指令。情感计算的终极目标是改进并将这些技术应用到创建能够感知上下文并反应情绪的机器，以满足即使是最微妙的沟通需求。对于像Amazon的 Alexa 和Apple的 Siri这些虚拟助手，这一目标将是 特别令人兴奋的进展。这些虚拟助手已经可以理解语言并对语音指令做出反应，加上情感识别将会把这类应用带上更高层次。
虽然情感计算仍然是相对新兴的技术，但随着关注度持续上升基础应用程序开发逐渐增多。Research and Markets公司的报告称，像苹果、英特尔、IBM、微软这样的大公司都在开发情感计算技术，情感计算势必在未来五年快速增长。最近，拜耳(Bayer)公司因Affective Computing公司拥有 Human2Human平台和Thrive软件而与之签约，他们能够帮助管理层做出决策、提高监控员工的参与度和幸福感。高等教育越来越多地通过分析技术来评估学生知识，情感计算通过理解和迎合学习者的态度和情绪，而具备克服其中一些困难的潜力。
作为情感计算创新孵化器的大学，显然能推动这一领域的发展。麻省理工学院情感计算小组（ACG, Affective Computing Group）一直致力于情感计算深度研究。目前，ACG聚焦于情感识别，开展一系列值得关注的研究，包括“压力自动识别”，研究过程中他们探索可以自动识别日常生活压力的技术。团队正在修改支持向量机的损失函数，它与可穿戴式传感器相连，衡量人们感知压力情况。对于有严格时间表和课业负担的学生来说，这是一项重要的评估。一个类似项目是利用可穿戴式传感器和智能手机来诊断各类抑郁症，并推荐具体的治疗方案。ACG也会提出这样的问题“面部表情意味着什么？”还可以自动识别面部 所表现出的正负面情绪。
关于机器如何检测情绪的数据可用来更好地设计情感接口以及向用户做出反应的算法。密歇根大学在这一领域开展了独特的研究，目前正在研究可理解的情感表达如何被整合并作为信息被感知。因为数据集不仅包含了情感匹配的面部和声音，还有一些不匹配的面部和声音，这使接口可更好地评价在“情感噪声”中的个人，或对非常复杂的反应做出更为相关的建议。这些成果对心理健康领域特别有用。剑桥大学计算机实验室的科学家和研究者们 也开发出了可解释面部细微表情并推断心理状态的计算机。到目前为止，测试显示这台计算机同最具洞察力的人一样能够做出准确的判断。
虽然情感计算在大学主导的项目中取得了进展，但仍未进入主流应用。思想领袖们才刚刚开始将其研究直接在高等教育的教与学中试用。希腊马其顿大学计算机网络与通讯应用实验室研究发现，高效教师一般具有凭直觉回应学生情绪(如无聊或 关注)的能力，但此技能并不能迁移到在线学习环境中。在他们的研究中，具身会话代理(Embodied Conversational Agents ，ECA)作为教师化身提供情 感反馈，他们可以感知学生的恐惧、悲伤和快乐，之后呈现恰当的面部表情与音调，对学生进行善解人意的讲解。最新研究成果显示，当ECAs与学习者情感保持同步时，学生原有情感便能延续下来。
资料来源：《新媒体联盟地平线报告：2016高等教育版》L·约翰逊（Johnson,L）
编辑：刘雪飞