微表情识别论文模板

微表情对外语教学的作用分析论文

在日常生活中，人与人的沟通本以语言为主，但实际上语言沟通在整个沟通过程中仅占 7%，大部分的沟通都是通过肢体动作、面部表情进行信息的传递(2013，朱晓琳)。而在课堂上如果教师能够及时捕捉到学生的非语言信号，即通过微表情、肢体动作获取学生的内心想法，那就能够及时调整教师的教学方法、教学行为等，从而激发学生的学习兴趣、对症下药，实现自己课堂教学有效性。本文旨在通过解释微表情在教学中的应用以期教师能够在教学中实践和运用微表情相关知识，指导课堂教学，提高教学效率。

一、微表情的含义及研究现状

微表情是人类试图压抑或隐藏真实情感时泄露的非常短暂的、不能自主控制的面部表情(梁静等，2013)。微表情持续时间仅为 1/25 秒至 1/5 秒，表达了人试图压抑与隐藏的真正情感(吴奇等，2010)。

1966 年，Haggard 和 Isaacs 发现了一种快速的不易被察觉的面部表情(micro-momentary facial expressions)，认为其与自我防御机制有关并且表达了被压抑的情绪。1969年，Ekman 和 Friesen 也独立发现了这种面部表情, 并将其命名为微表情(梁静等，2013)，Ekman 团队也成为研究微表情的主要力量之一。另外，美国的 Matsumoto 团队和Shreve 团队，加拿大的 Porter 团队和李康团队，日本的Polikovsky 团队，芬兰的赵国英团队，中国的傅小兰团队等在开展微表情研究。目的都是为了掌握微表情的特点以及如何识别微表情，且他们的研究大多数都基于心理学的基础(梁静等，2013)。微表情的应用大都在刑侦、司法以及测谎等方面，将其运用在教学中的情况较少。

目前大多数阐释课堂非言语行为的文献都是从肢体语言出发，更多关注教师教态，对于学生的肢体语言关注很少，更别提及微表情。随着新课程标准的改革，师生开始转变传统的教学观、师生观。教师不再是课堂的主导者、老师在课堂上也不再只是传授知识和经验。学生开始成为了课堂主体，教师在传授知识的时候开始关注学生的情感与态度。那么情感、态度这些隐形的心理语言要通过什么被察觉到呢?有没有什么特别的信号呢?

微表情与人类内在的情感信息加工过程紧密相关，但人是否能意识到自身出现了微表情?Ekman 认为，人对自己的微表情是无意识的(梁静等，2013)。研究者对于微表情持续时间的上限尚未达成共识。Ekman 通常认为微表情的持续时间不超过 1/5s，但他有时也将 1/4s 作为持续时间的上限;Frank 认为微表情的持续时间应小于 1/2s。从以上研究可看出，表情是人类表达自身情感信息的重要非言语性行为，可视为人类心理活动的晴雨计。这种短暂的面部表情是无意识的，可以通过细心的发现察觉出来，如果老师在自己的课堂教学中善于捕捉学生的微表情，从而及时调整自己的课堂教学，就可以和学生实现双赢局面。

二、微表情对教学的作用

(一)有利于教师因材施教

新课程标准中关于“课程基本理念”，有一条这样阐述：“面向全体学生，关注语言学习者的不同特点和差异”(教育部，2011)。每个学生的认知发展水平、兴趣点、性格、认知方式等方面存在差异，从某种程度说，老师的课堂教学就是在以教材为媒介，运用某些教学技巧和方法平衡学生之间的差异，促进学生的共同成长。如果老师在课堂教学过程中能够及时捕捉学生对所教内容的反应，这种反应更多是非语言行为，因为学生害怕说自己没有听懂而被嘲笑，而老师也不可能每次都停下来询问学生对知识点的理解与掌握。这时非言语行为就显得很重要，例如当发现学生们眉头紧皱，目不转睛地看着上课内容，认真听着教师讲课时，一般都是学生在努力思考上课内容，其表情告知教师内容有些难理解。那么老师可以迅速捕捉学生微表情，获取学生对知识点的掌握程度信息，从而及时调整自己的课堂教学，实现教学的有效化。而学生也可以通过老师某些有趣表情积极参与课堂，达到理解、收获、消化知识点的目的。

(二)有利于教师和学生之间的互动

传统课堂老师永远说的多，而学生一直是低头听，就像一句话描写的：stop talking like a teacher.这句话不是在批评老师，而是反映了传统课堂的特点，即很多教师在课堂上唱独角戏，控制说话的时间，剥夺了学生说话的机会。以教师唱独角戏的课堂是不利于学生学习语言知识和发展学生学习技能的。因为知识不是由老师向学生传授的，而是由教师和学生在互动的过程中共同构建的(Nunan，1999;转自程晓堂，2009)。互动是交际的核心(Brown，1994;转引自程晓堂，2009)，因为它既是学习得以实现的途径，也是学习的目的(程晓堂，2009)。由此，学习的过程也是教师、学生互动，交换信息的过程，传统教师的授课只关注自己教学计划的进行以及教案的实施，较少关注学生对课堂的的互动与反应，从而造成课堂死气沉沉。如果老师在传授知识和发展学生技能的时候关注学生微表情，捕捉学生对课堂的反应信息，及时与学生互动，进行意义协商，填补学生与教师之间的信息沟，实现互动，完全可以在学生与教师激烈的探讨中、积极的互动中传授知识点，发展学习技能。

(三)有利于教师更好管理课堂、组织课堂纪律

随着信息时代的到来，各种便利的电子产品应运而生，极大丰富了人们的生活。然而学生把这些电子产品带入了课堂，扰乱了正常的课堂秩序，很多学生上课注意力不集中的时候开始玩手机、听 MP3、玩游戏等。正常有序的课堂是实现课堂教学目标的保证。老师在授课的过程中，如果有学生聊天，声音很大时，老师可以通过用眼睛直视他，不要眨眼，把眼皮压低，用严肃的目光凝视他，这种微表情表示一种警告与威慑，学生会立马停下来，投入课堂。从而帮助老师有效管理课堂和组织课堂纪律，实现了课堂教学的正常化。

(四)有利于学生主动参与课堂

传统课堂教学中，很多学生在课堂上扮演的是被动的听、接受信息的'角色，所以无论老师以怎样的方法刺激他们，他们就是不发言。产生这种问题的原因很多，有的是性格导致，有的是已有知识不足，有的是对课程内容不熟悉等等。如果老师在课堂提问时能捕捉到一些信息，例如，撇嘴就是一个经典的泄露内心的表情，这表示他对自己说的话没有信心;下意识地摸自己的手是一种自我安慰的手势，在自己并不完全相信自己说的话时尽量打消自己的疑虑;对方眉毛向上，脸部拉紧便是恐惧的表现。这些微表情都在告诉老师，学生在回答问题的时候表现出的不自信与不确定，老师如果捕捉到这些微表情发出的信息，就应该在这个时候鼓励学生，给予他们正强化，增强他们的自我效能感，从而使学生大胆、积极参与课堂。

(五)有利于组织课堂教学、提高教学效率

作为老师都有这样的体会，那就是学生在上课的时候偶尔走神，很多老师把原因都归咎在学生身上，觉得是学生自身原因造成学生目光的游离、思想走神。但很少有老师从自身出发找原因。例如;上课期间，当发现学生的目光上下左右四处看，或是转向其他地方，多半是因为学生对老师的讲课内容失去兴趣，有种想要逃跑的渴望。所以当老师捕捉到这类信息时就要赶紧调整自己的教学内容，转换教学方式重新触发学生的兴趣点，把他们的思绪带回课堂，重新参与到老师的课堂当中。研究显示，当大部分听众在听讲时，保持双腿和双臂自然状态，不跷二郎腿，也不将双臂环抱于胸前，以一种放松的姿势进行听讲，他们对讲座内容的掌握程度要比跷二郎腿并将双臂环抱于胸前的听众提高 38%以上(朱晓琳，2013)，也就说人在最自然的状态下接收到的信息量比他在紧张情况下的高 38%。所以老师在组织课堂教学的时候要时刻注意保持活泼、轻松及愉快的课堂气氛，这样学生输入的语言点会事半功倍。老师在课堂捕捉学生微表情，不断调整课堂教学行为和策略，就可有效激发学生学习兴趣，积极组织课堂教学，提高教学效率。

三、结语

微表情是一套不能由人自身控制但却能反应内心真实想法的短暂的表情符号,虽不是万能的，但却能弥补和帮助老师的教学。教学过程中老师如果能够及时捕捉学生非言语行为，尤其是及时捕捉和观察学生的微表情，调整自己的教学策略和行为，就可以很好地与学生互动，实现有效教学。

通过面部表情来识别人的心理

通过面部表情来识别人的心理，生活中，想知道一个人内心在想什么，其实是有方法的，我们可以通过人们的面部表情，来识别人的心理变化。那么大家知道要如何通过面部表情来识别人的心理吗？下面和我一起来了解一下吧！

在人们日常交流中，只有7%的信息是通过语言来传递的，55%的信息是通过面部表情来体现的。可见，表情信息在人们之间交流的重要性。

随着人工智能和模式识别的不断发展，人机智能交互中的一项重要技术——人脸表情识别也受到关注。人脸表情识别主要是利用人脸识别技术，对人脸的表情信息进行特征提取并归类，使计算机能获知人的表情信息，进而推断人的心理状态，从而实现人机之间的高级智能交互。

从识别模式来看，人脸表情识别与我们的行为心里学是一致的。行为心里学有一个说法是瞬间识人的超级心里密码是在第一时间看对方的脸。通过表情判断一个人的心里情况，也就是通过细小的表情和微小的动作来观察对方的心里，对即将发生的事情做出一个准确推断。

目前，人脸表情识别的应用领域主要是安全领域、智能机器人研制、电脑游戏、医疗领域等。并且人脸表情识别主要定义六种表情生气、厌恶、害怕、伤心、高兴、吃惊，将人脸划分为若干个运动单元来描述面部动作，这些运动单元显示了人脸运动与表情的对应关系。

人脸表情识别可分为人脸图像的获取与预处理、表情特征提取和表情分类这三部分。基本上与人脸识别在人脸图像的获取和预处理这些环节上是一致的，只是在特征提取方面有区别，人脸识别提取的特征是同一人脸的个体差异，而表情识别提取的特征是同一人脸的不同表情下的差异。

亚里士多德说，脸是心灵的一扇窗，透过表情可以看到一个人的思想。古罗马时期的大哲学家西塞罗也是这一观点的支持者。的确，两千年过去了，面部表情仍然被普遍认为是判断人们感受的一种有效方式，而且不论年龄、性别和文化差异。比如：挑起眉毛表示困惑，微笑表示幸福，皱眉表示悲伤。

但事实果真如此吗？心理学家针对数百篇关于面部表情和潜在情绪之间关系的论文进行了一项分析研究，得出的结论有点儿令人意外：并没有翔实的科学证据表明，人们的日常情绪可以通过面部表情来识别。也就是说，一个没有面带微笑的人，并不意味着他不快乐。

心理学家发现，以城市为生活背景的.成年人，生气时皱眉的机率平均为30%。这就意味着， 人们在生气时，大约有70%的情况是不会皱眉的。相反，人们把皱眉用在了别处，比如，当人们集中注意力时，当有人讲了一个糟糕的笑话时，或者当他们体内有气体时（想要放屁时）。

研究人员得出结论，皱眉，或者面有怒色，是人们表达愤怒的方式之一，但绝不是唯一。人类面部表情之复杂和难以捉摸，不仅限于愤怒，也适用于心理学家定义的六种情绪类别：愤怒、厌恶、恐惧、快乐、悲伤和惊讶。

这让人们对科技公司开发人工智能算法的努力产生了疑问。科技公司总是声称，人工智能算法可以识别面部表情，并计算出潜在的情绪状态。例如，微软声称其"情感分析应用程序"能够通过检测人们的视频片段来判断他们的内心感受。然而，美国俄亥俄州立大学的计算机工程师阿历克斯·马丁内斯对此表示怀疑。他认为，试图根据人脸图像识别人类情绪的做法，事实上是忽略了产生情绪的背景环境的重要性。

首先，面部表情是人们用来交流的许多非语言形式之一，类似的还有身体语言。人工智能识别人的情绪也需要考虑这些因素。而了解情绪产生的背景对于面部表情的解读似乎更为重要。对此，马丁内斯博士引用了一项实验来加以证明。在该实验中，研究人员给参与者展示了一名男子的脸部特写照片，照片上的人嘴巴大张着似乎在尖叫，脸涨得通红。

仅仅根据这一点，大多数参与者会猜想照片上的人非常生气。然而将照片拉到全景，才发现照片实际上是一名足球运动员伸出双臂庆祝进球。他那张局部看起来像是生气的脸，实际上是一种狂喜的表情。

考虑到人们在大部分时间里无法通过表情来准确猜测彼此的情绪状态，马丁内斯博士认为，计算机也不可能做到这一点。他表示："一些公司声称算法可以通过人们的表情来识别他们的情绪状态，并将其应用到比如招聘等场景中，""有些公司要求应聘者提交一份视频简历，然后由一个机器学习系统对其面部表情进行分析，之后得出是否适合雇佣的结论，这种做法真的很令人震惊，因为有些算法可能是基于错误的假设，甚至是一个危险的假设，而在此基础上得出的结论可能是非常可怕、甚至是危险的。"