一种基于机器学习的自适应情感感知音乐教育系统，旨在提升个人的情感健康水平

《Scientific Reports》：An adaptive emotion aware music education system using machine learning for personalized emotional wellbeing enhancement

　　

摘要

音乐教育对认知和情感健康至关重要。然而，传统的方法缺乏个性化，无法动态响应学习者的情感状态，从而限制了其对学习者情感兴趣的积极影响。为解决这一问题，我们将设计一个自适应情感感知音乐教育系统（AEMES），该系统可以利用机器学习技术来监测、建模并响应学习者的实时情感。该框架的独特之处在于它结合了情感建模、自适应策略选择和个人化干预机制，使系统能够持续吸引学习者的注意力并促进其情感健康。所提出的方法已在多种数据集上进行了严格测试，这些数据集包含了学习者的多模态反应，如生理数据、面部表情和行为互动。与现有的先进方法（如CNN-LSTM、Audio-Transformer和Visual-Transformer模型）相比，AEMES在标准性能指标上的表现明显优于它们。与基线模型相比，AEMES的准确率为87.2%，F1分数为85.7%，AUROC为0.91，各项指标的差距均超过4-8%。消融研究也证实了情感建模和自适应策略对系统整体性能的重要性。通过可视化情感变化（包括时间趋势和多情感互动），可以看出该框架能够动态控制学习者的情感，确保在学习过程中情感不会变得消极。总体结果支持AEMES在提供个性化、情感敏感的音乐教育方面的有效性，这将被证明是一种提升学习过程和情感健康的有效方法。