教育数字人对学习者情绪的影响研究——基于228篇文献的系统性综述-AI Express News

引用格式

陈天序,周世豪.教育数字人对学习者情绪的影响研究——基于228篇文献的系统性综述[J].中国教育信息化,2025,31(11):107-117.

学生学习与发展

教育数字人对学习者情绪的影响研究

——基于228篇文献的系统性综述

陈天序周世豪

摘　要：学习者情绪研究日益受到教育界的关注，其中如何满足学习者个性化发展和情绪需求已成为当前关键议题。教育数字人的出现为该领域研究提供了新的思路。基于多媒体学习“认知—情绪”理论、情绪感染理论、具身认知理论，运用知识图谱系统梳理了2000年1月至2025年6月以来228篇中外相关文献，重点探讨数字人与学习者情绪的应用问题。研究表明：教育数字人与学习者情绪关联研究呈显著增长态势，研究焦点从技术实现转向个性化服务，覆盖学科范围及学习者群体持续扩展，且采用多维度多元化的检测方法。该技术在外语教育领域的应用展现出显著的应用潜力与实效性，也为教育数字人在外语教育领域的应用与学习者的个体差异化研究提供了实证依据。未来研究应深化不同教育数字人的对比分析与选用标准，探索国际中文教育场景的创新应用模式，并持续优化情绪检测技术体系。

关键词：教育数字人；学习者情绪；外语教育；个性化学习；情绪互动

中图分类号： G434

文献标志码： B

文章编号： 1673-8454（2025）11-0107-11

作者简介： 陈天序，中央民族大学国际教育学院教授、博士生导师，博士（北京 100081）；周世豪，通讯作者，中央民族大学国际教育学院硕士研究生（北京 100081）

基金项目：中央民族大学2024年“学术团队引领计划”项目“中文学习者汉字复杂度认知研究”（编号：2024QNYL10）

一、引言

　　近年来，学习者情绪与学习行为、学业绩效间的研究受到学者的广泛关注^[1][2]，揭示了情绪对学习成效的直接影响，强调学习者情绪在教育和心理学领域的重要性。学习者情绪指学生在学业活动中获得的与学业活动相关的情绪体验，具体包括兴趣、动机、愉悦、焦虑、无聊等方面。理解和利用情绪体验，能够有效提升教学实践效果，实现学习者身心发展的精准干预，但囿于传统教师在技术、时间、空间、资源等方面的局限性，针对学习者学习情绪的个性化学习研究进展并不顺利^[3]。

　　生成式人工智能驱动的教育数字人在一定程度上弥补了上述局限，能够为学习者提供更加智能化、个性化的教学服务，给师生教学体验和效能带来质的飞跃^[4]。教育数字人、教学代理、教学智能体，虽然三者之间存在着细微差别和特定含义，但这些术语经常互换使用，通常都可以指称教育技术领域中用于增强学习体验的虚拟角色或实体。在本研究中，教育数字人作为教学代理和教学智能体的概念扩展，指具有高度拟人化特征的虚拟角色，通过语音输出、眼神交流、面部表情、肢体动作等互动方式，为学习者提供认知学习支持^[5]。

二、理论基础

　　多媒体学习“认知—情绪”理论、情绪感染理论和具身认知理论共同构成本文多维度的理论框架，强调教育领域内情绪体验、身体经验和认知过程之间的交互作用，为研究从不同维度开展文献回顾提供了理论支撑。

　　（一）多媒体学习“认知—情绪”理论

　　基于认知学习理论，多媒体学习的“认知—情绪”理论阐述了多媒体学习环境中学习者接收、处理信息的基本流程与机制^[6]。该理论所提出的双通道假设、有限容量假设、主动处理假设，实际上是对学习者感知、理解和整合信息的认知过程的系统解读。具体而言，双通道假设认为，尽管学习者的视觉和听觉两个通道在信息选择阶段相对独立，但在信息整合阶段则互相补充，共同完成整个信息处理过程。已有研究表明，双通道学习较之单通道学习能够更有效地唤醒学习者的情绪、提升学习者的学习效果^[7]。有限容量假设指出，学习者的工作记忆容量有限，在一定时间段内只能处理有限的信息。主动处理假设则主张学习者在学习过程中并非只是被动地接收信息，而是通过对工作记忆中的新知识与长时记忆中的已有知识进行整合处理，从而实现主动构建。

　　但在实际学习过程中，多媒体学习并非单一的认知过程，还应考虑学习者个体情绪和动机的影响。特别是随着人工智能技术的发展，集动作、表情、语音等交互性元素于一体的教育数字人开始应用于教育领域^[8]，多媒体学习的互动性和趣味性得到显著提高。因此，多媒体学习“认知—情绪”理论在此认识之上扩充了情绪动机假设。该假设主张在学习过程中通过外部情绪诱发和内部情绪设计两大途径诱发学习者的积极情绪，其所诱发的积极情绪会进而影响学习者的动机，并增加其认知投入，最终促进学习^[9]。部分实证研究支持多媒体学习“认知—情绪”理论。例如，乌姆（Um）等发现，外部和内部诱发的积极情绪能够提高学习者的内在动机，提升其知识迁移成绩^[10]。普拉斯（Plass）等也有类似的发现，即内部情绪诱发的积极情绪能够提高内在动机，提升学习者知识理解成绩^[11]。

　　（二）情绪感染理论

　　情绪感染理论与“认知—情绪”理论相互补充，共同揭示了情绪在教育过程中的传播和影响。情绪感染理论最早由麦克杜格尔（McDougall）提出，之后相关的定义并未统一，但大致可定义为个体在与他人互动时，通过非言语行为（如面部表情、声音的语调、体态等）感知并模仿他人的情绪，从而在群体中传播情绪的过程^[12]。这一理论认为，情绪的传播是一个复杂的社会互动过程，涉及情绪的觉察、模仿、生理反馈和情绪体验^[13]。前人研究发现，学习者与教育数字人交流过程中也会产生情绪影响。例如，教育数字人能够通过面部表情、身体动作、语音对话等功能，输出带有正性、负性情绪线索的信息进行情绪表达和情绪反馈，进而感染和唤醒学习者的情绪^[14]。

　　（三）具身认知理论

　　情绪感染理论强调了情绪在教育过程中的传播，而具身认知理论进一步探讨了学习者身体经验如何影响心理状态和认知过程，为我们提供了一个更全面的视角来理解学习者在多媒体环境中的学习体验。具身认知理论最初主要在哲学领域探讨身心关系问题，随后逐渐成为心理学和认知科学中的一种理论思维，并进入实验心理学领域^[15]。具身认知理论认为生理体验与心理状态之间存在强烈的联系，生理体验能够激活心理体验，强调认知过程中身体的中心作用，认为认知不仅受到大脑的影响，也受到身体与环境间的互动作用。这一理论提供了一种全新的视角来理解和促进学习过程，即将学习与身体经验紧密结合，能够提高学习者的学习效率和质量。可以预见，随着扩展现实（XR）、增强现实（AR）、虚拟现实（VR）等技术的不断交融和发展，具身认知理论在教育领域的应用将受到越来越多的关注。

　　综上所述，多媒体学习“认知—情绪”理论揭示了学习者如何处理多媒体信息，强调情绪在认知投入和学习动机中的作用；情绪感染理论阐释了教育数字人如何通过非言语行为影响学习者的情绪，从而影响学习效果；具身认知理论则强调了认知过程中身体经验的重要性，指出通过身体与环境的互动可以提高学习效率。三大理论联系紧密、相辅相成，共同为设计更有效的教育工具和教学方法提供了理论基础，预示着教育技术发展的新方向。

　　本研究结合教育数字人在教育领域的表现，对国内外2000年1月至2025年6月发表的相关研究文献进行梳理评述，深入探究教育数字人对学习者情绪的影响，以期回答如下问题：①教育数字人与学习者情绪研究的演进特征和研究现状具体如何？②教育数字人与学习者情绪研究在外语教育领域的应用前景如何？

三、国内外研究现状

　　（一）文献纳入标准与筛选

　　为保证研究的严谨性与时效性，尽可能减少不符合要求的文献对研究结论造成的影响，我们制定了以下文献选用标准：①以教育数字人、教育智能体、情绪与学习表现为主题的实证和综述类研究；②经过同行评审后，发表在具有ISSN、CN刊号的正规期刊上的中英文文献全文；③正式登刊时间跨度在2000年1月至2025年6月的文献。

　　研究首先通过中国知网的高级检索功能对中文相关文献进行检索，以“数字人”“教育数字人”“数字人 AND 情绪”“教学代理 AND 情绪”等为检索关键词；英文相关文献则通过Web of Science的高级检索功能进行检索，以“digital human”“educational digital human”“digital human AND emotion”“pedagogical agent AND emotion”等为检索关键词，关键词间的逻辑关系为“OR”，初步框定了文献范围，并通过滚雪球的方法对中英文检索文献进行丰富，检索得到466篇中文文献和410篇英文文献。其次，按照纳入标准剔除了重复文献和尚未出版的文献，并阅读待选文献的摘要和行文结构进行初步筛选；再次，结合正文内容，去除与研究主题相关性较弱的部分文章，完成二次筛选。最后，对剩下的文献从发表时间、期刊等级、严谨程度方面进行细致筛选，最终共获得228篇文献，其中中文文献104篇，英文文献124篇。

　　（二）研究现状

　　将228篇文献导入CiteSpace，生成发文趋势、关键词共现、关键词时区图谱。时间跨度为2000年1月至2025年6月，时间区分设置为一年，术语类型为关键词，具体如图1所示。

图1 国内外2000年1月至2025年6月发文量

　　从图1可以看出，研究初期国内外的发文量都相对较低，且国外发文量略高于国内，这表明在该领域的研究初期，国外研究（2001年）起步较国内（2004年）更早或更为活跃。自2009年起，国内外的发文量开始逐渐增加，显示出该领域的研究关注度在提升。国外发文量的增长更为稳定，国内发文量则在某些年份有显著增长。国内发文量自2019年开始明显增长，在2024年达到最高26篇，与此同时国外发文量也在稳步增长。整体来看，国外的发文量在大多数年份都高于国内，这反映了国外在该领域的研究基础、资源投入、学术环境等方面具有优势。但国内发文量的增长也不容忽视，这表明国内在该领域的研究正在逐步加强。综上可知，国内外研究发文量整体呈上升趋势，研究者对该研究主题的关注度持续升高。

　　结合图2、图3的国内外关键词共现图谱和高频关键词排序可知，研究关注点主要集中在“数字人”“教学代理”“学习效果”“情绪情感”“情绪设计”“教育应用”“语言”等关键词和主题。在此基础上，结合时间线图谱，能够进一步探明国内外研究的演进过程与特征，为后续研究展开文献回顾提供了指导方向。

图2 国内研究关键词共现图谱

图3 国外研究关键词共现图谱

　　（三）文献回顾

　　基于前期文献的可视化分析，本研究主要从目标导向、应用领域、研究对象、检测方法四个方面对国内外文献展开回顾，深入分析研究的历史演进过程及特征（见表1）。

表1 国内外研究关注点对比

　　首先，在目标导向层面，国内早期相关研究的目标导向如下：一是提高学生学习兴趣、改进在线学习效果^[16]；二是为解决学习过程中的情感缺失问题^[17]。早期的研究更侧重于技术本身的应用，通过提高课堂教学的智能化以改善学习体验和教学互动。随着人工智能技术的迅猛发展，研究者开始采集和分析学习者的情绪特征，将教育数字人逐步应用于学习者的学习过程和现实生活，为其提供个性化的学习服务，旨在满足其个体差异化发展^[18]。现代研究的目标导向已从单纯的技术应用转变为利用技术提供更深层次的个性化服务。国外早期研究的目标导向主要是通过智慧教学系统预测学习者情感状态，并为其提供个性化的反馈^[19]。从中可以看出，国外研究在早期就开始关注个性化教育和学习者情绪状态的预测。目前，国外研究已经开始使用教育数字人充当智能学伴，开展个性化的、人机交互的教学活动，以优化教学效果^[20][21]。总而言之，国内外研究的目标导向都逐渐从感知和预测学习者情绪，过渡到利用教育数字人和情绪特征为学习者提供个性化的学习服务。

　　其次，在应用领域层面，国内研究早期集中在传统基础学科的智能化教学方面^[22]。现阶段研究者开始将教育数字人等生成式人工智能技术融入外语、思政、美育教学当中^[23]，特别是在外语习得领域^[24][25]。这说明国内研究的应用领域在广度和深度上都在不断拓展。国外研究早期与国内研究较为相似，关注重心都放在基础学科智能化方面。近年来，情感人工智能在英语作为第二语言教学中的应用引起较多的关注^[26]。但不同之处在于：国外研究更为细致和深入，研究者将教育数字人应用于探索支持语言教育的多个方面，如写作、口语、阅读、词汇、语法和翻译，并提供有利于学生练习语言技能的环境^[27]。可以说，国内外研究在教育数字人对学习者情绪影响的研究领域方面，正在从传统基础学科迈向新型交叉学科和语言习得领域，呈现出多样化发展态势。

　　再次，在研究对象层面，国内研究在早期更倾向于选择整个基础教育阶段（K-12）的学生和大学生作为研究被试^[28]，关注学习者在课堂中的注意力变化，以提高课堂参与度。随着研究的不断深入，国内研究对于被试的选择开始扩展到更广泛的学习者群体，包括不同年龄段的学生、教师甚至特殊需求群体，以期获得更全面的研究结果^[29][30]。与此类似，国外研究在被试选择上，早期同样以大学生为主，也含有部分特殊群体^[31]。但随着研究的拓展，开始包括不同地区、不同背景情况的学习者，以增强研究的代表性和普遍性^[32]。研究对象的变化，有助于更深入地理解教育数字人对不同学习者群体情绪影响的机制，为教育实践提供了更具针对性的指导。

　　最后，在检测方法层面，国内研究方法早期侧重于客观表现研究，如采用学习行为、学业绩效等客观表现来评估学习成效^[33]。现阶段正转向采用更为先进的技术手段，如生成式人工智能、面部识别技术等来优化数字课堂设计和学习者情绪的动态测量^[34]。国外研究者在早期研究中，偏向于主观体验的研究，关注学习者自我效能感、学习者态度等主观体验与学业情绪之间的关系^[35]。2008年之后，国外研究开始采用主观（量表、访谈）和客观（面部表情识别、皮电实验）相结合的方式^[36]，旨在测量学习者在数字人课堂中的过程性情绪反应和结果性情绪感知。总而言之，国内外在教育数字人对学习者情绪影响的研究中，研究方法均呈现出从单一维度向多维度、从基础性研究向应用性研究、从主观体验和客观表现向主客观结合的转变。

　　综上所述，国内外在教育数字人对学习者情绪影响的研究领域，经历了从技术应用到个性化服务的目标导向转变；应用领域从传统学科拓展到新型交叉学科；研究对象从特定群体扩展到更广泛的学习者；检测方法从单一维度向多维度、从基础性研究向应用性研究、从主观体验和客观表现向主客观结合的多元化发展。这些演进特征和现状反映了教育技术领域的快速发展和日益增长的对个性化、定制化教育的需求。

四、数字人对学习者情绪的影响

　　通过文献回顾，研究者发现教育数字人的形象、情绪类型和情绪调节在教学中扮演着越来越重要的角色。它们不仅影响着学习者的情绪状态，还直接关系到学习动机和学习成效。因此，深入分析数字人与情绪在教学中的相互作用，对于优化教学策略和提升教育质量具有重要意义。本研究基于文献对教育数字人与学习者情绪研究的演进特征与现状分析，深入探讨了教育数字人与学习者情绪在教育领域的具体应用，以及情绪因素如何影响教学效果。

　　（一）数字人与学习者情绪

　　教育数字人的形象研究是一个多维度的领域，学习者对虚拟教师的社会形象存在情绪偏好和学习偏好^[37]。其发展历程主要包括：仿真人阶段、拟真人阶段和类真人阶段。其中，仿真人阶段受限于技术发展，数字人的整体形象、面部表情和肢体动作的逼真度和自然度较低，强烈的违和感会在一定程度上影响学习者的学习情绪。拟真人阶段的数字人依托计算机技术和人工智能技术进行合成渲染，在形象、动作和交互方面取得显著突破，自然度和流畅度有了大幅度提高。类真人阶段的数字人由生成式人工智能所驱动，在形象、动作、声音、交互等方面有了全方位的提升，其智力水平与真人相当，已经能够满足一定的教学需求^[38]。相较于前两个阶段，类真人阶段的数字人更加生动自然，更易引起学习者的情绪变化。教育数字人的性别形象不仅影响学习者的认知和情感反应，还可能对学习者的性别角色认知产生影响。

　　关于数字人的性别形象，已有较多研究进行了讨论。玛乔里（Marjorie）等呼吁应当给予数字人性别设计更多的关注。其指出学习者倾向于根据性别刻板印象来感知数字人，即男性通常被视为更有力量、更专业，而女性则被视为更受欢迎、更有吸引力^[39]。此外，教育数字人的性别可能会影响学习者的学习表现。例如，在STEM领域，女性数字人可能更适合提高女性学习者的自我效能感和兴趣。但也有研究证实数字人的性别在学习者的认知、情感和实践意义方面都没有产生任何统计学上的显著影响，即数字人的学习效果与其性别无关^[40]，这可能与数字人的着装和缺少性别刻板印象的特定测量技术有关。而关于数字人的种类形象，也有研究提出动物（如狮子、熊猫等）拟人化的概念^[41]，以探寻人类形象与动物形象间的情绪唤醒和学习效果差异。值得注意的是，上述研究中的动物拟人形象携带的动物成分更高，特别是面部特征几乎与原型无异，并且对于动物的刻板印象也并未进行回避，因此后续不同形象的数字人对比研究应当更加关注数字形象优化和伦理道德融入。

　　（二）情绪与教学

　　情绪被认为是产生学习动机的重要源泉^[42]，情绪因素对于学习者的动机和学习效果有着显著影响。通过前期可视化分析发现，现阶段学习者情绪与教学研究聚焦于不同情绪类型与学习表现、情绪调节与学习成效、教师对学习者情绪的影响。

　　已有研究表明，学习情绪对学习者的学习投入和学习表现有着显著影响。学习者情绪主要分为积极和消极两大类，其中积极情绪如愉悦、兴奋等，消极情绪如焦虑、无聊等^[43]。较多研究对积极情绪和消极情绪进行对比分析，结果发现：消极情绪对学习者学业表现具有负向作用，而积极情绪则能够通过提升学习者的学习动机和认知水平，进而促进学习投入和学习效果^[44]。也有实证研究发现，愉悦、焦虑和无聊三种情绪是学习者在学习（特别是外语学习）过程中最频发的情绪^[45]，这为改进教学实践、提升学习效果提供了新的思路。总而言之，以上研究强调了情绪类型对学习表现的重要性，提示教育者和学习者重视情绪的调节和管理。

　　情绪调节在学习适应和学习表现中扮演着重要角色。在教育环境中，积极的学习情绪被认为优于消极的学习情绪。积极的学习情绪能够促进学习效果，且学习情绪的有效调节可以提高学习效果^[46]。查淑奕等的研究显示，情绪调节、学业自我效能感和学习表现之间存在正相关关系，且学业自我效能感在情绪调节和学习适应的关系中起部分中介作用^[47]。这意味着情绪调节能力不仅直接影响学习表现，还通过影响学业自我效能感间接影响学习表现。这一发现强调了情绪调节在提升学习成效中的作用，提示教育者和学习者应重视情绪调节能力的培养。

　　此外，教师的情绪和行为对学生的情绪也具有显著影响。研究表明，教师的活力和热情可以通过情感传递效应，增强学生的活力和师生关系，从而促进学生的课堂表现。巴深等认为，数字人教师可以通过微笑、热情的声音、鼓励性的言语等特征进行情绪表达和情绪反馈^[48]，从而刺激学习者产生积极的学习情绪和学习表现。因此，未来研究应重视数字人教师本体对学生情绪的唤醒与调节，以及对学习成效的促进作用，并采取积极措施以营造良好的学习环境。

　　总之，教育数字人的研究是一个复杂的领域，需要跨学科合作和不断技术创新。随着生成式人工智能和虚拟现实技术的发展，教育数字人的相关研究也会愈发完善，为学习者提供更加丰富和有效的学习体验^[49]。

五、评述与展望

　　本研究在对相关文献进行回顾梳理和讨论后，得出以下结论：

　　一是研究者对教育数字人与学习者情绪研究的关注度日益提高，研究逐渐从技术应用转向个性化服务。通过分析历史进程和演进特征发现，教育数字人现阶段已转变为以个性化学习服务为核心导向。教育数字人作为教学代理和智能体的延伸，通过集成先进的人工智能技术，为学习者提供定制化的学习路径和互动体验。具体而言，其能够根据学习者的情绪变化、个人能力、学习风格和进度进行自适应调整，从而实现个性化学习服务，不仅增强了学习者的参与度和动机，还提高了学习效率，满足了学习者在多元化和快速变化的教育环境中对个性化发展的需求。但数字人的选择标准和依据是什么、怎样挑选出最适合学习者学习的数字人，这将成为未来研究需要深入探讨的领域。

　　二是教育数字人在外语教育领域应用展现出较高的应用潜力和成效。教育数字人的智能语音识别和自然语言处理技术，使其在外语教育领域具有与生俱来的应用优势，能够显著提高外语学习者的学习动机和学习效率。此外，数字人所创设的沉浸式学习环境和提供的丰富教学资源，能够突破时空限制，较大程度地满足外语学习者的差异化学习需求。随着外语学习数字人的不断涌现，与课堂数字人共同推动外语教育领域数字化学习热潮。未来，教育数字人的应用领域可向英语以外的语言拓展，应重点关注中文教育领域。

　　当前，教育数字人对学习者情绪的影响研究仍处于初步探索阶段，未来研究方向和技术应用应着重考虑以下几个方面：

　　首先，加强教育数字人之间的对比甄选。鉴于当前国内数字人平台多且繁杂的情况，未来研究应当加强对数字人平台的对比甄别，既要考虑数字人本体的形象和功能，也要考虑平台自身输出视频的质量。以近期访问频率较高的数字人平台——腾讯智影和百度智能云曦灵为例，二者都具备共同的基础功能，如形象选择、文本输入、语音合成、字幕生成等方面，但在具体功能上存在一定的差异，有待后续进行深入研究。

　　其次，将数字人创新应用于国际中文教育领域。目前国内外研究都热衷于将人工智能技术应用于教育领域，但多数研究还处于起步阶段，研究者更倾向于理论构建与讨论。而在国际中文教育领域，相关的数智化研究极其有限，且缺乏系统性的研究和文献记录。因此，未来应当着眼于国内外中文学习者，推动教育数字人在国际中文教育领域的应用，填补该领域的空白。

　　最后，优化完善情绪检测技术。在教育学领域，当前研究已经开始探索通过学习者的主观体验与客观表现相结合的方法测量学习者的情绪状态，但大部分研究仍集中于结果性感知。这表明测量结果可能受到学习者主观体验的影响，与实际效果之间可能存在偏差。若无法实现对学习者情绪的即时检测，则情绪表达与情绪反馈之间将缺乏至关重要的连接环节。因此，未来研究应尝试结合生理信号、面部表情、自报告等多模态信息，以实现更为精准的情绪测算。

六、结论

　　综上所述，教育数字人在提升学习者情绪和学习成效方面展现出显著潜力，它们通过个性化学习服务、情绪表达与反馈、在特定学科领域（如外语教育）中的应用，为学习者提供了更加丰富和有效的学习体验。未来研究应进一步探索教育数字人之间的对比分析、国际中文教育领域的创新应用，以及情绪检测技术的优化完善，实现更精准的情绪测算和更有效的教学策略，从而推动教育数字人技术在教育领域的深入发展和广泛应用。本研究通过系统文献综述的方式对过往研究进行回顾与评述，并提出未来研究应当关注的方向，以期为教育数字人技术在外语教育领域的应用和学习者个体差异化研究作出贡献。

参考文献：

　　[1]李成陈,李嵬.认知能力与情绪对二语写作水平的协同预测作用[J].现代外语,2024,47(4):465-477.

　　[2]张宝丹,李成陈.二语坚毅与二语水平的关系研究：情绪的中介作用[J].第二语言学习研究,2024(1):67-80,124.

　　[3]陈晨.后疫情时代基于教学实践的国际中文线上教学反思[J].汉语国际传播研究,2023(1):52-60.

　　[4][37][38]吴长城,胡双武,蒋雨江,等.GenAI驱动的教育数字人架构设计与实证研究[J].现代教育技术,2024,34(9):26-36.

　　[5]徐振国,刘志,党同桐,等.教育智能体的发展历程、应用现状与未来展望[J].电化教育研究,2021,42(11):20-26,33.

　　[6]MORENO R, MAYER R. Interactive Multimodal learning environments: Special issue on interactive learning environments: Contemporary Issues and Trends[J]. Educational Psychology Review, 2007,19(3):309-326.

　　[7][34][48]巴深,刘清堂,吴林静,等.教育智能体情绪线索对大学生学习情绪与动机的影响研究[J].远程教育杂志,2021,39(6):48-57.

　　[8]BROM C, STÁRKOVÁ T, D’MELLO K S. How effective is emotional design? A meta-analysis on facial anthropomorphisms and pleasant colors during multimedia learning[J]. Educational Research Review, 2018,25:100-119.

　　[9]陈佳雪,谢和平,王福兴,等.诱发的积极情绪会促进多媒体学习吗?[J].心理科学进展,2018,26(10):1818-1830.

　　[10]UM E R, PLASS J L, HAYWARD E O, et al. Emotional design in multimedia learning[J]. Journal of Educational Psychology, 2012,104(2):485-498.

　　[11]PLASS J L, HEIDIG S, HAYWARD E O, et al. Emotional design in multimedia learning: Effects of shape and color on affect and learning[J]. Learning and Instruction, 2014, 29:128-140.

　　[12]MCDOUGALL W. An introduction to social psychology[M]. London: Psychology Press,1908:77-149.

　　[13]王潇,李文忠,杜建刚.情绪感染理论研究述评[J].心理科学进展,2010,18(8):1236-1245.

　　[14]朱珂,卞茗慧,王东.教育智能体情绪线索赋能在线学习的模型构建及实践研究[J].远程教育杂志,2024,42(3):68-78,112.

　　[15]陈思维.具身认知研究进展综述[J].心理学进展,2024,14(1):387-394.

　　[16]吴彦文,刘伟,张昆明.基于情感识别的智能教学系统研究[J].计算机工程与设计,2008(9):2350-2352.

　　[17]赵慧勤,孙波.基于虚拟智能体技术的具有情感支持的三维虚拟教师的研究[J].中国电化教育,2010(11):117-123.

　　[18]赵一鸣,郑乔治,沈校亮.虚拟数字人对用户在线学习效果的影响研究[J].现代情报,2025,45(1):81-96.

　　[19]COOPER D G, MULDNER K, ARROYO I, et al. User modeling, adaptation, and personalization: 18th international conference[C]. Heidelberg: Springer, 2010:135-146.

　　[20]LIN Y, YU Z. Learner perceptions of Artificial Intelligence-Generated pedagogical agents in language learning videos: Embodiment effects on technology acceptance[J]. International Journal of Human-Computer Interaction, 2025,41(2):1606-1627.

　　[21]ZIELKE A M, ZAKHIDOV D, LO T, et al. Exploring social learning in collaborative augmented reality with pedagogical agents as learning companions[J]. International Journal of Human-Computer Interaction, 2025,41(4):2424-2449.

　　[22]李鹰,何佳,刘政凯.一个智能化英语教学系统的研制[J].中国科学技术大学学报,2000(4):69-74.

　　[23]王健崭.人工智能赋能高校思政课教学的生成、风险及对策[J].江苏高教,2023(9):114-120.

　　[24]魏小东,习鹏飞.大语言模型驱动下的虚拟数字人第二语言教育应用研究[J].电化教育研究,2024,45(5):75-82.

　　[25]徐锦芬,李娟.智能化视角下任务型语言教学研究展望[J].外语电化教学,2024(4):74-78,84,111.

　　[26]AYEDOUN E, HAYASHI Y, SETA K. Adding communicative and affective strategies to an embodied conversational agent to enhance second language learners’ willingness to communicate[J]. International Journal of Artificial Intelligence in Education, 2019,29(1):29-57.

　　[27]SEEMA S S, KANISHK J. AI technologies for social emotional learning: Recent research and future directions[J]. Journal of Research in Innovative Teaching & Learning, 2024,17(2):213-225.

　　[28]程萌萌,林茂松,王中飞.应用表情识别与视线跟踪的智能教学系统研究[J].中国远程教育,2013(3):59-64.

　　[29]田宏杰,龚奥.智能教育时代高校教师教学能力体系研究[J].苏州大学学报(教育科学版),2020,8(4):73-82.

　　[30]毛忆晨,童钰,李卉,等.人工智能与儿童发展：基于机器人和语音助手的研究[J].应用心理学,2022,28(5):413-423.

　　[31]LINNENBRINK E A. Emotion research in education: Theoretical and methodological perspectives on the integration of affect, motivation, and cognition[J]. Educational Psychology Review, 2006,18(4):307-314.

　　[32]BOULTON H, BROWN D, TAHERI M, et al. 11th international conference on education and new learning Technologies[C]. Palma: IATED, 2019:3921-3927.

　　[33]魏新.现代远程教育学习质量管理探析[J].现代远距离教育,2008(1):47-49.

　　[35]SAADÉ R G, KIRA D. Mediating the impact of technology usage on perceived ease of use by anxiety[J]. Computers & education, 2007,49(4):1189-1204.

　　[36]MOISE G, DRAGOMIR E G, CHIOPU D, et al.Towards integrating automatic emotion recognition in education: A deep learning model based on 5 EEG channels[J]. International Journal of Computational Intelligence Systems, 2024,17(1):230-251.

　　[39]MARJORIE A, MAGALIE O, ISABELLE R. The Impact of pedagogical agents’ gender on academic learning: A systematic review[J]. Frontiers in Artificial Intelligence, 2022,5:862997.

　　[40]SCHROEDER N L, ADESOPE O O. Impacts of pedagogical agent gender in an accessible learning environment[J]. Journal of Educational Technology & Society, 2015,18(4):401-411.

　　[41]章熙.浅析动物拟人性对角色造型设计的启示[J].上海视觉,2022(2):23-28.

　　[42]IMMORDINOYANG M H. Implications of affective and social neuroscience for educational theory[J]. Educational Philosophy and Theory, 2011,43:98-103.

　　[43]张亚雯,黄晨璐.青少年学业情绪研究综述[J].心理学进展,2022,12(9):3115-3119.

　　[44]李成陈,韩晔.外语愉悦、焦虑及无聊情绪对网课学习成效的预测作用[J].现代外语,2022,45(2):207-219.

　　[45]DEWAELE J, MACINTYRE D P. The two faces of Janus? Anxiety and enjoyment in the foreign language classroom[J]. Studies in Second Language Learning and Teaching, 2014,4(2):237-274.

　　[46]刘清堂,苗恩慧,郑欣欣,等.教学代理的个性化情感反馈对大学生在线同步讨论学习投入的影响研究[J].远程教育杂志,2024,42(4):31-39,63.

　　[47]查淑奕,王国芳.大学生情绪调节自我效能感和学习适应的关系研究[J].心理学进展, 2021(11): 2477-2485.

　　[49]郑志宏.数字化转型赋能教学模式变革的技术演化与实现路径[J].中国教育信息化,2024,30(11):103-111.

A Study on the Impact of Educational Digital Human on Learners’ Emotions: A Systematic Review Based on 228 Studies

Tianxu CHEN, Shihao ZHOU

（School of International Education, Minzu University of China, Beijing 100081）

Abstract: Research on learners’ emotions has increasingly drawn attention from the education sector, among which how to meet learners’ individualized development and emotional needs has become a key issue. The emergence of educational digital human has provided new ideas for research in this field. Based on The Cognitive-Affective Theory of Learning with Media, Emotional Contagion Theory, and Embodied Cognition Theory, a knowledge graph was used to systematically sort out 228 relevant domestic and foreign literature from January 2000 to June 2025, with a focus on discussing the application issues of digital human and learners’ emotions. Research shows that the correlation between educational digital human and learners’ emotions has shown a significant growth trend. The research focus is shifting from technical implementation to personalized services. The coverage of disciplines and learner groups is continuously expanding, and multi-dimensional and diversified detection methods are adopted. This technology has demonstrated remarkable application potential and effectivenes in the field of foreign language education, and also provides empirical evidence for the application of educational digital humans in foreign language education and the research on individual differentiation of learners. Future research should deepen the comparative analysis and selection criteria of different educational digital human, explore innovative application models in international Chinese language education scenarios, and continuously optimize the emotion detection technology system.

Keywords: Educational digital human; Learner emotion; Foreign language education; Personalized learning; Emotional interaction

编辑：李晓萍 校对：王天鹏

原文链接：https://mp.weixin.qq.com/s/INndemi_DpCR3blUQudLcQ

文章版权归作者所有，未经允许请勿转载。

THE END