【技术实现步骤摘要】
一种基于元认知的面向群体协作的个性化角色定位方法
[0001]本专利技术涉及群体元认知
,尤其是一种基于元认知的面向群体协作的个性化角色定位方法。
技术介绍
[0002]元认知(Metacognition)是对认知的认知,基本功能是监测和调控认知。元认知不仅对于个体学习起着作用,帮助学习者提高学习能力、走出负面情绪,它还会影响学习者在群体协作中的表现。
[0003]群体过程的元认知是全局特征,而不是单个方面的总和。群体协作时会产生群体元认知,彼此监督,思想碰撞引发重新思考。现阶段对于群体元认知的研究发现,可能对群体元认知造成负面影响的主要因素有:不匹配、地位影响、沟通不足和文化差异。在现实的团队协作场景中,当团队成员已经确定的情况下,地位、沟通和文化差异较难改变。此时可以通过为每位成员分配相应的角色来增强群体元认知,提升团队协作表现。
[0004]近期,在以教育为背景的研究里,在协作问题解决的过程中利用教育聊天机器人提供了不同水平的元认知支架。研究发现,通过聊天机器人在不同阶段提出问题进行干预,实验组成员的决策能力和团队的协作表现都有显著提升。随后,尝试了撤销聊天机器人提供的元认知支架干预后,从实验组中人为随机选择一位学习者模仿聊天机器人的工作在新任务中提供元认知支架。结果显示尽管群体协作表现和成员决策能力仍有一定程度的提升,但提升并未达到聊天机器人干预时的高度。分析其原因得出,人为随机指派的学习者并不一定适合担当聊天机器人所扮演的角色。
[0005]现有技术的个性化角色定位,单个成员无 ...
【技术保护点】
【技术特征摘要】
1.一种基于元认知的面向群体协作的个性化角色定位方法,其特征在于,该个性化角色定位具体包括以下步骤:步骤一、根据元认知策略理论定义角色库与场景库,并定义每个场景下各个角色的权重;步骤二、根据心理学和教育学理论建模成员的知识水平与性格特质;步骤三、基于认知水平生成成员的元认知能力嵌入;步骤四、建立并训练角色与成员适配模型,得到角色的特征表示;步骤五、将目标群组成员代入模型,为每个成员分配最合适的角色。2.根据权利要求1所述的基于元认知的面向群体协作的个性化角色定位方法,其特征在于,所述步骤一中的角色库由下述(a)式表示为:C={C1,C2,...,C
n
}
ꢀꢀ
(a);其中,C为角色矩阵表示;C
i
(i=1,...,n)为由专家基于元认知策略理论对团队协作任务界定与归纳的角色;所述场景库由下述(b)式表示为:S={S1,S2,...,S
l
}
ꢀꢀ
(b);其中,S为场景矩阵表示;S
j
为由专家基于元认知策略理论定义的场景,是一个维数为n的向量,第i个分量的值代表对应角色C
i
在该场景中的重要程度。3.根据权利要求1所述的基于元认知的面向群体协作的个性化角色定位方法,其特征在于,所述步骤二中成员的知识水平由下述(c)式表示为:K
x
=(k1,k2,
…
,k
l
)
ꢀꢀꢀꢀ
(c);其中,K
x
为成员x的知识水平表示;k
i
为从成员历史成绩中提取出的第i个特征;所述成员的性格特质由下述(d)式表示为:P
x
=(p1,p2,
…
,p
s
)=tf*idf*{R1,R2…
R
s
}
ꢀꢀ
(d);其中,P
x
为成员x的性格特质表示;tr为每个性格词库类别的词频;idf为逆文本频率指数;*为对应位置元素相乘运算;R
j
为第j个性格词库类别与性格的相关性因子。4.根据权利要求1所述的基于元认知的面向群体协作的个性化角色定位方法,其特征在于,所述步骤三中,所述成员的元认知能力嵌入由下述(e)式表示为:M
x
={m1,m2,...,m
r
}
ꢀꢀꢀꢀ
(e);其中,M
x
为成员x的元认知能力表示;m
j
为从历史对话序列与当前对话中提取出的元认知,其计算过程如下:3
‑
1:将每个成员的对话分为两部分,最后一次发言作为当前对话,其余为历史对话;3
‑
2:将每个成员的对话放入LSTM模型中进行编码,得到对应的隐藏状态序列,其历史对话的隐藏状态序列表示为:DH={dh1,dh2,...,dh
r
},其中dh
j
表示第j个历史对话序列;当前对话的隐藏状态序列为:dc={c1,c2,...,c
p
},其中c
j
表示第j个当前对话状态;3
‑
3:将历史对话序列DH放入BERT中,经可训练的权重矩阵W
m
,得到下述(f)式对于整段话的认知水平矩阵COG:COG={cog1,cog2,...,cog
r
}
ꢀꢀꢀꢀ
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。