This paper presents the automatic music emotion classification on acoustic data. A three-level structure is developed. The low-level extracts the timbre and rhythm features. The middle-level estimates the indication functions that represent the emotion probability of a single analysis unit. The high-level predicts the emotion result based on the indication function values. Experiments are carried out on 695 homogeneous music pieces labeled with four emotions, including pleasant, calm, sad, and excited. Three machine learning methods, GMM, MLP, and SVM, are compared on the high-level. The best result of 90.16% is obtained by MLP method.
본 연구는 정서기반 학습동기향상 프로그램이 전문대학생의 학습동기와 사회적 지지에 어떠한 영향을 미치는지를 알아보는데 목적이 있다. 개발된 최종 프로그램은 학습동기 I, 학습코칭, 학습동기 II로 총 12회기로 구성되어 있으며, 각 회기마다 자기평가 및 성찰일지를 작성하여 성찰 시간을 갖도록 진행하였다. 연구대상은 G시 소재 K전문대학 재학생들 중 2016학년도 1학기 심리학 관련 교양 교과목을 수강한 공학계열 재학생 38명으로, 실험집단 19명과 통제집단 19명을 비확률 표본 추출에 의거 배치하였다. 실험집단에는 정서기반 학습동기향상 프로그램을 주 강사 1명과 보조 강사 1명 총 2명의 강사로 한 주에 1회기씩 총 12회기가 실시되었고, 자료 분석을 위하여 독립표본 t-검증, 대응표본 t-검증, 회기별 소감문 분석이 실시되었다. 연구결과는 첫째, 정서기반 학습동기 향상 프로그램에 참여한 실험집단은 통제집단에 비하여 학습동기와 하위요인 자신감, 만족감에 유의미한 차이가 있었다. 둘째, 정서기반 학습동기 향상 프로그램에 참여한 실험집단은 통제집단에 비하여 사회적 지지에서는 통계적으로 유의미한 차이가 나타나지 않았다. 참여 학생들의 소감문 분석에서는 본 프로그램이 학습동기와 사회적 지지에 영향을 미치는 것으로 나타났다. 마지막으로 본 연구결과에 대한 논의 및 함의를 기술하였다.
International Journal of Computer Science & Network Security
/
제23권8호
/
pp.9-16
/
2023
Speech can actively elicit feelings and attitudes by using words. It is important for researchers to identify the emotional content contained in speech signals as well as the sort of emotion that resulted from the speech that was made. In this study, we studied the emotion recognition system using a database in Arabic, especially in the Saudi dialect, the database is from a YouTube channel called Telfaz11, The four emotions that were examined were anger, happiness, sadness, and neutral. In our experiments, we extracted features from audio signals, such as Mel Frequency Cepstral Coefficient (MFCC) and Zero-Crossing Rate (ZCR), then we classified emotions using many classification algorithms such as machine learning algorithms (Support Vector Machine (SVM) and K-Nearest Neighbor (KNN)) and deep learning algorithms such as (Convolution Neural Network (CNN) and Long Short-Term Memory (LSTM)). Our Experiments showed that the MFCC feature extraction method and CNN model obtained the best accuracy result with 95%, proving the effectiveness of this classification system in recognizing Arabic spoken emotions.
Ly, Son Thai;Lee, Guee-Sang;Kim, Soo-Hyung;Yang, Hyung-Jeong
International Journal of Contents
/
제15권4호
/
pp.59-64
/
2019
In recent years, emotion recognition has been an interesting and challenging topic. Compared to facial expressions and speech modality, gesture-based emotion recognition has not received much attention with only a few efforts using traditional hand-crafted methods. These approaches require major computational costs and do not offer many opportunities for improvement as most of the science community is conducting their research based on the deep learning technique. In this paper, we propose an end-to-end deep learning approach for classifying emotions based on bodily gestures. In particular, the informative keyframes are first extracted from raw videos as input for the 3D-CNN deep network. The 3D-CNN exploits the short-term spatiotemporal information of gesture features from selected keyframes, and the convolutional LSTM networks learn the long-term feature from the features results of 3D-CNN. The experimental results on the FABO dataset exceed most of the traditional methods results and achieve state-of-the-art results for the deep learning-based technique for gesture-based emotion recognition.
Sentiment analysis is the process of determining whether a piece of document, text or conversation is positive, negative, neural or other emotion. Sentiment analysis has been applied for several real-world applications, such as chatbot. In the last five years, the practical use of the chatbot has been prevailing in many field of industry. In the chatbot applications, to recognize the user emotion, sentiment analysis must be performed in advance in order to understand the intent of speakers. The specific emotion is more than describing positive or negative sentences. In light of this context, we propose deep learning models for conducting multi-class sentiment analysis for identifying speaker's emotion which is categorized to be joy, fear, guilt, sad, shame, disgust, and anger. Thus, we develop convolutional neural network (CNN), long short term memory (LSTM), and multi-layer neural network models, as deep neural networks models, for detecting emotion in a sentence. In addition, word embedding process was also applied in our research. In our experiments, we have found that long short term memory (LSTM) model performs best compared to convolutional neural networks and multi-layer neural networks. Moreover, we also show the practical applicability of the deep learning models to the sentiment analysis for chatbot.
본 연구에서는 보행자의 이동(Navigation)지원을 목적으로 한 감성검색시스템의 구축(Implementation)에 있어 시스템의 주요 구성요소 중의 하나인 보행자 감성모델을 사용자의 감성에 일치시키는 방법에 대해 제안하고, 평가실험을 통하여 모델의 타당성을 검증하였다. 가상의 목적지를 의미하는 인테리어 이미지 화상을 이용하여 데이터베이스를 작성한 후 10명의 실험 참가자를 대상으로 각각 5회에 걸쳐 목적지 검색과 만족도에 대한 평가실험을 실시하였다. 실험 참가자에게는 각 실험단계마다의 검색결과에 대해 만족도를 평가하도록 하였으며, 피험자로부터의 피드백 데이터를 이용하여 데이터베이스에 구축된 보행자 감성모델을 반복적으로 학습하도록 하였다. 평가실험 종료 후 보행자 감성모델의 학습효과를 확인하기 위하여 재현율(Recall ratio), 적합율(Precision ratio), 검색순위(Retrieval ranking), 만족도(Satisfaction level)를 비교하였다. 실험결과 5회의 학습을 통하여 재현율, 적합율, 검색순위, 만족도 등이 모두 유의미한 수준으로 상승된 것으로 나타나 본 논문에서 제안하는 보행자 감성모델의 학습방법이 개인의 감성을 획득하는 방법으로서 유효하다는 점을 확인하였다. 또한 본 연구에서 제안한 보행자 감성모델은 상업공간의 인테리어와 같은 시각적 이미지 화상을 대상으로 한 모바일 콘텐츠 제공시스템의 개발에 있어서도 유효하다는 점을 확인하였다. 향후 다양한 분야의 정보기기 콘텐츠의 개발에 있어 본 연구에서 제안한 보행자 감성모델이 사용자 개인의 감성을 획득하는 방법론으로 활용될 수 있을 것으로 기대된다.
Journal of Information Technology Applications and Management
/
제21권3호
/
pp.53-64
/
2014
It is important to keep learners' feeling positive during learning to enhance learning performance. According to flow theory,challenge-skill balance is a precondition for flow experience: Learners feel anxiety when the challenge of learning is higher than their ability, feel boredom when the challenge of learning is lower than learners' ability, and engage in flow status when the challenge of learning matches the learners' ability. However, the current empirical study reveals that emotions related to enjoyment may appear when the learners' skill is equal to or higher than the learning challenge. Nevertheless, boredom emotion may appear when learners perceive the courses are difficult but unimportant. These empirical survey results revealed the necessary of rethinking the appearance of boredom and enjoyment emotions in computer education.
이 연구의 목적은 전문대학생용 학습전략 척도(K-Learning Strategy Scale for College)의 온라인 활용을 위해 학습인지와 학습정서 요인의 문항을 추가하고 재타당화하는 것이다. 전문대학생의 학습전략에 영향을 미칠 수 있는 학습인지, 학습행동, 학습정서의 하위요인을 각각의 항목별로 구체적으로 탐색하고 분석하는 것은 자기성찰과 학업성취도 향상을 위해 중요하다. 추가된 문항은 학습인지 요인의 학습정보처리 과정에서의 주의집중을 진단하는 2개 문항과 학습정서 요인의 타인에 대한 불안수준을 진단하는 대인불안 요인 2개 문항이다. 연구대상 지역은 전국 5개 지역으로 실시하였으며, 연구대상자는 불성실 응답 327명을 제외한 923명의 전문대학생이다. 수정된 K-LSS_r 척도는 학습인지(18문항), 학습정서(15문항), 학습행동(19문항)의 3개 영역 하위요소로 구성된 총 52문항의 전문대학생용 학습전략 진단 척도이며, 본 연구에서 일반화를 위한 신뢰도 검증 결과 척도 전체 Cronbach의 α 계수는 .896이었고, 3개 요인의 Cronbach의 α 계수는 .876에서 .910이었다. 척도의 반분신뢰도 계수는 전체가 .858이었고 3개 요인의 반분신뢰도계수는 .792에서 .843이었다. 5개 지역 소재 대학생 350명을 대상으로 3주간의 검사-재검사 신뢰도 검증 결과는 전체가 .884이었으며, 일반화를 위한 타당도 검증 결과에서 구인타당도가 통계적으로 유의한 정적상관을 나타내었다.
무선 기술과 모바일 장치는 비약적인 발전을 거듭하여 점점 더 힘을 얻고 있다. 이러한 배경을 두고 근래, 학습연구 분야에서 많은 연구자들이 모바일 학습상황에 대해 활발하게 연구하고 있는데, 그 이유는 조사의 저렴한 비용과 이동성과 그리고 커뮤니케이션뿐만 아니라 교육적으로도 인증된 학습효과와 사회 구성주의 때문이다. 본 연구는 유비쿼터스 학습 환경을 지원하는 컴퓨터의 개요에 대해 기술하였다. 그 결과 학습환경의 새로운 디자인은 무엇이고, 어떻게 디자인되며, 그리고 관련된 연구동향은 어떠한지를 도출하였다.
본 연구의 목적은 과학 교육에서 정서 연구의 역사를 살펴보고 최근 연구 동향을 탐색하여 발전 방향을 모색하는 것이었다. 이를 위하여 관련 문헌들에 대해 고찰하고 그 내용을 연구 문제에 따라 정리하였다. 그 결과, 과학 교육에서 정서 연구는 여러 가지 개념이 혼재된 상태에서 출발하여 과학적 태도와 과학에 대한 태도가 구분되면서 좀 더 체계적인 면모를 갖추게 되었고, 이후 과학 학습에 관련된 긍정적 정서 및 부정적 정서에 관한 연구로 이어져 왔음을 알 수 있었다. 하지만 인지와 정서 사이에는 복잡한 관계가 있으며, 정서를 과학 학습에 영향을 미치는 외부적인 요인으로만 취급하는 이분법적인 시도에 제한점이 있음을 확인할 수 있었다. 이와는 달리 최근 인식적 정서에 관한 연구는 과학적 실천에 정서가 동반되고 인지와 정서가 서로 영향을 주고받으며 통합되어 있다는 새로운 관점을 제공하고 있었다. 따라서 과학적 실천을 통해 과학을 공부하는 학생들이 경험하는 다양한 정서를 이해하고 부정적인 정서까지도 교육적으로 적절히 대응하기 위한 연구가 필요함을 논의하였다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.