一种将基于人工智能的BERT技术融入体育教育的心理教育模式

《Scientific Reports》：A psychological education model integrating artificial intelligence-based BERT in physical education

　　

摘要

为了解决传统体育教育方法（PE）在心理评估方面过度依赖人工观察的局限性，本研究将自然语言处理技术（NLP）与运动心理学教育相结合。开发了一种心理教育模型，该模型采用了预训练的Transformer双向编码器表示（BERT）模型，以实现对学生心理状态的智能和精确评估。首先构建了一个文本情感分析模型来提取情感特征，然后对BERT模型进行了针对体育特定场景的微调，以捕捉文本的深层语义特征。这些组件共同构成了一个四维特征提取框架：语义、情感、主题和心理。实验在两个公开可用的数据集上进行，分别是Emotional First Aid Dataset 1和Psy-Insight 2。所提出的BERT-LDA-Psych模型在情感分析任务上的平均准确率、精确率、召回率和F1分数分别为91.5%、91.0%、90.3%和90.6%。该模型在心理状态识别和特征融合效率方面也优于主流的集成模型。该模型在一般心理咨询文本语料库上表现出稳定的性能，为后续体育教育背景下的心理状态识别任务提供了一个参考计算框架。目前的结果表明，在受控的文本环境中该模型具有可行性；然而，其在真实体育课堂对话中的适用性仍不确定。