朱珂

河南师范大学

ezhuke@qq.com

卞茗慧

河南师范大学

1069385092@qq.com

【摘要】 教育智能体可包含社会情绪价值，从而改善学习投入不足的问题。研究结合社会网络分析法和量表工具进一步探究智慧课堂中教育智能体情绪线索对学习投入的影响。结果表明，教育智能体情绪线索可以显著提高学习者的投入度、有效增加积极性以及明显提升协作交互水平。

【关键词】智慧课堂、教育智能体、情绪线索、学习投入

Abstract：Educational agent can contain social emotional value, thus improving the problem of insufficient learning input. The research combines social network analysis and scale tools to further explore the influence of emotional cues of educational agents on learning engagement in the smart classroom. The results show that educating emotional clues of agents can significantly improve learners' engagement, effectively increase their enthusiasm and significantly elevate the standard of collaboration and interaction.

Keywords：Smart classroom, Educational agent, Emotional clues, learning input

 

1.前言

近年来，AI、大数据等技术逐渐成熟，为智慧课堂中自主、灵活地深度学习提供了有效支持。已有研究证实，有效设计基础上的智慧课堂能够有效提高学习者的学习环境满意度和协作效率。然而，目前智慧课堂的教学中存在学习投入较低的关键问题，从而影响学习者的认知加工过程，最终影响学习成效。虚拟学习系统中具有情绪线索的“教育智能体”人工智能角色的使用为破解该问题提供新思路。教育智能体是嵌入在虚拟学习环境中执行人类行为的动画角色（Romero-Hall，2016），作为智能教学系统的扩展，它们可包含社会情绪价值，在学习者和智能体之间建立情绪联系，这种情绪联系可以让学习者更享受自己的学习、更热衷于发展解决问题的不同方法（Dinçer&Doğanay，2017），从而增强学习者的学习投入。鉴于此，本研究旨在面向智慧课堂，基于教育智能体进行情绪线索设计，结合社会网络分析法和量表工具进一步探究教育智能体情绪线索对高校学习者学习投入的影响，以期为后续研究提供借鉴。

2.相关研究

2.1.教育智能体情绪线索赋能学习的研究

教育智能体是用于在线学习环境以满足不同教学目标要求、类似教师的虚拟角色，可为学习者提供认知和情感支持。教育智能体中隐含的情绪线索一般界定为：由该智能体所传达的、语言或非语言信息中蕴含的展现爱好的信息，如脸部神情、肢体动作、语调语速等（巴深等，2021）。

目前已有大量研究发现了教育智能体情绪线索的积极作用，如能够提高学习者的自我效能感、学习兴趣和学习成效等。这些研究结果大致可以分为五类：学习动机、积极情绪、理解能力、认知效果以及认知迁移。第一，激活多媒体学习动机，例如布林古拉等人（Bringula,et al.,2018）通过实验发现教育智能体的移情虚拟形象增加了学习者继续进行阅读和完成练习的意愿以及多媒体学习内容的吸引力，具有提高学习者动机的优势；第二，唤醒学习者积极情绪，例如郭玉荣等人（Guo,et al.,2015）通过实验证明了情绪在教育智能体中的使用对学习热情的激发起到了显著的促进作用；第三，增强学习者理解能力，例如卢斯克（Lusk,et al.,2007）认为，与最低限度的情感教育智能体(即静态)相比，当与完全具体化的主体(即包含运动、手势和凝视)交互时，学习者更有动力理解呈现给他们的内容，更有可能对信息进行深度处理，实现有意义的学习，而且该种智能体在促进学习方面的有效性与实施水平正相关——实施水平越高，学习效果越好；第四，夯实学习者认知效果，例如卡拉科拉等人（Karacora,et al.,2016）通过实验验证了多媒体学习环境中教育智能体的和睦行为（如:微笑、点头）使得成年学习者记住更多的项目，从而获得了更显见如著的可解题性表现；第五，助力学习者认知迁移，例如刘东伟等人（Liew,et al.,2020）证实听热情解说的学习者在迁移测试得分方面明显优于听平静解说的学习者。另外，部分研究发现教育智能体情绪线索的使用反而降低了学习者的学习兴趣、成绩以及动机等，但得到负面结果的原因可能是教育智能体的情绪设计特征以及学习者特征不同导致的。例如，刘东伟等人（Liew,et al.,2016）发现教育智能体的微笑表情反而降低了学习者的学习动机，这主要是因为学习者认为智能体所展现的是假意的笑容，使得他们变得对智能体不信任，进而降低了内在动机。

2.2.智慧课堂中的学习投入研究

投入作为组织行为学中的概念，主要指个体投入群体活动时的一种状态。学习投入(School Engagement，SE)是投入概念在教育领域的延伸，最初指一种与学习相关的积极、饱满的情绪与认知状态（张玉辛，等，2023），即学习者在学习过程中由行为、 认知、情感的相互作用或融合引发的身体能量和心理能量的总和，是行为卷入、思维发展、情绪反应的综合过程（王小根，等，2022）。

随着讨论和研究的进一步深入，国内学者也从多个维度对学习投入进行了更深层次的细分。从学习投入是否外显的角度来看，学习投入可以分为学习行为投入、学习情感投入以及学习认知投入，分别代表了学生在学习中所行、所感、所思3个方面；以学习投入的互动性角度来看，可以将其分为“基于个体活动的学习行为投入”与“基于互动活动的学习行为投入”两类（李富强，2022）。前者侧重于可以由学生个人相对独立开展的学习活动，后者则聚焦于学生与他人之间的合作、交流和交往等互动性活动。另外，随着研究的深入，当前已建立如学习卷入理论、参与认同模型等一些经典的学习投入理论或模型。例如，张治等人（2021）构建学习行为投入测量指标，发现行为投入与学业成绩间存在显著关系；吴军其等人（2022）从行为、认知和情感维度构建协作学习投入度分析模型；李新等人（2022）将行为投入、认知投入和社会投入纳入协同学习投入表征模型。

针对智慧课堂，周媛等人（2018）通过对学习者动作、意识与情感投入的综合检测,分析了各种学习活动中对学习者投入形成差别的主要因素,为提高学习者的投入效率提供了可行对策。马婧等人（2018）根据该学习投资模型,得出综合教学设计的八项关键原理,并由此进行以增加学生学习投资为基础的教学项目设计。实验证明:高校学习者的投资高对增加其学业绩效有着重要的正向影响。因此，有关学习投入影响因素的研究成为目前学界关注的热点问题，其中学习过程中的情感交互无疑是影响学生学习投入的一个重要因素。情感交互是指学习者与同伴、教师（或教育智能体）之间针对学习内容进行有意识的情感交流的过程。已有研究从学生视角出发，研究教学中教育智能体与学习者的情感交互对其主动性学习投入的影响。例如，莱斯特等人（Lester,et al.,1999）发现喜欢与教育智能体进行情感交互的学习者可能对整体的学习体验有更乐观的感知，因此可能会产生更多的学习乐趣，从而增加其学习投入度。

综上所述，虽然已有研究表明教育智能体的情绪表达与情绪反馈可以对学习投入产生作用，但研究环境主要基于在线教学平台，关于智慧课堂的探索目前相对匮乏，且情绪线索与学习投入之间的影响关系究竟怎样，有待进一步研究。鉴于此，本研究把多媒体“认知-情感”理论、情绪反应理论和情绪感染理论作为指示性架构进行实证分析，探索智慧课堂中教育智能体的情绪线索对学习投入的影响机制，为提高高校混合学习质量提供借鉴。

3.研究设计

3.1.研究对象

研究对象来自H师范大学教育技术学专业的48名大二学习者，以其专业核心必修课程“教学资源设计与开发”为实践载体，开展了为期一学期的线上线下智慧课堂教学。由于该所大学对在线学习的重视，所有研究对象都掌握了一定的在线学习方法和技能。 实验开始前，研究者发放了调查基本信息（姓名、性别、家乡、爱好以及学习成绩等）的问卷，并对这些研究对象进行了随机访谈，旨在具体了解他们的基本情况，从而采用“组间同质，组内异质”的分组方式，将其分为3个小组，每组16人，其中两个实验组和一个对照组。 研究的自变量是教育智能体类型（①情绪智能体；②中性智能体；③无智能体），因变量是学习者的学习投入程度（学习投入度和学习行为）。在研究过程中，实验组一（APA组）分配了富含情绪的教育智能体，实验组二（NPA组）分配了中性情绪的教育智能体，对照组（NV组）则没有教育智能体，仅有不含任何情绪的语音。

3.2.教育智能体和情绪线索的设计

本研究通过三维图像/动画设计软件Poser（www.e-frontier.com）来制作教育智能体的形象，通过声音编辑软件Mimic Pro（www.pluginz.com）来录制声音；然后将形象和声音导入到动画设计软件Macromedia Flash（www.adobe.com）中合成，并最后通过代码嵌入到计算机辅助学习环境中。

为了给学习者们营造一种轻松愉快的上课氛围，教育智能体被设计为20岁左右（跟学习者年龄差不多）身着简易学生装的女性形象。 已有研究发现视频课程中虚拟教育者形象位于屏幕右侧时可以产生更好的学习效果。 鉴于此，本研究将教育智能体放置于屏幕的右侧。如图1所示，讨论界面整体宽和高分别为 16个和9个单位长度，而教育智能体的宽和高分别为4个和3个单位长度。

在实验中，教育智能体通过面部表情（微笑、眨眼等）、语音（热情、平缓的语调等）和文本（肯定性、鼓励性的回答等）进行情绪表达和情绪反馈。另外，旨在模仿人的自然状态，教育智能体具有自然地眨眼和轻微地头部晃动，并且在说话时嘴唇也有同步的动作。

图像1 教育智能体在学习视频中的设计

3.3.研究工具与方法

3.3.1.学习投入量表

本研究采用 Schaufeli 等人编制,方来坛等人（2008）修订的学习投入量表( UWES-S) 。该量表包括活力、奉献和专注三个维度，共有 17 个题项，采用李克特7点量表,“1”代表“从来没有”,“7”代表“总是/每天”。量表的内部一致性信度在0.82-0.95之间,相关系数显著,并在0.76-0.77之间,项目荷载在0.42-0.81之间,具有较好的拟合指标。

3.3.2.社会网络分析法

学习者的学习行为反映了其在学习过程中的投入时间和精力，是学习投入的具体表征（赵蕾，等，2020）。为了更精准地掌握学习投入的变化情况，本研究还采用社会网络分析法对学习行为进行定量分析从而得出定性的结论。社会网络分析法是一种社会学研究方法，它可以通过可视化表现整体网络结构和特征（李钊光，等，2023）。本研究借助 Ucinet 软件，从讨论帖数量、网络密度和中心势（张文兰，等，2016）三个维度，对小组讨论数据和反思日记进行处理分析。

表格1 研究工具及方法

为了系统深入地探索智慧课堂中教育智能体的情绪线索对学习投入的影响机制，本研究按照如下流程（如图2所示）进行实证探讨。 实验开始前，通过问卷调查和随机访谈所收集到的数据对学习者以“组间同质，组内异质”的原则分为3个小组。之后，在正式开展教学活动之前，采用问卷的形式对学习者进行学习投入度前测，并向他们介绍课程的学习方式与学习内容。接下来，进行10次混合式学习活动，具体包括学习者课前自主学习线上教学视频、课中线下课堂学习、课后在线讨论与反思。在该过程中，本研究收集和分析了学习者的在线交互行为数据和反思日志数据，以此了解他们在线学习行为的情况变化。最后一次课的时候，对学习者进行学习投入度的后测。

图像2 研究流程图

4.结果分析

4.1.学习投入度

最初，为了定量分析学习者在经过具有教育智能体指导的智慧课堂学习后，其学习投入度是否显著提高，本研究对三组学习者在实验前后的问卷得分进行了配对样本 t 检验。在检验前，本研究对各组的前测成绩进行了多独立样本t检验来判断他们在实验前的学习投入度是否存在明显差异。结果如表2所示：三组的秩平均值相差不大，而且p=0.996＞0.05，证明三组在实验前学习投入度无差异。

表格2 多独立样本的非参数检验

	组别	N	秩平均值	P值
前测成绩	APA组	16	24.53	.996
	NPA组	16	24.69
	NV组	16	24.28
	总计	48

之后进行配对样本 t 检验，结果如表3所示 ：第一，在增幅上，由前后均值差可知，三组当中APA组的学习者呈现了最大幅度的提升（12.37），NPA组次之（1.5），而NV,组的学习者前后仅提升了0.25。 第二，在最终的学习投入度上，由后测均值可知，APA组的学习者均值最大，为88.25。第三，在变化的显著性上，APA组和NPA组的P值均小于0.05，但是APA组的Cohen’s d值为2.82>0.8，NPA组的Cohen’s d值为0.40>0.2,，说明APA组具有显著高效应，NPA组具有中等效应。另外，NV组的P值为0.429>0.05，且Cohen’s d值为0.06<0.2，即NV组在实验前后无明显变化。

表格3 配对样本t检验

	前测成绩		后测成绩		t值	P值	d值
	平均值	标准差	平均值	标准差
APA组	75.88	4.064	88.25	4.698	-11.341	<.001	2.82
NPA组	75.81	3.987	77.31	3.516	-4.108	<.001	0.40
NV组	75.69	3.772	75.94	4.123	-1.168	.261	0.06

本研究在实验的最后对后测成绩又进行了单因素方差分析，其中多重比较的结果如表4所示。第一，从差值上来看，APA组与NPA组和NV组之间的平均值差值均大于10，而NPA组与NV组之间的平均值差值仅为1.375；第二，从显著性来看，APA组与NPA组和NV组之间的P值均小于0.05，而NPA组与NV组之间的P值仅为0.683>0.05。

表格4 多重比较

	（I）组别	（J组别）	平均值差值（I-J）	标准误差	P值
后测成绩 （塔姆黑尼）	APA组	NPA组	10.938*	1.467	<.001
		NV组	12.313*	1.562	<.001
	NPA组	APA组	-10.937*	1.467	<.001
		NV组	1.375	1.355	.683
	NV组	APA组	-12.312*	1.562	<.001
		NPA组	-1.375	.683	.683

综上可知，相较于NPA组和NV组，APA组学习者的学习投入度在实验前后呈现了最大幅度的提升，且存在显著的高效应。另外，在实验前后，NPA组和NV组学习者的学习投入度也存在一定的提升，只不过NPA组具有中等效应，而NV,组不存在明显差异。

4.2.学习行为

由于该课程是从第2次课开始进行正式学习活动的，为了更明确的看到学习者在中间10次课程中学习行为的具体变化情况，本研究选取了第2次课、第6次课和第11次课（正式学习活动的最后一次课）的在线平台讨论数据和反思日记作为分析对象。

4.2.1.讨论贴数量分析

如表5所示，随着学习活动的进行，三组学习者在三次课程的发帖数量，整体上呈现上升趋势， 说明学习者参与线上讨论积极性在逐步提升，也就是他们的学习参与度在提高即学习投入水平有所提升。具体来看，在第2次课的时候三组学习者的讨论数量是相差不大的，甚至NV组学习者发帖数量还要高于其他两组。但是随着课程的深入，到第6次课的时候，APA组学习者的发帖数量已是三组中最多的，最终到第10次课的时候，APA组的讨论数量达到了482，大幅度领先于其他两组，NPA组次之。

4.2.2.讨论帖网络密度分析

如表5所示，三组在线学习群体的网络密度均逐渐增大（趋近于 1），说明学习者在学习平台中的交互次数在增加，互动频度在增强，小组各成员的学习参与度越来越强。具体来看，APA组学习者在第11次课的网络密度达到了0.8923，显著高于NPA组和NV组，说明教育智能体情绪线索的使用能够显著提升小组凝聚力，促使学习者更加乐意参与到学习活动中，提高其学习投入水平。

4.2.3.讨论帖中心势分析

由表5可知， APA组和NPA组的中心势数值整体在降低， 说明随着混合式学习的进行，这两组学习者的讨论不再是以某个组长或者某一发帖人为中心，而是每个学习者都能够积极地建言献策，只不过相较于NPA组，APA组的中心势降幅更大，该组学习者在网络空间的交流更加趋于均衡。 而NV组的中心势数值整体却在升高，研究者经过随机访谈该组成员，了解到原因在于该组学习者认为随着课程的进行，他们在课前学习线上教学视频的时候会感觉缺乏社会环境，这使得他们感觉到孤独，这时候反而更需要一个“榜样”作为中心，带动他们继续完成学习活动。

表格5 在线讨论数据

	讨论贴数量 （条）			平均讨论贴量 （条）			密度			中心势
	第2 次课	第6 次课	第11 次课	第2 次课	第6 次课	第11 次课	第2 次课	第6 次课	第11 次课	第2 次课	第6 次课	第11 次课
APA组	24	133	482	1.5	8.3	30.1	0.1326	0.3294	0.8923	21.63%	16.52%	3.96%
NPA组	22	116	397	1.4	7.3	24.8	0.1547	0.2967	0.6793	22.37%	20.19%	7.21%
NV组	26	93	366	1.6	5.8	22.9	0.1126	0.2629	0.5928	19.95%	22.76%	23.29%

综上可知，随着混合式学习的开展，三组学习者的在线协作交互的积极性均在增加，交互水平也均在提升，但是APA组的学习者互动更加充分，该组成员的线上活跃度都较高，他们不仅能够主动发帖， 而且能够积极参与到对他人的帖子进行评价的活动中去，这是学习者深入参与到协作交互活动中的一种体现，也从侧面说明了该组学习者的学习投入水平提升最为显著。

5.研究结论

本研究构建了包括课前在线视频学习、课中线下课堂学习、课后线上讨论与反思三部分内容的学习模型。基于该模型，本研究进行了为期一学期的智慧课堂教学实践，采用问卷调查法和社会网络分析法分别从学习投入度和学习行为两个维度，检验具有情绪线索的教育智能体对学习者的学习投入的影响，最终得出如下研究结论（如图3所示）：

图像3 作用机制图

5.1.教育智能体情绪线索可以显著提高学习者的学习投入度

通过提供智能体运作的视觉情绪线索，设计良好的经济伙伴关系，可以丰富学习者的学习经验（Cassell，2001），提升学习者对于所学习相关内容知识的无限好奇心，并使其更容易吸引他们的注意，提高他们的学习投入度。结合社会代理理论（Social Agency Theory，SAT）来解释，传递积极主动的情绪信息可以激励学习者注入更多的精力到学习过程中，因为他们把相应教育智能体看成和自己身份平等的心理社会同伴，这样他们感到能更加有效地选择和整合与对方沟通时所必须传递的信息，从而显著提高他们的学习投入度。

5.2.教育智能体情绪线索可以有效增加学习者的学习积极性

学习者所被唤醒的积极性与教学交流中的语言和非语言线索相关，而情绪线索在教育智能体中的使用对学习者的学习积极性具有促进的作用。因为具备积极情绪的教育智能体增加了本身的社会吸引力和友好程度，从而显著唤醒了学习者的积极情绪，他们参与线上互动讨论的意愿增强，互动频度增强，互动次数增加，成员间的协作交互更加顺畅，总体来说教育智能体情绪线索可以有效增加学习者的学习积极性。

5.3.教育智能体情绪线索可以明显提升学习者的协作交互水平

教育智能体可以通过微笑、热情的声音以及鼓励性的言语等特征进行情绪表达和情绪反馈，以此来提升学习者的在线交互水平。具体来说，面部表情和声音是影响学习者感知主体积极情绪的重要因素，通过一种积极主动的在线情绪信息传递，能够鼓励学习者在多媒体学习中增加他们的努力程度，并逐步激发起学习者自身对于进一步掌握学习相关领域知识能力的自信心（Liew,et al.,2017），这样小组各个成员能够针对疑难问题或小组任务更有自信地建言献策，整个群体的交流更加趋于均衡，他们的协作交互水平明显提升。

6.不足与展望

本研究仅是对智慧课堂中教育智能体情绪线索对学习投入的影响研究的初步探索，尽管在理论和实践上取得了一些有意义的研究结论，但也存在一些不足之处，为此也提出了相应的展望。

6.1.教育智能体发挥作用的时间短

虽然教育智能体的热情被证明可以在短时间内提高学习者的积极性，但重复和长期的智能体热情的影响尚不清楚。智能体的热情还会在更长的时间内“传染”吗？或者，智慧课堂中持续的智能体热情会转化为认知和情感上的分心吗？这些问题显然需要进一步研究。

6.2.教育智能体情绪线索的设计参数有所影响

在这项研究的背景下，声调、面部表情、对话和头部姿势都受到了操纵。具体来说，智能体教学风格的操作化(热情与中立)是这些不同参数的组合。因此，实际上，我们不能将产生本研究结果的参数或混杂参数分开。这个问题提出了一个难题，未来的研究应该调查。

6.3.学习者先验知识的控制有所影响

在本实验中，样本是新手学习者(即，他们没有关于主题领域的先验知识)。因此，在本研究中没有探讨先前知识的调节作用。文献表明，在线学习界面中吸引人的细节对新手和专家学习者有不同的影响。同样，在线学习环境中，具有高先验知识的学习者会受到代理人热情的不同影响，这似乎是合理的。因此，应进行后续研究，以进一步阐明这一问题。

参考文献

巴深,刘清堂,吴林静 & 于钦春.(2021).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. 远程教育杂志(06),48-57. doi:10.15881/j.cnki.cn33-1304/g4.2021.06.006.

方来坛，时勘，张风华.中文版学习投入量表的信效度研究[J].中国临床心理学杂志，2008，16(6):618-620.

李钊光,卢锋.国内教育新基建研究现状分析——基于2018-2021年期刊文献内容与社会网络分析[J].软件导刊,2023,22(02):231-238.

李富强.大学生学习行为投入对学业成绩影响的实证研究——基于课程认知目标和向学/厌学的中介效应视角[J].长春大学学报,2022,32(12):26-36.

李新，李艳燕.协作学习情境中学习投入数字化表征模型的构建与应用［J］. 中国远程教育，2022（8）：70-77.

马婧,韩锡斌,程建钢.促进学习投入的混合教学活动设计研究 [J]. 清华大学教育研究 ,2018,39(3): 67-75,92.

王小根,陈瑶瑶.多模态数据下混合协作学习者情感投入分析[J].电化教育研究,2022,43(02):42-48+79.DOI:10.13811/j.cnki.eer.2022.02.006.

吴军其，吴飞燕，张萌萌，等.多模态视域下智慧课堂协作学习投入度分析模型构建及应用［J］. 电化教育研究，2022，43（7）：73-80，88.

张文兰,俞显,刘斌.引领式在线学习活动的设计、实施及成效分析[J].电化教育研究,2016,37(10):42-48.DOI:10.13811/j.cnki.eer.2016.10.006.

张玉辛,戴心来.智慧课堂下教师教学行为对大学生学习投入影响研究[J/OL].中国教育技术装备:1-6[2023-0305].http://kns.cnki.net/kcms/detail/11.4754.T.20221122.1536.006.html

张治，杨熙，夏东杰 . 基于在线作业数据的学习行为投入画像构建研究［J］. 电化教育研究，2021，42（10）：84-91.

赵蕾 & 常桐善.(2020).中美工程专业本科生学习行为特征分析. 高等教育研究(05),97-109.

周媛,韩彦凤.混合学习活动中学习者学习投入的研究 [J]. 电化教育研究 ,2018,39(11):99-105.

Baylor,A.L.,&Kim,S.(2009).Designing nonverbal communication for pedagogical agents: When less is more. Computers in Human Behavior, 25(2), 450–457.

Cassell, J. (2001). Embodied conversational agents: representation and intelligence in user interfaces. AI magazine, 22(4), 67-67.

Dinçer, S., & Doğanay, A. (2017). The effects of multiple-pedagogical agents on learners’ academic success, motivation, and cognitive load. Computers & Education, 111, 74-100.

Guo, Y. R., & Goh, D. H. L. (2015). Affect in embodied pedagogical agents: Meta-analytic review. Journal of Educational Computing Research, 53(1), 124-149.

Krämer, N. C., Karacora, B., Lucas, G., Dehghani, M., Rüther, G., & Gratch, J. (2016). Closing the gender gap in STEM with friendly male instructors? On the effects of rapport behavior and gender of a virtual agent in an instructional interaction. Computers & Education, 99, 1-13.

Lester, J. C., Towns, S. G., & Fitzgerald, P. J. (1999). Achieving affective impact: Visual emotive communication in lifelike pedagogical agents. International Journal of Artificial Intelligence in Education, 10(3-4), 278-291.

Liew, T. W., Azan Mat Zin, N., Sahari, N., & Tan, S. M. (2016). The effects of a pedagogical agent’s smiling expression on the learner’s emotions and motivation in a virtual learning environment. International Review of Research in Open and Distributed Learning, 17(5), 248-266.

Liew, T. W., Mat Zin, N. A., & Sahari, N. (2017). Exploring the affective, motivational and cognitive effects of pedagogical agent enthusiasm in a multimedia learning environment. Human-centric Computing and Information Sciences, 7(1), 1-21.

Liew, T. W., Tan, S. M., Tan, T. M., & Kew, S. N. (2020). Does speaker’s voice enthusiasm affect social cue, cognitive load and transfer in multimedia learning?. Information and Learning Sciences.

Lusk, M. M., & Atkinson, R. K. (2007). Animated pedagogical agents: Does their degree of embodiment impact learning from static or animated worked examples?. Applied Cognitive Psychology: The Official Journal of the Society for Applied Research in Memory and Cognition, 21(6), 747-764.

Romero-Hall, E. (2016). Animated pedagogical agents and emotion. In Emotions, technology, design, and learning (pp. 225-237). Academic Press.