在教育心理学中，情境兴趣（Situational Interest, SI）被定义为由环境刺激触发的、短暂而强烈的心理状态，是激发学习动机、促进深度学习的核心引擎。当学生对一道难题、一个实验或一个故事产生情境兴趣时，他们会更加专注、投入，并表现出更高的认知活跃度。随着多模态学习分析技术的发展，研究者开始尝试利用视频、音频、生理信号等数据来推断学习状态。但如何构建一个理论驱动、特征明确、权重科学的情境兴趣表征框架仍尚未明确。

近日，北京师范大学教育学部科学教育研究院硕士毕业生王佳宁以第一作者身份在国际期刊Journal of Research on Technology in Education (SSCI Q1，影响因子5.0) 发表题为“Modeling situational interest: A multimodal representation framework for intelligent assessment in learning environment”的研究论文，科学教育研究院为通讯单位，郑永和教授为通讯作者。

该研究整合了认知-情感理论、兴趣发展的四阶段模型及人-环境互动理论，提出了情境兴趣的多模态表征框架，为学习场景中的智能评估提供支持。该框架的核心在于：将抽象的心理构念解构为三个可直接从课堂行为中提取的维度，并为每个维度分配了基于专家共识的权重。具体而言，研究界定情境兴趣的结构包括认知、情感两部分，情境兴趣产生与发展的来源包括活动特征（新颖性、挑战性）、个体倾向（价值认识、探索意图）和互动体验（注意力质量、参与强度、情绪）三个模块，定义情境兴趣的三个外显表征维度及权重为注意力（0.47）、学习情感（0.38）、思维活跃度（0.15），并建立情境兴趣的各外显表征与特征识别的映射关系（头部姿态与注意力、面部表情与学习情感、课堂互动与思维活跃度）。

为验证框架的有效性，研究基于由科教院开发的《航空发动机的结构与工作原理》系列课程，选取了音视频片段进行了逐秒的多模态特征提取与分析。结果表明，框架能精准捕捉情境兴趣的动态波动。例如，在2分11秒至3分21秒期间，由于教师开始讲解的印刷电路板（PCB板）结构概念较为抽象，超出了学生的认知负荷，所有学生的注意力急剧下降，负面情绪增加，综合SI跌至谷底（平均0.31）。而在3分22秒后，教师切换到引导式探究并使用新的视觉材料，学生的兴趣迅速回升（平均0.54）。研究还发现各维度变化具有同步性与差异性， 综合SI曲线与各子维度曲线总体趋势一致，但不同维度对教学事件的敏感度不同。下图为研究展示课堂片段平均注意力、情绪、认知投入及综合SI随时间演变的曲线。运用该框架进行分析，不仅能“看到”学生何时失去了情境兴趣，更能“诊断”兴趣降低是由于注意力涣散、情绪消极还是认知受阻，为教师提供精准的课堂决策支持。

该研究超越了将情境兴趣简单视为“情绪反应”或“认知评价”的传统视角，确立了“注意力—情绪—认知投入”的三元模型，并明确了各维度在动态变化中的权重与角色。在此基础上，所构建的多模态表征模型进一步揭示了情境兴趣的发生机制，为在学习场景下开展数据驱动的情境兴趣智能评估实证研究，提供了清晰的理论解释框架。

该研究获得2025年教育部监管司教育课题研究项目“人工智能赋能科学教育关键问题研究”（课题编号：2025JGSKT007）的资助。

文章信息：Wang, J., & Zheng, Y. (2026). Modeling situational interest: A multimodal representation framework for intelligent assessment in learning environment. Journal of Research on Technology in Education, 1–16. https://doi.org/10.1080/15391523.2026.2643172