PrimeClimb中的学习者模型只包括与目标领域最相关的6种情绪，即喜悦或沮丧、赞美或责备、骄傲或羞耻。PrimeClimb运用视频游戏范式来探究此类游戏所能反映的内在动机(Johnson and Rickel,2001)。除了通过数字分解练习来模拟学习者的进度外，该环境也启用了一种诊断模型来监测与解释儿童在玩游戏过程中的情绪。该模型还评估了学生们在玩游戏时常有的多目标性如何影响到学习者对游戏互动的评价，并因而影响到他们的情绪。PrimeClimb中考虑了学生的五个高级目标：玩得开心、避免掉落、学习数学、打败对手、独享胜利。
由于学生个性、目标、游戏状态及情绪间的联系是不确定的，PrimeClimb中的学生模型通过动态贝叶斯网络来实时控制这种不确定性。PrimeClimb情绪模型是已知最早的OCC理论的或然模型。该模型的目的是给出微妙的反馈，最终促进情绪体验与学习结果。为了保持学习者的使用热情，同时提供工具性的教学指导，PrimeClimb使用了动画教学主体，回应学习者的提示请求，在确定学生需要帮助时给予提示。该主体根据学生对数字分解知识掌握情况的或然模型来决定何时进行干预及给予什么提示。对小学生们使用PrimeClimb的评价研究给出的证据令人看到了希望；在这种情况下，个性化指导是通过动画教学主体实现的，比传统方法更有助于促进学习(ConatiandZhao,2004)。
以交互分析为基础的学习者情绪建模(社会建构主义)
在卡斯卡·波拉斯卡-波姆斯塔等人(Porayska-Pomsta et al.，2008)的研究中，学习所处的特定情境及学习者与教师间的交互既是控制学习者情绪的组成部分，同时也能够以可行的教育方法认识学习者情绪并对其发挥影响。我们的出发点是让教师与学习者之间产生自然语言对话。同情绪的社会建构主义理论相一致，我们的前提是，模拟学习者情绪并给予适当支持需要对情绪状态体验的交互情境加以理解。我们认为，教育交互环(也即所谓的情感环，参见德曼罗等人2007年的研究)需要教师：①观察情境中的学习者行为；②以这种观察为基础模拟学习者的情绪状态；③以上述模型为基础决定如何给予学习者以支持；④通过选择支持策略来影响学习者的情绪状态。
我们将高级语言、用户自适应及互动式数学学习(LeAM)系统用作研究情境。互动式数学学习包含学习者模型、辅导组件、习题库、域的推导及自然语言对话能力。两年来，我们进行了许多研究，以有助于学习者与自然语言对话模型的设计。为了确保生成数据的生态效度，我们将学生与教师间的沟通限定于聊天界面(见图29.3)，没有视频或音频渠道，模拟的是最终学习环境的界面。我们邀请了5位有经验的教师与28名学习者适应这种有限的沟通渠道，调整彼此的反应。收集到的数据包括自然语言对话日志、口头报告以及向教师与学生们收集到的半结构化采访数据，至关重要的是，教师对向学习者提供反馈(包括学习者的信心、兴趣、努力等情绪状态)的情境的实时评估，以及教师对给予学习者任务的普遍难度与相对难度的感知、学习者答案的正确与否、剩余学习时间及学习者的态度、知识与目标等其他情境信息。收集到的这些数据为我们提供了丰富的信息，其中不仅包括教师诊断学习者情绪时所考虑的情境，而且包括教师认为适合于个别学习者的反馈案例鉴于特定的任务及他们自己的教学与交流风格，教师认为某些反馈适合于当下的个别学习者。
第29章 学习者建模环境
683