记给孩子们的SEL社会情感课程--情绪主题

12月和1月，我给贝壳班里的小朋友们做了两次关于情绪的SEL（社会情感）课程，获得了孩子们一致的喜爱。每次进班和他们在一起相处一个多小时，都觉得倍加开心，他们对于“贝壳妈妈”的欢迎和认可，也让老母亲倍加有价值感！

情绪这个主题，是适应性最广的。我给家长的线上线下讲座经常选择这个话题，也给不同年龄段的孩子们讲过。

之前在幼儿园小班给2-3岁的小不点们分享情绪，我还记得他们的天马行空，让人惊叹的想象力。这次我面对的孩子们是5到6岁，他们有了一些逻辑思考和表达的能力，可以稍加深入的加入讨论，同时他们也依然具有非常敏锐的感受力。对于不同年龄段的参与者，只要选择用不同的方式去分享，都会有很好的效果。

第一次的主题是关于认识情绪，我带着正面管教的情绪脸谱，和一些表情进入到班级中，一起来认识多种的情绪。表情站队的环节中，绝大部分的孩子都表示，我今天的心情是——快乐！

接下来，用情绪脸谱来了解更多种的情绪。通过角色扮演的方式，不同的小朋友用表情，身体语言去表演出不同的情绪，然后其他的小朋友们猜。通过这个环节，帮助孩子们去扩大他们的情绪词汇，并且去认识到原来人可以有这么多丰富的情绪。

接着就是全场的高潮活动--游戏“冰棍化了”。根据我的命令来“冻住”或者“化了”，化了时各种放松与活动身体，冻住时僵住不动，感受身体各部分的感觉。看看他们的活跃和搞怪吧。有怪兽冰棍，吐舌头冰棍。。这个游戏既能满足孩子喜欢打闹和乐趣的需要，又能与自己的身体联结，获得小朋友们的一致喜爱，玩儿了一遍又一遍，连老师都加入了进来。

认识情绪的铺垫之后，上周我给他们做了第二次关于表达情绪的分享。当我们有一些负面情绪的时候如何做，如何说才是恰当的表达方式呢？

我们从“身体接龙”的热身游戏开始。结合语言和身体动作，来表达“我是xxx",每个人都要与上一个人相关。在家中，我和贝壳经常玩这个游戏，每次我都惊叹于孩子脑洞大开的想象力，同时也因为身体的不同搞怪姿态而哈哈大笑。

接下来，我和小朋友们进入了关于负面情绪的讨论环节。我问他们--你们什么时候会生气呢？生气的时候会如何表现呢？

大家争先恐后的说--妈妈让我练琴，不让我玩儿的时候，或者是老师不让我做我想做的事情的时候--默默同情一下学琴的孩子唉。

他们继续积极踊跃--生气的时候，我会很想打人，我会想跺脚，我要大喊大叫，我要哭等等。

我告诉他们，生气，是很正常的情绪，每个人都有生气的时候，我也会有生气的时候，也有想发脾气的时候，大人们也都会有生气的时候。小朋友们马上开启了吐槽大门，我爸爸妈妈生气的时候会怎么怎么样。。嗯，这个环节的发言真是相当的热烈。

为什么我们生气的时候会管不住自己的行为呢？我跟他们简单介绍了丹尼尔西格尔的“掌中大脑”模型，大家都很认真的在听，模仿我的手势。

所以，重要的是，生气的时候我们可以怎么做？就像蒙氏教室的原则一样，我们的行为原则，是不伤害自己，不伤害他人和不伤害环境的。我邀请贝壳和我一起给同学们读《杰瑞的冷静太空》。读完以后就有小朋友表示，我也要回家去做一个冷静太空。

然后，我们再去引导他们去想，除了做一个冷静太空，我们还可以怎么做呢？小朋友其实有非常多的好点子，他们说我可以去阳台上待一会儿；我可以跟妈妈聊一聊；我到洗手间去玩一会儿水。

我给每人准备了圆形的纸，带领他们来做“愤怒选择轮”，这是正面管教中的一个很好的小工具，每个小朋友都认真的思考，用图画的方式表达出在生气的时候，做什么可以让自己感觉变好。看看他们多么的有想象力--

当我愤怒的时候，我可以做什么？他们画出了愤怒的时候可以吃冰淇淋，愤怒的时候可以画画儿，愤怒的时候可以自己在床上躺一会儿，愤怒的时候我可以去阳台的窗户边儿呆一会儿，甚至愤怒的时候想开飞机去日本。不管是不是都是实际可行的方法，在这个过程中，他们积极思考，没有一个小朋友再去画愤怒的时候就打人，就扔东西或者骂人。我相信他们已经收获了很多可以帮助到自己的好办法。很多兄弟姐妹的小朋友，还特别有爱的说，我要回去给我的哥哥也要画一个，我要给我的弟弟也要画一个。

晚上，家长群里发来反馈，孩子们都带回了自己的选择轮，还兴奋地跟爸爸妈妈分享。感觉很欣慰和感动。

情绪管理是一个一辈子的功课，5,6岁的孩子还不能理解那么多的情绪词汇，也不一定能记住我所讲的大脑机制。但他们很享受这个参与，互动，游戏的过程，我相信这已经在他们小小的心里，种下了一颗情绪管理的种子--

一个人的生命主要有两个维度：自恋展开的维度和关系构建的维度。能力只是自恋的展开，而如果太缺乏关系这个维度，生命仍然会有苍凉感，甚至是致命的孤独感。成长，就是一个不断发起自恋而最终又放下自恋的过程。

如果你可以哪怕一次，

抛弃你自己，

秘密中的秘密，

就会向你敞开；

隐藏在宇宙背后的

未知的容颜，

就会在你的知觉之镜中

显现。

01 依恋的形成。所谓依恋，就是一个人的情感，能够向情感对象打开。人都是自恋的，而依恋意味着你要低头。依恋的对立面是自恋，也就是你的生命力都憋在自己体内，对外部世界失去了兴趣。最好是在孩子时学会依恋，学会低头，学会去信任一个有力量同时又善意的情感对象。

02 两种妈妈，与两种孩子。学会了依恋的人，他会拥抱真实世界；而一直停留在自恋中的人，容易待在自己的世界中，并认为自己的世界才是精神的归宿。需要一个不会报复的人，以滋养出这种感觉：世界准备好接纳我的本能排山倒海般涌出。如果依恋没有形成，首先，要看破自己重重的心理防御，透过这些复杂的防御，看到自己的初心，也就是我们说过很多次的：“我”永远在寻找“你”。如果一份关系是好的，请在相当时间内保持关系的基本稳定，逐渐在这个关系中，去实现依恋的完成。基本稳定的关系背后，依恋完成的背后，都藏着对人性的深刻信任。

03 依恋“你”，排斥“它”。“我”并不希望控制一切，那太孤独了，而是希望“我”不能控制的边界之外，有一个善意的“你”存在；可我更惧怕的是，在“我”不能控制的边界之外，有一个敌意的“它”在那里。所以自恋和依恋不仅仅是情感的事情，而是深刻的隐喻。当我们还是陷于严重的自恋与控制时，其实是在惧怕中，因为觉得我不能控制的边界之外，有一个敌意的“它”。我们对外部世界的敌意的感知，与我们自己内心藏着的敌意，程度上很可能是一致的。太多人觉得自己是一个人长大的，这意味着，大家都还停留在自恋和控制中，依恋还没有基本形成。当我们愿意和外部世界保持链接时，也会保持头脑和身体的天然链接。

04 晕车的隐喻。晕车、晕船、晕机，都是和控制感与失控感有关，背后也有自恋和依恋的深刻隐喻。晕，就是失控感。控制都是为了对抗失控，而失控的原始体验，是情感依恋的失败。

一个人可以一辈子不依恋任何人吗

自体必须有客体，“我”必须找到“你”。从不构建深度依恋关系的人，不管表面上看上去多么善良友好，内心中其实有太多的黑暗和敌意。在时间累积和空间变换中，逐渐和另一个人，建立起真实、全面而具有深度的情感关系。

成熟的依恋关系是当我们失去对方时，会痛彻心扉，会无比悲伤，同时我们也知道，已经发生过的那些爱，就在自己心中，这就是“情感稳定能力”。在追求自我觉醒或自我认识的路上，敏感很宝贵。

自恋会带来身心分离。当我们想切断和外部世界的联系时，也会切断头脑和身体的联系。而依恋带来身心合一，学会了依恋的人会拥抱真实世界。

从自恋到依恋，不仅要时时迭代自己，也要遇到对的人，情感才会圆满。

依恋是对别人敞开情感链接，让别人走近自己的内心，即便有一天会失去也不妨碍我现在热烈而深沉的爱。

快意恩仇和纠结。人和人之间的连接有三种表达：我爱你，我恨你，我想了解你。爱的对立面是“憋着爱”，恨的对立面是“憋着恨”。快意恩仇时，至少有机会！

05 负爱、负恨与负知识。真实地活着，是拿自己的血肉之躯和其他真实的存在，特别是人，去碰撞，去接触，去感知，去爱恨。抽象地活着，是不去爱，不去恨，不去了解具有丰富细腻真情实感的你。如果知识在关系中是为了凸显自恋，而妨碍破坏了依恋，那么这时的知识就叫负知识。控制着自己不去爱，就是负爱。如果爱也迟疑，恨也迟疑，总是在纠结中，一个人就会活得非常憋屈难受。

06 头脑妈妈。形成了依恋的人，有自己真实的妈妈，而没有形成依恋还陷在自恋中的人，在相当程度上，头脑是他的妈妈。对于孤独婴儿来说，外界的一切刺激都是过度刺激，都是攻击。强大的头脑分析能力，主要是来分析入侵、伤害等负面信息的。

平常我们所说的敏感的人，都是对负面信息敏感的，同时他们也多陷在自恋中，构建依恋会很困难。过度使用头脑时，我们在相当程度上切断了和身体的链接，而这又巨大的好处，那就是身体过程和情绪过程的痛苦降低了。虽然头脑上的猜疑很不好，但比起身体和情绪上的痛苦，还是容易忍受。

迟钝的假自体，可以通过快意恩仇去撕破它，大胆地去爱、去恨，让肉身在真实的世界中充分接触和碰撞，当身体活过来时，灵魂也就苏醒了。

肉身会有疼痛，也会有快乐，而肉身和真实世界的丰富接触中，一个睡着的人会醒过来，一个醒着的人会活得更丰盛。

不要憋着爱，也不要憋着恨！

不要问我有关思念的问题，直视我的脸！

真的很棒，当我复盘的时候，觉得自己的身体被照亮了！

有很多种感情小故事可以让人回味无穷，以下是一些可能触动人心的情节：

1 坚定的爱情：故事中的两个人克服了各种困难和挑战，展示出坚定不移的爱情。他们相互支持、信任和宽容，最终实现了他们的梦想和目标。

2 真挚的友谊：这个故事展示了真正深厚的友谊，无论时间和距离如何，这些朋友总是彼此支持、理解和关心。他们相互扶持，共同度过了生活中的高低起伏。

3 家庭的温暖：故事中展示了一个温馨和睦的家庭，家庭成员之间充满了爱和互相理解。他们在困难时期相互扶持，在快乐时刻分享欢乐，创造了一个温暖和谐的家庭环境。

4 无私的奉献：这个故事描述了一个人为了帮助他人而做出无私奉献的行为。他可能牺牲自己的利益，关注他人的福祉，展现出无私和善良的品质。

5 心灵的成长：这个故事讲述了一个人通过经历困难、面对挑战，最终找到了内心的平静和成长。他经历了个人转变，发现了内在的力量和智慧。

这些故事中的情节和情感元素可以触动人们的心灵，并引发共鸣。它们展示了爱、友谊、家庭和成长等重要主题，让人们思考和感受到深层次的情感体验。

本次实验将加载两个数据，一个是已经标注好的用户评论数据，另外一个是用户评价主题句，通过标注过的用户评论数据进行基于集成模型的情感极性模型训练，然后利用模型对主题句进行情感极性推理，最后通过数据聚合可视化得出主题情感极性。

使用 Pandas 加载在线数据表格，并查看数据维度和前 5 行数据。

数据属性如下表所示

加载我们之前通过主题词典提取出来的主题句。

数据属性如下表所示

用户评论分词

jieba 分词器预热，第一次使用需要加载字典和缓存，通过结果看出返回的是分词的列表。

批量对用户评价进行分词，需要一些时间，并打印第一行情感极性训练集的分词结果。

批量对用户评价主题句进行分词，并打印第一句用户主题句分词结果。

依据统计学模型假设，假设用户评论中的词语之间相互独立，用户评价中的每一个词语都是一个特征，我们直接使用 TF-IDF 对用户评价提取特征，并对提取特征后的用户评价输入分类模型进行分类，将类别输出为积极的概率作为用户极性映射即可。

用户评论向量化

TF-IDF 是一种用于信息检索与数据挖掘的常用加权技术，当某个词在文章中的TF-IDF越大，那么一般而言这个词在这篇文章的重要性会越高，比较适合对用户评论中的关键词进行量化。

数据集合划分

按照训练集 8 成和测试集 2 成的比例对数据集进行划分，并检查划分之后的数据集数量。

我们在系列实验的开始使用朴素贝叶斯模型来训练情感分析模型，下面我们新增逻辑回归模型作为对比模型。逻辑回归（Logistic Regression）是一种用于解决二分类问题的机器学习方法，在线性回归的基础上，套用了一个 sigmod 函数，这个函数将线性结果映射到一个概率区间，并且通常以 05 分界线，这就使得数据的分类结果都趋向于在 0 和 1 两端，将用户评论进行向量化之后也可以用此方式预测用户情感。本实验直接对标注过的用户情感数据进行训练，并验证单一模型和集成模型在情感分析性能上的差异。

模型加载

通过传入原始的标签和预测的标签可以直接将分类器性能进行度量，利用常用的分类模型评价指标对训练好的模型进行模型评价，accuracy_score 评价被正确预测的样本占总样本的比例，Precision 是衡量模型精确率的指标，它是指模型识别出的文档数与识别的文档总数的比率，衡量的是模型的查准率。Recall 召回率也称为敏感度，它是指模型识别出的相关文档数和文档库中所有的相关文档数的比率，衡量的是检索系统的查全率，表示正样本在被正确划分样本中所占的比例，f1_score 值是精确率与召回率的调和平均数，是一个综合性的指数。

我们分别对不同模型使用相同的数据集进行训练和测试，以此来比较单模型之间的差异，并打印模型运行时间供大家参考，批量处理不同的模型需要一些时间进行计算，清耐心等待。

通过求得的指标进行模型评价，我们发现使用相同的数据进行模型训练，朴素贝叶斯模型和逻辑回归模型性能基本持平，相差很微弱，逻辑回归稍稍占一些优势。

Stacking 堆栈模型训练

集成学习是地结合来自两个或多个基本机器学习算法的优势，学习如何最好地结合来自多个性能良好的机器学习模型的预测结果，并作出比集成中的任何一个模型更好的预测。主要分为 Bagging， Boosting 和 Stacking，Stacking 堆栈模型是集成机器学习模型的一种，具体是将训练好的所有基模型对整个训练集进行预测，然后将每个模型输出的预测结果合并为新的特征，并加以训练。主要能降低模型的过拟合风险，提高模型的准确度。

开始对两个模型进行集成训练，训练的时间要比单一模型时间久一些，清耐心等待。

评测结果收集。

结果分析

将结果存入 Dataframe 进行结果分析，lr 表示逻辑回归，nb 表示朴素贝叶斯，model_stacking 将两个单模型集成后的模型。从结果来看集成模型准确度和 f1 值都是最高的，结合两个模型的优势，整体预测性能更好，鲁棒性更好。

样例测试

通过测试样例发现，分类器对正常的积极和消极判断比较好。但是当我们改变语义信息，情感模型则不能进行识别，模型鲁棒性较差。作为早期的文本分类模型，我们使用 TFIDF 的特征提取方式并不能很好的解决语义问题，自然语言是带有语序和语义的关联，其词语之间的关联关系影响整句话的情感极性，后续我们继续试验深度情感分析模型研究解决此类问题。

加载民宿主题数据。

模型预测

将情感分析模型推理的结果写入 DataFrame 中进行聚合。

单主题聚合分析

挑选一个主题进行主题情感分析。

对民宿“设施”进行描述统计，此次我们使用主题词典的出来的用户关于民宿“设施”主体的讨论条数为 4628 条，平均用户情感极性为 040 表示为整体呈现不满意的情况，有超过一半的关于“设施”的民宿评论中表现用户不满意的情况，重庆民宿需要在“设施”进行改善，以此提高用户满意度。

单主题情感极性可视化

我们开始进行“设置”主题下的用户主题情感进行可视化，首先加载画图模块。

对“设施”主题下的用户情感极性进行可视化，我们利用集成模型对主题句进行情感极性预测，如下所示。