2 Fragen zu Affective

Die Affective Filter Hypothesis von Stephen Krashen ist ein Konzept aus der Zweitspracherwerbsforschung, das besagt, dass emotionale Faktoren den Spracherwerb beeinflussen können. Laut dieser Hypothese können Gefühle wie Angst, Unsicherheit oder Motivation als "Filter" wirken, die den Zugang zu sprachlichen Input regulieren. Ein hoher affektiver Filter, der durch negative Emotionen wie Angst oder Stress entsteht, kann den Spracherwerb behindern, da er den Zugang zu wichtigen Lernressourcen einschränkt. Umgekehrt kann ein niedriger affektiver Filter, der durch positive Emotionen wie Motivation und Selbstvertrauen gefördert wird, den Spracherwerb erleichtern, da er den Zugang zu Input und Lernmöglichkeiten erhöht. Zusammengefasst betont die Affective Filter Hypothesis die Bedeutung von emotionalen und sozialen Faktoren im Lernprozess und deren Einfluss auf die Fähigkeit, eine neue Sprache zu erlernen.

Affective Computing, oder affektives Rechnen, bezeichnet ein interdisziplinäres Forschungsfeld, das sich mit der Erkennung, Interpretation und Simulation von menschlichen Emotionen durch Computer und Software beschäftigt. Ziel ist es, Maschinen zu entwickeln, die emotionale Zustände erkennen und darauf reagieren können, um die Interaktion zwischen Mensch und Maschine zu verbessern. Dies kann durch verschiedene Technologien wie Gesichtserkennung, Sprachanalyse und physiologische Messungen geschehen. Affective Computing findet Anwendung in Bereichen wie der Robotik, der Benutzeroberflächengestaltung, der Psychologie und der Gesundheitsversorgung.