1.画像

表情符号本身不是一门科学，但是它可以完成科学性的表述，如果我们将这些表情符号进行规定性的组合，就可以得到一个我们长期表述的科学表述方式和压缩性表示方式，会出现一种符号形式的叙事方式，而这种表情符号的叙事方式实质上是一种情景下的叙事方式，给出了对问题的态度、怀疑、肯定和否定等系列的表述形式，这种表述形式的参与让科学表达的语言更加准确，更接近于人的思想，更加使人能够对某人的观点进行画像。如果我们将这些符号与资源属性标定进行联合使用，就可以将资源的属性和个性化属性一起构成带有情景性的资源属性。

我们可以通过表情符号对学生进行画像，比如我们瞄准在同一个问题上讨论学生的不同反应的问题、测试学生对知识掌握的程度问题、学习的态度问题、对知识的兴趣度问题、个人的学习状态问题、个性问题等信息提供画像。

表情符号时序的变化过程记录对我们在大数据分析下的行为过程分析非常有效，我们可以掌握一个人在吸收知识时的情绪变化、在什么环境下吸收效果最好以及在什么环境下对知识进行排斥等。我们可以分析出每个人的长项和短项、每个人对这个知识的喜好，可以统计出人成长过程当中的因素，比如说他对个别表情符号表现出的强烈反应，将会成为他成长过程当中的事件因素，这些因素也为学生画像提供了依据。

我们可以通过表情符号来判断一个人掌握知识的程度以及熟练程度，可以通过表情符号差异分析和变化分析看出这个学生自身对知识的态度，比如：运用自如、模糊等系列问题，我们可以根据这些信息对其学习进行个人画像。(www.daowen.com)

2.表情符号与画像的结合

表情符号有很强的语意概括性，它的情绪的表述和语气语意表述，为内容获取提供了帮助，给出了人们明确的观点，比如：赞同、反对、坚决反对、坚决排斥等方面的表述特征，同样也给出了喜欢、伤心等问题的表述，以表达态度上的认同感和不认同感。表情符号概要性的描述为大数据态度、情感、认同感、概要特征抽取奠定了基础。表情符号可以构成语句以及语句的逻辑关系，所以将大大压缩相应的文字表述。随着文化的发展，网络变得更加简明化、聚焦化，表述问题非常明快清晰，表情符号在其中起到了重要的表述作用、重要的特征记忆作用，表达了重要的关键词下的观点和态度，以及重要表述段落的语气和思想。科学的问题的观点需要进一步的提炼，它的思想表情是复杂的，许多问题处于疑问状态，而且疑问的程度也是不同的，再加上学者、专家们表述问题都非常谨慎、含蓄，不轻易给出反对的态度，所以就需要针对教育和科技领域给出教育、科学的部分表情，这些表情可以分成不同的程度，让问题的表述更加明确。

在教育智能化中，我们可以根据个人画像和每个人对问题的表情表述进一步分析所发表问题的权重，比如此人是这个领域的顶级专家，那么对他的大数据统计就要有别于其他人，要对其观点权重进行值提升的处理，如果是一个外行人应该对其观点权重进行值减小的处理。又比如：目前，在画像中对人的表情进行重点标定，要作为特征进行抽取，作为相应的参考文献进行特征抽取，要进行聚类组合，对其类型进行另类统计。我们有必要建立理论观点库，通过表情符号记录的统计分析、历史表情变化的分析对观点的发展进行判定，对国际理论的观点趋势进行判定，对当下观点进行判定。这些判定在政治、经济、工业、教育、科技等方面将具有很重要的意义和参考价值，而观点态度的细化进一步揭示了科技工作者和教育工作者的心理状态，形成了评价体系中更加细化的层次，比如会出现模棱两可的判定、怀疑的判定等，这正是科学研究和教育研究中的重大需求；尤其在教学评价中更需要通过表情符号的细化引出问题的细化，我们可以根据问题进行颗粒度的定义，比如趋势问题可以使用粗颗粒度处理统计，而特殊的、突发的、产生重大影响的问题就要用小颗粒度进行统计和分析。