随着近年来信息技术产业的飞速发展,家庭宽带网络和个人高速移动网络的快速普及,以及“终身学习”理念被人们广泛接受,在线教育应运而生并不断推广。2020年新型冠状病毒疫情爆发,响应疫情期间“停课不停学”的号召,在线教育瞬间成为全国各大高校和中小学以及各大教育机构的唯一选择。人们对于在线学习已经并不陌生,甚至对于在线学习有了更高的要求,希望在线教师能够像传统课堂上的教师一样,关注到自己的学习状态,并能够根据自己的学习状态来调整授课进度和授课方式。现有的在线学习系统普遍侧重于知识点层面的交互,缺乏对情感的交互进行探索研究和应用,存在较为严重的“情感缺失”现象,教育者与学习者无法进行面对面的沟通,教育者无法捕捉到学习者当前学习情绪以及学习中的情感变化,进而无法得知学习者的学习状态及课堂体验,未能发挥情感因素的积极作用。人工智能与在线教育相结合的智慧学习模式成为了教育信息化的新趋势,力求改善传统在线教育中的“情感缺失”现象。本文分析了在线直播教学系统存在的问题,提出了具有情感反馈功能的直播模型,并详述该模型的原理及流程。应用表情识别技术,在学习过程中监测和跟踪学习者表情,为教师提供直观的用户学习反馈数据,使教师能够得知课堂中学习者的参与度及学习体验,调整教学策略,利用学习者情绪情感的反馈和引导,营造一个智慧化的学习环境。本文通过对深度学习理论的研究,着重分析了卷积神经网络的结构和特点,针对Alex Net、VGG和Goog Le Net等三个经典卷积神经网络模型进行了深入探讨,并提出了一种适用于在线教育情感识别的简单的卷积神经网络模型。利用本文提出的卷积神经网络模型实现了一个情感识别模块。该模块可以对当前学习者的面部表情进行识别,根据识别结果对该学习者当前的学习状态进行分类,并将分类结果进行记录和反馈,达到了教育理论和技术有效统一的目的,一定程度上缓解了“情感缺失”问题。最后利用当前全国学校都在展开在线教学的情况下,将情感识别模块进行在线实验,在一对多的直播课堂中进行验证。本实验样本为22名2018级本科学生,在线实验结束后对22名学生进行问卷调查。通过每位学习者的在线学习状态时序图和调查问卷结果分析得出情感识别模块识别结果的准确率,实验结果表明本文设计的情感识别模块具有较高的识别结果准确率,具有一定的实用价值。