- · 《教育研究与实验》栏目[08/31]
- · 《教育研究与实验》数据[08/31]
- · 《教育研究与实验》投稿[08/31]
- · 《教育研究与实验》征稿[08/31]
- · 《教育研究与实验》刊物[08/31]
脑电图技术的教育研究图景与趋势* ——基于2(5)
作者:网站采编关键词:
摘要:基于EEG的脑机接口技术可采集更加精准的多模态数据,其与学习行为数据的结合,可对学生的学习状况进行更为准确地建模和分析,从而为个性化学习和适
基于EEG的脑机接口技术可采集更加精准的多模态数据,其与学习行为数据的结合,可对学生的学习状况进行更为准确地建模和分析,从而为个性化学习和适应性学习提供更好的支持。例如,为促进特殊儿童的教育康复,安娜·莱科娃(Anna Lekova)等开发了基于EEG技术的便携式脑机接口,用以采集特殊儿童参与游戏化活动的脑电波信号,进而分析他们的注意力和情绪状态(Lekova et al.,2018)。此外,基于P300诱发电位的脑机接口系统还能帮助残疾学生快速而准确地拼写字符(Guger et al.,2009)。随着人工智能技术和脑神经科学的日益进步,脑机接口技术已进入快速发展阶段,但其在教育领域的应用仍处于探索阶段。随着脑机接口的便携化发展和EEG技术应用门槛的降低,其势必对今后的教育实证研究和教育教学实践产生更积极的影响。
2.研究国家(地区)及机构
为进一步分析应用EEG技术的教育研究图景,本研究采用合作网络分析从国家(地区)和研究机构两个维度对样本文献进行分析。在CiteSpace中设置切片时长(Years per Slice)为1年,节点类型(Node Types)选择国家(Country),获得如图3所示的国家(地区)分布图谱。从图3中可以看出,美国、中国、德国、英国、加拿大和日本所开展的基于EEG技术的教育研究相对较多。
图3 样本文献的国家(地区)分布图谱
对样本文献的研究机构进行统计后,发表论文数量不低于5篇的10个研究机构(大学)如表1所示。可以看出,论文数量最多的是瑞士苏黎世大学(14篇),其次为荷兰拉德堡德大学(9篇)和美国加州大学圣地亚哥分校(9篇)。在这10个研究机构(大学)中,美国和中国各占3所,这与上文对文献来源国家(地区)的统计结果相符。值得关注的是,表1中我国的研究机构(大学)均位于上海市,分别是上海科技大学、华东师范大学和华东理工大学。进一步对这10所研究机构(大学)的相关文献进行分析后发现,其研究主要集中在三个方面:一是EEG和脑机接口的技术创新及其在教育研究中的应用,涉及纽约大学和上海科技大学;二是EEG技术在教育教学实践中的情景化应用,涉及华东师范大学的教育学部和心理与认知科学学院;三是从脑科学、认知神经科学、人类行为学等视角,应用EEG技术探究人的思维、认知、学习与大脑间关系,如荷兰拉德堡德大学的唐德斯大脑、认知及行为研究所(Donders Institute for Brain,Cognition and Behaviour)。
表1 论文数量排名前十位的研究机构研究机构苏黎世大学拉德堡德大学加州大学圣地亚哥分校法国国家科学研究中心上海科技大学纽约大学加州大学伯克利分校华东师范大学戴尔豪斯大学华东理工大学所属国家瑞士荷兰美国法国中国美国美国中国加拿大中国文献数量14 9 9 8 6 6 5 5 5 5
三、基于EEG技术的教育研究发展趋势
通过对突现关键词的分析可了解某一时期内正在兴起的研究主题。为把握基于EEG技术的教育研究发展趋势,本研究进一步对1154篇样本文献的关键词突变特征进行分析。在CiteSpace中设置切片时长(Years per Slice)为4年,节点类型(Node Types)为关键词(Keyword),主题词类型(Term Type)为突现词(Burst Terms),网络精简算法为Pathfinder,运行后得到突变时间由远及近排列的21个突现关键词,如表2所示。通过对这21个突现关键词的进一步分析,可将基于EEG技术的教育研究发展趋势归纳为以下几个方面。
表2 突现关键词序号1 2 3 4 5 6 7 8 9 1 0 11 12 13 14 15 16 17 18 19 20 21关键词Controlled Study Medical Education Learning Algorithm EEG Signal Brain Wave Brain Activity Teaching Event Related Potential Prefrontal Cortex Cognition Activation Neuroimaging Response Working Memory Artificial Intelligence Communication Prediction Deep Learning Classification Emotion Recognition Virtual Reality突变强度8.5787 4.7858 4.2769 3.2668 3.7963 5.3872 5.6559 4.8281 6.2338 5.0362 4.4875 3.6159 5.5947 3.1142 4.6545 3.893 3.1016 14.8883 4.5429 4.9273 3.8051突变年份2000-2013 2000-2015 2008-2010 2008-2012 2008-2015 2008-2015 2009-2015 2009-2015 2010-2014 2010-2015 2012-2014 2012-2014 2012-2015 2014-2015 2014-2016 2016-2018 2017-2018 2018-2019 2018-2019 2018-2019 2018-2019
1.应用EEG技术改善教学活动
在利用EEG技术采集到脑电波数据之后,可以依靠MindXP等脑电信号分析软件对数据进行分析,从而扩展其教育功能。通过对“Medical Education”“Teaching”“Cognition” “Response” “Working Memory”“Communication”“Prediction”“Deep Learning”“Emotion Recognition”等突现关键词对应文献进行阅读和分析发现,EEG技术由于在监测和训练注意力、情绪识别、预测认知状态、测量学习投入度、评估教学绩效等方面具有较大潜能和优势,因而其在相关研究中日益受到重视。
文章来源:《教育研究与实验》 网址: http://www.jyyjysyzz.cn/qikandaodu/2021/0207/676.html