- · 《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(7)
作者:网站采编关键词:
摘要:脑电波信号的来源主要有两类:一是大脑在思维活动过程中产生的自发性脑电波;二是外界刺激(如音乐)或事件操作所引发的大脑皮层神经电活动,即诱
脑电波信号的来源主要有两类:一是大脑在思维活动过程中产生的自发性脑电波;二是外界刺激(如音乐)或事件操作所引发的大脑皮层神经电活动,即诱发电位或事件相关电位。在对照实验中,研究者多通过分析学生学习过程中这两种脑电波的差异,来评估教学干预对学习效果的影响。值得注意的是,改进脑电波信号的采集、处理和分析方法,以及借助神经影像学(Neuroimaging)的理论和方法,将是未来提升基于EEG数据的教育实验可靠性的有效途径。如克里斯托夫·古格(Christoph Guger)等为帮助重度残疾人交流,利用基于P300诱发电位优化的脑机接口,向100多名残疾人同时提供字符拼写服务(Guger et al.,2009)。然而,当前教育实验中所使用的EEG数据采集方法仍十分复杂,如何更加简便、高效、实时且准确地对脑电波数据进行采集与处理,将是未来的研究热点。
3.EEG与新技术的融合赋能教育研究
技术融合创新是推动教育变革的重要力量。基于对突现关键词和相关文献的分析发现,EEG与人工智能和虚拟现实技术的融合应用最为常见,且被越来越多的教育研究者所关注。
与人工智能技术的融合。随着人工智能技术的发展及其在教育领域的应用,个性化教学和适应性学习将成为常态。近年来,EEG技术也被用于智能化教学平台的构建,以实现对教学过程中多模态数据的采集。进而,可以通过机器学习和大数据分析技术,对学生的外在学习行为和内在认知活动进行综合建模分析,从而为学生的个性化学习和自我调节提供及时反馈,或是通过自适应推荐系统为其精准推送学习资源,以满足学生的个性化学习需求。例如,徐涛等利用基于EEG的学习情绪识别技术对现有的智能辅导系统进行改进(Xu&zhou et al.,2018b)。值得注意的是,在基于EEG数据的便捷化分析、学习模式与理论构建、情景化应用等方面仍有待突破。
与虚拟现实技术的融合。虚拟现实技术具有沉浸性、想象性和交互性等特点,其与EEG技术的结合能够使个体处于沉浸式环境中,避免外界因素对其脑电波的干扰,从而提升教育实验的准确性。例如,可基于虚拟现实和EEG技术研究创造力、创造行为和脑电波间的关系,从而为面向创造力培养的教学设计和学习环境创建提供指导(Yang et al.,2018);在虚拟现实环境下对语言处理过程中的脑电生理活动进行探究(Tromp et al.,2018)。此外,“EEG+虚拟现实”也常被用于肢体残疾者和面瘫患者的康复训练与教育(Calabrò et al.,2017;Qidwai et al.,2019)。可见,EEG技术与虚拟现实技术的结合在具身认知和沉浸式教学设计研究中具有一定优势,将是未来开展特殊教育的重要手段。
与眼动追踪技术的融合。需要特别指出的是,眼动追踪(Eye Tracking)虽未出现在21个突现关键词中,但将其与EEG技术结合以获取多模态生理数据已成为教育研究的新趋势。眼动的本质是人选择有吸引力的信息,主动或被动地分配注意力并进行认知加工。眼动追踪技术可测量眼睛注视点的位置和眼球相对头部的运动轨迹,从而实现对眼球运动的追踪。EEG和眼动追踪都是基于生物反馈的重要研究技术,二者结合可实现对学生多模态生理数据的采集,其相互佐证可提升生物反馈数据的准确性,从而让教师能够更加准确地对学生的学习状态进行评估,并更好地帮助学生对自身状态进行调整。如翟雪松等使用眼动追踪和EEG技术采集学生的生理信息,以探究基于生物反馈的刺激是否可以促进学生的认知(Zhai et al.,2018)。
四、结论与展望
教育研究的关键目标既包括发展学生的认知能力(National Research Council,2005),也包括促进教与学活动的科学实施并提升其效果。而脑神经的功能是学生学习、教师教学和教学绩效的根本(Spector et al.,2014)。因此,反映脑神经电波的EEG技术日益成为教育研究的重要方法和手段。运用科学知识图谱对国际上基于EEG技术的教育研究文献进行分析,有利于我国教育研究者了解相关研究的热点话题和发展趋势,促进国内教育研究实证方法的多元化发展,推动教育科学与神经科学、计算科学的交融。通过对近20年来WoS和Scopus两大数据库中的相关文献进行分析和解读,可得出如下两方面的结论。
一方面,基于EEG技术的教育研究涉及情绪识别等六大主题,这些主题可与布鲁姆教育目标分类系统中的情感、认知、动作技能三大领域相对应。首先,情绪识别属于布鲁姆教育目标分类中的情感领域。值得注意的是,在美国教育通讯与技术学会出版的《教育传播与技术研究(第四版)》中,也对EEG技术在学习情绪情感研究中的应用进行了分析。其次,大脑的自我调节、联想学习和深度学习属于布鲁姆教育目标分类中的认知领域。这三个研究主题既符合大脑功能在根本上影响人类学习的科学事实,也反映出EEG技术在测量大脑认知活动上的功能优势。再次,基于EEG技术的动作技能习得与布鲁姆教育目标分类中的最后一个领域对应,其之所以受到较多的关注,是因为与特殊儿童和残障学生的教育需求相契合。此外,脑机接口和机器学习层面的深度学习成为研究热点,这说明研究者十分关注智能算法等技术层面的突破,其也是EEG技术能够更加高效、精准、智能地被用于教育研究的重要推动力。
文章来源:《教育研究与实验》 网址: http://www.jyyjysyzz.cn/qikandaodu/2021/0207/676.html