ইইজি কীভাবে সেরা শেখার পরিবেশ তৈরি করতে ব্যবহার করা যেতে পারে

দ্বারা ড. রোশিনী রন্দেনিয়া

শিক্ষা আমাদের সমাজের একটি মৌলিক স্তম্ভ, এবং সমৃদ্ধ শিক্ষামূলক পরিবেশ প্রদান সমাজের অগ্রগতির জন্য অপরিহার্য। শিক্ষাগত মস্তিষ্কবিজ্ঞান একটি দ্রুত বিকাশমান আন্তঃবিভাগীয় ক্ষেত্র যার লক্ষ্য শেখানো এবং শেখার নিউরাল মেকানিজমগুলি বোঝা।

পাছের দুই দশকে, পোর্টেবল EEG প্রযুক্তির অগ্রগতি গবেষকদেরকে classroom এবং e-learning উভয়ক্ষেত্রে EEG হেডসেট ব্যবহার করার সুযোগ দিয়েছে যাতে শিক্ষার্থীদের জন্য সর্বাধিক শেখার পরিবেশ তৈরি করা যায় [1]। এই প্রবন্ধে, আমরা দেখব কিভাবে EMOTIV-এর EEG হেডসেটগুলি আমাদের শেখানো এবং শেখার পদ্ধতিকে বদলাতে ব্যবহৃত হচ্ছে।

শিক্ষাগত বিষয়বস্তু অপ্টিমাইজ করা

আগ্রহজনক শিক্ষাগত বিষয়বস্তু ডিজাইন করতে শিক্ষার্থীদের থেকে ক্রমাগত সাবজেক্টিভ ফিডব্যাক প্রয়োজন। ঐতিহ্যগতভাবে, একটি কোর্সের বিষয়বস্তু কার্যকারিতা নির্ধারণ করা হয় কোর্স সম্পন্ন করার পর স্ব-প্রতিবেদন ফিডব্যাক মেজারের মাধ্যমে।

যাহোক, কোর্সের ডেলিভারির কোন কোন দিক উন্নত করা যায় তা নির Isolation করা প্রায়ই কঠিন হয়, কারণ এটি সাবজেক্টিভ স্মৃতি উপর নির্ভর করে। এর উচ্চ সাময়িক ক্ষণস্খলন (অর্থাৎ, এটি মস্তিষ্কের প্রতিক্রিয়া নবনির্মাণের গ্রেডে পরিমাপ করার ক্ষমতা) থাকার কারণে, EEG পূর্ব-চেতন প্রক্রিয়াগুলিকে সূচক করতে সক্ষম, যা অন্যথায় সাধারণ স্ব-প্রতিবেদন মেজারের সাথে স্বীকৃত হবে না। কোর্সের বিষয়বস্তু অপ্টিমাইজ করার সময়, সবচেয়ে সহায়ক মেট্রিকগুলি হল মনোযোগের স্তর এবং মানসিক বোঝা - তথ্য ধারণের জন্য মস্তিষ্কের যে পরিমাণ চেষ্টার প্রয়োজন তা পরিমাপে। মনোযোগ সাধারণত শেখার সময় EEG তে লক্ষ্য করা বিভিন্ন মস্তিষ্ক তরঙ্গ বিশ্লেষণের মাধ্যমে পরিমাপ করা হয় - যেমন অ্যালফা তরঙ্গ (যা সাধারণত ক্লান্তির সাথে যোগাযোগিত) এবং বিটা তরঙ্গ (যা সাধারণত সতর্ক বা মনোনিবেশিত থাকার সাথে যোগাযোগিত)। মানসিক বোঝা, একটি আরও সবল পরিমাপ, বিভিন্ন স্তরের অ্যালফা এবং থেটা ওয়েভ দিয়ে সূচক করা যেতে পারে।

গবেষকরা এমন সিস্টেম তৈরি করেছেন যা মনোযোগ মনিটর করতে সক্ষম, পুরো কোর্স জুড়ে মনোযোগের স্তর নির্ধারণ করতে। ঝৌ এবং অন্যান্যরা একটি রিয়েল-টাইম সিস্টেম সফলভাবে প্রদর্শন করেছেন যা Massive Open Online Courses (MOOCs) এ জড়িত e-learning শিক্ষার্থীদের মানসিক বোঝা মনিটর করে, যা কোর্সের বিষয়বস্তু বাস্তব সময়ে অপ্টিমাইজ করার জন্য পথ তৈরি করে [2]।

মানসিক অবস্থার বিশ্লেষণ সহজতর

পূর্ববর্তী গবেষণাগুলির মতো মানসিক অবস্থাগুলির পরিমাপ কিছু প্রযুক্তিগত দক্ষতা এবং বিশেষজ্ঞতার প্রয়োজন হতে পারে। সৌভাগ্যবশত, তথ্য বিজ্ঞানে অগ্রগতি এখন নিম্নতম প্রযুক্তিগত দক্ষতার সাথে মানসিক অবস্থাগুলির পরিমাপের জন্য প্রি-বিল্ট অ্যালগরিদম ব্যবহার করতে সক্ষম করেছে। Emotiv পারফরম্যান্স মেট্রিক্স ব্যবহারের সুযোগ দেয়: বিভিন্ন মস্তিষ্কের অবস্থাগুলি চিহ্নিত করতে তৈরি মেশিন লার্নিং অ্যালগরিদম, যেমন মনোযোগ, উত্তেজনা, মনোনিবেশ, হতাশা, চাপ এবং বিশ্রাম EEG তে।

এই অ্যালগরিদমগুলি নিয়ন্ত্রিত পরীক্ষার সাহায্যে নির্মিত হয়েছে যা নির্দিষ্ট মানসিক অবস্থাকে উস্কে দেওয়ার জন্য ডিজাইন করা হয়েছে এবং শিক্ষাগত বিষয়বস্তু অপ্টিমাইজ করতে সহায়ক। এই Emotiv পারফরম্যান্স মেট্রিক্স গেম-ভিত্তিক শিক্ষার বিপরীতে প্রচলিত কলম এবং কাগজ শিক্ষার তুলনা করার জন্য ব্যবহৃত হয়েছে, যদিও এই গবেষণা দুটি শিক্ষণ পদ্ধতির মধ্যে মানসিক অবস্থার মধ্যে কোনো পার্থক্য দেখায়নি [3]। অন্যান্য গবেষকরা পারফরম্যান্স মেট্রিক্সের ব্যবহারের উপকারিতা প্রদর্শন করেছেন যাতে ৫-৭ বছর বয়সী শিশুদের মানসিক অবস্থার ভিত্তিতে বিচ্ছিন্ন করা যায় যেমন মনোযোগ, চাপ, এবং ফোকাস, যা বর্ধিত বাস্তবতা পরিবেশের মধ্যে কার্যকলাপগুলির কার্যকরিতা নির্ধারণে সহায়তা করে।

উপর: (A) EEG ব্যবহার করে একটি উচ্চ বিদ্যালয়ের শ্রেণীকক্ষে শিক্ষার্থীদের মস্তিষ্কের তরঙ্গ পরিমাপ করা যেতে পারে (সূত্র: ডিকার ইত্যাদি [4]). (B) শিক্ষার্থীদের মস্তিষ্কের তরঙ্গ অন্য শিক্ষার্থীদের সাথে উচ্চ সিঙ্ক্রোনিটি দেখতে পারে, যা ক্লাসে বেশি যুক্ত থাকা শিক্ষার্থীদের জন্য পাওয়া গেছে (বাম)। কম সিঙ্ক্রোনিটি অন্য শিক্ষার্থীদের সাথে (ডান) দেখা গেছে এই শিক্ষার্থীদের জন্য যারা কম মনোনিবেশিত।

শিক্ষার পরিবেশ উন্নত করা

শিক্ষামূলক সামগ্রীর বিষয়বস্তু যেমন গুরুত্বপূর্ণ, তেমনি কখন এবং কোথায় আমরা শেখি তা নিশ্চিত করার জন্য equally গুরুত্বপূর্ণ যাতে শিক্ষার্থীরা ভালো শেখার অভিজ্ঞতা পায়। গবেষকরা বিভিন্ন শ্রেণীকক্ষে আলফা তরঙ্গের স্তর পরিমাপ করেছেন এবং দেখেছেন যে মধ্যম সকালে উচ্চ বিদ্যালয়ের ক্লাসগুলো প্রাথমিক সকালের তুলনায় কম আলফা তরঙ্গ দাখিল করেছে এবং পরামর্শ দিয়েছে যে মধ্যম সকাল শেখার জন্য সবচেয়ে ভালো সময় হতে পারে [4]।

বিহীন EEG গুলি বাস্তব এবং ভার্চুয়াল পরিবেশের তুলনা করতে ব্যবহৃত হয়েছে, উভয় পরিবেশে মনোযোগ এবং অনুপ্রেরণার সমান স্তর সরবরাহ করার ক্ষমতা পরিচালনা করা [5]। এটি শারীরিক প্রতিবন্ধী ব্যক্তিদের জন্য একটি সমৃদ্ধ শিক্ষার অভিজ্ঞতা প্রদান করার পথ তৈরি করতে পারে, যারা ব্যক্তিগত শ্রেণীকক্ষে যেতে অক্ষম। গবেষকরা EEG ব্যবহার করে শ্রেণীকক্ষে সামাজিক গতিশীলতার বিষয়েও গবেষণা পরিচালনা করেছেন। একটি EEG হেডসেট পরিহিত শিক্ষার্থীদের একটি গ্রুপ মূল্যায়িত হতে পারে তাদের স্নায়ুতন্ত্রের কার্যকলাপ কতটা সিঙ্ক্রোনাইজড তা একটি সাধারণ শিক্ষণ প্রক্রিয়ার সময় [6][7]। EEG ডেটা সংগ্রহের এই পদ্ধতি, বলা হয় EEG হাইপারস্ক্যানিং, শ্রেণীকক্ষে গ্রুপের মনোযোগের বাস্তব সময়ের প্রমাণ এবং সামাজিক গতিশীলতা উন্নত করার দিকে একটি পদক্ষেপ।

শিক্ষাকে সকলের জন্য প্রবেশযোগ্য করা

কিছু শারীরিক বা সংবেদনশীল সংক্রান্ত অসুবিধা শিক্ষার্থীদের শ্রেণীকক্ষে শেখার অভিজ্ঞতা সীমিত করতে পারে। যাহোক, এমন EEG-ভিত্তিক সরঞ্জাম রয়েছে যা শিক্ষার্থীদের অভিজ্ঞতা উন্নত করছে। ব্রেইন-কম্পিউটার ইন্টারফেস (BCI) প্রযুক্তির অগ্রগতি EEG ভিত্তিক টাইপিং সক্ষম করেছে [8][9], যা শারীরিক প্রতিবন্ধী শিক্ষার্থীদের তাদের শিক্ষা নেওয়ার সময় তাদের কম্পিউটিং ডিভাইসে মানসিক নোট নিতে সহায়তা করে। BCIs যা EEG-ভিত্তিক হ্যাঁ-না ধরনের প্রশ্নের উত্তর দেওয়ার অনুমতি দেয় তা অন্ধ শিক্ষার্থীদের কম্পিউটার ভিত্তিক পরীক্ষায় মূল্যায়িত হতে সহায়তা করে, যা অন্যথায় একজন সাক্ষাত্কারকারীর প্রয়োজন হত [10]।

ব্যক্তিগত শিক্ষার অভিজ্ঞতা

শিক্ষার্থীদের জন্য ব্যক্তিগত প্রশিক্ষক প্রদান ব্যয়বহুল হতে পারে কিন্তু প্রায়ই প্রয়োজন হয় যখন সাধারণ শিক্ষা ব্যবস্থা বিশেষ শিক্ষার বিশেষ প্রয়োজন পূরণে অক্ষম। বুদ্ধিমান টিউটরিং সিস্টেম (ITS) একটি শ্রেণীর কম্পিউটার-ভিত্তিক শিক্ষণ সফ্টওয়্যার যা কৃত্রিম বুদ্ধিমত্তার দ্বারা সমর্থিত থাকে যা ব্যক্তিগত টিউটরের মতো কাজ করতে পারে।

এই সিস্টেমগুলির লক্ষ্য হল শিক্ষার্থীর শেখার উন্নতির জন্য অভিযোজিত এবং বাস্তব সময়ে ব্যক্তিগত ফিডব্যাক প্রদান করা। গবেষকরা বর্তমানে EEG এর সাথে ITS সিস্টেমগুলি উন্নত করছে। একটি গবেষণায়, গবেষকরা EEG ব্যবহার করেন শিক্ষার্থীদের বিভিন্ন শিক্ষামূলক ভিডিও (এনিমেটেড সামগ্রী বনাম মানব শিক্ষাবিদদের ভিডিও) এর প্রতি আগ্রহ বোঝার জন্য, যা ITS কে শেখার এবং স্বয়ংক্রিয়ভাবে বিষয়বস্তু তৈরি করতে সক্ষম করে যা শিক্ষার্থীরা আরও আকর্ষণীয় হিসেবে পাবে।

যখন আপনি শিক্ষণের প্রক্রিয়া থেকে মানব উপাদানটি সরিয়ে দেন, এটি কম্পিউটার-ভিত্তিক শেখার প্রোগ্রাম ব্যবহার করে শিক্ষার্থীদের মানসিক বোঝা ট্র্যাক করা ক্রমবর্ধমান গুরুত্বপূর্ণ হয়ে ওঠে যাতে চাপ এবং স্ক্রীন ক্লান্তি প্রতিরোধ করা যায়। এটি মোকাবেলা করতে, গবেষকরা একটি মুখের অভিব্যক্তি ডেটাবেস তৈরি করেছেন EEG ডেটার উপর ভিত্তি করে যা সক্রিয়ভাবে শনাক্ত করে যে একজন শিক্ষার্থী বিরক্ত, যুক্ত, উত্তেজিত অথবা হতাশ ছিল কি না যখন ITS ব্যবহার করেছেন [11]।

এটি EEG এর সাথে বিকাশ ITS সিস্টেমকে প্রতিনিয়ত শেখা এবং ব্যক্তিগত শিক্ষার্থীর বোঝার সাথে অভিযোজিত হওয়ার পথ প্রদর্শন করছে; যখন তারা ক্লান্ত হয় তখন বিরতি প্রস্তাব করে দিচ্ছে না অথবা যখন তারা যুক্ত থাকে তখন শিক্ষা অব্যাহত রাখছে, শিক্ষার্থীদের জন্য আরও কার্যকর শেখার অভিজ্ঞতা প্রদান করছে।

উপর: নিউ ইয়র্ক বিশ্ববিদ্যালয়ে (NYU) BrainWaves প্রোগ্রামে ছাত্ররা EMOTIV EEG মস্তিষ্ক প্রযুক্তি পরিধান করে একটি গেম খেলে।

STEM শেখার সরঞ্জাম হিসেবে EEG

Emotiv EEG ডিভাইস এবং সফ্টওয়্যার সহজে ব্যবহারযোগ্য এবং পরবর্তী প্রজন্মের বিজ্ঞান, প্রযুক্তি, প্রকৌশল এবং গণিত (STEM) বিজ্ঞানীকে অনুপ্রাণিত করার জন্য একটি চমৎকার প্রারম্ভিক সরঞ্জামও।

Emotiv ডিভাইস এবং সফ্টওয়্যার বর্তমানে বিশ্ববিদ্যালয়ের স্নাতক স্তরের কোর্সে ব্যবহৃত হচ্ছে, শুধুমাত্র মনস্তত্ত্ব এবং শিক্ষাগত নিউরোসায়েন্সে নয় বরং বায়োমেডিকেল প্রকৌশলেও। কুরেন্ট উচ্চ বিদ্যালয় এবং কলেজ পর্যায়ে শিক্ষামূলক প্রক্রিয়ার মধ্যে Emotiv EPOC ডিভাইস অন্তর্ভুক্ত করার সফল উদাহরণ প্রদর্শন করেন। কসমায়ানা এবং অন্যান্যরা মন্তব্য করেন যে স্কুলের পাঠ্যক্রমে EEG-BCI সিস্টেমগুলির অন্তর্ভুক্তি একাডেমিক কর্মক্ষমতা বাড়ায়। ম্যাককোয়ারি বিশ্ববিদ্যালয় ইতোমধ্যেই তাদের বাচেলর অফ কগনিটিভ এবং ব্রেইন সায়েন্স পাঠ্যক্রমে Emotiv ডিভাইসের সফল অন্তর্ভুক্তি প্রদর্শন করেছে, যা শিক্ষার্থীদের পরীক্ষামূলক ডিজাইন এবং EEG ডেটা বিশ্লেষণের সাথে হাতে-কলমে অভিজ্ঞতা প্রদান করে [14]।

উপরন্তু, হোয়াইট-ফয় দেখান যে ১২ বছর বয়সী শিশুদের সফলভাবে BCI প্রযুক্তি শেখা এবং ছোট-স্কেলের EEG গবেষণা প্রকল্প সেট আপ করতে সক্ষম হয় [13]। শিক্ষার্থীরা অনলাইন রিসোর্সগুলি ব্যবহার করে একটি EMOTIV Insight ডিভাইসকে রাস্পবেরি পাই (একটি ক্ষুদ্র কম্পিউটার) এর সাথে সংযোগ করে যার মাধ্যমে EEG-কে কমান্ডে রূপান্তর করে একটি রিমোট-কন্ট্রোল স্টার ওয়ার্স খেলনা (বিবি-৮) নিয়ন্ত্রণ করতে এবং একটি лабিরঙে নিয়ে যেতে পারে।

উপর: সেকেন্ডারি স্কুল নিউরোল্যাব। ১১-১৮ বছরের শিক্ষার্থীরা রাস্পবেরি পাই এবং বিবি-৮ রোবটকে Emotiv ডিভাইসের সাথে সংযুক্ত করে এবং মানসিক কমান্ড ব্যবহার করে বিবি-৮ কে একটি лабিরঙে নিয়ে যায় (নিউরোল্যাবের অনুমতি নিয়ে শেয়ার করা হয়েছে)

আমরা দেখতে পাই যে কম খরচে, মোবাইল Emotiv EEG ডিভাইসগুলি শিক্ষককে অসাধারণ বিষয়বস্তু সরবরাহ করার জন্য শিক্ষার কর্মসূচীর গুণাবলী বাড়ানোর কেবলমাত্র পদ্ধতি নয়, বরং BCI-এর উন্নয়নের মাধ্যমে যুক্তিভিত্তিক একটি সমৃদ্ধ শিক্ষা পরিবেশ প্রদান করার প্রস্তাবও দেয়।

EMOTIV কীভাবে সহায়তা করতে পারে

• আপনার শিক্ষার্থীদের শিক্ষণ অভিজ্ঞতা উন্নত করুন EMOTIV EEG ল্যাব স্টার্টার কিট সহ।

• প্রযুক্তি নির্মাণ এবং EmotivPRO বিল্ডার দিয়ে ডেটা বিশ্লেষণ করুন।

• রিমোট পরীক্ষাগুলি চালু করুন যাতে EmotivLABS এর উপর ডেটা পেতে পারেন।

• আমাদের ওपन-সোর্স ডেটাসেট ব্যবহার করুন।

সহায়তার প্রয়োজন? আমাদের সাথে যোগাযোগ করুন

 কভার ছবির উৎস: ট্রেভর ডে স্কুল

তথ্যসূত্র

1. জে। ঝু এবং বি। ঝং, “শিক্ষাগত গবেষণায় পোর্টেবল EEG প্রযুক্তির পর্যালোচনা,” কম্পিউটারস ইন হিউম্যান বিহেভিয়ার, খণ্ড। ৮১, পৃষ্ঠা ৩৪০–৩৪৯, এপ্রিল ২০১৮, ডিওআই: 10.1016/j.chb.2017.12.037।

2. ঝৌ ও অন্যান্য। অনলাইন ভিডিও শেখার সময় মানসিক বোঝা মনিটরিং করার জন্য EEG-ভিত্তিক ব্রেইন-কাম্পিউটার ইন্টারফেসের মাধ্যমে ক্লাসের নোট, কম্পিউটার সাইন্স সাবসার লেকচার নোটস আর্টিফিশিয়াল ইনটেলিজেন্স লেকচার নোটস বায়োইনফরমেটিকা। ২০১৭;১০২৯৫ LNCS:৬৪-৭৩। ডিওআই:10.1007/978-3-319-58509-3_7

3. পিরেভা কে, তাহির আর, শরীফ ইমরান এ, চৌধুরী এন। গেম-ভিত্তিক শেখার পদ্ধতির তুলনায় কলম এবং কাগজের সামগ্রী তুলনা করার জন্য মস্তিষ্কের তরঙ্গ পর্যবেক্ষণ করে শিক্ষার্থীদের আবেগের অবস্থার মূল্যায়ন। ইন: ২০১৯ IEEE ফ্রন্টিয়ার্স ইন এডুকেশন কনফারেন্স (FIE)।; ২০১৯:১-৮। doi:10.1109/FIE43999.2019.9097262

4. ডিকার এস, হেজেন্স এস, বেভিলাকোয়া ডি, ইত্যাদি। সকালের মস্তিষ্ক: বাস্তব-বিশ্বের নিউরাল প্রমাণ যে উচ্চ বিদ্যালয়ের ক্লাসের সময়গুলি তাৎপর্যপূর্ণ। সোশ্যাল কগনিটিভ অ্যাফেক্ট নিউরোসায়েন্স। ২০২০;১৫(১১):১১৯৩-১২০২। ডিওআই:10.1093/scan/nsaa142

5. রোমেরো-সোতো এফও, ইবারা-জারতে ডিজ, আলোনসো-ভ্যালারদি এলএম। বাস্তব এবং ভার্চুয়াল পরিবেশে আলফা পাওয়ার স্পেকট্রাল ঘনত্বের তুলনামূলক বিশ্লেষণ। ইন: খণ্ড 75.; ২০২০:১৫৬-১৬৩। ডিওআই:10.1007/978-3-030-30648-9_22

6. ডিকার এস, ওয়ান এল, ড্যাভিডেস্কো আই, প্রভৃতি শ্রেণীকক্ষে প্রকৃত সময়ের গতিশীল গ্রুপ ইন্টারঅ্যাকশন ট্র্যাক করার জন্য মস্তিষ্কের মস্তিষ্কের সিঙ্ক্রোনি। কারেন্ট বায়োলজি। ২০১৭;২৭(৯):১৩৭৫-১৩৮০। ডিওআই:10.1016/j.cub.2017.04.002

7. পাউলসেন এট। শ্রেণীকক্ষে EEG: ভিডিও প্রদর্শনের সময় সিঙ্ক্রোনাইজড নিউরাল রেকর্ডিং। সায়েন্স রিপোর্ট। ২০১৭;৭(১):৪৩৯১৬। ডিওআই:10.1038/srep43916

8. আল-নেগেইমিশ এইচ, আল-আন্দাস এল, আল-মোফেজ এল, আল-আব্দুল্লাতিফ এ, আল-খলিফা এন, আল-ওয়াবিল এ। মস্তিষ্কের তরঙ্গ টাইপিং: ড্রাই-ইলেকট্রোড EEG ডিভাইস ব্যবহার করে টাইপিংয়ের জন্য P300 এবং মোটর কল্পনার তুলনামূলক অধ্যয়ন। ইন: স্টিফানিডিস সি, সম্পাদক। এইচসিআই আন্তর্জাতিক ২০১৩ - পোস্টারে বিস্তৃত আবেদনের। কমিউনিকেশনস ইন কম্পিউটার অ্যান্ড ইনফরমেশন সায়েন্স। স্প্রিংগার; ২০১৩:569-573। ডিওআই:10.1007/978-3-642-39473-7_113

9. ঝাং এক্স, ইয়াও এল, শেং কিউজেড, কানের এসএস, গু টি, ঝাং ডি। আপনার চিন্তাগুলি টেক্সটে রূপান্তর: EEG সিগন্যালগুলির গভীর বৈশিষ্ট্য শিক্ষণের মাধ্যমে মস্তিষ্কের টাইপিং সক্ষম করা। ইন: ২০১৮ IEEE আন্তর্জাতিক সম্মেলন পেরভাসিভ কম্পিউটিং অ্যান্ড কমিউনিকেশনস (পেরকম)।; ২০১৮:১-১০। ডিওআই:10.1109/PERCOM.2018.8444575

10. ইওস্রীটা ই, হেরিয়াদি ওয়াই, উলান্ধারি এলএ, বুদিহার্টো ডব্লিউ। দৃষ্টিহীন শিক্ষার্থীদের জন্য হ্যাঁ-না উত্তর সহ পরীক্ষার মডেলের শনাক্তকরণের জন্য EEG ভিত্তিক। ইন: ; ২০১৯। ডিওআই:10.1109/TALE48000.2019.9225903

11. জাটারাইন-কাবাদা আর, ব্যারনের-এস্ট্রাডা এমএল, গঞ্জালেজ-হের্নান্দেজ এফ, রদ্রিগেজ-রঙ্গেল এইচ। একটি বুদ্ধিমান টিউটরিং সিস্টেমের জন্য একটি মুখের অভিব্যক্তি রেকগনাইজার এবং একটি মুখের অভিব্যক্তি ডেটাবেস তৈরি। ইন: 2017 IEEE 17তম আন্তর্জাতিক সম্মেলন অগ্রণী শিক্ষণ প্রযুক্তি (ICALT) ; ২০১৭:৩৯১-৩৯৩। ডিওআই:10.1109/ICALT.2017.141

12. কুরেন্ট পি। উচ্চ বিদ্যালয় এবং কলেজে ভবিষ্যতের প্রযুক্তিগুলি সংহত করা। ইন: 2017 40 তম আন্তর্জাতিক কনভেনশন ইনফরমেশন এবং যোগাযোগ প্রযুক্তি, ইলেকট্রনিক্স এবং মাইক্রো ইলেকট্রনিক্স (মিপ্রো)।; ২০১৭:৮৫৮-৮৬১। ডিওআই:10.23919/MIPRO.2017.7973541

13. হোয়াইট-ফয় জে। শিক্ষার্থীদের জন্য নিউরোসায়েন্স: উচ্চ বিদ্যালয়ের শিশুদের জন্য EEG এবং ব্রেন-কম্পিউটার-ইন্টারফেস প্রযুক্তি প্রবর্তনের একটি প্রকল্প। প্র্যাকটিস টিচার রিসার্চ। ২০১৯ সালের ২৯ নভেম্বর প্রকাশিত। ১৫ জুন ২০২২ তারিখে প্রবেশ করা হয়েছে। https://praxis-teacher-research.org/neuroscience-for-students/

14. কসমায়ানা, নাতালিয়া, নাথালী সোইটার্থ, এবং ক্যাসান্ড্রা শেইরার। "শিক্ষাতে ব্রেইন-কম্পিউটার ইন্টারফেসগুলি ব্যবহার করার একটি প্রাথমিক গবেষণা।" ভবিষ্যত প্রযুক্তি সম্মেলনের কার্যপ্রণালী। স্প্রিংগার, শ্যাম, ২০২১।

15. অ্যালভারেজ, ভি., বাওয়ার, এম., দে ফ্রেইটাস, এস., গ্রেগরি, এস। এবং ডি উইট, বি., ২০১৬। অস্ট্রেলিয়ান বিশ্ববিদ্যালয়ে পরিধানযোগ্য প্রযুক্তির ব্যবহার: পরিবেশ বিজ্ঞান, কগনিটিভ এবং মস্তিষ্কের বিজ্ঞান এবং শিক্ষক প্রশিক্ষণের উদাহরণ। মোবাইল শেখার ভবিষ্যত- মোবাইল শিক্ষণে গুণমান গবেষণা এবং অনুশীলনকে টিকিয়ে রাখা, ২৫।

16. রদ্রিগেজ, এ.ও.আর., রিয়ানো, এমএ., গার্সিয়া, পি.এ.জিএ., মারিন, সিইএম., ক্রেস্পো, আরজিকে। শিক্ষণ বিশ্লেষণ এবং আর-স্যান্ডবক্স ব্যবহার করে শেখার পরিবেশের মাধ্যমে শিশুদের আবেগজনক বৈশিষ্ট্য। অ্যাম্বিয়েন্ট ইনটেলিজেন্স এবং হিউম্যানাইজড কম্পিউটিং জার্নাল, ১১(১১), পৃষ্ঠা: ৫৩৫৩-৫৩৬৭।