ইইজি কীভাবে সেরা শেখার পরিবেশ তৈরি করতে ব্যবহার করা যেতে পারে
হেইডি ডুরান
১২ সেপ, ২০২৪
শেয়ার:
আপনার ডঃ রোশিনী রandenি দ্বারা
শিক্ষা আমাদের সমাজের একটি মৌলিক স্তম্ভ, এবং সমৃদ্ধ শিক্ষামূলক পরিবেশ প্রদান করা সমাজের উন্নতির জন্য অপরিহার্য। শিক্ষামূলক নিউরোসাইন্স একটি দ্রুত বিকশিত আন্তঃবিষয়ক ক্ষেত্র যা শিক্ষাদান এবং শেখার স্বকীয়তা বোঝার চেষ্টা করে।
গত দুই দশকে, পোর্টেবল EEG প্রযুক্তির উন্নতি গবেষকদেরকে শ্রেণীকক্ষে এবং ই-লার্নিং-এ EEG হেডসেট ব্যবহার করে শিক্ষার্থীদের জন্য চূড়ান্ত শেখার পরিবেশ তৈরি করার সুযোগ দিয়েছে [1]। এই নিবন্ধে, আমরা দেখি যে EMOTIV-এর EEG হেডসেটগুলি কিভাবে আমাদের শেখানোর এবং শেখার পদ্ধতি পরিবর্তন করছে।
শিক্ষামূলক বিষয়বস্তুকে অপ্টিমাইজ করা
আকর্ষক শিক্ষামূলক বিষয়বস্তু ডিজাইন করতে শিক্ষার্থীদের থেকে অভ্যস্ত প্রতিক্রিয়া প্রয়োজন। ঐতিহ্যগতভাবে, একটি কোর্সের বিষয়বস্তুর কার্যকারিতা নির্ধারণ করা হয় কোর্স শেষ হওয়ার পর আত্ম-প্রতিবেদনমূলক প্রতিক্রিয়া পরিমাপের মাধ্যমে।
তবে, প্রকৃতপক্ষে নির্দিষ্ট কোন দিকগুলি কোর্সের পরিবেশন উন্নত করা যাবে তা আলাদা করা প্রায়ই কঠিন হয় আত্ম-বিষয়ক স্মৃতির উপর নির্ভরশীলতার কারণে। এর উচ্চ সাময়িক রেজোলিউশনের (অর্থাৎ, মিলিসেকেন্ডের স্কেলে মস্তিষ্কের প্রতিক্রিয়া পরিমাপকরণের ক্ষমতা) কারণে, EEG প্রাক-চেতনার প্রক্রিয়াগুলিকে সূচক করতে পারে, যা অন্যথায় স্বাভাবিক আত্ম-প্রতিবেদনমূলক পরিমাপের মাধ্যমে অচিহ্নিত থেকে যায়। কোর্সের বিষয়বস্তু অপ্টিমাইজ করার সময়, সবচেয়ে উপকারী মেট্রিক্স হচ্ছে মনোযোগের স্তর এবং সচেতনতা লোড - এটি এমন একটি পরিমাপ যা মস্তিষ্ক কতটুকু চেষ্টা করে তথ্য ধারণ করতে। মনোযোগ প্রায়শই বিভিন্ন মস্তিষ্কের তরঙ্গ বিশ্লেষণ করে পরিমাপ করা হয় যা EEG তে দেখা যায় যখন কেউ শেখার চেষ্টা করছে - যেমন আলফা (বেশিরভাগ সময় ক্লান্তির সাথে যুক্ত) এবং বিটা তরঙ্গের স্তর (বেশিরভাগ সময় সতর্ক বা মনোযোগী হওয়ার সাথে যুক্ত) পর্যায়ে। সচেতনতা লোড, একটি আরো জটিল পরিমাপ, বিভিন্ন আলফা এবং থেটা তরঙ্গের স্তরের সাথে সূচকও করা যেতে পারে।
গবেষকরা EEG-এর সাথে এমন পদ্ধতি তৈরি করেছেন যা মনোযোগ পর্যবেক্ষণ করতে সক্ষম, যা সমগ্র কোর্সে মনোযোগের স্তরগুলি মূল্যায়ন করতে সহায়তা করে। ঝৌ ইত্যাদি সফলভাবে একটি রিয়েল-টাইম সিস্টেম প্রদর্শন করেছেন যা Massive Open Online Courses (MOOCs) এ যুক্ত শিক্ষার্থীদের সচেতনতা লোড পর্যবেক্ষণ করতে সক্ষম, যা বাস্তবসম্মত সময়ে কোর্সের বিষয়বস্তু অপ্টিমাইজ করার জন্য পথ প্রশস্ত করে [2]।
কগনিটিভ অবস্থাগুলি বিশ্লেষণ করা সহজ
কগনিটিভ অবস্থাগুলি মাপা, পূর্ববর্তী এই গবেষণাগুলির মতো, কিছু প্রযুক্তিগত দক্ষতা এবং দক্ষতার প্রয়োজন হতে পারে। সৌভাগ্যবশত, তথ্য বিজ্ঞানেও অগ্রগতির ফলে এখন ক্ষুদ্র প্রযুক্তিগত দক্ষতার সাথে কগনিটিভ অবস্থাগুলি পরিমাপ করার জন্য প্রি-বিল্ট অ্যালগরিদম ব্যবহার করা সম্ভব হয়েছে। EMOTIV পারফরম্যান্স মেট্রিকস ব্যবহারের সুযোগ দেয়: মেশিন লার্নিং অ্যালগরিদমগুলি বিভিন্ন মস্তিষ্কের অবস্থাকে চিহ্নিত করার জন্য তৈরি, যার মধ্যে ফোকাস, উত্তেজনা, যুক্তি, হতাশা, চাপ, এবং EEG তে বিশ্রাম অন্তর্ভুক্ত।
এই অ্যালগরিদমগুলি নিয়ন্ত্রিত পরীক্ষার মাধ্যমে নির্মিত হয় যেগুলি নির্দিষ্ট কগনিটিভ অবস্থাগুলি উত্পন্ন করার জন্য ডিজাইন করা হয় এবং শিক্ষামূলক বিষয়বস্তু অপ্টিমাইজ করতে সহায়ক। এই EMOTIV পারফরম্যান্স মেট্রিকসগুলি গেম-বেসড শেখার বনাম ঐতিহ্যগত পেন-এন্ড-পেপার শিক্ষার মধ্যে তুলনা করতে ব্যবহৃত হয়েছে, যদিও গবেষণায় দুই পদ্ধতির শিক্ষার মধ্যে কগনিটিভ অবস্থাতে কোন পার্থক্য দেখায়নি [3]। অন্যান্য গবেষকরা কগনিটিভ অবস্থার ভিত্তিতে ৫-৭ বছরের শিশুদের গোষ্ঠী বদ্ধ করার জন্য পারফরম্যান্স মেট্রিকসের উপকারিতার প্রমাণ সাধিত করেছেন স্কারদের মধ্যে উন্নত বাস্তবতা পরিবেশে কার্যক্রমগুলির কার্যকারিতা নির্ধারণ করার জন্য।
উপর: (A) EEG ব্যবহার করে শিক্ষার্থীদের মস্তিষ্কের তরঙ্গ মাপা যায় একটি উচ্চ বিদ্যালয়ের শ্রেণীকক্ষে (উৎস: দিকার প্রভৃতি [4])। (B) শিক্ষার্থীদের মস্তিষ্কের তরঙ্গ অন্যান্য শিক্ষার্থীদের সাথে উচ্চ সামঞ্জস্য দেখাতে পারে, যা ক্লাসে আরও যুক্ত শিক্ষার্থীদের জন্য পাওয়া গিয়েছিল (বাম)। অন্যান্য শিক্ষার্থীদের (ডান) সাথে কম চক্রবৃদ্ধি পাওয়া গেছে যারা কম যুক্ত ছিলেন।
শিক্ষার পরিবেশ উন্নত করা
শিক্ষামূলক সামগ্রীটির বিষয়বস্তু কেবল গুরুত্বপূর্ণ নয়, আমরা কখন এবং কোথায় শিখি তাও শিক্ষার্থীদের ভাল শিক্ষার অভিজ্ঞতা নিশ্চিত করার জন্য equally গুরুত্বপূর্ণ। গবেষকরা বিভিন্ন শ্রেণীকক্ষে সময়ের মধ্যে আলফা তরঙ্গের স্তর পরিমাপ করেছেন এবং দেখতে পেয়েছেন যে মধ্যবিকালে উচ্চ বিদ্যালয়ের ক্লাসগুলো সকালে এবং সকালে তুলনায় কম আলফা তরঙ্গ দেখিয়েছে এবং সুপারিশ করেছেন যে মধ্যবিকাল শেখার জন্য সর্বোত্তম সময় হতে পারে [4]।
ওয়্যারলেস EEG-কে বাস্তব বনাম ভার্চুয়াল পরিবেশ তুলনা করতে ব্যবহৃত হয়েছে, উভয় পরিবেশে সমান মনোযোগ এবং উত্সাহ প্রদান করার ক্ষমতা প্রদর্শন করেছে [5]। এটি শারীরিক প্রতিবন্ধকতা আছে এমন লোকজনদের জন্য একটি সমৃদ্ধ শেখার অভিজ্ঞতা তৈরির পথ প্রশস্ত করতে পারে, যারা ব্যক্তিগত শ্রেণীকক্ষগুলোতে উপস্থিত হতে অক্ষম। গবেষকরা EEG ব্যবহার করে শ্রেণীকক্ষে সামাজিক গতিশীলতার উপরও গবেষণা করেছেন। একদল শিক্ষার্থী যাদের EEG হেডসেট লাগানো হয়েছে সাধারণ শিক্ষা প্রক্রিয়ার সময় তাদের স্নায়ু কার্যকলাপ কতটা সহযোগিতায় চলেছে তা মূল্যায়ন করা যেতে পারে [6][7]। EEG তথ্য সংগ্রহের এই পদ্ধতি, EEG হাইপারস্ক্যানিং নামক, শ্রেণীকক্ষে গ্রুপের মনোযোগের বাস্তবসম্মত ইনফারেন্স এবং সমাজগত গতিশীলতা উন্নত করার একটি পদক্ষেপ।
শিক্ষাকে সবার জন্য উপলব্ধ করা
কিছু শারীরিক বা সংবেদনশীল সমস্যা শ্রেণীকক্ষে শিক্ষার্থীদের শিক্ষার অভিজ্ঞতাকে সীমিত করতে পারে। তবে, কিছু EEG ভিত্তিক সরঞ্জাম রয়েছে যা শিক্ষার্থীদের অভিজ্ঞতাকে উন্নত করছে। মস্তিষ্ক-কম্পিউটার ইন্টারফেস (BCI) প্রযুক্তিতে অগ্রগতি EEG ভিত্তিক টাইপিং [8][9] সক্ষম করেছে, যা শারীরিক সমস্যা রয়েছে এমন শিক্ষার্থীদের তাদের শিক্ষালাভের সময় তাদের কম্পিউটিং ডিভাইসে মানসিক নোট নেওয়ার অনুমতি দেয়। BCI-গুলি যা ইয়েস-নো ধরনের প্রশ্নের EEG ভিত্তিক উত্তর দেওয়ার অনুমতি দেয়, তাদের পরিচায়কটির প্রয়োজন হয় যা নয়। [10]
ব্যক্তিগতকৃত শিক্ষার অভিজ্ঞতা
শিক্ষার্থীদের জন্য ব্যক্তিগত শিক্ষক দেওয়া ব্যয়বহুল হতে পারে কিন্তু প্রয়োজনীয় হতে পারে যখন সাধারণ শিক্ষা ব্যবস্থা শেখার ক্ষেত্রে অনন্য প্রয়োজন পূরণের জন্য অপ্রতুল থাকে। বুদ্ধিমান শিক্ষক সিস্টেম (ITS) হল একটি কম্পিউটার ভিত্তিক শিক্ষণ সফ্টওয়্যার শ্রেণী যা কৃত্রিম বুদ্ধিমত্তা দ্বারা পৃষ্ঠপোষকতা করা হয় যা ব্যক্তিগত শিক্ষকদের মতো কাজ করতে পারে।
এই সিস্টেমগুলির উদ্দেশ্য হল অভিযোজিত এবং শিক্ষার্থীর শেখা উন্নত করার জন্য সময়ে সময়ে ব্যক্তিগতকৃত প্রতিক্রিয়া প্রদান করা। গবেষকরা বর্তমানে EEG-র সাথে ITS সিস্টেমগুলি উন্নত করছে। এক গবেষণায়, গবেষকরা বিভিন্ন ধরণের শিক্ষামূলক ভিডিও (অ্যানিমেটেড সামগ্রী বনাম মানব শিক্ষক নিয়ে ভিডিও) নির্ধারণ করার জন্য EEG ব্যবহার করে যা ITS-কে শেখার সুযোগ দেয় এবং স্বয়ংক্রিয়ভাবে এমন বিষয়বস্তু তৈরি করা যা শিক্ষার্থী আরও আকর্ষণীয় পাবে।
আপনি শেখার প্রক্রিয়া থেকে মানব উপাদানটি বাদ দিলে, এই সময় কম্পিউটার-ভিত্তিক শিক্ষণ প্রোগ্রামগুলি ব্যবহার করার সময় শিক্ষার্থীদের মনোযোগ লোড প্রতি নজর রাখা increasingly আরও গুরুত্বপূর্ণ হয়ে ওঠে যাতে চাপ এবং স্ক্রীন ক্লান্তি প্রতিরোধ করা যায়। এর বিরুদ্ধে লড়াই করতে, গবেষকরা EEG তথ্যের ভিত্তিতে একটি মুখমণ্ডল প্রকাশের ডেটাবেস তৈরি করেছেন যা সক্রিয়ভাবে চিহ্নিত করে একটি শিক্ষার্থী বিরক্ত, যুক্ত, উত্তেজিত বা হতাশ ছিল কি না যখন একটি ITS ব্যবহার করছিলেন [11]।
এই EEG-এ উন্নতি ITS সিস্টেমের জন্য প্রতিনিয়ত শিখতে এবং ব্যক্তি শিক্ষার্থীকে অভিযোজিত হতে আগামী পথ তৈরি করছে; যখন তারা ক্লান্ত হয় তখন বিরতি প্রস্তাব দেওয়া বা যখন তারা যুক্ত থাকে তখন শেখান অব্যাহত রাখা, শিক্ষার্থীর জন্য একটি অধিক কার্যকর শিক্ষার অভিজ্ঞতা প্রদান করা।
উপর: নিউ ইয়র্ক বিশ্ববিদ্যালয়ে (NYU) ব্রেইনওয়েভস প্রোগ্রামে শিক্ষার্থীরা EMOTIV EEG ব্রেন প্রযুক্তি আগের সময় গেম খেলছে।
STEM শিক্ষার টুল হিসাবে EEG
Emotiv EEG ডিভাইস এবং সফ্টওয়্যার ব্যবহার করা সহজ এবং পরবর্তী প্রজন্মের বিজ্ঞান, প্রযুক্তি, প্রকৌশল এবং গণিত (STEM) বিজ্ঞানীকে অনুপ্রাণিত করার জন্য একটি অসাধারণ পরিচায়ক টুল।
Emotiv ডিভাইস এবং সফ্টওয়্যার বর্তমানে বিশ্ববিদ্যালয়ের স্নাতক স্তরের কোর্সগুলিতে ব্যবহৃত হচ্ছে, শুধুমাত্র মনোবিজ্ঞান এবং নিউরোসাইন্সেই নয় বরং বায়োমেডিক্যাল ইঞ্জিনিয়ারিং-এর ক্ষেত্রেও। কুরেন্ট মাধ্যমে Emotiv EPOC ডিভাইসগুলির শিক্ষাকরীর প্রক্রে বাড়ানোর সফল উদাহরণ রয়েছে। কোস্মায়না ইত্যাদি পাওয়া গেছে যে স্কুল পাঠ্যসূচিতে EEG-BCI সিস্টেমগুলি অন্তর্ভুক্ত করলে একাডেমিক ফলাফল বাড়ায়। ম্যাকোয়ারী বিশ্ববিদ্যালয় ইতিমধ্যে তাদের কগনিটিভ এবং ব্রেন সায়েন্সের ব্যাচেলর পাঠ্যক্রমে EMOTIV ডিভাইসগুলির সফল সম্পৃক্ততা প্রদর্শন করেছে, শিক্ষার্থীদের পরীক্ষামূলক ডিজাইন এবং EEG ডেটা বিশ্লেষণে হাতে-কলমে অভিজ্ঞতা দেওয়া [14]।
এছাড়াও, হোয়াইট-ফয় প্রদর্শন করেছেন যে ১২ বছর বয়সী শিশুদের BCI প্রযুক্তি শিখতে এবং ছোট আকারের EEG গবেষণা প্রকল্পগুলি সেটআপ করতে সফলভাবে সক্ষম হতে পারে [13]। শিক্ষার্থীরা অনলাইনে সম্পদ ব্যবহার করে একটি EMOTIV Insight ডিভাইসকে একটি রাস্পবেরি পাই (একটি ক্ষুদ্র কম্পিউটার) সংযুক্ত করে, যা EEG কে কমান্ডে রূপান্তর করে এবং একটি রিমোট-কন্ট্রোলের স্টার ওয়ার্স খেলনা (BB-8) নিয়ন্ত্রণ করে এবং একটি গলিতে চালনা করে।
উপর: সেকেন্ডারি স্কুল নিউরোল্যাব। ১১-১৮ বছর বয়সী শিক্ষার্থীরা রাস্পবেরি পাই এবং BB-8 রোবটের সাথে মোটর নির্দেশের মাধ্যমে BB-8-কে গলি (নিউরোল্যাব থেকে অনুমতি নিয়ে শেয়ার করা হয়েছে) কাছে নিয়ন্ত্রণে ও পরিচালনা করেছে।
আমরা দেখতে পাই যে কম খরচে, মোবাইল Emotiv EEG ডিভাইসগুলি শিক্ষকদের জন্য শিক্ষার মান বাড়ানোর পদ্ধতি প্রদান করে অসাধারণ বিষয়বস্তু প্রকাশ করার জন্য, কিন্তু BCI-এ উন্নয়নের সাথে তারা অনন্য প্রয়োজনের ব্যক্তিদের জন্য একটি সমৃদ্ধ শিক্ষামূলক পরিবেশ প্রদান করার প্রস্তাবও করে।
EMOTIV কিভাবে সহায়তা করতে পারে
শিক্ষার্থীদের শিক্ষার অভিজ্ঞতা উন্নত করতে EMOTIV EEG ল্যাব স্টার্টার কিট ব্যবহার করুন।
প্রجেক্ট তৈরি করুন এবং EmotivPRO বিল্ডার এর সাথে ডেটা বিশ্লেষণ করুন।
ডেটা পাওয়ার জন্য EmotivLABS-এ দূরবর্তী পরীক্ষা চালান।
আমাদের ওপেন-সোর্স তথ্য সেট ব্যবহার করুন।
সহায়তা প্রয়োজন? আমাদের সাথে যোগাযোগ করুন
কভার ইমেজ সূত্র: ট্রেভর ডে স্কুল
সূত্রাবলি
জে। জুহন এবং বি। ঝং, “শিক্ষাগত গবেষণায় পোর্টেবল EEG প্রযুক্তির উপর একটি পর্যালোচনা,” কম্পিউটার ইন হিউম্যান বিহেভিয়ার, খণ্ড। ৮১, পৃষ্ঠাগুলি ৩৪০–৩৪৯, এপ্রিল ২০১৮, doi: ১০.১০১৬/j.chb.২০১৭.১২.০৩৭.
ঝৌ ই, ঝু টি, লাল য়, উক্স, ডং বি। একটি EEG-ভিত্তিক ব্রেইন-কম্পিউটার ইন্টারফেসের মাধ্যমে অনলাইন ভিডিও শেখার সময় কগনিটিভ কাজের বোঝা পর্যবেক্ষণ। লেকচার নোটস কম্পিউটার সাইন্স সাবসার লেকচার নোটস আর্টিফিশিয়াল ইনটেলিজেন্স লেকচার নোটস বায়োইনফরমেটিকা। ২০১৭; ১০২৯৫ LNCS:৬৪-৭৩। doi:১০.১০০৭/৯৭৮-৩-৩১৯-৫৮৫০৯-৩_৭
পিরেভা কে, তহির আর, শারিক ইমরান এ, চৌধুরী এন। খেলার ভিত্তিক শেখন পদ্ধতির তুলনায় পেন-এন্ড-পেপার নিয়ে শিক্ষার্থীদের আবেগের অবস্থাগুলি মূল্যায়ন করা। ২০১৯ IEEE ফ্রন্টিয়ার্স ইন এডুকেশন কনফারেন্স (FIE) এ।; ২০১৯:১-৮। doi:১০.১১০৯/FIE৪৩৯৯৯.২০১৯.৯০৯৭২৬২
দিকার এস, হেগেনস এস, বেভিলাক্কা ডি, প্রভৃতি। সকালে মস্তিষ্ক: বাস্তব জগতের স্নায়ু প্রমাণ যে উচ্চ বিদ্যালয়ের ক্লাস সময় গুরুত্বপূর্ণ। সোশ্যাল কগনিটিভ অ্যাফেকট নিউরোসায়েন্স। ২০২০;১৫(১১):১১৯৩-১২০২। doi:১০.১০৯৩/SCAN/NSAA১৪২
রোমেরো-সোতো এফও, ইবারা-জারেট ডিআই, অ্যালন্সো-ভালারডি এলএম। বাস্তব এবং ভার্চুয়াল পরিবেশে আলফা পাওয়ার স্পেকট্রাল ঘনত্বের তুলনামূলক বিশ্লেষণ। ভলিউম ৭৫।; ২০২০:১৫৬-১৬৩। doi:১০.১০৭১/৯৭৮-৩-৩০৩-৩০৬৪৮-৯_২২
দিকার এস, ওয়ান এল, ডাভিদেস্কো আই, প্রভৃতি। মস্তিষ্ক থেকে মস্তিষ্কের সিঙ্ক্রোনি বাস্তব জগতের গতিশীল গ্রুপের যোগাযোগ ট্র্যাক করে। কারেন্ট বায়োলজি। ২০১৭;২৭(৯):১৩৭৫-১৩৮০। doi:১০.১০১৬/j.cub.২০১৭.০৪.০০২
পলসেন এট, কামরন এস, দমোচোস্কি জে, প্যার্রি এলসি, হেনসেন এলকে। শ্রেণীকক্ষে EEG: ভিডিও প্রদর্শনের সময় সমন্বিত স্নায়ু রেকর্ডিং। সায়েন্স রিপোর্ট। ২০১৭;৭(১):৪৩৯১৬। doi:১০.১০৩৮/srep৪৩৯১৬
আল-নেগেইমিশ এইচ, আল-আন্ডাস এল, আল-মফহিজ এল, আল-আব্দুললতিফ এ, আল-খলিফা এন, আল-ওয়াবিল এ। মস্তিষ্কের টাইপিং: শুগ্রের গন্দা এবং মোটর কল্পনার তুলনামূলক অধ্যয়ন। ইস্টেফানিডিস সি, সম্পাদক। HCI International 2013 - পোস্টারগুলির বিস্তৃত প্রতিলিপি। কম্পিউটেশন ইন কম্পিউটারে এবং তথ্য বিজ্ঞান। স্প্রিংগার; ২০১৩:৫৬৯-৫৭৩। doi:১০.১০০৭/৯৭৮-৩-৬৪২-৩৯৪৭৩-৭_১১৩
ঝাং এক্স, ইয়াও এল, শেং কিউজেড, কানহের এসএস, গ্যু টি, ঝাং ডি। আপনার চিন্তাগুলিকে পাঠ্যতে রূপান্তর করা: EEG সংকেতের গভীর বৈশিষ্ট্য শেখার মাধ্যমে মস্তিষ্কের টাইপিং সচল করা। ২০১৮ IEEE আন্তর্জাতিক সম্মেলন পেরভেসিভ কম্পিউটিং এবং যোগাযোগ (পেরকম) এ।; ২০১৮:১-১০। doi:১০.১১০৯/PERCOM.২০১৮.৮৪৪৪৫৭৫
যোগোড়িতা ই, হেরিয়াদি ইউ, ওয়ুলান্ধারি এলএ, বুদিহারতো ডাব্লিউ। ভিজ্যুয়াল ইম্পেয়ারমেন্ট ধারণকারী শিক্ষার্থীদের জন্য হ্যাঁ-না উত্তর মডেলের উপর শব্দগুলি চিহ্নিতকরণ।; ২০১৯। doi:১০.১১০৯/TALE৪৮০০০.২০১৯.৯২২৫৯০৩
জাটারাইন-কাবাদা আর, বারন-এস্ট্রাদা এমএল, গঞ্জালেজ-হেরনান্দেজ এফ, রদ্রিগেজ-রায়াঙ্গেল এইচ। একটি বুদ্ধিমান শিক্ষকের জন্য একটি মুখের অভিব্যক্তি পরিচয়কারী এবং মুখের অভিব্যক্তির ডেটাবেস তৈরি করা। ২০১৭ IEEE ১৭তম আন্তর্জাতিক সম্মেলন উন্নত শিক্ষণ প্রযুক্তি (ICALT)।; ২০১৭:৩৯১-৩৯৩। doi:১০.১০৯/ICALT.২০১৭.১৪১
কুরেন্ট পি। উচ্চ বিদ্যালয় এবং কলেজগুলিতে ভবিষ্যতের প্রযুক্তিগুলির সংযুক্তি। ২০১৭ ৪০ তম আন্তর্জাতিক সম্মেলন তথ্য ও যোগাযোগ প্রযুক্তি, ইলেকট্রনিক্স এবং মাইক্রোএলেকট্রনিক্স (মিপ্রো)।; ২০১৭:৮৫৮-৮৬১। doi:১০.২৩৯১৯/MIPRO.২০১৭.৭৯৭৩৫৪১
হোয়াইট-ফয় জে। শিক্ষার্থীদের জন্য নিউরোসায়েন্স: একটি প্রকল্প EEG এবং ব্রেইন-কম্পিউটার-ইন্টারফেস প্রযুক্তিকে মাধ্যমিক বিদ্যালয়ের শিশুদের সাথে পরিচয় করায়। প্র্যাকটিস টিচার রিসার্চ। প্রকাশিত নভেম্বর ২৯, ২০১৯। ১৫ জুন, ২০২২-এ অ্যাক্সেস করেছেন। https://praxis-teacher-research.org/neuroscience-for-students/
কোস্মিনা, নাটালিয়া, নাথালি সোয়েটার্ট, এবং ক্যাসান্দ্রা শেইরার। "বিশেষ পাঠক্রমের জন্য শ্রেণীকক্ষে মস্তিষ্ক-কম্পিউটার ইন্টারফেসের ব্যবহার নিয়ে একটি পাইলট স্টাডি।" ভবিষ্যতের প্রযুক্তি সম্মেলনের কার্যপ্রণালী। স্প্রিংগার, চ্যাম, ২০২১।
আলভারেজ, ভি., বাওয়ার, এম., ডে ফ্রেইটাস, এস., গ্রেগরি, এস। এবং ডি উইট, বি।, ২০১৬। অস্ট্রেলিয়ান বিশ্ববিদ্যালয়ে পরিধানযোগ্য প্রযুক্তির ব্যবহার: পরিবেশগত বিজ্ঞান, কগনিটিভ এবং ব্রেইন সায়েন্স এবং শিক্ষক প্রশিক্ষণের উদাহরণগুলি। মোবাইল শেখার ভবিষ্যৎগুলো - মোবাইল শেখণে গুণমান গবেষণা এবং চর্চার সংরক্ষণ। ২৫।
রদ্রিগেজ, এ.ও.আর., রিয়ানো, এমএ., গার্সিয়া, পিএজির., মোরিন, সিইম., ক্রেস্পো, আরজি। এবং উক্স, এক্স।, ২০২০। শিক্ষণ পরিবেশ ব্যবহার করে শিশুদের আবেগের বৈশিষ্ট্য নির্ধারণে শেখার বিশ্লেষণ এবং এআর-স্যান্ডবক্স ব্যবহার করা। জুনাল অফ অ্যাম্বিয়েন্ট ইন্টেলিজেন্স অ্যান্ড হিউম্যানাইজড কম্পিউটিং, ১১(১১), পৃষ্ঠা ৫৩৫৩-৫৩৬৭।
আপনার ডঃ রোশিনী রandenি দ্বারা
শিক্ষা আমাদের সমাজের একটি মৌলিক স্তম্ভ, এবং সমৃদ্ধ শিক্ষামূলক পরিবেশ প্রদান করা সমাজের উন্নতির জন্য অপরিহার্য। শিক্ষামূলক নিউরোসাইন্স একটি দ্রুত বিকশিত আন্তঃবিষয়ক ক্ষেত্র যা শিক্ষাদান এবং শেখার স্বকীয়তা বোঝার চেষ্টা করে।
গত দুই দশকে, পোর্টেবল EEG প্রযুক্তির উন্নতি গবেষকদেরকে শ্রেণীকক্ষে এবং ই-লার্নিং-এ EEG হেডসেট ব্যবহার করে শিক্ষার্থীদের জন্য চূড়ান্ত শেখার পরিবেশ তৈরি করার সুযোগ দিয়েছে [1]। এই নিবন্ধে, আমরা দেখি যে EMOTIV-এর EEG হেডসেটগুলি কিভাবে আমাদের শেখানোর এবং শেখার পদ্ধতি পরিবর্তন করছে।
শিক্ষামূলক বিষয়বস্তুকে অপ্টিমাইজ করা
আকর্ষক শিক্ষামূলক বিষয়বস্তু ডিজাইন করতে শিক্ষার্থীদের থেকে অভ্যস্ত প্রতিক্রিয়া প্রয়োজন। ঐতিহ্যগতভাবে, একটি কোর্সের বিষয়বস্তুর কার্যকারিতা নির্ধারণ করা হয় কোর্স শেষ হওয়ার পর আত্ম-প্রতিবেদনমূলক প্রতিক্রিয়া পরিমাপের মাধ্যমে।
তবে, প্রকৃতপক্ষে নির্দিষ্ট কোন দিকগুলি কোর্সের পরিবেশন উন্নত করা যাবে তা আলাদা করা প্রায়ই কঠিন হয় আত্ম-বিষয়ক স্মৃতির উপর নির্ভরশীলতার কারণে। এর উচ্চ সাময়িক রেজোলিউশনের (অর্থাৎ, মিলিসেকেন্ডের স্কেলে মস্তিষ্কের প্রতিক্রিয়া পরিমাপকরণের ক্ষমতা) কারণে, EEG প্রাক-চেতনার প্রক্রিয়াগুলিকে সূচক করতে পারে, যা অন্যথায় স্বাভাবিক আত্ম-প্রতিবেদনমূলক পরিমাপের মাধ্যমে অচিহ্নিত থেকে যায়। কোর্সের বিষয়বস্তু অপ্টিমাইজ করার সময়, সবচেয়ে উপকারী মেট্রিক্স হচ্ছে মনোযোগের স্তর এবং সচেতনতা লোড - এটি এমন একটি পরিমাপ যা মস্তিষ্ক কতটুকু চেষ্টা করে তথ্য ধারণ করতে। মনোযোগ প্রায়শই বিভিন্ন মস্তিষ্কের তরঙ্গ বিশ্লেষণ করে পরিমাপ করা হয় যা EEG তে দেখা যায় যখন কেউ শেখার চেষ্টা করছে - যেমন আলফা (বেশিরভাগ সময় ক্লান্তির সাথে যুক্ত) এবং বিটা তরঙ্গের স্তর (বেশিরভাগ সময় সতর্ক বা মনোযোগী হওয়ার সাথে যুক্ত) পর্যায়ে। সচেতনতা লোড, একটি আরো জটিল পরিমাপ, বিভিন্ন আলফা এবং থেটা তরঙ্গের স্তরের সাথে সূচকও করা যেতে পারে।
গবেষকরা EEG-এর সাথে এমন পদ্ধতি তৈরি করেছেন যা মনোযোগ পর্যবেক্ষণ করতে সক্ষম, যা সমগ্র কোর্সে মনোযোগের স্তরগুলি মূল্যায়ন করতে সহায়তা করে। ঝৌ ইত্যাদি সফলভাবে একটি রিয়েল-টাইম সিস্টেম প্রদর্শন করেছেন যা Massive Open Online Courses (MOOCs) এ যুক্ত শিক্ষার্থীদের সচেতনতা লোড পর্যবেক্ষণ করতে সক্ষম, যা বাস্তবসম্মত সময়ে কোর্সের বিষয়বস্তু অপ্টিমাইজ করার জন্য পথ প্রশস্ত করে [2]।
কগনিটিভ অবস্থাগুলি বিশ্লেষণ করা সহজ
কগনিটিভ অবস্থাগুলি মাপা, পূর্ববর্তী এই গবেষণাগুলির মতো, কিছু প্রযুক্তিগত দক্ষতা এবং দক্ষতার প্রয়োজন হতে পারে। সৌভাগ্যবশত, তথ্য বিজ্ঞানেও অগ্রগতির ফলে এখন ক্ষুদ্র প্রযুক্তিগত দক্ষতার সাথে কগনিটিভ অবস্থাগুলি পরিমাপ করার জন্য প্রি-বিল্ট অ্যালগরিদম ব্যবহার করা সম্ভব হয়েছে। EMOTIV পারফরম্যান্স মেট্রিকস ব্যবহারের সুযোগ দেয়: মেশিন লার্নিং অ্যালগরিদমগুলি বিভিন্ন মস্তিষ্কের অবস্থাকে চিহ্নিত করার জন্য তৈরি, যার মধ্যে ফোকাস, উত্তেজনা, যুক্তি, হতাশা, চাপ, এবং EEG তে বিশ্রাম অন্তর্ভুক্ত।
এই অ্যালগরিদমগুলি নিয়ন্ত্রিত পরীক্ষার মাধ্যমে নির্মিত হয় যেগুলি নির্দিষ্ট কগনিটিভ অবস্থাগুলি উত্পন্ন করার জন্য ডিজাইন করা হয় এবং শিক্ষামূলক বিষয়বস্তু অপ্টিমাইজ করতে সহায়ক। এই EMOTIV পারফরম্যান্স মেট্রিকসগুলি গেম-বেসড শেখার বনাম ঐতিহ্যগত পেন-এন্ড-পেপার শিক্ষার মধ্যে তুলনা করতে ব্যবহৃত হয়েছে, যদিও গবেষণায় দুই পদ্ধতির শিক্ষার মধ্যে কগনিটিভ অবস্থাতে কোন পার্থক্য দেখায়নি [3]। অন্যান্য গবেষকরা কগনিটিভ অবস্থার ভিত্তিতে ৫-৭ বছরের শিশুদের গোষ্ঠী বদ্ধ করার জন্য পারফরম্যান্স মেট্রিকসের উপকারিতার প্রমাণ সাধিত করেছেন স্কারদের মধ্যে উন্নত বাস্তবতা পরিবেশে কার্যক্রমগুলির কার্যকারিতা নির্ধারণ করার জন্য।
উপর: (A) EEG ব্যবহার করে শিক্ষার্থীদের মস্তিষ্কের তরঙ্গ মাপা যায় একটি উচ্চ বিদ্যালয়ের শ্রেণীকক্ষে (উৎস: দিকার প্রভৃতি [4])। (B) শিক্ষার্থীদের মস্তিষ্কের তরঙ্গ অন্যান্য শিক্ষার্থীদের সাথে উচ্চ সামঞ্জস্য দেখাতে পারে, যা ক্লাসে আরও যুক্ত শিক্ষার্থীদের জন্য পাওয়া গিয়েছিল (বাম)। অন্যান্য শিক্ষার্থীদের (ডান) সাথে কম চক্রবৃদ্ধি পাওয়া গেছে যারা কম যুক্ত ছিলেন।
শিক্ষার পরিবেশ উন্নত করা
শিক্ষামূলক সামগ্রীটির বিষয়বস্তু কেবল গুরুত্বপূর্ণ নয়, আমরা কখন এবং কোথায় শিখি তাও শিক্ষার্থীদের ভাল শিক্ষার অভিজ্ঞতা নিশ্চিত করার জন্য equally গুরুত্বপূর্ণ। গবেষকরা বিভিন্ন শ্রেণীকক্ষে সময়ের মধ্যে আলফা তরঙ্গের স্তর পরিমাপ করেছেন এবং দেখতে পেয়েছেন যে মধ্যবিকালে উচ্চ বিদ্যালয়ের ক্লাসগুলো সকালে এবং সকালে তুলনায় কম আলফা তরঙ্গ দেখিয়েছে এবং সুপারিশ করেছেন যে মধ্যবিকাল শেখার জন্য সর্বোত্তম সময় হতে পারে [4]।
ওয়্যারলেস EEG-কে বাস্তব বনাম ভার্চুয়াল পরিবেশ তুলনা করতে ব্যবহৃত হয়েছে, উভয় পরিবেশে সমান মনোযোগ এবং উত্সাহ প্রদান করার ক্ষমতা প্রদর্শন করেছে [5]। এটি শারীরিক প্রতিবন্ধকতা আছে এমন লোকজনদের জন্য একটি সমৃদ্ধ শেখার অভিজ্ঞতা তৈরির পথ প্রশস্ত করতে পারে, যারা ব্যক্তিগত শ্রেণীকক্ষগুলোতে উপস্থিত হতে অক্ষম। গবেষকরা EEG ব্যবহার করে শ্রেণীকক্ষে সামাজিক গতিশীলতার উপরও গবেষণা করেছেন। একদল শিক্ষার্থী যাদের EEG হেডসেট লাগানো হয়েছে সাধারণ শিক্ষা প্রক্রিয়ার সময় তাদের স্নায়ু কার্যকলাপ কতটা সহযোগিতায় চলেছে তা মূল্যায়ন করা যেতে পারে [6][7]। EEG তথ্য সংগ্রহের এই পদ্ধতি, EEG হাইপারস্ক্যানিং নামক, শ্রেণীকক্ষে গ্রুপের মনোযোগের বাস্তবসম্মত ইনফারেন্স এবং সমাজগত গতিশীলতা উন্নত করার একটি পদক্ষেপ।
শিক্ষাকে সবার জন্য উপলব্ধ করা
কিছু শারীরিক বা সংবেদনশীল সমস্যা শ্রেণীকক্ষে শিক্ষার্থীদের শিক্ষার অভিজ্ঞতাকে সীমিত করতে পারে। তবে, কিছু EEG ভিত্তিক সরঞ্জাম রয়েছে যা শিক্ষার্থীদের অভিজ্ঞতাকে উন্নত করছে। মস্তিষ্ক-কম্পিউটার ইন্টারফেস (BCI) প্রযুক্তিতে অগ্রগতি EEG ভিত্তিক টাইপিং [8][9] সক্ষম করেছে, যা শারীরিক সমস্যা রয়েছে এমন শিক্ষার্থীদের তাদের শিক্ষালাভের সময় তাদের কম্পিউটিং ডিভাইসে মানসিক নোট নেওয়ার অনুমতি দেয়। BCI-গুলি যা ইয়েস-নো ধরনের প্রশ্নের EEG ভিত্তিক উত্তর দেওয়ার অনুমতি দেয়, তাদের পরিচায়কটির প্রয়োজন হয় যা নয়। [10]
ব্যক্তিগতকৃত শিক্ষার অভিজ্ঞতা
শিক্ষার্থীদের জন্য ব্যক্তিগত শিক্ষক দেওয়া ব্যয়বহুল হতে পারে কিন্তু প্রয়োজনীয় হতে পারে যখন সাধারণ শিক্ষা ব্যবস্থা শেখার ক্ষেত্রে অনন্য প্রয়োজন পূরণের জন্য অপ্রতুল থাকে। বুদ্ধিমান শিক্ষক সিস্টেম (ITS) হল একটি কম্পিউটার ভিত্তিক শিক্ষণ সফ্টওয়্যার শ্রেণী যা কৃত্রিম বুদ্ধিমত্তা দ্বারা পৃষ্ঠপোষকতা করা হয় যা ব্যক্তিগত শিক্ষকদের মতো কাজ করতে পারে।
এই সিস্টেমগুলির উদ্দেশ্য হল অভিযোজিত এবং শিক্ষার্থীর শেখা উন্নত করার জন্য সময়ে সময়ে ব্যক্তিগতকৃত প্রতিক্রিয়া প্রদান করা। গবেষকরা বর্তমানে EEG-র সাথে ITS সিস্টেমগুলি উন্নত করছে। এক গবেষণায়, গবেষকরা বিভিন্ন ধরণের শিক্ষামূলক ভিডিও (অ্যানিমেটেড সামগ্রী বনাম মানব শিক্ষক নিয়ে ভিডিও) নির্ধারণ করার জন্য EEG ব্যবহার করে যা ITS-কে শেখার সুযোগ দেয় এবং স্বয়ংক্রিয়ভাবে এমন বিষয়বস্তু তৈরি করা যা শিক্ষার্থী আরও আকর্ষণীয় পাবে।
আপনি শেখার প্রক্রিয়া থেকে মানব উপাদানটি বাদ দিলে, এই সময় কম্পিউটার-ভিত্তিক শিক্ষণ প্রোগ্রামগুলি ব্যবহার করার সময় শিক্ষার্থীদের মনোযোগ লোড প্রতি নজর রাখা increasingly আরও গুরুত্বপূর্ণ হয়ে ওঠে যাতে চাপ এবং স্ক্রীন ক্লান্তি প্রতিরোধ করা যায়। এর বিরুদ্ধে লড়াই করতে, গবেষকরা EEG তথ্যের ভিত্তিতে একটি মুখমণ্ডল প্রকাশের ডেটাবেস তৈরি করেছেন যা সক্রিয়ভাবে চিহ্নিত করে একটি শিক্ষার্থী বিরক্ত, যুক্ত, উত্তেজিত বা হতাশ ছিল কি না যখন একটি ITS ব্যবহার করছিলেন [11]।
এই EEG-এ উন্নতি ITS সিস্টেমের জন্য প্রতিনিয়ত শিখতে এবং ব্যক্তি শিক্ষার্থীকে অভিযোজিত হতে আগামী পথ তৈরি করছে; যখন তারা ক্লান্ত হয় তখন বিরতি প্রস্তাব দেওয়া বা যখন তারা যুক্ত থাকে তখন শেখান অব্যাহত রাখা, শিক্ষার্থীর জন্য একটি অধিক কার্যকর শিক্ষার অভিজ্ঞতা প্রদান করা।
উপর: নিউ ইয়র্ক বিশ্ববিদ্যালয়ে (NYU) ব্রেইনওয়েভস প্রোগ্রামে শিক্ষার্থীরা EMOTIV EEG ব্রেন প্রযুক্তি আগের সময় গেম খেলছে।
STEM শিক্ষার টুল হিসাবে EEG
Emotiv EEG ডিভাইস এবং সফ্টওয়্যার ব্যবহার করা সহজ এবং পরবর্তী প্রজন্মের বিজ্ঞান, প্রযুক্তি, প্রকৌশল এবং গণিত (STEM) বিজ্ঞানীকে অনুপ্রাণিত করার জন্য একটি অসাধারণ পরিচায়ক টুল।
Emotiv ডিভাইস এবং সফ্টওয়্যার বর্তমানে বিশ্ববিদ্যালয়ের স্নাতক স্তরের কোর্সগুলিতে ব্যবহৃত হচ্ছে, শুধুমাত্র মনোবিজ্ঞান এবং নিউরোসাইন্সেই নয় বরং বায়োমেডিক্যাল ইঞ্জিনিয়ারিং-এর ক্ষেত্রেও। কুরেন্ট মাধ্যমে Emotiv EPOC ডিভাইসগুলির শিক্ষাকরীর প্রক্রে বাড়ানোর সফল উদাহরণ রয়েছে। কোস্মায়না ইত্যাদি পাওয়া গেছে যে স্কুল পাঠ্যসূচিতে EEG-BCI সিস্টেমগুলি অন্তর্ভুক্ত করলে একাডেমিক ফলাফল বাড়ায়। ম্যাকোয়ারী বিশ্ববিদ্যালয় ইতিমধ্যে তাদের কগনিটিভ এবং ব্রেন সায়েন্সের ব্যাচেলর পাঠ্যক্রমে EMOTIV ডিভাইসগুলির সফল সম্পৃক্ততা প্রদর্শন করেছে, শিক্ষার্থীদের পরীক্ষামূলক ডিজাইন এবং EEG ডেটা বিশ্লেষণে হাতে-কলমে অভিজ্ঞতা দেওয়া [14]।
এছাড়াও, হোয়াইট-ফয় প্রদর্শন করেছেন যে ১২ বছর বয়সী শিশুদের BCI প্রযুক্তি শিখতে এবং ছোট আকারের EEG গবেষণা প্রকল্পগুলি সেটআপ করতে সফলভাবে সক্ষম হতে পারে [13]। শিক্ষার্থীরা অনলাইনে সম্পদ ব্যবহার করে একটি EMOTIV Insight ডিভাইসকে একটি রাস্পবেরি পাই (একটি ক্ষুদ্র কম্পিউটার) সংযুক্ত করে, যা EEG কে কমান্ডে রূপান্তর করে এবং একটি রিমোট-কন্ট্রোলের স্টার ওয়ার্স খেলনা (BB-8) নিয়ন্ত্রণ করে এবং একটি গলিতে চালনা করে।
উপর: সেকেন্ডারি স্কুল নিউরোল্যাব। ১১-১৮ বছর বয়সী শিক্ষার্থীরা রাস্পবেরি পাই এবং BB-8 রোবটের সাথে মোটর নির্দেশের মাধ্যমে BB-8-কে গলি (নিউরোল্যাব থেকে অনুমতি নিয়ে শেয়ার করা হয়েছে) কাছে নিয়ন্ত্রণে ও পরিচালনা করেছে।
আমরা দেখতে পাই যে কম খরচে, মোবাইল Emotiv EEG ডিভাইসগুলি শিক্ষকদের জন্য শিক্ষার মান বাড়ানোর পদ্ধতি প্রদান করে অসাধারণ বিষয়বস্তু প্রকাশ করার জন্য, কিন্তু BCI-এ উন্নয়নের সাথে তারা অনন্য প্রয়োজনের ব্যক্তিদের জন্য একটি সমৃদ্ধ শিক্ষামূলক পরিবেশ প্রদান করার প্রস্তাবও করে।
EMOTIV কিভাবে সহায়তা করতে পারে
শিক্ষার্থীদের শিক্ষার অভিজ্ঞতা উন্নত করতে EMOTIV EEG ল্যাব স্টার্টার কিট ব্যবহার করুন।
প্রجেক্ট তৈরি করুন এবং EmotivPRO বিল্ডার এর সাথে ডেটা বিশ্লেষণ করুন।
ডেটা পাওয়ার জন্য EmotivLABS-এ দূরবর্তী পরীক্ষা চালান।
আমাদের ওপেন-সোর্স তথ্য সেট ব্যবহার করুন।
সহায়তা প্রয়োজন? আমাদের সাথে যোগাযোগ করুন
কভার ইমেজ সূত্র: ট্রেভর ডে স্কুল
সূত্রাবলি
জে। জুহন এবং বি। ঝং, “শিক্ষাগত গবেষণায় পোর্টেবল EEG প্রযুক্তির উপর একটি পর্যালোচনা,” কম্পিউটার ইন হিউম্যান বিহেভিয়ার, খণ্ড। ৮১, পৃষ্ঠাগুলি ৩৪০–৩৪৯, এপ্রিল ২০১৮, doi: ১০.১০১৬/j.chb.২০১৭.১২.০৩৭.
ঝৌ ই, ঝু টি, লাল য়, উক্স, ডং বি। একটি EEG-ভিত্তিক ব্রেইন-কম্পিউটার ইন্টারফেসের মাধ্যমে অনলাইন ভিডিও শেখার সময় কগনিটিভ কাজের বোঝা পর্যবেক্ষণ। লেকচার নোটস কম্পিউটার সাইন্স সাবসার লেকচার নোটস আর্টিফিশিয়াল ইনটেলিজেন্স লেকচার নোটস বায়োইনফরমেটিকা। ২০১৭; ১০২৯৫ LNCS:৬৪-৭৩। doi:১০.১০০৭/৯৭৮-৩-৩১৯-৫৮৫০৯-৩_৭
পিরেভা কে, তহির আর, শারিক ইমরান এ, চৌধুরী এন। খেলার ভিত্তিক শেখন পদ্ধতির তুলনায় পেন-এন্ড-পেপার নিয়ে শিক্ষার্থীদের আবেগের অবস্থাগুলি মূল্যায়ন করা। ২০১৯ IEEE ফ্রন্টিয়ার্স ইন এডুকেশন কনফারেন্স (FIE) এ।; ২০১৯:১-৮। doi:১০.১১০৯/FIE৪৩৯৯৯.২০১৯.৯০৯৭২৬২
দিকার এস, হেগেনস এস, বেভিলাক্কা ডি, প্রভৃতি। সকালে মস্তিষ্ক: বাস্তব জগতের স্নায়ু প্রমাণ যে উচ্চ বিদ্যালয়ের ক্লাস সময় গুরুত্বপূর্ণ। সোশ্যাল কগনিটিভ অ্যাফেকট নিউরোসায়েন্স। ২০২০;১৫(১১):১১৯৩-১২০২। doi:১০.১০৯৩/SCAN/NSAA১৪২
রোমেরো-সোতো এফও, ইবারা-জারেট ডিআই, অ্যালন্সো-ভালারডি এলএম। বাস্তব এবং ভার্চুয়াল পরিবেশে আলফা পাওয়ার স্পেকট্রাল ঘনত্বের তুলনামূলক বিশ্লেষণ। ভলিউম ৭৫।; ২০২০:১৫৬-১৬৩। doi:১০.১০৭১/৯৭৮-৩-৩০৩-৩০৬৪৮-৯_২২
দিকার এস, ওয়ান এল, ডাভিদেস্কো আই, প্রভৃতি। মস্তিষ্ক থেকে মস্তিষ্কের সিঙ্ক্রোনি বাস্তব জগতের গতিশীল গ্রুপের যোগাযোগ ট্র্যাক করে। কারেন্ট বায়োলজি। ২০১৭;২৭(৯):১৩৭৫-১৩৮০। doi:১০.১০১৬/j.cub.২০১৭.০৪.০০২
পলসেন এট, কামরন এস, দমোচোস্কি জে, প্যার্রি এলসি, হেনসেন এলকে। শ্রেণীকক্ষে EEG: ভিডিও প্রদর্শনের সময় সমন্বিত স্নায়ু রেকর্ডিং। সায়েন্স রিপোর্ট। ২০১৭;৭(১):৪৩৯১৬। doi:১০.১০৩৮/srep৪৩৯১৬
আল-নেগেইমিশ এইচ, আল-আন্ডাস এল, আল-মফহিজ এল, আল-আব্দুললতিফ এ, আল-খলিফা এন, আল-ওয়াবিল এ। মস্তিষ্কের টাইপিং: শুগ্রের গন্দা এবং মোটর কল্পনার তুলনামূলক অধ্যয়ন। ইস্টেফানিডিস সি, সম্পাদক। HCI International 2013 - পোস্টারগুলির বিস্তৃত প্রতিলিপি। কম্পিউটেশন ইন কম্পিউটারে এবং তথ্য বিজ্ঞান। স্প্রিংগার; ২০১৩:৫৬৯-৫৭৩। doi:১০.১০০৭/৯৭৮-৩-৬৪২-৩৯৪৭৩-৭_১১৩
ঝাং এক্স, ইয়াও এল, শেং কিউজেড, কানহের এসএস, গ্যু টি, ঝাং ডি। আপনার চিন্তাগুলিকে পাঠ্যতে রূপান্তর করা: EEG সংকেতের গভীর বৈশিষ্ট্য শেখার মাধ্যমে মস্তিষ্কের টাইপিং সচল করা। ২০১৮ IEEE আন্তর্জাতিক সম্মেলন পেরভেসিভ কম্পিউটিং এবং যোগাযোগ (পেরকম) এ।; ২০১৮:১-১০। doi:১০.১১০৯/PERCOM.২০১৮.৮৪৪৪৫৭৫
যোগোড়িতা ই, হেরিয়াদি ইউ, ওয়ুলান্ধারি এলএ, বুদিহারতো ডাব্লিউ। ভিজ্যুয়াল ইম্পেয়ারমেন্ট ধারণকারী শিক্ষার্থীদের জন্য হ্যাঁ-না উত্তর মডেলের উপর শব্দগুলি চিহ্নিতকরণ।; ২০১৯। doi:১০.১১০৯/TALE৪৮০০০.২০১৯.৯২২৫৯০৩
জাটারাইন-কাবাদা আর, বারন-এস্ট্রাদা এমএল, গঞ্জালেজ-হেরনান্দেজ এফ, রদ্রিগেজ-রায়াঙ্গেল এইচ। একটি বুদ্ধিমান শিক্ষকের জন্য একটি মুখের অভিব্যক্তি পরিচয়কারী এবং মুখের অভিব্যক্তির ডেটাবেস তৈরি করা। ২০১৭ IEEE ১৭তম আন্তর্জাতিক সম্মেলন উন্নত শিক্ষণ প্রযুক্তি (ICALT)।; ২০১৭:৩৯১-৩৯৩। doi:১০.১০৯/ICALT.২০১৭.১৪১
কুরেন্ট পি। উচ্চ বিদ্যালয় এবং কলেজগুলিতে ভবিষ্যতের প্রযুক্তিগুলির সংযুক্তি। ২০১৭ ৪০ তম আন্তর্জাতিক সম্মেলন তথ্য ও যোগাযোগ প্রযুক্তি, ইলেকট্রনিক্স এবং মাইক্রোএলেকট্রনিক্স (মিপ্রো)।; ২০১৭:৮৫৮-৮৬১। doi:১০.২৩৯১৯/MIPRO.২০১৭.৭৯৭৩৫৪১
হোয়াইট-ফয় জে। শিক্ষার্থীদের জন্য নিউরোসায়েন্স: একটি প্রকল্প EEG এবং ব্রেইন-কম্পিউটার-ইন্টারফেস প্রযুক্তিকে মাধ্যমিক বিদ্যালয়ের শিশুদের সাথে পরিচয় করায়। প্র্যাকটিস টিচার রিসার্চ। প্রকাশিত নভেম্বর ২৯, ২০১৯। ১৫ জুন, ২০২২-এ অ্যাক্সেস করেছেন। https://praxis-teacher-research.org/neuroscience-for-students/
কোস্মিনা, নাটালিয়া, নাথালি সোয়েটার্ট, এবং ক্যাসান্দ্রা শেইরার। "বিশেষ পাঠক্রমের জন্য শ্রেণীকক্ষে মস্তিষ্ক-কম্পিউটার ইন্টারফেসের ব্যবহার নিয়ে একটি পাইলট স্টাডি।" ভবিষ্যতের প্রযুক্তি সম্মেলনের কার্যপ্রণালী। স্প্রিংগার, চ্যাম, ২০২১।
আলভারেজ, ভি., বাওয়ার, এম., ডে ফ্রেইটাস, এস., গ্রেগরি, এস। এবং ডি উইট, বি।, ২০১৬। অস্ট্রেলিয়ান বিশ্ববিদ্যালয়ে পরিধানযোগ্য প্রযুক্তির ব্যবহার: পরিবেশগত বিজ্ঞান, কগনিটিভ এবং ব্রেইন সায়েন্স এবং শিক্ষক প্রশিক্ষণের উদাহরণগুলি। মোবাইল শেখার ভবিষ্যৎগুলো - মোবাইল শেখণে গুণমান গবেষণা এবং চর্চার সংরক্ষণ। ২৫।
রদ্রিগেজ, এ.ও.আর., রিয়ানো, এমএ., গার্সিয়া, পিএজির., মোরিন, সিইম., ক্রেস্পো, আরজি। এবং উক্স, এক্স।, ২০২০। শিক্ষণ পরিবেশ ব্যবহার করে শিশুদের আবেগের বৈশিষ্ট্য নির্ধারণে শেখার বিশ্লেষণ এবং এআর-স্যান্ডবক্স ব্যবহার করা। জুনাল অফ অ্যাম্বিয়েন্ট ইন্টেলিজেন্স অ্যান্ড হিউম্যানাইজড কম্পিউটিং, ১১(১১), পৃষ্ঠা ৫৩৫৩-৫৩৬৭।
আপনার ডঃ রোশিনী রandenি দ্বারা
শিক্ষা আমাদের সমাজের একটি মৌলিক স্তম্ভ, এবং সমৃদ্ধ শিক্ষামূলক পরিবেশ প্রদান করা সমাজের উন্নতির জন্য অপরিহার্য। শিক্ষামূলক নিউরোসাইন্স একটি দ্রুত বিকশিত আন্তঃবিষয়ক ক্ষেত্র যা শিক্ষাদান এবং শেখার স্বকীয়তা বোঝার চেষ্টা করে।
গত দুই দশকে, পোর্টেবল EEG প্রযুক্তির উন্নতি গবেষকদেরকে শ্রেণীকক্ষে এবং ই-লার্নিং-এ EEG হেডসেট ব্যবহার করে শিক্ষার্থীদের জন্য চূড়ান্ত শেখার পরিবেশ তৈরি করার সুযোগ দিয়েছে [1]। এই নিবন্ধে, আমরা দেখি যে EMOTIV-এর EEG হেডসেটগুলি কিভাবে আমাদের শেখানোর এবং শেখার পদ্ধতি পরিবর্তন করছে।
শিক্ষামূলক বিষয়বস্তুকে অপ্টিমাইজ করা
আকর্ষক শিক্ষামূলক বিষয়বস্তু ডিজাইন করতে শিক্ষার্থীদের থেকে অভ্যস্ত প্রতিক্রিয়া প্রয়োজন। ঐতিহ্যগতভাবে, একটি কোর্সের বিষয়বস্তুর কার্যকারিতা নির্ধারণ করা হয় কোর্স শেষ হওয়ার পর আত্ম-প্রতিবেদনমূলক প্রতিক্রিয়া পরিমাপের মাধ্যমে।
তবে, প্রকৃতপক্ষে নির্দিষ্ট কোন দিকগুলি কোর্সের পরিবেশন উন্নত করা যাবে তা আলাদা করা প্রায়ই কঠিন হয় আত্ম-বিষয়ক স্মৃতির উপর নির্ভরশীলতার কারণে। এর উচ্চ সাময়িক রেজোলিউশনের (অর্থাৎ, মিলিসেকেন্ডের স্কেলে মস্তিষ্কের প্রতিক্রিয়া পরিমাপকরণের ক্ষমতা) কারণে, EEG প্রাক-চেতনার প্রক্রিয়াগুলিকে সূচক করতে পারে, যা অন্যথায় স্বাভাবিক আত্ম-প্রতিবেদনমূলক পরিমাপের মাধ্যমে অচিহ্নিত থেকে যায়। কোর্সের বিষয়বস্তু অপ্টিমাইজ করার সময়, সবচেয়ে উপকারী মেট্রিক্স হচ্ছে মনোযোগের স্তর এবং সচেতনতা লোড - এটি এমন একটি পরিমাপ যা মস্তিষ্ক কতটুকু চেষ্টা করে তথ্য ধারণ করতে। মনোযোগ প্রায়শই বিভিন্ন মস্তিষ্কের তরঙ্গ বিশ্লেষণ করে পরিমাপ করা হয় যা EEG তে দেখা যায় যখন কেউ শেখার চেষ্টা করছে - যেমন আলফা (বেশিরভাগ সময় ক্লান্তির সাথে যুক্ত) এবং বিটা তরঙ্গের স্তর (বেশিরভাগ সময় সতর্ক বা মনোযোগী হওয়ার সাথে যুক্ত) পর্যায়ে। সচেতনতা লোড, একটি আরো জটিল পরিমাপ, বিভিন্ন আলফা এবং থেটা তরঙ্গের স্তরের সাথে সূচকও করা যেতে পারে।
গবেষকরা EEG-এর সাথে এমন পদ্ধতি তৈরি করেছেন যা মনোযোগ পর্যবেক্ষণ করতে সক্ষম, যা সমগ্র কোর্সে মনোযোগের স্তরগুলি মূল্যায়ন করতে সহায়তা করে। ঝৌ ইত্যাদি সফলভাবে একটি রিয়েল-টাইম সিস্টেম প্রদর্শন করেছেন যা Massive Open Online Courses (MOOCs) এ যুক্ত শিক্ষার্থীদের সচেতনতা লোড পর্যবেক্ষণ করতে সক্ষম, যা বাস্তবসম্মত সময়ে কোর্সের বিষয়বস্তু অপ্টিমাইজ করার জন্য পথ প্রশস্ত করে [2]।
কগনিটিভ অবস্থাগুলি বিশ্লেষণ করা সহজ
কগনিটিভ অবস্থাগুলি মাপা, পূর্ববর্তী এই গবেষণাগুলির মতো, কিছু প্রযুক্তিগত দক্ষতা এবং দক্ষতার প্রয়োজন হতে পারে। সৌভাগ্যবশত, তথ্য বিজ্ঞানেও অগ্রগতির ফলে এখন ক্ষুদ্র প্রযুক্তিগত দক্ষতার সাথে কগনিটিভ অবস্থাগুলি পরিমাপ করার জন্য প্রি-বিল্ট অ্যালগরিদম ব্যবহার করা সম্ভব হয়েছে। EMOTIV পারফরম্যান্স মেট্রিকস ব্যবহারের সুযোগ দেয়: মেশিন লার্নিং অ্যালগরিদমগুলি বিভিন্ন মস্তিষ্কের অবস্থাকে চিহ্নিত করার জন্য তৈরি, যার মধ্যে ফোকাস, উত্তেজনা, যুক্তি, হতাশা, চাপ, এবং EEG তে বিশ্রাম অন্তর্ভুক্ত।
এই অ্যালগরিদমগুলি নিয়ন্ত্রিত পরীক্ষার মাধ্যমে নির্মিত হয় যেগুলি নির্দিষ্ট কগনিটিভ অবস্থাগুলি উত্পন্ন করার জন্য ডিজাইন করা হয় এবং শিক্ষামূলক বিষয়বস্তু অপ্টিমাইজ করতে সহায়ক। এই EMOTIV পারফরম্যান্স মেট্রিকসগুলি গেম-বেসড শেখার বনাম ঐতিহ্যগত পেন-এন্ড-পেপার শিক্ষার মধ্যে তুলনা করতে ব্যবহৃত হয়েছে, যদিও গবেষণায় দুই পদ্ধতির শিক্ষার মধ্যে কগনিটিভ অবস্থাতে কোন পার্থক্য দেখায়নি [3]। অন্যান্য গবেষকরা কগনিটিভ অবস্থার ভিত্তিতে ৫-৭ বছরের শিশুদের গোষ্ঠী বদ্ধ করার জন্য পারফরম্যান্স মেট্রিকসের উপকারিতার প্রমাণ সাধিত করেছেন স্কারদের মধ্যে উন্নত বাস্তবতা পরিবেশে কার্যক্রমগুলির কার্যকারিতা নির্ধারণ করার জন্য।
উপর: (A) EEG ব্যবহার করে শিক্ষার্থীদের মস্তিষ্কের তরঙ্গ মাপা যায় একটি উচ্চ বিদ্যালয়ের শ্রেণীকক্ষে (উৎস: দিকার প্রভৃতি [4])। (B) শিক্ষার্থীদের মস্তিষ্কের তরঙ্গ অন্যান্য শিক্ষার্থীদের সাথে উচ্চ সামঞ্জস্য দেখাতে পারে, যা ক্লাসে আরও যুক্ত শিক্ষার্থীদের জন্য পাওয়া গিয়েছিল (বাম)। অন্যান্য শিক্ষার্থীদের (ডান) সাথে কম চক্রবৃদ্ধি পাওয়া গেছে যারা কম যুক্ত ছিলেন।
শিক্ষার পরিবেশ উন্নত করা
শিক্ষামূলক সামগ্রীটির বিষয়বস্তু কেবল গুরুত্বপূর্ণ নয়, আমরা কখন এবং কোথায় শিখি তাও শিক্ষার্থীদের ভাল শিক্ষার অভিজ্ঞতা নিশ্চিত করার জন্য equally গুরুত্বপূর্ণ। গবেষকরা বিভিন্ন শ্রেণীকক্ষে সময়ের মধ্যে আলফা তরঙ্গের স্তর পরিমাপ করেছেন এবং দেখতে পেয়েছেন যে মধ্যবিকালে উচ্চ বিদ্যালয়ের ক্লাসগুলো সকালে এবং সকালে তুলনায় কম আলফা তরঙ্গ দেখিয়েছে এবং সুপারিশ করেছেন যে মধ্যবিকাল শেখার জন্য সর্বোত্তম সময় হতে পারে [4]।
ওয়্যারলেস EEG-কে বাস্তব বনাম ভার্চুয়াল পরিবেশ তুলনা করতে ব্যবহৃত হয়েছে, উভয় পরিবেশে সমান মনোযোগ এবং উত্সাহ প্রদান করার ক্ষমতা প্রদর্শন করেছে [5]। এটি শারীরিক প্রতিবন্ধকতা আছে এমন লোকজনদের জন্য একটি সমৃদ্ধ শেখার অভিজ্ঞতা তৈরির পথ প্রশস্ত করতে পারে, যারা ব্যক্তিগত শ্রেণীকক্ষগুলোতে উপস্থিত হতে অক্ষম। গবেষকরা EEG ব্যবহার করে শ্রেণীকক্ষে সামাজিক গতিশীলতার উপরও গবেষণা করেছেন। একদল শিক্ষার্থী যাদের EEG হেডসেট লাগানো হয়েছে সাধারণ শিক্ষা প্রক্রিয়ার সময় তাদের স্নায়ু কার্যকলাপ কতটা সহযোগিতায় চলেছে তা মূল্যায়ন করা যেতে পারে [6][7]। EEG তথ্য সংগ্রহের এই পদ্ধতি, EEG হাইপারস্ক্যানিং নামক, শ্রেণীকক্ষে গ্রুপের মনোযোগের বাস্তবসম্মত ইনফারেন্স এবং সমাজগত গতিশীলতা উন্নত করার একটি পদক্ষেপ।
শিক্ষাকে সবার জন্য উপলব্ধ করা
কিছু শারীরিক বা সংবেদনশীল সমস্যা শ্রেণীকক্ষে শিক্ষার্থীদের শিক্ষার অভিজ্ঞতাকে সীমিত করতে পারে। তবে, কিছু EEG ভিত্তিক সরঞ্জাম রয়েছে যা শিক্ষার্থীদের অভিজ্ঞতাকে উন্নত করছে। মস্তিষ্ক-কম্পিউটার ইন্টারফেস (BCI) প্রযুক্তিতে অগ্রগতি EEG ভিত্তিক টাইপিং [8][9] সক্ষম করেছে, যা শারীরিক সমস্যা রয়েছে এমন শিক্ষার্থীদের তাদের শিক্ষালাভের সময় তাদের কম্পিউটিং ডিভাইসে মানসিক নোট নেওয়ার অনুমতি দেয়। BCI-গুলি যা ইয়েস-নো ধরনের প্রশ্নের EEG ভিত্তিক উত্তর দেওয়ার অনুমতি দেয়, তাদের পরিচায়কটির প্রয়োজন হয় যা নয়। [10]
ব্যক্তিগতকৃত শিক্ষার অভিজ্ঞতা
শিক্ষার্থীদের জন্য ব্যক্তিগত শিক্ষক দেওয়া ব্যয়বহুল হতে পারে কিন্তু প্রয়োজনীয় হতে পারে যখন সাধারণ শিক্ষা ব্যবস্থা শেখার ক্ষেত্রে অনন্য প্রয়োজন পূরণের জন্য অপ্রতুল থাকে। বুদ্ধিমান শিক্ষক সিস্টেম (ITS) হল একটি কম্পিউটার ভিত্তিক শিক্ষণ সফ্টওয়্যার শ্রেণী যা কৃত্রিম বুদ্ধিমত্তা দ্বারা পৃষ্ঠপোষকতা করা হয় যা ব্যক্তিগত শিক্ষকদের মতো কাজ করতে পারে।
এই সিস্টেমগুলির উদ্দেশ্য হল অভিযোজিত এবং শিক্ষার্থীর শেখা উন্নত করার জন্য সময়ে সময়ে ব্যক্তিগতকৃত প্রতিক্রিয়া প্রদান করা। গবেষকরা বর্তমানে EEG-র সাথে ITS সিস্টেমগুলি উন্নত করছে। এক গবেষণায়, গবেষকরা বিভিন্ন ধরণের শিক্ষামূলক ভিডিও (অ্যানিমেটেড সামগ্রী বনাম মানব শিক্ষক নিয়ে ভিডিও) নির্ধারণ করার জন্য EEG ব্যবহার করে যা ITS-কে শেখার সুযোগ দেয় এবং স্বয়ংক্রিয়ভাবে এমন বিষয়বস্তু তৈরি করা যা শিক্ষার্থী আরও আকর্ষণীয় পাবে।
আপনি শেখার প্রক্রিয়া থেকে মানব উপাদানটি বাদ দিলে, এই সময় কম্পিউটার-ভিত্তিক শিক্ষণ প্রোগ্রামগুলি ব্যবহার করার সময় শিক্ষার্থীদের মনোযোগ লোড প্রতি নজর রাখা increasingly আরও গুরুত্বপূর্ণ হয়ে ওঠে যাতে চাপ এবং স্ক্রীন ক্লান্তি প্রতিরোধ করা যায়। এর বিরুদ্ধে লড়াই করতে, গবেষকরা EEG তথ্যের ভিত্তিতে একটি মুখমণ্ডল প্রকাশের ডেটাবেস তৈরি করেছেন যা সক্রিয়ভাবে চিহ্নিত করে একটি শিক্ষার্থী বিরক্ত, যুক্ত, উত্তেজিত বা হতাশ ছিল কি না যখন একটি ITS ব্যবহার করছিলেন [11]।
এই EEG-এ উন্নতি ITS সিস্টেমের জন্য প্রতিনিয়ত শিখতে এবং ব্যক্তি শিক্ষার্থীকে অভিযোজিত হতে আগামী পথ তৈরি করছে; যখন তারা ক্লান্ত হয় তখন বিরতি প্রস্তাব দেওয়া বা যখন তারা যুক্ত থাকে তখন শেখান অব্যাহত রাখা, শিক্ষার্থীর জন্য একটি অধিক কার্যকর শিক্ষার অভিজ্ঞতা প্রদান করা।
উপর: নিউ ইয়র্ক বিশ্ববিদ্যালয়ে (NYU) ব্রেইনওয়েভস প্রোগ্রামে শিক্ষার্থীরা EMOTIV EEG ব্রেন প্রযুক্তি আগের সময় গেম খেলছে।
STEM শিক্ষার টুল হিসাবে EEG
Emotiv EEG ডিভাইস এবং সফ্টওয়্যার ব্যবহার করা সহজ এবং পরবর্তী প্রজন্মের বিজ্ঞান, প্রযুক্তি, প্রকৌশল এবং গণিত (STEM) বিজ্ঞানীকে অনুপ্রাণিত করার জন্য একটি অসাধারণ পরিচায়ক টুল।
Emotiv ডিভাইস এবং সফ্টওয়্যার বর্তমানে বিশ্ববিদ্যালয়ের স্নাতক স্তরের কোর্সগুলিতে ব্যবহৃত হচ্ছে, শুধুমাত্র মনোবিজ্ঞান এবং নিউরোসাইন্সেই নয় বরং বায়োমেডিক্যাল ইঞ্জিনিয়ারিং-এর ক্ষেত্রেও। কুরেন্ট মাধ্যমে Emotiv EPOC ডিভাইসগুলির শিক্ষাকরীর প্রক্রে বাড়ানোর সফল উদাহরণ রয়েছে। কোস্মায়না ইত্যাদি পাওয়া গেছে যে স্কুল পাঠ্যসূচিতে EEG-BCI সিস্টেমগুলি অন্তর্ভুক্ত করলে একাডেমিক ফলাফল বাড়ায়। ম্যাকোয়ারী বিশ্ববিদ্যালয় ইতিমধ্যে তাদের কগনিটিভ এবং ব্রেন সায়েন্সের ব্যাচেলর পাঠ্যক্রমে EMOTIV ডিভাইসগুলির সফল সম্পৃক্ততা প্রদর্শন করেছে, শিক্ষার্থীদের পরীক্ষামূলক ডিজাইন এবং EEG ডেটা বিশ্লেষণে হাতে-কলমে অভিজ্ঞতা দেওয়া [14]।
এছাড়াও, হোয়াইট-ফয় প্রদর্শন করেছেন যে ১২ বছর বয়সী শিশুদের BCI প্রযুক্তি শিখতে এবং ছোট আকারের EEG গবেষণা প্রকল্পগুলি সেটআপ করতে সফলভাবে সক্ষম হতে পারে [13]। শিক্ষার্থীরা অনলাইনে সম্পদ ব্যবহার করে একটি EMOTIV Insight ডিভাইসকে একটি রাস্পবেরি পাই (একটি ক্ষুদ্র কম্পিউটার) সংযুক্ত করে, যা EEG কে কমান্ডে রূপান্তর করে এবং একটি রিমোট-কন্ট্রোলের স্টার ওয়ার্স খেলনা (BB-8) নিয়ন্ত্রণ করে এবং একটি গলিতে চালনা করে।
উপর: সেকেন্ডারি স্কুল নিউরোল্যাব। ১১-১৮ বছর বয়সী শিক্ষার্থীরা রাস্পবেরি পাই এবং BB-8 রোবটের সাথে মোটর নির্দেশের মাধ্যমে BB-8-কে গলি (নিউরোল্যাব থেকে অনুমতি নিয়ে শেয়ার করা হয়েছে) কাছে নিয়ন্ত্রণে ও পরিচালনা করেছে।
আমরা দেখতে পাই যে কম খরচে, মোবাইল Emotiv EEG ডিভাইসগুলি শিক্ষকদের জন্য শিক্ষার মান বাড়ানোর পদ্ধতি প্রদান করে অসাধারণ বিষয়বস্তু প্রকাশ করার জন্য, কিন্তু BCI-এ উন্নয়নের সাথে তারা অনন্য প্রয়োজনের ব্যক্তিদের জন্য একটি সমৃদ্ধ শিক্ষামূলক পরিবেশ প্রদান করার প্রস্তাবও করে।
EMOTIV কিভাবে সহায়তা করতে পারে
শিক্ষার্থীদের শিক্ষার অভিজ্ঞতা উন্নত করতে EMOTIV EEG ল্যাব স্টার্টার কিট ব্যবহার করুন।
প্রجেক্ট তৈরি করুন এবং EmotivPRO বিল্ডার এর সাথে ডেটা বিশ্লেষণ করুন।
ডেটা পাওয়ার জন্য EmotivLABS-এ দূরবর্তী পরীক্ষা চালান।
আমাদের ওপেন-সোর্স তথ্য সেট ব্যবহার করুন।
সহায়তা প্রয়োজন? আমাদের সাথে যোগাযোগ করুন
কভার ইমেজ সূত্র: ট্রেভর ডে স্কুল
সূত্রাবলি
জে। জুহন এবং বি। ঝং, “শিক্ষাগত গবেষণায় পোর্টেবল EEG প্রযুক্তির উপর একটি পর্যালোচনা,” কম্পিউটার ইন হিউম্যান বিহেভিয়ার, খণ্ড। ৮১, পৃষ্ঠাগুলি ৩৪০–৩৪৯, এপ্রিল ২০১৮, doi: ১০.১০১৬/j.chb.২০১৭.১২.০৩৭.
ঝৌ ই, ঝু টি, লাল য়, উক্স, ডং বি। একটি EEG-ভিত্তিক ব্রেইন-কম্পিউটার ইন্টারফেসের মাধ্যমে অনলাইন ভিডিও শেখার সময় কগনিটিভ কাজের বোঝা পর্যবেক্ষণ। লেকচার নোটস কম্পিউটার সাইন্স সাবসার লেকচার নোটস আর্টিফিশিয়াল ইনটেলিজেন্স লেকচার নোটস বায়োইনফরমেটিকা। ২০১৭; ১০২৯৫ LNCS:৬৪-৭৩। doi:১০.১০০৭/৯৭৮-৩-৩১৯-৫৮৫০৯-৩_৭
পিরেভা কে, তহির আর, শারিক ইমরান এ, চৌধুরী এন। খেলার ভিত্তিক শেখন পদ্ধতির তুলনায় পেন-এন্ড-পেপার নিয়ে শিক্ষার্থীদের আবেগের অবস্থাগুলি মূল্যায়ন করা। ২০১৯ IEEE ফ্রন্টিয়ার্স ইন এডুকেশন কনফারেন্স (FIE) এ।; ২০১৯:১-৮। doi:১০.১১০৯/FIE৪৩৯৯৯.২০১৯.৯০৯৭২৬২
দিকার এস, হেগেনস এস, বেভিলাক্কা ডি, প্রভৃতি। সকালে মস্তিষ্ক: বাস্তব জগতের স্নায়ু প্রমাণ যে উচ্চ বিদ্যালয়ের ক্লাস সময় গুরুত্বপূর্ণ। সোশ্যাল কগনিটিভ অ্যাফেকট নিউরোসায়েন্স। ২০২০;১৫(১১):১১৯৩-১২০২। doi:১০.১০৯৩/SCAN/NSAA১৪২
রোমেরো-সোতো এফও, ইবারা-জারেট ডিআই, অ্যালন্সো-ভালারডি এলএম। বাস্তব এবং ভার্চুয়াল পরিবেশে আলফা পাওয়ার স্পেকট্রাল ঘনত্বের তুলনামূলক বিশ্লেষণ। ভলিউম ৭৫।; ২০২০:১৫৬-১৬৩। doi:১০.১০৭১/৯৭৮-৩-৩০৩-৩০৬৪৮-৯_২২
দিকার এস, ওয়ান এল, ডাভিদেস্কো আই, প্রভৃতি। মস্তিষ্ক থেকে মস্তিষ্কের সিঙ্ক্রোনি বাস্তব জগতের গতিশীল গ্রুপের যোগাযোগ ট্র্যাক করে। কারেন্ট বায়োলজি। ২০১৭;২৭(৯):১৩৭৫-১৩৮০। doi:১০.১০১৬/j.cub.২০১৭.০৪.০০২
পলসেন এট, কামরন এস, দমোচোস্কি জে, প্যার্রি এলসি, হেনসেন এলকে। শ্রেণীকক্ষে EEG: ভিডিও প্রদর্শনের সময় সমন্বিত স্নায়ু রেকর্ডিং। সায়েন্স রিপোর্ট। ২০১৭;৭(১):৪৩৯১৬। doi:১০.১০৩৮/srep৪৩৯১৬
আল-নেগেইমিশ এইচ, আল-আন্ডাস এল, আল-মফহিজ এল, আল-আব্দুললতিফ এ, আল-খলিফা এন, আল-ওয়াবিল এ। মস্তিষ্কের টাইপিং: শুগ্রের গন্দা এবং মোটর কল্পনার তুলনামূলক অধ্যয়ন। ইস্টেফানিডিস সি, সম্পাদক। HCI International 2013 - পোস্টারগুলির বিস্তৃত প্রতিলিপি। কম্পিউটেশন ইন কম্পিউটারে এবং তথ্য বিজ্ঞান। স্প্রিংগার; ২০১৩:৫৬৯-৫৭৩। doi:১০.১০০৭/৯৭৮-৩-৬৪২-৩৯৪৭৩-৭_১১৩
ঝাং এক্স, ইয়াও এল, শেং কিউজেড, কানহের এসএস, গ্যু টি, ঝাং ডি। আপনার চিন্তাগুলিকে পাঠ্যতে রূপান্তর করা: EEG সংকেতের গভীর বৈশিষ্ট্য শেখার মাধ্যমে মস্তিষ্কের টাইপিং সচল করা। ২০১৮ IEEE আন্তর্জাতিক সম্মেলন পেরভেসিভ কম্পিউটিং এবং যোগাযোগ (পেরকম) এ।; ২০১৮:১-১০। doi:১০.১১০৯/PERCOM.২০১৮.৮৪৪৪৫৭৫
যোগোড়িতা ই, হেরিয়াদি ইউ, ওয়ুলান্ধারি এলএ, বুদিহারতো ডাব্লিউ। ভিজ্যুয়াল ইম্পেয়ারমেন্ট ধারণকারী শিক্ষার্থীদের জন্য হ্যাঁ-না উত্তর মডেলের উপর শব্দগুলি চিহ্নিতকরণ।; ২০১৯। doi:১০.১১০৯/TALE৪৮০০০.২০১৯.৯২২৫৯০৩
জাটারাইন-কাবাদা আর, বারন-এস্ট্রাদা এমএল, গঞ্জালেজ-হেরনান্দেজ এফ, রদ্রিগেজ-রায়াঙ্গেল এইচ। একটি বুদ্ধিমান শিক্ষকের জন্য একটি মুখের অভিব্যক্তি পরিচয়কারী এবং মুখের অভিব্যক্তির ডেটাবেস তৈরি করা। ২০১৭ IEEE ১৭তম আন্তর্জাতিক সম্মেলন উন্নত শিক্ষণ প্রযুক্তি (ICALT)।; ২০১৭:৩৯১-৩৯৩। doi:১০.১০৯/ICALT.২০১৭.১৪১
কুরেন্ট পি। উচ্চ বিদ্যালয় এবং কলেজগুলিতে ভবিষ্যতের প্রযুক্তিগুলির সংযুক্তি। ২০১৭ ৪০ তম আন্তর্জাতিক সম্মেলন তথ্য ও যোগাযোগ প্রযুক্তি, ইলেকট্রনিক্স এবং মাইক্রোএলেকট্রনিক্স (মিপ্রো)।; ২০১৭:৮৫৮-৮৬১। doi:১০.২৩৯১৯/MIPRO.২০১৭.৭৯৭৩৫৪১
হোয়াইট-ফয় জে। শিক্ষার্থীদের জন্য নিউরোসায়েন্স: একটি প্রকল্প EEG এবং ব্রেইন-কম্পিউটার-ইন্টারফেস প্রযুক্তিকে মাধ্যমিক বিদ্যালয়ের শিশুদের সাথে পরিচয় করায়। প্র্যাকটিস টিচার রিসার্চ। প্রকাশিত নভেম্বর ২৯, ২০১৯। ১৫ জুন, ২০২২-এ অ্যাক্সেস করেছেন। https://praxis-teacher-research.org/neuroscience-for-students/
কোস্মিনা, নাটালিয়া, নাথালি সোয়েটার্ট, এবং ক্যাসান্দ্রা শেইরার। "বিশেষ পাঠক্রমের জন্য শ্রেণীকক্ষে মস্তিষ্ক-কম্পিউটার ইন্টারফেসের ব্যবহার নিয়ে একটি পাইলট স্টাডি।" ভবিষ্যতের প্রযুক্তি সম্মেলনের কার্যপ্রণালী। স্প্রিংগার, চ্যাম, ২০২১।
আলভারেজ, ভি., বাওয়ার, এম., ডে ফ্রেইটাস, এস., গ্রেগরি, এস। এবং ডি উইট, বি।, ২০১৬। অস্ট্রেলিয়ান বিশ্ববিদ্যালয়ে পরিধানযোগ্য প্রযুক্তির ব্যবহার: পরিবেশগত বিজ্ঞান, কগনিটিভ এবং ব্রেইন সায়েন্স এবং শিক্ষক প্রশিক্ষণের উদাহরণগুলি। মোবাইল শেখার ভবিষ্যৎগুলো - মোবাইল শেখণে গুণমান গবেষণা এবং চর্চার সংরক্ষণ। ২৫।
রদ্রিগেজ, এ.ও.আর., রিয়ানো, এমএ., গার্সিয়া, পিএজির., মোরিন, সিইম., ক্রেস্পো, আরজি। এবং উক্স, এক্স।, ২০২০। শিক্ষণ পরিবেশ ব্যবহার করে শিশুদের আবেগের বৈশিষ্ট্য নির্ধারণে শেখার বিশ্লেষণ এবং এআর-স্যান্ডবক্স ব্যবহার করা। জুনাল অফ অ্যাম্বিয়েন্ট ইন্টেলিজেন্স অ্যান্ড হিউম্যানাইজড কম্পিউটিং, ১১(১১), পৃষ্ঠা ৫৩৫৩-৫৩৬৭।
সহায়তা
কোম্পানি
© 2025 EMOTIV, সব অধিকার সংরক্ষিত।
আপনার গোপনীয়তা বিকল্পগুলি (কুকি সেটিংস)
*অস্বীকৃতি – EMOTIV পণ্যগুলি গবেষণার অ্যাপ্লিকেশন এবং ব্যক্তিগত ব্যবহারের জন্য বরাদ্দ করা হয়েছে। আমাদের পণ্যগুলি EU নির্দেশিকা 93/42/EEC দ্বারা সংজ্ঞায়িত মেডিকেল ডিভাইস হিসাবে বিক্রি করা হয় না। আমাদের পণ্যগুলি রোগের নির্ণয় বা চিকিৎসার জন্য ব্যবহারের জন্য ডিজাইন করা হয়নি অথবা উদ্দেশ্যমূলক নয়।
অনুবাদ সম্পর্কে নোট: এই ওয়েবসাইটের অ-ইংরেজি সংস্করণগুলি সুবিধার জন্য কৃত্রিম বুদ্ধিমত্তা ব্যবহার করে অনুবাদ করা হয়েছে। আমরা সঠিকতার প্রতি যত্নশীল হলেও, স্বয়ংক্রিয় অনুবাদগুলিতে ভুল বা সূক্ষ্মতা থাকতে পারে যা মূল লেখ্যের থেকে ভিন্ন। সবচেয়ে সঠিক তথ্যের জন্য, দয়া করে এই সাইটের ইংরেজি সংস্করণের দিকে নজর দিন।
সহায়তা
কোম্পানি
© 2025 EMOTIV, সব অধিকার সংরক্ষিত।
আপনার গোপনীয়তা বিকল্পগুলি (কুকি সেটিংস)
*অস্বীকৃতি – EMOTIV পণ্যগুলি গবেষণার অ্যাপ্লিকেশন এবং ব্যক্তিগত ব্যবহারের জন্য বরাদ্দ করা হয়েছে। আমাদের পণ্যগুলি EU নির্দেশিকা 93/42/EEC দ্বারা সংজ্ঞায়িত মেডিকেল ডিভাইস হিসাবে বিক্রি করা হয় না। আমাদের পণ্যগুলি রোগের নির্ণয় বা চিকিৎসার জন্য ব্যবহারের জন্য ডিজাইন করা হয়নি অথবা উদ্দেশ্যমূলক নয়।
অনুবাদ সম্পর্কে নোট: এই ওয়েবসাইটের অ-ইংরেজি সংস্করণগুলি সুবিধার জন্য কৃত্রিম বুদ্ধিমত্তা ব্যবহার করে অনুবাদ করা হয়েছে। আমরা সঠিকতার প্রতি যত্নশীল হলেও, স্বয়ংক্রিয় অনুবাদগুলিতে ভুল বা সূক্ষ্মতা থাকতে পারে যা মূল লেখ্যের থেকে ভিন্ন। সবচেয়ে সঠিক তথ্যের জন্য, দয়া করে এই সাইটের ইংরেজি সংস্করণের দিকে নজর দিন।
সহায়তা
কোম্পানি
© 2025 EMOTIV, সব অধিকার সংরক্ষিত।
আপনার গোপনীয়তা বিকল্পগুলি (কুকি সেটিংস)
*অস্বীকৃতি – EMOTIV পণ্যগুলি গবেষণার অ্যাপ্লিকেশন এবং ব্যক্তিগত ব্যবহারের জন্য বরাদ্দ করা হয়েছে। আমাদের পণ্যগুলি EU নির্দেশিকা 93/42/EEC দ্বারা সংজ্ঞায়িত মেডিকেল ডিভাইস হিসাবে বিক্রি করা হয় না। আমাদের পণ্যগুলি রোগের নির্ণয় বা চিকিৎসার জন্য ব্যবহারের জন্য ডিজাইন করা হয়নি অথবা উদ্দেশ্যমূলক নয়।
অনুবাদ সম্পর্কে নোট: এই ওয়েবসাইটের অ-ইংরেজি সংস্করণগুলি সুবিধার জন্য কৃত্রিম বুদ্ধিমত্তা ব্যবহার করে অনুবাদ করা হয়েছে। আমরা সঠিকতার প্রতি যত্নশীল হলেও, স্বয়ংক্রিয় অনুবাদগুলিতে ভুল বা সূক্ষ্মতা থাকতে পারে যা মূল লেখ্যের থেকে ভিন্ন। সবচেয়ে সঠিক তথ্যের জন্য, দয়া করে এই সাইটের ইংরেজি সংস্করণের দিকে নজর দিন।