Wie EEG genutzt werden kann, um optimale Lernumgebungen zu schaffen

von Dr. Roshini Randeniya

Bildung ist ein grundlegender Pfeiler unserer Gesellschaft, und die Bereitstellung reicher Lernumgebungen ist entscheidend für den gesellschaftlichen Fortschritt. Die Bildungsneurowissenschaft ist ein schnell wachsendes interdisziplinäres Fachgebiet, das darauf abzielt, die neuronalen Mechanismen des Lehrens und Lernens zu verstehen.

In den letzten zwei Jahrzehnten haben Fortschritte in der tragbaren EEG-Technologie es Forschern ermöglicht, EEG-Kopfhörer sowohl im Klassenzimmer als auch im E-Learning zu verwenden, um optimale Lernumgebungen für Schüler zu schaffen [1]. In diesem Artikel betrachten wir, wie die EEG-Kopfhörer von EMOTIV verwendet werden, um zu verändern, wie wir lehren und lernen.

Optimierung von Lerninhalten

Die Gestaltung ansprechender Lerninhalte erfordert ständiges subjektives Feedback von den Schülern. Traditionell wird die Wirksamkeit des Inhalts eines Kurses durch selbstberichtete Feedbackmaßnahmen nach Abschluss eines Kurses bestimmt.

Es ist jedoch oft schwierig, genau die Aspekte der Kursdurchführung zu isolieren, die verbessert werden können, da man sich auf subjektives Gedächtnis verlässt. Aufgrund seiner hohen zeitlichen Auflösung (d.h. seiner Fähigkeit, Gehirnreaktionen im Millisekundenbereich zu messen), ist EEG in der Lage, vorbewusste Prozesse zu indexieren, die ansonsten mit einfachen Selbstberichten unbemerkt bleiben würden. Bei der Optimierung von Kursinhalten sind die nützlichsten Kennzahlen das Aufmerksamkeitsniveau und kognitive Belastung - ein Maß dafür, wie viel Aufwand das Gehirn aufbringt, um die Informationen zu behalten. Aufmerksamkeit wird oft gemessen, indem man verschiedene Gehirnwellen analysiert, die im EEG beobachtet werden, wenn jemand lernt - wie z.B. die Niveaus der Alpha-Wellen (typisch mit Ermüdung assoziiert) und Beta-Wellen (typisch mit Wachsamkeit oder Konzentration assoziiert). Kognitive Belastung, ein komplexerer Maßstab, kann ebenfalls mit unterschiedlichen Niveaus von Alpha- und Theta-Wellen indexiert werden.

Forscher haben Systeme mit EEG entwickelt, die Aufmerksamkeit überwachen können, wodurch es möglich ist, das Aufmerksamkeitsniveau während eines ganzen Kurses zu bewerten. Zhou et al. demonstrierten erfolgreich ein Echtzeitsystem, das die kognitive Belastung von E-Learning-Studierenden, die an Massive Open Online Courses (MOOCs) teilnehmen, überwacht, was den Weg zur Optimierung von Kursinhalten in Echtzeit ebnet [2].

Kognitive Zustände einfach analysieren

Die Messung kognitiver Zustände, wie in diesen vorhergehenden Studien, kann einige technische Fähigkeiten und Fachkenntnisse erfordern. Glücklicherweise haben Fortschritte in der Datenwissenschaft nun die Verwendung vorgefertigter Algorithmen zur Messung kognitiver Zustände mit minimalem technischem Fachwissen ermöglicht. Emotiv ermöglicht die Verwendung von Leistungskennzahlen: Maschinenlernalgorithmen, die entwickelt wurden, um verschiedene Gehirnzustände zu identifizieren, einschließlich Fokus, Aufregung, Engagement, Frustration, Stress und Entspannung in einem EEG.

Diese Algorithmen werden unter Verwendung kontrollierter Experimente erstellt, die darauf ausgelegt sind, spezifische kognitive Zustände hervorzurufen, und sind nützlich zur Optimierung von Lerninhalten. Diese Emotiv-Leistungskennzahlen wurden verwendet, um spielbasiertes Lernen mit traditionellem Lernen mit Stift und Papier zu vergleichen, obwohl die Studie keinen Unterschied in den kognitiven Zuständen zwischen den beiden Methoden des Lernens zeigte [3]. Andere Forscher haben die Nützlichkeit der Leistungskennzahlen gezeigt, um Kinder im Alter von 5 bis 7 Jahren basierend auf kognitiven Zuständen wie Engagement, Stress und Fokus in Gruppen zu unterteilen, um die Wirksamkeit von Aktivitäten in virtuellen Realitätsumgebungen zu beurteilen.

Oben: (A) EEG kann verwendet werden, um die Gehirnwellen von Schülern in einem Klassenzimmer der Oberstufe zu messen (von: Dikker et al. [4]). (B) Die Gehirnwellen der Schüler können eine hohe Synchronisierung mit anderen Schülern zeigen, was bei Schülern festgestellt wurde, die im Unterricht engagierter waren (links). Eine geringe Synchronisierung mit anderen Schülern (rechts) wurde bei Schülern festgestellt, die weniger engagiert waren.

Verbesserung von Lernumgebungen

Es ist nicht nur der Inhalt der Lehrmaterialien wichtig, sondern auch wann und wo wir lernen, was gleichermaßen wichtig ist, um sicherzustellen, dass Schüler gute Lernerfahrungen haben. Forscher haben während verschiedener Unterrichtszeiten die Niveaus der Alpha-Wellen gemessen und festgestellt, dass Klassen in der Mittelstufe am späten Vormittag weniger Alpha-Wellen zeigten als am frühen Morgen und schlagen vor, dass der späte Vormittag die beste Zeit zum Lernen sein könnte [4].

Drahtlose EEG-Geräte wurden auch verwendet, um reale gegen virtuelle Umgebungen zu vergleichen, und haben gezeigt, dass sie in beiden Umgebungen gleiche Niveaus an Aufmerksamkeit und Motivation bieten können [5]. Dies könnte den Weg für ein reichhaltigeres Lernerlebnis für Menschen mit körperlichen Behinderungen ebnen, die nicht in der Lage sind, an Präsenzunterricht teilzunehmen. Forscher haben auch Studien zu sozialen Dynamiken im Klassenzimmer unter Verwendung von EEG durchgeführt. Eine Gruppe von Schülern, die mit EEG-Kopfhörern ausgestattet ist, kann bewertet werden, wie synchronisiert ihre neuronale Aktivität während eines gemeinsamen Lernprozesses ist [6][7]. Diese Methode der EEG-Datenerfassung, die als EEG-Hyperscanning bezeichnet wird, ist ein Schritt in Richtung Echtzeiteinsicht in die Gruppenaufmerksamkeit und Verbesserung der sozialen Dynamik im Klassenzimmer.

Bildung für alle zugänglich machen

Einige körperliche oder sensorische Schwierigkeiten können die Lernerfahrungen der Schüler im Klassenzimmer einschränken. Es gibt jedoch EEG-basierte Werkzeuge, die die Erfahrungen der Schüler verbessern. Fortschritte in der Gehirn-Computer-Schnittstellentechnologie (BCI) haben das EEG-basiertes Tippen [8][9] ermöglicht, was Schülern mit körperlichen Schwierigkeiten hilft, während des Lernens mentale Notizen auf ihrem Computer zu machen. BCIs, die das EEG-basierte Beantworten von Ja-Nein-Fragen ermöglichen, geben auch Schülern mit Sehbehinderungen die Möglichkeit, computergestützte Prüfungen abzulegen, die sonst einen Interviewer erforderten [10].

Personalisierte Lernerfahrungen

Die Bereitstellung persönlicher Tutoren für Schüler kann teuer sein, ist jedoch oft notwendig, wenn das allgemeine Bildungssystem nicht ausreichend ausgestattet ist, um einzigartige Lernbedürfnisse zu erfüllen. Intelligente Tutorensysteme (ITS) sind eine Klasse von computerbasierten Lernsoftware, die mit künstlicher Intelligenz unterstützt wird und als persönliche Tutoren fungieren kann.

Das Ziel dieser Systeme ist es, sich anzupassen und dem Schüler in Echtzeit personalisiertes Feedback zu geben, um sein Lernen zu verbessern. Forscher arbeiten derzeit an der Weiterentwicklung von ITS-Systemen, indem sie diese mit EEG integrieren. In einer Studie verwenden Forscher EEG, um das Engagement der Schüler bei verschiedenen Arten von Bildungsressourcen (animierte Inhalte vs. Videos mit menschlichen Lehrern) zu erkennen, was es dem ITS ermöglicht, zu lernen und automatisch Inhalte zu generieren, die der Schüler als interessanter empfindet.

Wenn man das menschliche Element aus dem Lehrprozess entfernt, wird es zunehmend wichtig, die kognitive Belastung der Schüler während der Nutzung computerbasierter Lernprogramme zu verfolgen, um Stress und Bildschirmermüdung zu vermeiden. Um dies zu bekämpfen, haben Forscher eine Datenbank mit Gesichtsausdrücken entwickelt, die auf EEG-Daten basiert und aktiv erkennt, ob ein Schüler gelangweilt, engagiert, aufgeregt oder frustriert war, während er ein ITS verwendete [11].

Diese Entwicklung mit EEG ebnet den Weg für das ITS-System, kontinuierlich zu lernen und sich an den einzelnen Schüler anzupassen; indem es Pausen vorschlägt, wenn sie müde sind, oder weiter unterrichtet, wenn sie engagiert sind, wodurch eine effektivere Lernerfahrung für den Schüler gewährt wird.

Oben: Schüler an der New York University (NYU) BrainWaves Programm spielen ein Spiel, während sie die EMOTIV EEG-Gehirntechnologie tragen.

EEG als STEM-Lernwerkzeug

Emotiv EEG-Geräte und -Software sind einfach zu bedienen und sind ein hervorragendes Einführungstool, um die nächste Generation von Wissenschaftlern in den Bereichen Wissenschaft, Technologie, Ingenieurwesen und Mathematik (STEM) zu inspirieren.

Emotiv-Geräte und -Software werden derzeit in universitären Bachelor-Kursen eingesetzt, nicht nur in Psychologie und Neurowissenschaften, sondern auch im Bereich der biomedizinischen Technik. Kurent zeigt ein erfolgreiches Beispiel für die Integration von Emotiv EPOC-Geräten in den Bildungsprozess auf der Oberstufen- und Hochschulebene, um den Fortschritt von BCI-Geräten zu ermöglichen. Kosmayana et al. stellen fest, dass die Einbeziehung von EEG-BCI-Systemen in den Lehrplan in Schulen die akademische Leistung steigert. Die Macquarie University hat bereits den erfolgreichen Einsatz von Emotiv-Geräten in ihrem Bachelor-Studium der kognitiven und Gehirnwissenschaften demonstriert, was den Studierenden praktische Erfahrungen in experimenteller Gestaltung und EEG-Datenanalyse bietet [14].

Darüber hinaus zeigt White-Foy, dass Kinder im Alter von erst 12 Jahren erfolgreich die BCI-Technologie erlernen und kleine EEG-Forschungsprojekte aufbauen können [13]. Die Schüler nutzten Online-Ressourcen, um ein EMOTIV Insight-Gerät an einen Raspberry Pi (einen Miniaturcomputer) anzuschließen, der EEG in Befehle übersetzt, um ein ferngesteuertes Star Wars-Spielzeug (den BB-8) zu steuern und es durch ein Labyrinth zu navigieren.

Oben: Schüler im NeuroLab der Sekundarschule. Schüler im Alter von 11-18 Jahren integrierten Raspberry Pi und BB-8-Roboter mit Emotiv-Gerät und verwendeten mentale Kommandos, um BB-8 durch ein Labyrinth zu navigieren (mit Erlaubnis von NeuroLabs geteilt)

Wir sehen, dass kostengünstige, mobile Emotiv EEG-Geräte nicht nur Methoden bieten, um die Qualität der Bildungsprogramme zu verbessern und den Lehrenden außergewöhnliche Inhalte zu liefern, sondern zusammen mit Entwicklungen in der BCI auch ein reichhaltiges Bildungsumfeld für Personen mit speziellen Bedürfnissen bieten.

Wie EMOTIV helfen kann

• Verbessern Sie die Lernerfahrungen Ihrer Schüler mit EMOTIV EEG Lab Starter Kits.

• Experimente erstellen und Daten analysieren mit EmotivPRO Builder.

• Starten Sie Remote-Experimente, um Daten über EmotivLABS zu erhalten.

• Verwenden Sie unser Open-Source-Datenset.

Brauchen Sie Hilfe? Kontaktieren Sie uns

 Quellenangabe für das Titelbild: Trevor Day School

Referenzen

1. J. Xu und B. Zhong, "Überblick über tragbare EEG-Technologie in der Bildungsforschung," Computers in Human Behavior, vol. 81, S. 340–349, Apr. 2018, doi: 10.1016/j.chb.2017.12.037.

2. Zhou Y, Xu T, Cai Y, Wu X, Dong B. Überwachung der kognitiven Arbeitslast beim Lernen von Online-Videos über eine EEG-basierte Gehirn-Computer-Schnittstelle. Lect Notes Comput Sci Subser Lect Notes Artif Intell Lect Notes Bioinforma. 2017;10295 LNCS:64-73. doi:10.1007/978-3-319-58509-3_7

3. Pireva K, Tahir R, Shariq Imran A, Chaudhary N. Bewertung der emotionalen Zustände von Lernenden durch Überwachung der Gehirnwellen, um den spielbasierten Lernansatz mit Stift und Papier zu vergleichen. In: 2019 IEEE Frontiers in Education Conference (FIE). ; 2019:1-8. doi:10.1109/FIE43999.2019.9097262

4. Dikker S, Haegens S, Bevilacqua D, et al. Morgen-Gehirn: reale neuronale Beweise dafür, dass die Unterrichtszeiten in der Oberstufe eine Rolle spielen. Soc Cogn Affect Neurosci. 2020;15(11):1193-1202. doi:10.1093/scan/nsaa142

5. Romero-Soto FO, Ibarra-Zárate DI, Alonso-Valerdi LM. Vergleichende Analyse der Alpha-Leistungsdichte in realen und virtuellen Umgebungen. In: Vol 75. ; 2020:156-163. doi:10.1007/978-3-030-30648-9_22

6. Dikker S, Wan L, Davidesco I, et al. Gehirn-zu-Gehirn-Synchronisation verfolgt dynamische Gruppeninteraktionen in der realen Welt im Klassenzimmer. Curr Biol. 2017;27(9):1375-1380. doi:10.1016/j.cub.2017.04.002

7. Poulsen AT, Kamronn S, Dmochowski J, Parra LC, Hansen LK. EEG im Klassenzimmer: Synchronisierte neuronale Aufzeichnungen während der Video-Präsentation. Sci Rep. 2017;7(1):43916. doi:10.1038/srep43916

8. Al-Negheimish H, Al-Andas L, Al-Mofeez L, Al-Abdullatif A, Al-Khalifa N, Al-Wabil A. Gehirnwellentippen: Vergleichende Studie von P300 und motorischer Vorstellung für das Tippen mit trockenen Elektroden-EEG-Geräten. In: Stephanidis C, hrsg. HCI International 2013 - Posters’ Extended Abstracts. Communications in Computer and Information Science. Springer; 2013:569-573. doi:10.1007/978-3-642-39473-7_113

9. Zhang X, Yao L, Sheng QZ, Kanhere SS, Gu T, Zhang D. Ihre Gedanken in Texte umwandeln: Ermöglichung von Gehirntippen durch tiefes Merkmalslernen von EEG-Signalen. In: 2018 IEEE International Conference on Pervasive Computing and Communications (PerCom). ; 2018:1-10. doi:10.1109/PERCOM.2018.8444575

10. Yosrita E, Heryadi Y, Wulandhari LA, Budiharto W. EEG-basierte Identifizierung von Wörtern bei Prüfungsmodellen mit Ja-Nein-Antworten für Schüler mit Sehbehinderungen. In: ; 2019. doi:10.1109/TALE48000.2019.9225903

11. Zatarain-Cabada R, Barrón-Estrada ML, González-Hernández F, Rodriguez-Rangel H. Entwicklung eines Gesichtsausdruckserkenners und einer Gesichtsausdruckdatenbank für ein intelligentes Tutoren-System. In: 2017 IEEE 17th International Conference on Advanced Learning Technologies (ICALT). ; 2017:391-393. doi:10.1109/ICALT.2017.141

12. Kurent P. Integration zukunftstechnologischer Entwicklungen in Gymnasien und Hochschulen. In: 2017 40th International Convention on Information and Communication Technology, Electronics and Microelectronics (MIPRO). ; 2017:858-861. doi:10.23919/MIPRO.2017.7973541

13. White-Foy J. Neurowissenschaften für Schüler: ein Projekt zur Einführung von EEG- und Gehirn-Computer-Schnittstellentechnologie für Schüler der Sekundarstufe. Praxis Lehrerforschung. Veröffentlicht am 29. November 2019. Abgerufen am 15. Juni 2022. https://praxis-teacher-research.org/neuroscience-for-students/

14. Kosmyna, Nataliya, Nathalie Soetaert und Cassandra Scheirer. "Eine Pilotstudie zur Nutzung von Gehirn-Computer-Schnittstellen in Klassenzimmern zur Förderung von formalen Bildungsaktivitäten." Proceedings of the Future Technologies Conference. Springer, Cham, 2021.

15. Alvarez, V., Bower, M., de Freitas, S., Gregory, S. und De Wit, B., 2016. Der Einsatz tragbarer Technologien an australischen Universitäten: Beispiele aus Umweltwissenschaften, kognitiven und Gehirnwissenschaften sowie Lehrerausbildung. Mobile Lernzukunft – die Qualität von Forschung und Praxis im mobilen Lernen aufrechterhalten, 25.

16. Rodríguez, A.O.R., Riaño, M.A., García, P.A.G., Marín, C.E.M., Crespo, R.G. und Wu, X., 2020. Emotionale Charakterisierung von Kindern durch eine Lernumgebung unter Verwendung von Lernanalysen und AR-Sandbox. Journal of Ambient Intelligence and Humanized Computing, 11(11), S. 5353-5367.