ईईजी का उपयोग कैसे किया जा सकता है ताकि अनुकूलित शिक्षण वातावरण बनाए जा सकें

द्वारा डॉ. रोशिनी रंदेनिया

शिक्षा हमारे समाज का एक मौलिक स्तंभ है, और समृद्ध शिक्षण वातावरण प्रदान करना समाज की प्रगति के लिए आवश्यक है। शैक्षिक न्यूरोसाइंस एक तेजी से विकसित हो रहा अंतःविषय क्षेत्र है  जिसका उद्देश्य शिक्षा और सीखने के तंत्रिका तंत्र को समझना है।

पिछले दो दशकों में, पोर्टेबल ईईजी प्रौद्योगिकी में प्रगति ने शोधकर्ताओं को कक्षाओं और ई-लर्निंग में ईईजी हेडसेट्स का उपयोग करने में सक्षम बनाया है ताकि छात्रों के लिए अनुकूलतम सीखने के वातावरण का निर्माण किया जा सके [1]। इस लेख में, हम देखेंगे कि कैसे EMOTIV के ईईजी हेडसेट्स का उपयोग हमारे सिखाने और सीखने के तरीके को बदलने के लिए किया जा रहा है।

शैक्षिक सामग्री का अनुकूलन

रोचक शैक्षिक सामग्री डिजाइन करने के लिए छात्रों से लगातार विषयगत प्रतिक्रिया की आवश्यकता होती है। पारंपरिक रूप से, एक पाठ्यक्रम की सामग्री की प्रभावशीलता को पाठ्यक्रम की समाप्ति पर आत्म-रिपोर्टिंग फीडबैक माप के माध्यम से किया जाता है।

हालांकि, यह अक्सर अलग करना कठिन होता है कि पाठ्यक्रम वितरण के कौन से पहलुओं में सुधार किया जा सकता है क्योंकि यह विषयगत स्मृति पर निर्भर करता है। इसकी उच्च अस्थायी विभेदन क्षमता (यानी, मिलिसेकंड के पैमाने पर मस्तिष्क की प्रतिक्रियाओं को मापने की क्षमता) के कारण, ईईजी पहले से जानने वाली प्रक्रियाओं को सूचीबद्ध करने में सक्षम है, जो अन्यथा केवल आत्म-रिपोर्ट के उपायों के साथ अमान्यता से जा सकते हैं। पाठ्यक्रम सामग्री को अनुकूलित करते समय सबसे उपयोगी मैट्रिक्स ध्यान का स्तर और संज्ञानात्मक बोझ है - यह मस्तिष्क द्वारा जानकारी को बनाए रखने के लिए exert किया गया प्रयास का एक माप है। ध्यान को अक्सर उन विभिन्न मस्तिष्क तरंगों का विश्लेषण करके मापा जाता है जो ईईजी में देखी जाती हैं जब कोई सीख रहा होता है - जैसे कि अल्फा के स्तर (जो आमतौर पर थकावट से जुड़े होते हैं) और बीटा तरंगें (जो आमतौर पर सतर्क या ध्यान केंद्रित रहने से जुड़ी होती हैं)। संज्ञानात्मक बोझ, एक अधिक जटिल माप, को भी अल्फा और थीटा तरंगों के विभिन्न स्तरों के साथ सूचीबद्ध किया जा सकता है।

शोधकर्ताओं ने ईईजी के साथ ऐसे सिस्टम विकसित किए हैं जो ध्यान की निगरानी कर सकते हैं, जो संपूर्ण पाठ्यक्रम के दौरान ध्यान के स्तर का आकलन करने की अनुमति देते हैं। झो और अन्य ने सफलतापूर्वक एक वास्तविक समय प्रणाली का प्रदर्शन किया जो Massive Open Online Courses (MOOCs) में संलग्न ई-लर्निंग छात्रों के संज्ञानात्मक बोझ की निगरानी करता है, जो पाठ्यक्रम सामग्री को वास्तविक समय में अनुकूलित करने के लिए रास्ता प्रशस्त करता है [2]।

संज्ञानात्मक अवस्थाओं का आसान विश्लेषण

संज्ञानात्मक अवस्थाओं को मापना, जैसा कि इन पिछले अध्ययनों में, कुछ तकनीकी कौशल और विशेषज्ञता की आवश्यकता हो सकती है। सौभाग्य से, डेटा विज्ञान में हुए नवाचारों ने न्यूनतम तकनीकी विशेषज्ञता के साथ संज्ञानात्मक अवस्थाओं को मापने के लिए पहले से बने एल्गोरिदम के उपयोग को सक्षम किया है। Emotiv प्रदर्शन मेट्रिक्स: मस्तिष्क की विभिन्न अवस्थाओं की पहचान करने के लिए विकसित मशीन लर्निंग एल्गोरिदम का उपयोग करने की अनुमति देता है, जिसमें ध्यान, उत्साह, संलग्नता, निराशा, तनाव, और ईईजी में विश्राम शामिल है।

ये एल्गोरिदम नियंत्रित प्रयोगों का उपयोग करके बनाई गई हैं जो विशिष्ट संज्ञानात्मक अवस्थाओं को उत्तेजित करने के लिए डिज़ाइन की गई हैं और शैक्षिक सामग्री को अनुकूलित करने के लिए उपयोगी हैं। इन Emotiv प्रदर्शन मीट्रिक्स का उपयोग खेल-आधारित सीखने की तुलना परंपरागत लेखन की तुलना में किया गया है, हालाँकि अध्ययन ने दिखाया कि दोनों शिक्षण विधियों के बीच संज्ञानात्मक अवस्थाओं में कोई अंतर नहीं था [3]। अन्य शोधकर्ताओं ने यह दिखाया है कि प्रदर्शन मीट्रिक्स का उपयोग करके 5-7 वर्ष की आयु के बच्चों को संज्ञानात्मक अवस्थाओं जैसे संलग्नता, तनाव, और ध्यान के आधार पर समूह में डालने की उपयोगिता साबित की है ताकि संवर्धित वास्तविकता वातावरण में गतिविधियों की प्रभावशीलता को निर्धारित किया जा सके।

ऊपर: (A) ईईजी का उपयोग कक्षा में छात्रों के मस्तिष्क की तरंगों को मापने के लिए किया जा सकता है (से: डिक्कर एट आल. [4]). (B) छात्रों की मस्तिष्क की तरंगे अन्य छात्रों के साथ उच्च समन्वय दिखा सकती हैं, जो कक्षा में अधिक संलग्न छात्रों के लिए पाया गया (बाएं)। अन्य छात्रों के साथ कम समन्वय (दाएं) उन छात्रों के लिए पाया गया जो कम संलग्न थे।

शिक्षण वातावरण को बढ़ाना

केवल शैक्षिक सामग्री का महत्व नहीं है, जब और कहाँ हम सीखते हैं, यह सुनिश्चित करने के लिए समान रूप से महत्वपूर्ण हैं कि छात्रों के पास अच्छे शिक्षण अनुभव हैं। शोधकर्ताओं ने अलग-अलग कक्षा के समय के दौरान अल्फा तरंगों के स्तर को मापा और पाया कि मध्य सुबह के उच्च विद्यालय कक्षाओं ने जल्दी सुबह की तुलना में कम अल्फा तरंगें दिखाईं और सुझाव दिया कि मध्य सुबह सीखने का सबसे अच्छा समय हो सकता है [4]。

बिना वायर के ईईजी का उपयोग वास्तविक बनाम आभासी परिवेश की तुलना करने के लिए किया गया है, जो दोनों वातावरणों में ध्यान और प्रेरणा के समान स्तर प्रदान करने की क्षमता का प्रदर्शन करता है [5]। यह शारीरिक विकलांगताओं वाले लोगों के लिए अमीर शिक्षा के अनुभव के लिए एक रास्ता प्रशस्त कर सकता है, जो व्यक्तिगत कक्षाओं में उपस्थित नहीं हो सकते। शोधकर्ताओं ने ईईजी का उपयोग करते हुए कक्षा में सामाजिक गतिशीलता पर भी अध्ययन किया है। छात्रों के एक समूह को ईईजी हेडसेट्स के साथ फिट किया जा सकता है यह आकलन करने के लिए कि उनके तंत्रिका गतिविधि का स्तर कैसे समन्वित है एक सामान्य शिक्षण प्रक्रिया के दौरान [6][7]। ईईजी डेटा संग्रह की इस विधि को ईईजी हाइपरस्कैनिंग कहा जाता है, जो वास्तविक समय में समूह के ध्यान का अनुमान लगाने और कक्षा में सामाजिक गतिशीलता को बढ़ाने की दिशा में एक कदम है।

शिक्षा को सभी के लिए सुलभ बनाना

कुछ शारीरिक या संवेदनशील कठिनाइयाँ छात्रों के कक्षा में सीखने के अनुभवों को सीमित कर सकती हैं। हालाँकि, कुछ ईईजी-आधारित उपकरण हैं जो छात्रों के अनुभवों को सुधार रहे हैं। मस्तिष्क-컴퓨터 इंटरफेस (BCI) प्रौद्योगिकी में प्रगति ने ईईजी आधारित टाइपिंग [8][9] की अनुमति दी है जो शारीरिक कठिनाइयों वाले छात्रों को उनके शिक्षण के दौरान अपने कंप्यूटिंग डिवाइस पर मानसिक नोट्स लेने में मदद करता है। बीसीआइ जो हाँ-नहीं प्रकार के प्रश्नों के उत्तर देने के लिए ईईजी आधारित उत्तर देने की अनुमति देते हैं, ने छात्रों को कंप्यूटर आधारित परीक्षा का उपयोग करके मूल्यांकन करने की अनुमति दी है, जिसे अन्यथा एक साक्षात्कारकर्ता की आवश्यकता होगी [10]।

व्यक्तिगत शिक्षण अनुभव

छात्रों के लिए व्यक्तिगत ट्यूटर्स प्रदान करना महंगा हो सकता है लेकिन यह अक्सर आवश्यक हो सकता है जब सामान्य शिक्षा प्रणाली अद्वितीय सीखने की जरूरतों को संभालने में अपर्याप्त होती है। इंटेलिजेंट ट्यूटरिंग सिस्टम (ITS) एक वर्ग की कंप्यूटर-आधारित शिक्षण सॉफ़्टवेयर होती है जो व्यक्तिगत ट्यूटर्स के रूप में कार्य कर सकते हैं, जिनका समर्थन कृत्रिम बुद्धिमत्ता द्वारा किया जाता है।

इन प्रणालियों का उद्देश्य छात्र को उनके सीखने को बढ़ाने के लिए वास्तविक समय में व्यक्तिगत प्रतिक्रिया प्रदान करना है। शोधकर्ता वर्तमान में ईईजी के साथ इन ITS प्रणालियों को एकीकृत कर रहे हैं। एक अध्ययन में, शोधकर्ता विभिन्न प्रकार की शैक्षिक वीडियो (एनिमेटेड सामग्री बनाम मानव शिक्षकों के साथ वीडियो) के लिए छात्र संलग्नता का पता लगाने के लिए ईईजी का उपयोग करते हैं, जो ITS को सीखने की अनुमति देता है और स्वचालित रूप से ऐसा सामग्री उत्पन्न करता है जिसे छात्र अधिक दिलचस्प पाएंगे।

जब आप शिक्षण प्रक्रिया से मानव तत्व को हटा देते हैं, तो यह कंप्यूटर-आधारित शिक्षण कार्यक्रमों का उपयोग करते समय छात्रों के संज्ञानात्मक बोझ को नजर में रखना और भी महत्वपूर्ण होता है ताकि तनाव और स्क्रीन थकान को रोका जा सके। इसे मुकाबला करने के लिए, शोधकर्ताओं ने ईईजी डेटा पर आधारित एक चेहरा अभिव्यक्ति डेटाबेस विकसित किया है जो सक्रिय रूप से पता लगाता है कि क्या छात्र बोरिंग, संलग्न, उत्साहित या निराश थे जब वे एक ITS का उपयोग कर रहे थे [11]।

ईईजी में यह विकास ITS प्रणाली के लिए लगातार सीखने और व्यक्तिगत छात्र के अनुकूलन का मार्ग प्रशस्त कर रहा है; जब वे थके हुए होते हैं तो ब्रेक का सुझाव देकर या जब वे संलग्न होते हैं तो सिखाना जारी रखते हुए, छात्र के लिए अधिक प्रभावी शिक्षण अनुभव प्रदान करना।

ऊपर: न्यूयॉर्क विश्वविद्यालय (NYU) ब्रेनवेव्स कार्यक्रम के छात्र खेल खेलते हैं जबकि EMOTIV ईईजी मस्तिष्क प्रौद्योगिकी पहनते हैं।

ईईजी को STEM शिक्षण उपकरण के रूप में उपयोग करना

Emotiv ईईजी उपकरण और सॉफ़्टवेयर का उपयोग करना आसान है और नवजात विज्ञान, प्रौद्योगिकी, इंजीनियरिंग और गणित (STEM) वैज्ञानिकों को प्रेरित करने का एक उत्कृष्ट परिचयात्मक उपकरण है।

Emotiv उपकरण और सॉफ़्टवेयर वर्तमान में विश्वविद्यालय के अंडरग्रेजुएट स्तर के पाठ्यक्रमों में उपयोग किए जा रहे हैं, न केवल मनोविज्ञान और न्यूरोसाइंस में बल्कि बायोमेडिकल इंजीनियरिंग में भी। कुरेंट उच्च विद्यालय और कॉलेज स्तर पर शैक्षिक प्रक्रिया में Emotiv EPOC उपकरणों को एकीकृत करने का एक सफल उदाहरण प्रदर्शित करता है ताकि BCI उपकरणों के विकास को सक्षम बनाया जा सके। कोसमायना और अन्य पाते हैं कि विद्यालय पाठ्यक्रमों में ईईजी-बीसीआई प्रणालियों को शामिल करने से शैक्षणिक प्रदर्शन में वृद्धि होती है। मैक्वेरी विश्वविद्यालय ने पहले से ही अपनी स्नातक संज्ञानात्मक और मस्तिष्क विज्ञान के पाठ्यक्रम में Emotiv उपकरणों के सफल समावेश को प्रदर्शित किया है, जिससे छात्रों को प्रयोगात्मक डिजाइन और ईईजी डेटा विश्लेषण में हाथों-हाथ अनुभव मिलता है [14]।

इसी तरह, वाइट-फॉय यह दर्शाते हैं कि 12 वर्ष की उम्र के बच्चे सफलतापूर्वक बीसीआई प्रौद्योगिकी सीख सकते हैं और छोटे पैमाने पर ईईजी अनुसंधान परियोजनाएँ स्थापित कर सकते हैं [13]। छात्रों ने ऑनलाइन संसाधनों का उपयोग करते हुए एक EMOTIV Insight उपकरण को एक रास्पबेरी पाई (एक लघु कंप्यूटर) से जोड़कर मस्तिष्क तरंगों को कमांड में अनुवादित किया और इसे एक दूरस्थ-नियंत्रित स्टार वार्स खिलौने (BB-8) के माध्यम से एक भूलभुलैया के माध्यम से नेविगेट किया।

ऊपर: सेकंडरी स्कूल न्यूरोलैब। 11-18 वर्ष के छात्रों ने रास्पबेरी पाई और BB-8 रोबोट को Emotiv उपकरण से जोड़ा और मानसिक कमांड का उपयोग करके BB-8 को भूलभुलैया के माध्यम से नेविगेट किया (न्यूरोलैब की अनुमति से साझा किया गया)

हम देख सकते हैं कि कम लागत, मोबाइल Emotiv ईईजी उपकरण न केवल शैक्षिक कार्यक्रमों की गुणवत्ता को बढ़ाने के लिए विधियाँ प्रदान कर रहे हैं, जिससे शिक्षकों को असाधारण सामग्री वितरित करने का स्थान मिलता है, बल्कि BCI में विकास के साथ मिलकर व्यक्तियों के लिए समृद्ध शैक्षिक वातावरण प्रदान करने का प्रस्ताव भी है।

EMOTIV कैसे मदद कर सकता है

• अपने छात्रों के अनुभवों को सुधारें EMOTIV ईईजी लैब स्टार्टर्स किट के साथ।

• प्रयोग बनाएं और डेटा का विश्लेषण करें EmotivPRO बिल्डर के साथ।

• दूरस्थ प्रयोग शुरू करें ताकि EmotivLABS पर डेटा प्राप्त कर सकें।

• हमारा ओपन-स्रोत डेटा सेट उपयोग करें।

समर्थन की आवश्यकता है? हमसे संपर्क करें

 कवर छवि का स्रोत: ट्रेवर डे स्कूल

संदर्भ

1. जे. झू और बी. झोंग, “शिक्षण अनुसंधान में पोर्टेबल ईईजी प्रौद्योगिकी पर समीक्षा,” कंप्यूटर मानव व्यवहार, वॉल्यूम 81, पृष्ठ 340–349, अप्रैल 2018, doi: 10.1016/j.chb.2017.12.037.

2. झोय वाई, झू टी, काई य, वू एक्स, डोंग बी। ऑनलाइन वीडियो सीखने में संज्ञानात्मक बोझ की निगरानी के लिए एक ईईजी-आधारित मस्तिष्क-컴퓨터 इंटरफेस। लेक्‍ट नोट्स कंप्यूटर साइंस सब-सीरिज़ लेक्‍ट नोट्स आर्टिफिशियल इंटेलिजेंस लेक्‍ट नोट्स बायोइन्फरमैटिक्स। 2017;10295 LNCS:64-73। doi:10.1007/978-3-319-58509-3_7

3. पिरेवा के, ताहिर आर, शारिक इमरान ए, चौधरी एन। खेल-आधारित सीखने के दृष्टिकोण की तुलना पर कागज़ और पेन का उपयोग करके मनोवैज्ञानिक अवस्थाओं की निगरानी के द्वारा शिक्षार्थियों की भावनात्मक अवस्थाओं का मूल्यांकन। में: 2019 आईईईई फрон्टियर्स इन एजुकेशन सम्मेलन (FIE)। ; 2019:1-8। doi:10.1109/FIE43999.2019.9097262

4. डिक्कर एस, हैगेन्स एस, बेविलाक्वा डी, एट अल. सुबह का मस्तिष्क: वास्तविक दुनिया की तंत्रिका साक्ष्य जो दर्शाता है कि उच्च विद्यालय कक्षा का समय महत्वपूर्ण है। सामाजिक संज्ञानात्मक प्रभाव न्यूरोविज्ञान। 2020;15(11):1193-1202। doi:10.1093/scan/nsaa142

5. रोमेरो-सोटो एफओ, इबारा-ज़ाराटे डीआई, अलोंसो-वालेरडी एलएम। वास्तविक और आभासी वातावरण में अल्फा शक्ति स्पेक्ट्रल घनत्व का तुलनात्मक विश्लेषण। में: वॉल्यूम 75। ; 2020:156-163। doi:10.1007/978-3-030-30648-9_22

6. डिक्कर एस, वान एल, डेविडेस्को आई, एट अल. मस्तिष्क से मस्तिष्क की समन्वयता कक्षा में वास्तविक समय के गतिशील समूह इंटरैक्शन को ट्रैक करती है। करंट बायोलॉजी। 2017;27(9):1375-1380। doi:10.1016/j.cub.2017.04.002

7. पौलेस एटी, कमरोन्न एस, डमोचोवस्की जे, पार्रा एलसी, हैन्सेन एलके। कक्षा में ईईजी: वीडियो प्रस्तुति के दौरान समन्वित न्यूरल रिकॉर्डिंग। साई. रिपोर्ट। 2017;7(1):43916। doi:10.1038/srep43916

8. अल-नेघैमीश एच, अल-आंदास एल, अल-मोफीज़ एल, अल-अब्दुल्लातिफ ए, अल-खालिफा एन, अल-वाबिल ए। मस्तिष्क तरंगों की टाइपिंग: सूखे इलेक्ट्रोड ईईजी उपकरणों के साथ टाइपिंग के लिए पी300 और मोटर इमेजरी का तुलनात्मक अध्ययन। में: स्टीफनीडिस सी, संपादक। HCI अंतर्राष्ट्रीय 2013 - पोस्टर्स के विस्तारित सारांश। कंप्यूटर और सूचना विज्ञान में संवाद। स्प्रिंगर; 2013:569-573। doi:10.1007/978-3-642-39473-7_113

9. झांग एक्स, याओ एल, शेंग क्यूजेड, कन्हेरे एसएस, गु टी, झांग डी। आपके विचारों को पाठ में परिवर्तित करना: ईईजी सिग्नलों की गहरी विशेषता सीखने के माध्यम से मस्तिष्क टाइपिंग का सक्षम करना। में: 2018 आईईईई अंतर्राष्ट्रीय सम्मेलन पर सर्वव्यापी कंप्यूटिंग और संचार (PerCom)। ; 2018:1-10। doi:10.1109/PERCOM.2018.8444575

10. योस्रीता ई, हेयादी वाई, वुंडारी एलए, बुधिहार्टो डब्ल्यू। दृष्टिहीन छात्रों के लिए हां-नहीं उत्तर वाली परीक्षा के मॉडल में शब्दों की पहचान के लिए ईईजी आधारित पहचान। में: ; 2019। doi:10.1109/TALE48000.2019.9225903

11. ज़टराइन-कबाडा आर, बैरोन-एस्त्रादा एमएल, गोंजालेज-हर्नांडेज़ एफ, रॉड्रिग्ज-रंगल एच। एक इंटेलिजेंट ट्यूटरिंग प्रणाली के लिए चेहरे की अभिव्यक्तियों के पहचानकर्ता और चेहरे की अभिव्यक्ति डेटाबेस बनाना। में: 2017 आईईईई 17वां अंतर्राष्ट्रीय सम्मेलन उन्नत शिक्षण प्रौद्योगिकियों (ICALT)। ; 2017:391-393। doi:10.1109/ICALT.2017.141

12. कुरेंट पी। उच्च विद्यालयों और कॉलेजों में भविष्य की तकनीकों का एकीकरण। में: 2017 40th अंतर्राष्ट्रीय सम्मेलन सूचना और संचार प्रौद्योगिकी, इलेक्ट्रॉनिक्स और माइक्रोइलेक्ट्रॉनिक्स (MIPRO)। ; 2017:858-861। doi:10.23919/MIPRO.2017.7973541

13. व्हाइट-फॉय जे। छात्रों के लिए न्यूरोसाइंस: माध्यमिक विद्यालय के बच्चों को ईईजी और मस्तिष्क-컴퓨터 इंटरफेस प्रौद्योगिकी पेश करने का एक परियोजना। प्रैक्टिस शिक्षक अनुसंधान। 29 नवंबर 2019 को प्रकाशित। 15 जून 2022 को पहुँचा। https://praxis-teacher-research.org/neuroscience-for-students/

14. कोस्मायना, नतालिया, नथाली सोएटर्ट, और कैसेंड्रा शेरीयर। "कक्षा में औपचारिक शैक्षिक गतिविधियों को बढ़ावा देने के लिए मस्तिष्क-컴यूटर इंटरफेस का उपयोग करने का एक पायलट अध्ययन।" भविष्य की प्रौद्योगिकियों सम्मेलन की कार्यवाही। स्प्रिंगर, चम, 2021।

15. अल्वारेज़, वी., बॉवर, एम., डी फ्रीटास, एस., ग्रेगोरी, एस. और डि वीजेट, बी., 2016। ऑस्ट्रेलियाई विश्वविद्यालयों में पहनने योग्य तकनीकों का उपयोग: पर्यावरण विज्ञान, संज्ञानात्मक और मस्तिष्क विज्ञान और शिक्षक प्रशिक्षण से उदाहरण। मोबाइल लर्निंग भविष्य-शिक्षण अनुसंधान और प्रथाओं में गुणवत्ता को बनाए रखना, 25।

16. रोड्रिग्ज, एओआर., रियानो, एमए., गार्सिया, पीएजी., मारिन, सीईएम., क्रेस्पो, आरजी। और वू, एक्स., 2020। शैक्षिक विश्लेषण और AR-सैंडबॉक्स का उपयोग करते हुए बच्चों के भावनात्मक चित्रण। जर्नल ऑफ एंबियेंट इंटेलिजेंस एंड ह्यूमेनाइज्ड कंप्यूटिंग, 11(11), पृष्ठ 5353-5367।