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

द्वारा डॉ. रोशिनी रांडेनिया

शिक्षा हमारे समाज का एक मौलिक स्तंभ है, और समृद्ध सीखने के वातावरण प्रदान करना सामाजिक उन्नति के लिए आवश्यक है। शैक्षिक न्यूरोसाइंस एक तेजी से विकसित हो रहा अंतर्संबंधित क्षेत्र है जो शिक्षण और सीखने के न्यूरल तंत्र को समझने का प्रयास करता है।

पिछले दो दशकों में, पोर्टेबल ईईजी प्रौद्योगिकी में प्रगति ने शोधकर्ताओं को कक्षाओं और ई-लर्निंग में ईईजी हेडसेट्स का उपयोग करके छात्रों के लिए आदर्श सीखने के वातावरण बनाने में सक्षम बनाया है [1]। इस लेख में, हम देखते हैं कि EMOTIV के ईईजी हेडसेट्स का उपयोग कैसे किया जा रहा है जिससे कि हम शिक्षण और सीखने के तरीके को बदल सकें।

शैक्षणिक सामग्री का अनुकूलन

रोमांचक शैक्षणिक सामग्री डिजाइन करना छात्रों से निरंतर व्यक्तिगत प्रतिक्रिया की आवश्यकता है। पारंपरिक रूप से, किसी पाठ्यक्रम की सामग्री की प्रभावीता निर्धारित करने के लिए पाठ्यक्रम समाप्त करने पर आत्म-रिपोर्टिंग प्रतिक्रिया उपायों के माध्यम से किया जाता है।

हालांकि, यह अक्सर कठिन होता है कि पाठ्यक्रम के प्रसारण के किन पहलुओं को सुधारने की आवश्यकता है क्योंकि यह व्यक्तिगत स्मृति पर निर्भर करता है। इसकी उच्च अस्थायी संकल्पता (अर्थात, मस्तिष्क प्रतिक्रियाओं को मिलीसेकंड के पैमाने पर मापने की क्षमता) के कारण, ईईजी पूर्व-चेतन प्रक्रियों को सूचिबंधित कर सकता है, जिन्हें अन्यथा केवल आत्म-रिपोर्ट उपायों के साथ पहचान नहीं किया जा सकता। पाठ्यक्रम की सामग्री के अनुकूलन के दौरान, सबसे उपयोगी मीट्रिक ध्यान का स्तर और संज्ञानात्मक भार है - जो मस्तिष्क द्वारा जानकारी बनाए रखने के लिए exert की गई प्रयास की मात्रा मापता है। ध्यान अक्सर ईईजी में विभिन्न मस्तिष्क तरंगों का विश्लेषण करके मापा जाता है जब कोई व्यक्ति सीख रहा होता है - जैसे कि अल्फा के स्तर (जो आमतौर पर थके हुए होने से जुड़े होते हैं) और बीटा तरंगें (जो आमतौर पर सतर्क या ध्यान केंद्रित होने से जुड़ी होती हैं)। संज्ञानात्मक भार, एक अधिक जटिल माप, भी विभिन्न अल्फा और थीटा तरंगों के स्तर के साथ सूचिबंधित किया जा सकता है।

शोधकर्ताओं ने ऐसे सिस्टम विकसित किए हैं जिनमें ईईजी का उपयोग करके ध्यान की निगरानी की जा सकती है, जिससे पूरे पाठ्यक्रम के दौरान ध्यान के स्तर का मूल्यांकन किया जा सके। झोउ एट अल. ने सफलतापूर्वक एक वास्तविक-काल प्रणाली दर्शाई है जो बड़े पैमाने पर ऑनलाइन पाठ्यक्रम (MOOCs) में संलग्न ई-लर्निंग छात्रों के संज्ञानात्मक भार की निगरानी करती है, जो वास्तविक समय में पाठ्यक्रम सामग्री के अनुकूलन के लिए मार्ग प्रशस्त करता है [2]।

संज्ञानात्मक अवस्थाओं का आसान विश्लेषण

संज्ञानात्मक अवस्थाओं को मापना, जैसा कि इन पिछले अध्ययनों में किया गया था, कुछ तकनीकी कौशल और विशेषज्ञता की आवश्यकता हो सकती है। सौभाग्य से, डेटा विज्ञान में प्रगति ने अब न्यूनतम तकनीकी विशेषज्ञता के साथ संज्ञानात्मक अवस्थाओं को मापने के लिए पूर्व-निर्मित एल्गोरिदम के उपयोग को सक्षम किया है। Emotiv प्रदर्शन मेट्रिक्स का उपयोग करने की अनुमति देती है: मशीन लर्निंग एल्गोरिदम जो ध्यान, उत्साह, संलग्नता, निराशा, तनाव और विश्राम जैसे विभिन्न मस्तिष्क राज्यों की पहचान करते हैं।

इन एल्गोरिदम की रचना नियंत्रित प्रयोगों का उपयोग करके की गई है जो विशिष्ट संज्ञानात्मक अवस्थाओं को उत्तेजित करने के लिए डिजाइन की गई है और ये शैक्षणिक सामग्री को अनुकूलित करने में सहायक होती हैं। इन Emotiv प्रदर्शन मेट्रिक्स का उपयोग गेम-आधारित शिक्षा और पारंपरिक कागज-कलम शिक्षा की तुलना के लिए किया गया है, हालांकि अध्ययन ने दोनों शिक्षण तरीकों के बीच संज्ञानात्मक अवस्थाओं में कोई अंतर नहीं पाया [3]। अन्य शोधकर्ताओं ने प्रदर्शन मेट्रिक्स की उपयोगिता को 5-7 वर्ष की आयु के बच्चों को संज्ञानात्मक अवस्थाओं जैसे संलग्नता, तनाव और ध्यान के आधार पर समूह बनाने में दर्शाया है ताकि बढ़ी हुई वास्तविकता पर्यावरण में गतिविधियों की प्रभावशीलता का मूल्यांकन किया जा सके।

ऊपर: (A) ईईजी का उपयोग हाई स्कूल कक्षाओं में छात्रों के मस्तिष्क तरंगों को मापने के लिए किया जा सकता है (से: डिक्कर एट अल. [4]). (B) छात्रों की मस्तिष्क तरंगें अन्य छात्रों के साथ उच्च समकालिकता दिखा सकती हैं, जो उन छात्रों के लिए पाई गई थी जो कक्षा में अधिक संलग्न थे (बाईं ओर)। अन्य छात्रों के साथ कम समकालिकता (दाईं ओर) उन छात्रों के लिए पाई गई जो कम संलग्न थे।

सीखने के वातावरण को बढ़ावा देना

शैक्षणिक सामग्री का केवल होना महत्वपूर्ण नहीं है, बल्कि कब और कहां हम सीखते हैं, यह सुनिश्चित करने के लिए समान रूप से महत्वपूर्ण है कि छात्रों को अच्छे सीखने के अनुभव प्राप्त हों। शोधकर्ताओं ने विभिन्न कक्षा समय के दौरान अल्फा तरंगों के स्तर को मापा और पाया कि मध्य सुबह उच्च विद्यालय के कक्षाओं में प्रातः सुबह की तुलना में कम अल्फा तरंगें थीं और सुझाव दिया कि मध्य सुबह सीखने का सबसे अच्छा समय हो सकता है [4]।

वायरलेस ईईजी का उपयोग वास्तविक बनाम आभासी वातावरण की तुलना के लिए भी किया गया है, जो दोनों वातावरण में समान ध्यान और प्रेरणा के स्तर प्रदान करने की क्षमता का प्रदर्शन करता है [5]। यह शारीरिक विकलांगताओं के साथ लोगों के लिए एक समृद्ध सीखने के अनुभव के लिए मार्ग प्रशस्त कर सकता है, जो व्यक्तिगत कक्षाओं में उपस्थित नहीं हो सकते हैं। शोधकर्ताओं ने ईईजी का उपयोग करके कक्षा में सामाजिक गतिशीलता पर भी अध्ययन किए हैं। ईईजी हेडसेट्स से लैस छात्रों के एक समूह को एक सामान्य सीखने की प्रक्रिया के दौरान उनके न्यूरल गतिविधि के कितने समकालित हो सकते हैं, का मूल्यांकन किया जा सकता है [6][7]। ईईजी डेटा संग्रह की इस विधि को ईईजी हाइपरस्कैनिंग कहा जाता है, जो समूह ध्यान की वास्तविक समय की व्याख्या और कक्षा में सामाजिक गतिशीलता को सुधारने की दिशा में एक कदम है।

शिक्षा को सभी के लिए सुलभ बनाना

कुछ शारीरिक या संवेदनात्मक कठिनाइयाँ छात्रों के कमरे में सीखने के अनुभवों को सीमित कर सकती हैं। हालाँकि, कुछ ईईजी-आधारित उपकरण हैं जो छात्रों के अनुभवों में सुधार कर रहे हैं। मस्तिष्क-컴퓨터 इंटरफ़ेस (बीसीआई) प्रौद्योगिकी में प्रगति ने ईईजी आधारित टाइपिंग की अनुमति दी है [8][9], जो शारीरिक कठिनाइयों वाले छात्रों को उनके कंप्यूटर उपकरण पर मानसिक नोट्स लेने में मदद करती है जबकि वे सीखते हैं। बीसीआई जो हाँ-ना प्रकार के सवालों का जवाब देने के लिए ईईजी आधारित को सक्षम करते हैं, वे भी छात्रों को कंप्यूटर-आधारित परीक्षा का उपयोग करते समय मूल्यांकन की अनुमति देते हैं, जो अन्यथा एक इंटरव्यूअर की आवश्यकता थी [10]।

व्यक्तिगत सीखने के अनुभव

छात्रों के लिए व्यक्तिगत ट्यूटर प्रदान करना महंगा हो सकता है लेकिन अक्सर आवश्यक हो सकता है जब सामान्य शिक्षा प्रणाली अनोखी आवश्यकताओं को संभालने के लिए अपर्याप्त होती है। इंटेलिजेंट ट्यूटोरिंग सिस्टम (ITS) एक वर्ग के कंप्यूटर-आधारित सीखने के सॉफ़्टवेयर होते हैं जो आर्टिफिशियल इंटेलिजेंस के साथ समर्थित होते हैं जो व्यक्तिगत ट्यूटर के रूप में कार्य कर सकते हैं।

इन सिस्टम का उद्देश्य छात्र को वास्तविक समय में व्यक्तिगत प्रतिक्रिया प्रदान करना है ताकि उनके सीखने को बढ़ाया जा सके। शोधकर्ता वर्तमान में ईईजी के साथ उन्हें एकीकृत करके ITS सिस्टम में प्रगति कर रहे हैं। एक अध्ययन में, शोधकर्ता विभिन्न प्रकार के शैक्षणिक वीडियो (एनिमेटेड सामग्री बनाम मानव शिक्षकों के साथ वीडियो) के प्रति छात्र की संलग्नता का पता लगाने के लिए ईईजी का उपयोग करते हैं, जिससे ITS यह सीख सके और स्वचालित रूप से वह सामग्री उत्पन्न कर सके जो छात्र को अधिक दिलचस्प होगी।

जब आप शिक्षण प्रक्रिया से मानव तत्व को हटा देते हैं, तो यह छात्रों के संज्ञानात्मक भार को ट्रैक रखना और भी महत्वपूर्ण हो जाता है जबकि कंप्यूटर-आधारित शिक्षण कार्यक्रमों का उपयोग करना तनाव और स्क्रीन थकान से बचने के लिए। इसको समाप्त करने के लिए, शोधकर्ताओं ने ईईजी डेटा के आधार पर एक चेहरे के भावों के डेटाबेस का विकास किया है जो सक्रिय रूप से यह पहचानता है कि छात्र बोरड, संलग्न, उत्साहित या निराश थे जबकि ITS का उपयोग कर रहे थे [11]।

ईईजी के साथ यह विकास ITS प्रणाली को व्यक्तिगत छात्र के लिए लगातार सीखने और अनुकूलन के लिए मार्ग प्रशस्त कर रहा है; जब वे थक जाते हैं, तो ब्रेक सुझाना या जब वे संलग्न होते हैं तो सिखाना जारी रखना, छात्रों के लिए एक अधिक प्रभावी सीखने का अनुभव प्रदान करना।

ऊपर: न्यूयॉर्क विश्वविद्यालय (NYU) ब्रेनवेव्स कार्यक्रम में छात्रों ने EMOTIV ईईजी मस्तिष्क तकनीक पहनकर एक खेल खेला।

ईईजी को एक STEM सीखने के उपकरण के रूप में

Emotiv ईईजी उपकरण और सॉफ़्टवेयर का उपयोग करना आसान है और यह अगली पीढ़ी के विज्ञान, प्रौद्योगिकी, इंजीनियरिंग और गणित (STEM) वैज्ञानिकों को प्रेरित करने के लिए एक उत्कृष्ट प्रारंभिक उपकरण भी है।

Emotiv उपकरण और सॉफ्टवेयर वर्तमान में विश्वविद्यालय स्नातक स्तर के पाठ्यक्रमों में उपयोग किए जा रहे हैं, न केवल मनोविज्ञान और न्यूरोसाइंस में बल्कि जैव चिकित्सा इंजीनियरिंग में भी। क्यूरेंट हाई स्कूल और कॉलेज स्तर पर शैक्षणिक प्रक्रिया में Emotiv EPOC उपकरणों को एकीकृत करने का सफल उदाहरण प्रस्तुत करता है ताकि बीसीआई उपकरणों के विकास को सक्षम किया जा सके। कोसमायना एट अल. ने पाया है कि स्कूल पाठ्यक्रमों में ईईजी-बीसीआई सिस्टम को शामिल करना अकादमिक प्रदर्शन को बढ़ावा देता है। मैक्वेरी विश्वविद्यालय ने पहले ही अपने बैचलर ऑफ कॉग्निटिव एंड ब्रेन साइंसेज पाठ्यक्रम में Emotiv उपकरणों के सफल समावेश का प्रदर्शन किया है, जिससे छात्रों को प्रयोगात्मक डिजाइन और ईईजी डेटा विश्लेषण के साथ व्यावहारिक अनुभव प्राप्त हुआ है [14]।

अधिक महत्वपूर्ण, वाइट-फॉय ने साबित किया है कि 12 वर्ष की आयु के बच्चे सफलतापूर्वक बीसीआई प्रौद्योगिकी सीख सकते हैं और छोटे पैमाने पर ईईजी अनुसंधान परियोजनाएं स्थापित कर सकते हैं [13]। छात्रों ने ऑनलाइन संसाधनों का उपयोग करते हुए एक EMOTIV Insight उपकरण को एक रास्पबेरी पाई (एक लघु कंप्यूटर) के साथ एकीकृत किया, जो ईईजी को कमांड में अनुवाद करता है जो एक रिमोट-कंट्रोल स्टार वॉर्स खिलौने (बीबी-8) को नियंत्रित करता है और इसे एक भूलभुलैया के माध्यम से मार्गदर्शन करता है।

ऊपर: सेकेंडरी स्कूल न्यूरोLab। 11-18 वर्ष की आयु के छात्रों ने Emotiv उपकरण और मानसिक कमांड के साथ Raspberry Pi और BB-8 रोबोट का एकीकरण किया और BB-8 को एक भूलभुलैया के माध्यम से निर्देशित करने के लिए मानसिक कमांड का उपयोग किया (NeuroLabs से अनुमति प्राप्त की गई)

हम देख सकते हैं कि कम लागत वाले, मोबाइल Emotiv ईईजी उपकरण न केवल शिक्षकों के लिए असाधारण सामग्री प्रदान करने के लिए शिक्षा कार्यक्रमों की गुणवत्ता को बढ़ाने के तरीके प्रदान करते हैं, बल्कि बीसीआई में विकसितियों के साथ मिलकर अद्वितीय आवश्यकताओं वाले व्यक्तियों के लिए एक समृद्ध शैक्षणिक वातावरण भी प्रदान करते हैं।

EMOTIV कैसे मदद कर सकता है

• आपके छात्रों के सीखने के अनुभवों को EMOTIV ईईजी लैब स्टॉर्टर किट्स के साथ सुधारें।

• अनुभव बनाएँ और EmotivPRO बिल्डर के साथ डेटा का विश्लेषण करें।

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

• हमारे ओपन-सोर्स डेटा सेट का उपयोग करें।

आपको मदद चाहिए? हमसे संपर्क करें

कवर इमेज सोर्स: ट्रेवर डे स्कूल

संदर्भ

1. जे. पेंग और बी. झोंग, "शिक्षण अनुसंधान में पोर्टेबल ईईजी प्रौद्योगिकी की समीक्षा," कंप्यूटर मानव व्यवहार, वॉल. 81, पीपी. 340–349, अप्रैल 2018, doi: 10.1016/j.chb.2017.12.037.

2. झोउ वाई, झू टी, काई वाई, वु एक्स, डोंग बी। ऑनलाइन वीडियो सीखने में संज्ञानात्मक भार की निगरानी करना एक ईईजी-आधारित मस्तिष्क- कंप्यूटर इंटरफ़ेस के माध्यम से। लेक्ट नोट्स कंप्यूटर साइंसेज सब्सर लेक्ट नोट्स आर्टिफिशियल इंटेलिजेंस लेक्ट नोट्स बायोइनफॉर्मेटिक्स। 2017;10295 LNCS:64-73. doi:10.1007/978-3-319-58509-3_7

3. पिरिवा के, ताहिर आर, शारिक इमरान ए, चौधरी एन। गेम-आधारित शिक्षण दृष्टिकोण की तुलना करने के लिए मस्तिष्क तरंगों की निगरानी करके शिक्षार्थियों की भावनात्मक अवस्थाओं का मूल्यांकन करना। में: 2019 आईईईई फ्रंटियर्स इन एजुकेशन कॉन्फ्रेंस (FIE)।; 2019:1-8. doi:10.1109/FIE43999.2019.9097262

4. डिक्कर एस, हेगेन्स एस, बेविलाक्वा डी, एट अल। सुबह का मस्तिष्क: वास्तविक-विश्व न्यूरल प्रमाण कि हाई स्कूल कक्षा के समय महत्वपूर्ण हैं। सामाजिक संज्ञानात्मक भावनात्मक न्यूरोसाइंस। 2020;15(11):1193-1202. doi:10.1093/scan/nsaa142

5. रोमेरो-सोटो एफओ, इबार्रा-ज़ारट डीआई, अलोंसो-वालेरिडी एलएम। वास्तविक और आभासी वातावरण में अल्फा पावर स्पेक्ट्रल घनत्व का तुलनात्मक विश्लेषण। में: वॉल 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 समकालिकता कक्षा में वास्तविक-वास्तविक गतिशील समूह अंतःक्रियाओं को रिकॉर्ड करती है। करंट बायोल। 2017;27(9):1375-1380. doi:10.1016/j.cub.2017.04.002

7. पौलेसन एटी, कम्रोन एस, डमोचोव्स्की जे, पैर्रा एलसी, हंसन एलके। कक्षा में ईईजी: वीडियो प्रस्तुति के दौरान समकालित न्यूरल रिकॉर्डिंग। साइंस रिप। 2017;7(1):43916. doi:10.1038/srep43916

8. अल-नेघिमिश एच, अल-अंदास एल, अल-मोफीज़ एल, अल-अब्दुल्लतीफ़ ए, अल-खलीफा एन, अल-वालिब ए। मस्तिष्क तरंग टाइपिंग: ड्राई-इलेक्ट्रोड ईईजी उपकरणों का उपयोग करके टाइप करने के लिए P300 और मोटर इमेजरी का तुलनात्मक अध्ययन। में: स्टीफानिडिस सी, संपादित। एचसीआई अंतर्राष्ट्रीय 2013 - पोस्टर्स के विस्तारित सारांश। कंप्यूटर और सूचना विज्ञान में संचार। स्प्रिंगर; 2013:569-573. doi:10.1007/978-3-642-39473-7_113

9. झांग एक्स, याओ एल, शेंग क्यूजेड, कन्हेरे एसएस, गू टी, झांग डी। आपके विचारों को पाठ में परिवर्तित करना: ईईजी संकेतों की गहरी विशेषता सीखने के माध्यम से मस्तिष्क टाइपिंग सक्षम करना। में: 2018 आईईईई इंटरनेशनल कॉन्फ्रेंस ऑन पेरवेसिव कॉम्प्यूटिंग एंड कम्युनिकेशंस (PerCom)।; 2018:1-10. doi:10.1109/PERCOM.2018.8444575

10. योसृता ई, हेरियादि वाई, वुलंदहरी एलए, बुदीहार्तो डब्ल्यू। दृष्टि विकलांग वाले छात्रों के लिए हाँ-ना उत्तर वाले प्रश्नों के लिए परीक्षा के मॉडल पर शब्दों की पहचान करना। में:; 2019. doi:10.1109/TALE48000.2019.9225903

11. ज़टराइन-कबादा आर, बार्रोन-एस्ट्राडा एमएल, गोंजालेज-हर्नांदेज़ एफ, रोद्रिग्ज-रेंजेल एच। एक बुद्धिमान ट्यूटोरिंग सिस्टम के लिए एक चेहरा अभिव्यक्ति पहचानकर्ता और चेहरा अभिव्यक्ति डेटाबेस का निर्माण करना। में: 2017 आईईईई 17वां इंटरनेशनल कॉन्फ्रेंस ऑन एडवांस्ड लर्निंग टेक्नोलॉजीस (ICALT).; 2017:391-393. doi:10.1109/ICALT.2017.141

12. क्यूरेंट पी। उच्च विद्यालयों और कॉलेजों में भविष्य की तकनीकों का एकीकरण। में: 2017 40वां 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: उच्च विद्यालय के बच्चों को ईईजी और मस्तिष्क-कंप्यूटर-इंटरफेस प्रौद्योगिकी से परिचित कराने के लिए एक परियोजना। प्रैक्सिस शिक्षक अनुसंधान। प्रकाशित नवंबर 29, 2019। 15 जून, 2022 को पहुँचा। https://praxis-teacher-research.org/neuroscience-for-students/

14. कोसमायना, नतालीया, नताली सोइटर्ट, और कासंद्रा शेरीर। "कक्षाओं में औपचारिक शैक्षणिक गतिविधियों को बढ़ावा देने के लिए मस्तिष्क-कंप्यूटर इंटरफेस का उपयोग करने का एक पायलट अध्ययन।" भविष्य की प्रौद्योगिकियों सम्मेलन की कार्यवृत्तियाँ। स्प्रिंगर, चाम, 2021।

15. एल्वारेज़, वी., बावर, एम., डे फ्रेटास, एस., ग्रेगोरी, एस. और डि वाइट, बी., 2016। ऑस्ट्रेलियाई विश्वविद्यालयों में पहनने योग्य प्रौद्योगिकियों का उपयोग: वातावरण विज्ञान, संज्ञानात्मक और मस्तिष्क विज्ञान और शिक्षक प्रशिक्षण के उदाहरण। मोबाइल लर्निंग फ्यूचर्स- मोबाइल लर्निंग में गुणवत्ता अनुसंधान और अभ्यास को बनाए रखना, 25।

16. रोड्रिग्ज, ए.ओ.आर., रियानो, एम.ए., गार्सिया, पी.ए.जी., मारिन, सी.ई.एम., क्रेस्पो, आर.जी. और वु, एक्स., 2020। शिक्षण विश्लेषण और एआर-सैंडबॉक्स का उपयोग करके बच्चों की भावनात्मक विशेषता। जर्नल ऑफ एम्बियंट इंटेलिजेंस एंड ह्यूमनाइज्ड कंप्यूटिंग, 11(11), पीपी.5353-5367।