تعلیم ہمارے معاشرے کا ایک بنیادی ستون ہے، اور معاشرتی ترقی کے لیے سیکھنے کے بھرپور ماحول فراہم کرنا انتہائی ضروری ہے۔ تعلیمی نیورو سائنس ایک تیزی سے ترقی کرتا ہوا بین الضابطہ شعبہ ہے جس کا مقصد پڑھانے اور سیکھنے کے اعصابی طریقہ کار کو سمجھنا ہے۔

پچھلی دو دہائیوں کے دوران، پورٹیبل EEG ٹیکنالوجی میں پیشرفت نے محققین کو طلباء کے لیے سیکھنے کے بہترین ماحول پیدا کرنے کے لیے کلاس رومز اور ای لرننگ دونوں میں EEG ہیڈسیٹ استعمال کرنے کے قابل بنایا ہے [1]۔ اس مضمون میں، ہم دیکھتے ہیں کہ کس طرح Emotiv کے EEG ہیڈسیٹ ہمارے پڑھانے اور سیکھنے کے طریقے کو تبدیل کرنے کے لیے استعمال کیے جا رہے ہیں۔

تعلیمی مواد کو بہتر بنانا

دلچسپ تعلیمی مواد کو ڈیزائن کرنے کے لیے طلبہ سے مسلسل ساپیکش رائے کی ضرورت ہوتی ہے۔ روایتی طور پر، کسی کورس کے مواد کی تاثیر کا تعین کورس کی تکمیل کے بعد خود رپورٹنگ کے فیڈ بیک اقدامات کے ذریعے کیا جاتا ہے۔

تاہم، ساپیکش یادداشت پر انحصار کی وجہ سے کورس کی فراہمی کے بالکل کن پہلوؤں کو بہتر بنایا جا سکتا ہے، اس کی نشاندہی کرنا اکثر مشکل ہوتا ہے۔ اپنے اعلی عارضی ریزولوشن کی وجہ سے (یعنی ملی سیکنڈز کے پیمانے پر دماغی ردعمل کی پیمائش کرنے کی صلاحیت)، EEG غیر شعوری عمل کی فہرست تیار کرنے کے قابل ہے، جس کی بصورت دیگر محض خود رپورٹنگ کے اقدامات کے ساتھ شناخت نہیں کی جاسکتی تھی۔ کورس کے مواد کو بہتر بناتے وقت، سب سے مفید میٹرکس توجہ کی سطح اور سستیلی بوجھ (cognitive load) ہیں - یہ اس کوشش کی پیمائش ہے جو دماغ معلومات کو برقرار رکھنے کے لیے کرتا ہے۔ توجہ کی پیمائش اکثر مختلف دماغی لہروں کا تجزیہ کر کے کی جاتی ہے جو EEG میں دیکھی جاتی ہیں جب کوئی سیکھ رہا ہوتا ہے - جیسے الفا (عام طور پر تھکنے سے وابستہ) اور بیٹا لہروں (عام طور پر ہوشیار یا متوجہ رہنے سے وابستہ) کی سطح۔ علمی بوجھ، جو کہ ایک زیادہ پیچیدہ پیمائش ہے، الفا اور تھیٹا لہروں کی مختلف سطحوں کے ساتھ بھی انڈیکس کیا جا سکتا ہے۔

محققین نے EEG کے ساتھ ایسے نظام تیار کیے ہیں جو توجہ کی نگرانی کر سکتے ہیں، جس سے پورے کورس کے دوران توجہ کی سطح کا اندازہ لگایا جا سکتا ہے۔ Zhou اور دیگر نے کامیابی کے ساتھ ایک حقیقی وقت کے نظام کا مظاہرہ کیا جو میسیو اوپن آن لائن کورسز (MOOCs) میں مصروف ای لرننگ طلباء کے علمی بوجھ کی نگرانی کرتا ہے، جو حقیقی وقت میں کورس کے مواد کو بہتر بنانے کی راہ ہموار کرتا ہے [2]۔

علمی کیفیات کا تجزیہ آسان بنا دیا گیا

سابقہ مطالعات کی طرح علمی کیفیات کی پیمائش کرنے کے لیے کچھ تکنیکی مہارت کی ضرورت ہو سکتی ہے۔ خوش قسمتی سے، ڈیٹا سائنس میں پیشرفت نے اب کم سے کم تکنیکی مہارت کے ساتھ علمی کیفیات کی پیمائش کرنے کے لیے پہلے سے تیار کردہ الگورتھم کے استعمال کو قابل بنا دیا ہے۔ Emotiv Performance Metrics کے استعمال کو قابل بناتا ہے: مشین لرننگ الگورتھم جو ایک EEG میں مختلف دماغی کیفیات بشمول توجہ، جوش، شمولیت، مایوسی، تناؤ، اور سکون کی شناخت کے لیے تیار کیے گئے ہیں۔

یہ الگورتھم کنٹرول شدہ تجربات کا استعمال کرتے ہوئے بنائے گئے ہیں جو مخصوص علمی کیفیات کو ظاہر کرنے کے لیے ڈیزائن کیے گئے ہیں اور تعلیمی مواد کو بہتر بنانے کے لیے مفید ہیں۔ ان Emotiv Performance Metrics کا استعمال گیم پر مبنی سیکھنے بمقابلہ روایتی قلم اور کاغذ کے سیکھنے کے مقابلے کے لیے کیا گیا ہے، اگرچہ اس تحقیق نے سیکھنے کے دونوں طریقوں کے درمیان علمی کیفیات میں کوئی فرق نہیں دکھایا [3]۔ دیگر محققین نے بڑھتی ہوئی حقیقت (augmented reality) کے ماحول میں سرگرمیوں کی تاثیر کو سمجھنے کے لیے شمولیت، تناؤ اور توجہ جیسی علمی کیفیات کی بنیاد پر 5-7 سال کے بچوں کو گروپوں میں تقسیم کرنے میں Performance Metrics کی افادیت کا مظاہرہ کیا ہے۔

اوپر: (A) EEG کا استعمال ہائی سکول کے کلاس روم میں طلباء کی دماغی لہروں کی پیمائش کے لیے کیا جا سکتا ہے (منجانب: Dikker et al. [4] )۔ (B) طلباء کی دماغی لہریں دوسرے طلباء کے ساتھ اعلیٰ ہم آہنگی دکھا سکتی ہیں، جو ان طلباء کے لیے پائی گئی جو کلاس میں زیادہ مصروف تھے (بائیں)۔ دوسرے طلباء کے ساتھ کم ہم آہنگی (دائیں) ان طلباء کے لیے پائی گئی جو کم مصروف تھے۔

سیکھنے کے ماحول کو بڑھانا

نہ صرف تعلیمی مواد کا حصہ اہم ہے، بلکہ یہ یقینی بنانے کے لیے کہ طلباء کو سیکھنے کے اچھے تجربات حاصل ہوں اس کے لیے کب اور کہاں سیکھنا ہے، یہ بھی یکساں طور پر اہم ہے۔ محققین نے کلاس روم کے مختلف اوقات میں الفا لہروں کی سطح کی پیمائش کی اور پایا کہ صبح کے وسط کی ہائی اسکول کلاسوں نے صبح سویرے کی نسبت کم الفا لہریں ظاہر کیں اور تجویز کیا کہ صبح کے وسط کا وقت سیکھنے کے لیے بہترین وقت ہوسکتا ہے [4]۔

وائرلیس EEGs کا استعمال حقیقی بمقابلہ ورچوئل ماحول کا موازنہ کرنے کے لیے بھی کیا گیا ہے، جس سے دونوں ماحول میں توجہ اور محرک کی یکساں سطح فراہم کرنے کی صلاحیت کا مظاہرہ کیا گیا ہے [5]۔ یہ جسمانی معذوری کے حامل افراد، جو بالمشافہ کلاس رومز میں شرکت کرنے سے قاصر ہیں، کے لیے سیکھنے کے ایک بھرپور تجربے کی راہ ہموار کر سکتا ہے۔ محققین نے EEG کا استعمال کرتے ہوئے کلاس روم میں سماجی حرکیات پر بھی مطالعہ کیا ہے۔ EEG ہیڈسیٹ سے لیس طلباء کے ایک گروپ کا اندازہ لگایا جا سکتا ہے کہ سیکھنے کے ایک مشترکہ عمل کے دوران ان کی اعصابی سرگرمی کتنی مطابقت پذیر ہے [6][7]۔ EEG ڈیٹا اکٹھا کرنے کا یہ طریقہ، جسے EEG hyperscanning کہا جاتا ہے، گروپ کی توجہ کے حقیقی وقت میں اندازے لگانے اور کلاس روم میں سماجی حرکیات کو بہتر بنانے کی جانب ایک قدم ہے۔

تعلیم کو ہر ایک کے لیے قابل رسائی بنانا

کچھ جسمانی یا حسی مشکلات کلاس روم میں طلباء کے سیکھنے کے تجربات کو محدود کر سکتی ہیں۔ تاہم، ایسے EEG پر مبنی ٹولز موجود ہیں جو اساتذہ کے تجربات کو بہتر بنا رہے ہیں۔ Brain-Computer Interface (BCI) ٹیکنالوجی میں پیشرفت نے EEG پر مبنی ٹائپنگ کو فعال کیا ہے [8][9]، جو جسمانی مشکلات کا شکار طلباء کو سیکھنے کے دوران اپنے کمپیوٹنگ ڈیوائس پر ذہنی نوٹس لینے میں مدد کرتی ہے۔ BCIs جو ہاں-ناں قسم کے سوالات کے EEG پر مبنی جوابات دینے کے قابل بناتے ہیں، بصارت سے محروم طلباء کو کمپیوٹر پر مبنی امتحان کے ذریعے پرکھنے کی اجازت دے رہے ہیں، جس کے لیے بصورت دیگر انٹرویو لینے والے کی ضرورت ہوتی [10]۔

سیکھنے کے ذاتی نوعیت کے تجربات

طلباء کے لیے ذاتی ٹیوٹرز فراہم کرنا مہنگا ہو سکتا ہے لیکن اکثر اس وقت ضروری ہو سکتا ہے جب عام تعلیمی نظام سیکھنے میں منفرد ضروریات کو پورا کرنے کے لیے کم لیس ہو۔ انٹیلیجنٹ ٹیوٹرنگ سسٹمز (ITS) کمپیوٹر پر مبنی سیکھنے کے سافٹ ویئر کی ایک قسم ہے جو مصنوعی ذہانت سے لیس ہوتی ہے جو ذاتی ٹیوٹرز کے طور پر کام کر سکتی ہے۔

ان سسٹمز کا مقصد طالب علم کی سیکھنے کی صلاحیت کو بڑھانے کے لیے ان کی موافقت کرنا اور انہیں حقیقی وقت میں ذاتی نوعیت کا فیڈ بیک فراہم کرنا ہے۔ محققین فی الحال ITS سسٹمز کو EEG کے ساتھ مربوط کر کے آگے بڑھا رہے ہیں۔ ایک تحقیق میں، محققین مختلف قسم کی تعلیمی ویڈیوز (متحرک مواد بمقابلہ انسانی اساتذہ والی ویڈیوز) کے لیے طالب علم کی مصروفیت کا پتہ لگانے کے لیے EEG کا استعمال کرتے ہیں جو ITS کو سیکھنے اور خود بخود ایسا مواد تیار کرنے کی اجازت دیتا ہے جسے طالب علم زیادہ دلچسپ محسوس کرے گا۔

جب آپ تدریسی عمل سے انسانی عنصر کو ہٹا دیتے ہیں، تو تناؤ اور سکرین کی تھکن کو روکنے کے لیے کمپیوٹر پر مبنی تعلیمی پروگرام استعمال کرتے ہوئے طلباء کے علمی بوجھ پر نظر رکھنا تیزی سے اہم ہو جاتا ہے۔ اس کا مقابلہ کرنے کے لیے، محققین نے EEG ڈیٹا کی بنیاد پر ایک چہرے کے تاثرات کا ڈیٹا بیس تیار کیا ہے جو فعال طور پر یہ پتہ لگاتا ہے کہ آیا کوئی طالب علم ITS استعمال کرتے ہوئے بور، مصروف، پرجوش یا مایوس تھا [11]۔

EEG کے ساتھ یہ پیشرفت ITS سسٹم کے لیے انفرادی طالب علم سیکھنے اور اس کے مطابق ڈھالنے کی راہ ہموار کر رہی ہے؛ جب وہ تھک جائیں تو آرام کی تجویز دے کر یا جب وہ مصروف ہوں تو پڑھانا جاری رکھ کر، طالب علم کے لیے سیکھنے کا زیادہ مؤثر تجربہ فراہم کرتی ہے۔

اوپر: نیویارک یونیورسٹی (NYU) کے BrainWaves پروگرام میں طلباء Emotiv EEG مائنڈ ٹیکنالوجی پہنے ہوئے گیم کھیل رہے ہیں۔

EEG بطور ایک STEM سیکھنے کا ٹول

Emotiv EEG ڈیوائسز اور سافٹ ویئر استعمال کرنے میں آسان ہیں اور ان کی اگلی نسل کو سائنس، ٹیکنالوجی، انجینئرنگ اور ریاضی (STEM) کا سائنسدان بننے کے لیے ترغیب دینے کے لیے ایک بہترین تعارفی ٹول بھی ہے۔

Emotiv ڈیوائسز اور سافٹ ویئر فی الحال یونیورسٹی کے انڈرگریجویٹ سطح کے کورسز میں استعمال ہو رہے ہیں، نہ صرف سائیکالوجی اور نیورو سائنس میں بلکہ بائیو میڈیکل انجینئرنگ میں بھی۔ Kurent ہائی اسکول اور کالج کی سطح پر تعلیمی عمل میں Emotiv EPOC آلات کو ضم کرنے کی ایک کامیاب مثال پیش کرتا ہے تاکہ BCI آلات کی ترقی کو ممکن بنایا جاسکے۔ Kosmayana اور دیگر نے دریافت کیا کہ اسکول کے نصاب میں EEG-BCI سسٹمز کو شامل کرنے سے تعلیمی کارکردگی میں اضافہ ہوتا ہے۔ میکوری یونیورسٹی نے اپنے بیچلر آف کوگنیٹو اینڈ برین سائنسز کے نصاب میں Emotiv ڈیوائسز کی کامیاب شمولیت کا پہلے ہی مظاہرہ کیا ہے، جس سے طلباء کو تجرباتی ڈیزائن اور EEG ڈیٹا کے تجزیہ کے ساتھ عملی تجربہ حاصل ہوا ہے [14]۔

مزید برآں، White-Foy نے واضح کیا ہے کہ 12 سال سے کم عمر کے بچے بھی کامیابی کے ساتھ BCI ٹیکنالوجی سیکھ سکتے ہیں اور چھوٹے پیمانے پر EEG تحقیقی منصوبے ترتیب دے سکتے ہیں [13]۔ طلباء نے ایک Insight ڈیوائس کو رسبری پائی (ایک چھوٹا کمپیوٹر) کے ساتھ مربوط کرنے کے لیے آن لائن وسائل کا استعمال کیا جو EEG کو ریموٹ کنٹرول والے اسٹار وار کھلونے (BB-8) کو کنٹرول کرنے اور اسے ایک بھولبلییا کے ذریعے نیویگیٹ کرنے کے لیے ہدایات میں تبدیل کرتا ہے۔

اوپر: سیکنڈری اسکول نیورو لیب۔ 11-18 سال کے طلباء نے راسبیری پائی اور BB-8 روبوٹ کو Emotiv ڈیوائس کے ساتھ مربوط کیا اور بھولبلییا کے ذریعے BB-8 کو نیویگیٹ کرنے کے لیے ذہنی کمانڈز کا استعمال کیا (نیورو لیبز کی اجازت سے شیئر کیا گیا)

ہم دیکھ سکتے ہیں کہ کم لاگت، موبائل Emotiv EEG ڈیوائسز نہ صرف ایجوکیٹر کو غیر معمولی مواد فراہم کرنے کے لیے تعلیمی پروگراموں کے معیار کو بڑھانے کے طریقے مہیا کرتی ہیں، بلکہ BCI میں ہونے والی پیش رفتوں کے ساتھ ساتھ منفرد ضروریات کے حامل افراد کے لیے سیکھنے کا ایک بھرپور ماحول فراہم کرنے کی پیشکش بھی کرتی ہیں۔

Emotiv کس طرح مدد کر سکتا ہے

• Emotiv EEG Lab Starter Kits کے ساتھ اپنے طلباء کے سیکھنے کے تجربات کو بہتر بنائیں۔

• EmotivPRO Builder کے ساتھ تجربات بنائیں اور ڈیٹا کا تجزیہ کریں۔

• EmotivLABS پر ڈیٹا حاصل کرنے کے لیے ریموٹ تجربات شروع کریں۔

• ہمارا اوپن سورس ڈیٹا سیٹ استعمال کریں۔

مدد کی ضرورت ہے؟ ہم سے رابطہ کریں

کور امیج کا ماخذ: Trevor Day School

حوالہ جات

1. جے ژو اور بی ژونگ، "Review on portable EEG technology in educational research،" Computers in Human Behavior ، جلد۔ 81، ص 340-349، اپریل 2018، doi: 10.1016/j.chb.2017.12.037 ۔

2. Zhou Y، Xu T، Cai Y، Wu X، Dong B۔ ایک EEG پر مبنی برین کمپیوٹر انٹرفیس کے ذریعے آن لائن ویڈیوز سیکھنے میں علمی کام کے بوجھ کی نگرانی کرنا۔ لیکٹ نوٹس کمپیوٹر سائنس سبسر لیکٹ نوٹس آرٹف انٹیل لیکٹ نوٹس بائیو انفارما۔ 2017;10295 LNCS:64-73۔ doi: 10.1007/978-3-319-58509-3_7

3. Pireva K، Tahir R، Shariq Imran A، Chaudhary N۔ کھیل پر مبنی سیکھنے کے طریقہ کار کا قلم اور کاغذ سے موازنہ کرنے کے لیے دماغ کی لہروں کی نگرانی کر کے سیکھنے والوں کی جذباتی حالتوں کا جائزہ لینا۔ میں: 2019 IEEE فرنٹیئرز ان ایجوکیشن کانفرنس (FIE)۔ ; 2019:1-8۔ doi: 10.1109/FIE43999.2019.9097262

4. Dikker S، Haegens S، Bevilacqua D، et al۔ صبح کا دماغ: حقیقی دنیا کے اعصابی ثبوت ہے کہ ہائی اسکول کی کلاس کے اوقات اہمیت رکھتے ہیں۔ Soc Cogn Affect Neurosci. 2020;15(11):1193-1202۔ doi: 10.1093/scan/nsaa142

5. Romero-Soto FO, Ibarra-Zárate DI, Alonso-Valerdi LM۔ حقیقی اور ورچوئل ماحول میں الفا پاور سپیکٹرل کثافت کا تقابلی تجزیہ۔ میں: والیم 75. ; 2020:156-163۔ doi: 10.1007/978-3-030-30648-9_22

6. Dikker S, Wan L, Davidesco I, et al۔ برین ٹو برین سنکرونی ٹریکس کلاسی روم میں حقیقی دنیا کے متحرک گروپ کے تعاملات۔ کرر بائول۔ 2017;27(9):1375-1380۔ doi: 10.1016/j.cub.2017.04.002

7. Poulsen AT، Kamronn S، Dmochowski J، Parra LC، Hansen LK۔ کلاس روم میں ای ای جی: ویڈیو پریزنٹیشن کے دوران ہم وقت ساز اعصابی ریکارڈنگ۔ سائنس ریپ۔ 2017;7(1):43916۔ doi: 10.1038/srep43916

8. النیغیمیش ایچ، الانڈاس ایل، الموفیز ایل، العبد اللطیف اے، الخلیفہ این، الوابیل اے۔ برین ویو ٹائپنگ: ڈرائی الیکٹروڈ ای ای جی ڈیوائسز کا استعمال کرتے ہوئے ٹائپنگ کے لیے P300 اور موٹر امیجری کا تقابلی مطالعہ۔ میں: Stephanidis C، ed. ایچ سی آئی انٹرنیشنل 2013 - پوسٹرز کے توسیعی خلاصے۔ کمپیوٹر اور انفارمیشن سائنس میں مواصلات۔ اسپرنگر 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۔ اپنے خیالات کو متن میں تبدیل کرنا: ای ای جی سگنلز کی گہری خصوصیت سیکھنے کے ذریعے برین ٹائپنگ کو فعال کرنا۔ میں: 2018 IEEE انٹرنیشنل کانفرنس آن پرواسیو کمپیوٹنگ اینڈ کمیونیکیشنز (PerCom)۔ ; 2018:1-10۔ doi: 10.1109/PERCOM.2018.8444575

10. Yosrita E، Heryadi Y، Wulandhari LA، Budiharto W۔ بصارت سے محروم طلباء کے لیے ہاں-نہ کے جوابات کے ساتھ امتحانی ماڈلز پر الفاظ کی ای ای جی پر مبنی شناخت۔ میں: ; 2019۔ doi: 10.1109/TALE48000.2019.9225903

11. Zatarain-Cabada R، Barrón-Estrada ML، González-Hernández F، Rodriguez-Rangel H۔ ایک انٹیلیجنٹ ٹیوٹرنگ سسٹم کے لیے فیس ایکسپریشن ریکوگنائزر اور فیس ایکسپریشن ڈیٹا بیس بنانا۔ میں: 2017 IEEE 17ویں انٹرنیشنل کانفرنس آن ایڈوانسڈ لرننگ ٹیکنالوجیز (ICALT)۔ ; 2017:391-393۔ doi: 10.1109/ICALT.2017.141

12. Kurent P۔ مستقبل کی ٹیکنالوجیز کا ہائی اسکولوں اور کالجوں میں انضمام۔ میں: 2017 40 واں بین الاقوامی کنونشن برائے معلومات اور مواصلاتی ٹیکنالوجی، الیکٹرانکس اور مائیکرو الیکٹرانکس (MIPRO)۔ ; 2017:858-861۔ doi: 10.23919/MIPRO.2017.7973541

13. White-Foy J۔ طلباء کے لیے نیورو سائنس: سیکنڈری اسکول کے بچوں کو ای ای جی اور برین کمپیوٹر انٹرفیس ٹیکنالوجی متعارف کرانے کا ایک پروجیکٹ۔ پراکسس ٹیچر ریسرچ۔ شائع شدہ نومبر 29، 2019۔ حاصل کیا گیا جون 15، 2022۔ https://praxis-teacher-research.org/neuroscience-for-students/

14. کوسمینا، نتالیہ، نتھالی سویٹیرٹ، اور کیسینڈرا شائرر۔ "رسمی تعلیمی سرگرمیوں کو فروغ دینے کے لیے کلاس رومز میں برین کمپیوٹر انٹرفیس کے استعمال کا ایک پائلٹ مطالعہ۔" مستقبل کی ٹیکنالوجیز کانفرنس کی کارروائی۔ اسپرنگر، چام، 2021۔

15. Alvarez، V.، Bower، M.، de Freitas، S.، Gregory، S. and De Wit، B.، 2016۔ آسٹریلیائی یونیورسٹیوں میں پہننے کے قابل ٹیکنالوجیز کا استعمال: ماحولیاتی سائنس، علمی اور دماغی علوم اور اساتذہ کی تربیت کی مثالیں۔ موبائل سیکھنے کا مستقبل—پائیدار معیار کی تحقیق اور موبائل سیکھنے میں مشق، 25۔

16. Rodríguez، AOR، Riaño، MA، García، PAG، Marín، CEM، Crespo، RG and Wu، X.، 2020۔ لرننگ اینالیٹکس اور AR-Sandbox کا استعمال کرتے ہوئے سیکھنے کے ماحول کے ذریعے بچوں کی جذباتی خصوصیات۔ جرنل آف ایمبیئنٹ انٹیلی جنس اینڈ ہیومنائزڈ کمپیوٹنگ، 11(11)، ص 5353-5367۔