EEG کا استعمال کرتے ہوئے بہترین سیکھنے کے ماحول کیسے بنائے جا سکتے ہیں

بذریعہ ڈاکٹر روشنی رندینیا

تعلیم ہمارے معاشرے کا ایک بنیادی ستون ہے، اور ماحول سیکھنے کے لئے rijke فراہم کرنا معاشرتی پیشرفت کے لئے ضروری ہے۔ تعلیم کا علم سے متعلق شعبہ تیزی سے ترقی کرتا ہوا بین العلومی شعبہ ہے جو تعلیم و سیکھنے کے نیورل میکنیزم کو سمجھنے کا مقصد رکھتا ہے۔

گزشتہ دو دہائیوں کے دوران، پورٹیبل EEG ٹیکنالوجی میں ترقی نے محققین کو کلاس رومز اور ای تعلیم دونوں میں EEG ہیڈ سیٹ استعمال کرنے کے قابل بنایا ہے تاکہ طالب علموں کے لئے بہترین سیکھنے والے ماحول تخلیق کئے جائیں [1]۔ اس مضمون میں، ہم دیکھتے ہیں کہ EMOTIV کے EEG ہیڈ سیٹ کو کس طرح سے تعلیم دینے اور سیکھنے کے طریقوں کو تبدیل کرنے کے لئے استعمال کیا جا رہا ہے۔

تعلیمی مواد کو بہتر بنانا

دلچسپ تعلیمی مواد کا ڈیزائن مسلسل طالب علموں سے موجب رائے کا تقاضا کرتا ہے۔ روایتی طور پر، کورس کے مواد کی مؤثریت کا تعین کورس کے مکمل ہونے پر خودکار رائے پیمائش کے ذریعے کیا جاتا ہے۔

تاہم، یہ اکثر مشکل ہوتا ہے کہ کورس کی فراہمی کے کون کون سے پہلو کو بہتر بنایا جا سکتا ہے کیونکہ اس کا انحصار سبجیکٹیو یادداشت پر ہوتا ہے۔ EEG کی اس کی اعلی وقتی قرارداد کی وجہ سے (یعنی، ملی سیکنڈز کی پیمانے پر دماغی ردعمل کا پیمائش کرنے کی صلاحیت)، یہ قبل شعوری عمل کو شماریات میں لا سکتا ہے، جو دوسری صورت میں محض خود رپورٹ پیمائش کے ساتھ سمجھا نہیں جا سکتا۔ کورس مواد کو بہتر بنانے پر، سب سے مفید میٹرک توجہ کی سطح اور علمی بوجھ ہیں - یہ دماغی کوشش کی پیمائش ہوتی ہے جو معلومات برقرار رکھنے کے لئے کی جاتی ہے۔ توجہ اکثر مختلف دماغی لہروں کی تجزیہ سے ماپی جاتی ہے جو کسی کے سیکھنے کے وقت EEG میں دیکھی جاتی ہیں - جیسے الفا کی سطح (عام طور پر تھکن سے وابستہ) اور بیٹا لہروں کی سطح (عام طور پر چوکس یا فوکس میں ہونے کے ساتھ وابستہ)۔ علمی بوجھ، ایک پیچیدہ تر پیمائش، بھی الفا اور تھیٹا لہروں کی مختلف سطحوں سے ماپی جا سکتی ہیں۔

محققین نے EEG کے ساتھ ایسے نظامات تیار کئے ہیں جو توجہ کی نگرانی کر سکتے ہیں، جو پورے کورس کے دوران توجہ کی سطح کو تشخیص کرنے کی اجازت دیتے ہیں۔ ژاؤ وغیرہ نے کامیابی سے ایک وقت حقیقی نظام کا مظاہرہ کیا جو Massive Open Online Courses (MOOCs) کے طلباء کے علمی بوجھ کی نگرانی کرتا ہے، جس سے کورس مواد کا وقت حقیقی میں بہتر بنانا ممکن ہو جاتا ہے [2]۔

علمی حالتوں کا آسان تجزیہ

ان پچھلے مطالعوں کی طرح علمی حالتوں کی پیمائش کرنا کچھ تکنیکی مہارت اور ماہرین کی ضرورت کا تقاضا کر سکتا ہے۔ خوش قسمتی سے، ڈیٹا سائنس میں ترقیات نے اب پہلے سے تیار شدہ الگورتھم کے استعمال کو ممکن بنا دیا ہے تاکہ کم از کم تکنیکی مہارت کے ساتھ علمی حالتوں کی پیمائش کی جا سکے۔ Emotiv پرفارمنس میٹرکس کا استعمال ممکن بناتا ہے: مشین لرننگ الگورتھمز جو مختلف دماغی ریاستوں کو شناخت کرنے کے لئے تیار کئے گئے ہیں، جس میں فوکس، دلچسپی، مصروفیت، مایوسی، دباؤ، اور ایجیسیشن شامل ہے، کسی EEG میں۔

یہ الگورتھمز کنٹرول ماحول میں تیار کی گئی تجربوں کا استعمال کرتے ہوئے بنائے گئے ہیں جن کا مقصد خاص علمی حالتوں کو ظاہر کرنا ہے اور تعلیمی مواد کو بہتر بنانے کے لئے مفید ہیں۔ یہ Emotiv پرفارمنس میٹرکس کو گیم پر مبنی سیکھنے کے طریقے اور روایتی پین اینڈ پیپر سیکھنے کے درمیان علمی ریاستوں میں فرق دکھانے کے لئے استعمال کیا گیا ہے، البتہ مطالعہ نے دونوں سیکھنے کے طریقوں کے درمیان کوئی فرق ظاہر نہیں کیا [3]۔ دیگر محققین نے augmented reality ماحول میں سرگرمیوں کی مؤثریت طے کرنے کے لئے بچوں کو کم از کم 5-7 سال کی عمر کے بچوں کو مصروفیت، دباؤ، اور فوکس جیسے علمی حالتوں کے مطابق گروپ کرنے میں پرفارمنس میٹرکس کی افادیت کو دکھایا ہے۔

درج بالا: (A) EEG کو ہائی اسکول کلاس روم میں طالب علموں کی دماغی لہروں کی پیمائش کے لئے استعمال کیا جا سکتا ہے (ماخذ: Dikker et al. [4]). (B) طلباء کی دماغی لہریں دیگر طلباء کے ساتھ زیادہ مطابقت سے ظاہر ہو سکتی ہیں، یہ ان طلباء کے لئے پایا گیا جو کلاس میں مزید مشغول تھے (بائیں)۔ دیگر طالب علموں کے ساتھ کم مطابقت (دائیں) ان طلباء کے لئے پایا گیا جو کم مشغول تھے۔

سیکھنے والے ماحول کو بڑھانا

صرف تعلیمی مواد کا مواد ہی نہیں، کب اور کہاں سیکھیں بھی ئی اہم ہے تاکہ یہ یقینی بنایا جا سکے کہ طلباء کے پاس اچھے سیکھنے کے تجربات ہوں۔ محققین نے بڑے پیمانے پر مختلف کلاس روم اوقات کے دوران الفا لہروں کی سطح کی پیمائش کی اور پایا کہ مڈ مارننگ کے ہائی اسکول کلاسز میں الفا لہروں کی نسبت کم تھی جیسا کہ ابتدائی صبح میں دکھایا گیا، اور یہ تجویز کرتے ہیں کہ مڈ مارننگ شاید بہترین وقت ہو سکتا ہے سیکھنے کے لئے [4]۔

وائرلیس EEGs کو بھی حقیقی بمقابلہ خیالی ماحول کا موازنہ کرنے کے لئے استعمال کیا گیا ہے، یہ دکھانے کے لئے کہ دونوں ماحول میں برابر کی سطح کی توجہ اور تحریک فراہم کی جا سکتی ہے [5]۔ یہ لوگوں کے لئے جو جسمانی معذوریاں رکھتے ہیں اور کلاس روم میں حاضر نہیں ہو سکتے، کے لئے مزید بہترین سیکھنے کے تجربے کا راستہ بنا سکتا ہے۔ محققین نے بھی EEG استعمال کرتے ہوئے کلاس روم میں سماجی تعلقات پر مطالعات کئے ہیں۔ EEG ہیڈ سیٹ کے ساتھ لگے ہوئے طلباء کی ایک جماعت کو ارتعاشی سیکھنے کے عمل کے دوران ان کی نیورل سرگرمی کی مطابقت کی تشخیص کے لئے تعداد میں قدر کی جاتی ہے [6][7]۔ اس EEG ڈیٹا کلیکشن کے طریقہ کو کہا جاتا ہے EEG ہائپرسکیننگ، جو کلاس روم میں گروپ توجہ کی حقیقی وقت میں دلیل کا ایک قدم ہے۔

تعلیم کو سب کے لئے قابل رسائی بنانا

کچھ جسمانی یا سینسری مشکلات طلباء کے کلاس روم میں سیکھنے کے تجربات کو محدود کر سکتی ہیں۔ تاہم، EEG پر مبنی اوزار ہیں جو طلباء کے تجربات کو بہتر بنا رہے ہیں۔ Brain-Computer Interface (BCI) ٹیکنالوجی میں ترقی نے EEG پر مبنی ٹائپنگ کو ممکن بنایا ہے [8][9]، جو جسمانی مشکلات والے طلباء کو سیکھتے وقت اپنے کمپیوٹنگ ڈیوائس پر دماغی نوٹس لینے میں مدد کرتی ہے۔ BCIs جو EEG پر مبنی ہاں/نہیں قسم کے سوالات کے جوابات کی اہلیت دیتی ہیں، بصری معذور طلباء کو کمپیوٹر پر مبنی امتحان کے ذریعے جانچنے کی اجازت دیتی ہیں، جو کہ بصورت دیگر انٹرویوئر کی ضرورت ہوتی ہے [10]۔

ذاتی سیکھنے والے تجربات

طلباء کے لئے ذاتی زندگی کے اساتذہ کو فراہم کرنا مہنگا ہو سکتا ہے لیکن اکثر ضروری ہو سکتا ہے جب عام تعلیمی نظام منفرد سیکھنے کی ضروریات کو سنبھالنے کے لئے کافی نہیں ہو۔ انٹلجنٹ ٹیوٹرنگ سسٹمز (ITS) ایک کمپیوٹر پر مبنی سیکھنے والے سافٹ ویئر کی قسم ہیں جو مصنوعی ذہانت کے ساتھ پشتیبان ہے جو شخصی زندگی کی تعلیم کے طور پر کام کر سکتی ہے۔

ان نظامات کا مقصد طالب علم کی تعلیم کو بڑھانے کے لئے حقیقی وقت میں شخصی ردعمل فراہم کرنا ہوتا ہے۔ محققین اس وقت ITS نظامات کو EEG کے ساتھ انضمام کر کے آگے بڑھا رہے ہیں۔ ایک مطالعے میں، محققین EEG کا استعمال کرتے ہوئے طالب علم کی مختلف تعلیمی ویڈیوز (کارٹون مواد بمقابلہ انسانی اساتذہ کے ساتھ ویڈیوز) کے لئے مشغولیت کا پتہ لگاتے ہیں جس سے ITS سیکھنے کی اجازت دیتا ہے اور وہ مواد خودکار طریقہ سے پیدا کرتا ہے جو طالب علم کے لئے زیادہ دلکش ہو۔

جب آپ تعلیم کے عمل سے انسانی عنصر کو ہٹا دیتے ہیں، تو یہ ضروری ہو جاتا ہے کہ طالب علموں کے علمی بوجھ پر نظر رکھیں جبکہ کمپیوٹر پر مبنی سیکھنے والے پروگراموں کا استعمال کرتے ہوئے دباؤ اور اسکرین کی تھکاوٹ کو روکنے کے لئے۔ اس کا مقابلہ کرنے کے لئے، محققین نے چہرے کے اکتساب پر مبنی ایک ڈیٹا بیس تیار کیا ہے جو ایک ITS استعمال کرتے ہوئے طلباء کی بوریت، مشغولیت، دلچسپی یا مایوسی کو فعال طور پر پتہ کرتا ہے [11]۔

یہ EEG کے ساتھ ترقی ITS نظام کے لئے اس راستے کو کھڑا کر رہی ہے کہ انفرادی طالب علم کے لئے مسلسل سیکھتا اور ڈھالتا ہوا چلتا رہے؛ جب وہ تھکا ہوا ہو تو تجاویز مہیا کرنے یا جب وہ مشغول ہو تو سیکھنے کے جاری رکھنے کے لئے، طالب علم کے لئے ایک مؤثر تر تعلیم کو فراہم کرتا ہے۔

درج بالا: نیو یارک یونیورسٹی (NYU) BrainWaves پروگرام کے طالب علم ایک کھیل کھیلتے ہوئے EMOTIV EEG برین ٹیکنالوجی پہنے ہوئے ہیں۔

EEG بطور اسٹیم سیکھنے والا اوزار

Emotiv EEG دیوائسز اور سافٹ ویئر استعمال میں آسان ہیں اور اگلی نسل کے سائنس، ٹیکنالوجی، انجینئرنگ، اور ریاضی (STEM) کے سائنسدان کو متاثر کرنے کا بہترین ابتدائی اوزار بھی ہیں۔

Emotiv دیوائسز اور سافٹ ویئر اس وقت یونیورسٹی کے انڈرگریجویٹ سطح کے کورسز میں استعمال ہو رہے ہیں، نہ صرف نفسیات اور علم الاعصاب میں بلکہ بایومیڈیکل انجینئرنگ میں بھی۔ Kurent ہائی اسکول اور کالج کی سطح پر Emotiv EPOC دیوائسز کو تعلیمی عمل میں شامل کرنے کی ایک کامیاب مثال مثال دیتا ہے تاکہ BCI دیوائسز کی ترقی کو ممکن بنایا جا سکے۔ Kosmayana وغیرہ کا یہ کہنا ہے کہ EEG-BCI نظامات کو اسکول نصاب میں شامل کرنا تعلیمی کارکردگی کو بڑھاتا ہے۔ Macquarie University نے پہلے ہی اپنے بیچلر آف کوگنیٹیو اینڈ برین سائنسز کے نصاب میں Emotiv دیوائسز کی کامیابی سے شمولیت کا مظاہرہ کیا ہے، جو طلباء کو تجرباتی ڈیزائن اور EEG ڈیٹا انیلیسس کے ساتھ ہاتھوں سے تجربہ فراہم کرتا ہے [14]۔

مزید براں، White-Foy یہ ظاہر کرتا ہے کہ 12 سال کی عمر تک کے بچے کامیابی سے BCI ٹیکنالوجی سیکھ سکتے ہیں اور چھوٹے پیمانے پر EEG تحقیق منصوبے تیار کر سکتے ہیں [13]۔ طلباء نے ایک EMOTIV Insight دیوائس کو ایک رسبیری پائی (ایک چھوٹا کمپیوٹر) کے ساتھ ضم کرنے کے لئے آن لائن ذرائع استعمال کئے جس نے EEG کا ترجمہ کمانڈز میں کیا تاکہ ایک ریموٹ کنٹرولڈ سٹار وارز کھلونے (BB-8) کو کنٹرول کیا جا سکے اور اسے ایک پیچیدہ راہ کے ذریعے نیویگیٹ کیا جا سکے۔

درج بالا: سیکنڈری اسکول نیورولیب۔ 11-18 سال کی عمر کے طلباء نے دماغی احکامات کا استعمال کر کے BB-8 کو پیچیدہ راہ پر نیویگیٹ کرنے کے لئے Emotiv دیوائس کے ساتھ رسبیری پائی اور BB-8 روبوٹ کو ضم کیا (NeuroLabs کے اجازت کے ساتھ مشترک)

ہم دیکھ سکتے ہیں کہ کم قیمت، موبائل Emotiv EEG دیوائسز نہ صرف بہترین مواد کی فراہمی کے لئے معلم کے لئے تعلیم پروگراموں کے معیاری کو بڑھانے کے طریقے فراہم کرتے ہیں، بلکہ BCI کی ترقیات کے ساتھ بھی انفرادٍی ضروریات کے لوگوں کے لئے ایک امیر تعلیمی ماحول فراہم کرنے کا بھی مشورہ دیتے ہیں۔

EMOTIV کی مدد کس طرح

• اپنے طلباء کے سیکھنے کے تجربات کو EMOTIV EEG لیب سٹارٹر کٹس کے ساتھ بہتر بنائیں۔

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

• راستے کے تجربهات کو EmotivLABS پر ڈیٹا حاصل کرنے کے لئے لانچ کریں۔

• ہمارے اوپن سورس ڈیٹا سیٹ کا استعمال کریں۔

مدد کی ضرورت ہے؟ ہم سے رابطہ کریں

 کور تصویر ماخذ Trevor Day School

مراجعہ جات

1. J. Xu اور B. Zhong، “تعلیمی تحقیق میں پورٹیبل EEG ٹیکنالوجی پر نظر ثانی،” انسانی برتاو میں کمپیٹر, جلد. 81, صفحات. 340–349, اپریل 2018, doi: 10.1016/j.chb.2017.12.037.

2. ژاؤ یی، زو ٹی، کائ یی، وو ایکس، ڈونگ بی۔ آن لائن ویڈیوز سیکھنے کے دوران ایک EEG پر مبنی برین کمپیوٹر انٹرفیس کے ذریعے علمی ورکلوڈ کی نگرانی کرنا۔ لیکٹ نوٹس کمپیوٹ سائنس سبسر لیکٹ نوٹس آرٹیف انٹیل لیکت نوٹس بایونفرما۔ 2017;10295 LNCS:64-73. doi:10.1007/978-3-319-58509-3_7

3. Pireva K، Tahir R، Shariq Imran A، Chaudhary N. لرنرز کے جذباتی حالتوں کا دماغی لہروں کی نگرانی کے ذریعے جانچ اور گیم پر مبنی سیکھنے کے طریقے کا روایتی قلم اور کاغذ کے سیکھنے کے ساتھ موازنہ کرنا۔ اس میں: 2019 IEEE فرنٹیئرز ان ایجوکیشن کانفرنس (FIE)۔ ; 2019:1-8. doi:10.1109/FIE43999.2019.9097262

4. Dikker S، Haegens S، Bevilacqua D، وغیرہ۔ صبح دماغ: حقیقی دنیا کے عصبی ثبوت کہ ہائی اسکول کلاس ٹائمز کی اہمیت رکھتے ہیں۔ سوشیئل کوگن افیکٹ نیورسائنس۔ 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 اسپیکٹرل ڈینسٹی کا تقابلی تجزیہ۔ میں: جلد 75۔ ; 2020:156-163. doi:10.1007/978-3-030-30648-9_22

6. Dikker S، Wan L، Davidesco I، وغیرہ۔ دماغ سے دماغ کی مطابقت حقیقی دنیا کے ڈائنامک گروپ کے تعاملات کی کلاس میں ٹریک کرتی ہے۔ کرنٹ بایول۔ 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 EEG: ویڈیو کی پیشکش کے دوران مطابقتی نیورل ریکارڈنگ۔ سائ ریپ۔ 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. دماغی لہروں کے ٹائپنگ: خشک-الیکٹروڈ EEG دیوائسز کا استعمال کرتے ہوئے P300 اور موٹر امیجری کی موازنہ کا مطالعہ۔ میں: Stephanidis C، ed. HCI انٹرنیشنل 2013 - پوسٹرز کی تفصیل کے خلاصے۔ کمینکیشنز ان کمپیوٹر اینڈ انفارمیشن سائنس۔ 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 نصوص میں تبدیل کرنا: EEG سگنلز کی گہری خصوصیت سیکھنے کے ذریعے دماغی ٹائپنگ کو ممکن بنانا۔ میں: 2018 IEEE انٹرنیشنل کانفرنس آن پرواس کمپیوٹنگ اینڈ کمیونیکیشنز (PerCom)۔ ; 2018:1-10. doi:10.1109/PERCOM.2018.8444575

10. Yosrita E، Heryadi Y، Wulandhari LA، Budiharto W. ایگزام ماڈلز پر یس-نو جوابات کے ساتھ الفاظ کی شناخت پر دماغی لہروں پر مبنی آزمائش کے کام پر۔ میں: ; 2019. doi:10.1109/TALE48000.2019.9225903

11. Zatarain-Cabada R، Barrón-Estrada ML، González-Hernández F، Rodriguez-Rangel H. ایک چہرے کا اظہار تشخیص اور ایک چہرے کا اظہار ڈیٹا بیس ایک ذکی ٹیوٹرنگ نظام کے لئے تعمیر کریں۔ میں: 2017 IEEE 17th انٹرنیشنل کانفرنس آن ایڈوانسڈ لرننگ ٹیکنالوجیز (ICALT)۔ ; 2017:391-393. doi:10.1109/ICALT.2017.141

12. Kurent P. مستقبل کی ٹیکنالوجیز کا ہائی اسکول اور کالجز میں انضمام کا مطالعہ۔ میں: 2017 40th انٹرنیشنل کنونشن آن انفارمیشن اینڈ کمیونیکیشن ٹیکنالوجی، الیکٹرونک اینڈ مائیکروا الیکٹرونک (MIPRO)۔ ; 2017:858-861. doi:10.23919/MIPRO.2017.7973541

13. White-Foy J. نیوروسائنس برائے طلباء: ایک منصوبہ جو سیکنڈری اسکول کے بچوں کو EEG اور برین-کمپیوٹر-انٹرفیس ٹیکنالوجی کا تعارف دیتا ہے۔ پراکسیس اساتذہ ریسرچ۔ شائع شدہ نومبر 29, 2019۔ 15 جون 2022 تک رسائی حاصل کی گئی۔ https://praxis-teacher-research.org/neuroscience-for-students/

14. Kosmyna، Nataliya، Nathalie Soetaert، Cassandra Scheirer. "ایک کلاس رومز میں برین-کمپیوٹر انٹرفیسز کو انتباہ دیتے وقت چھوٹے پیمانے پر تعلیمی سرگرمیوں کو فروغ دینا۔" مستقبل کی ٹیکنالوجیز کانفرنس کی کارروائیاں۔ اسپرنگر, چیم, 2021.

15. Alvarez، V.، Bower، M.، de Freitas، S.، Gregory، S. اور De Wit، B.، 2016۔ آسٹریلین یونیورسٹیوں میں پیروبل ٹیکنالوجیز کا استعمال: مثالیں ماحولیاتی علوم، شناختی اور دماغی سائنسز اور استاد کی تربیت سے۔ موبائل لرننگ مستقبل - موبائل لرننگ میں کوالٹی ریسرچ اور عملی کو مستحکم کرنا، 25۔

16. Rodríguez، A.O.R.، Riaño، M.A.، García، P.A.G.، Marín، C.E.M.، Crespo، R.G. اور Wu، X., 2020۔ بچوں کی جذباتی خصوصیات پر ایک تعلیمی ماحول میں لرننگ اینالیٹکس اور AR-Sandbox کا استعمال۔ جرنل آف ایمبیئنٹ انٹیلیجنس اینڈ ہیومنائزڈ کمپیوٹنگ، 11(11), صفحات 5353-5367.