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 سیکھنے کے بھرپور ماحول فراہم کرنا معاشرتی ترقی کے لیے لازمی ہے۔ تعلیمی نیوروسائنس ایک تیزی سے ترقی کرتی ہوئی بین التعلقاتی فیلڈ ہے جو تدریس اور سیکھنے کے نیورل میکانزم کو سمجھنے کا مقصد رکھتی ہے۔

پچھلی دو دہائیوں میں، پورٹیبل EEG ٹیکنالوجی میں ترقی نے محققین کو یہ ممکن بنایا ہے کہ وہ عصری اور ای لرننگ کلاس رومز میں EEG ہیڈسیٹس استعمال کر کے نئے سیکھنے کے ماحول تشکیل دیں جو طلباء کے لیے بہتر ہوسکیں [1]۔ اس مضمون میں، ہم دیکھتے ہیں کہ EMOTIV کے EEG ہیڈسیٹس کو کس طرح استعمال کیا جا رہا ہے تاکہ ہم تدریس اور سیکھنے کے طریقوں میں تبدیلی لا سکیں۔

تعلیمی مواد کو بہتر بنانا

دلچسپ تعلیمی مواد کا ڈیزائن طلباء کی مسلسل ذاتی تاثرات کی ضرورت ہوتی ہے۔ روایتاً، ایک کورس کے مواد کی مؤثر ہونے کا تعین کورس کی تکمیل کے بعد خود رپورٹیگ تاثراتی پیمائش کے ذریعے کیا جاتا ہے۔

تاہم، یہ اکثر مشکل ہوتا ہے کہ کورس کی ترسیل کے خاص پہلوؤں کو علیحدہ کیا جائے کیونکہ یادداشت پر بھروسہ کیا جاتا ہے۔ EEG کی اعلی وقتی ریزولوشن (یعنی، ملی سیکنڈ کی پیمائش کی صلاحیت) کی وجہ سے یہ پیش شعوری عملوں کی نشاندہی کر سکتی ہے، جو صرف خود رپورٹیگ پیمائشوں کے بغیر معلوم نہ ہوسکتے۔ جب کورس مواد کو بہتر بنایا جا رہا ہوتا ہے، تو سب سے زیادہ کارآمد میٹرکس کی توجہ کی سطح اور علمی بوجھ ہوتا ہے - ایک پیمائش کہ دماغ معلومات کو برقرار رکھنے کے لیے کتنی کوشش کرتا ہے۔ توجہ کی اکثر پیمائش مختلف دماغی موجوں کے تجزیے کے ذریعے کی جاتی ہے، جیسے کہ EEG میں دیکھے جانے والے جب کوئی سیکھ رہا ہو - جیسے الفا کی سطحیں (عام طور پر تھکاوٹ سے منسلک) اور بیٹا موجیں (عام طور پر چوکسی یا مبذولی کے ساتھ منسلک)۔ علمی بوجھ، ایک زیادہ پیچیدہ پیمائش، بھی مختلف سطحوں کے الفا اور تھیٹا موجوں کے ساتھ انڈیکس کیا جا سکتا ہے۔

محققین نے EEG کے ساتھ ایسے نظام تیار کیے ہیں جو توجہ کو نگرانی کر سکتے ہیں، جس سے پوری کورس کے دوران توجہ کی سطح کو جانچنے کی اجازت دی جاتی ہے۔ ژو وغیرہ۔ نے MOOCs (Massive Open Online Courses) میں مشغول آنلائن تعلیم حاصل کرنے والے طلباء کے علمی بوجھ کی نگرانی کرنے کے لیے ایک حقیقی وقت کا نظام کامیابی سے مظاہرہ کیا، جو حقیقی وقت میں کورس مواد کو بہتر بنانے کا راستہ کھولتی ہے [2]۔

علمی حالتوں کا تجزیہ آسان بنایا گیا

ان پچھلی تحقیقات کی طرح، علمی حالات کی پیمائش کچھ تکنیکی مہارت اور مہارت کا تقاضا کر سکتی ہے۔ خوش قسمتی سے، ڈیٹا سائنس میں ترقی نے اب معیاری الجوردمز کے استعمال کو ممکن بنایا ہے تاکہ علمی حالات کی پیمائش کی جا سکے، کم سے کم تکنیکی مہارت کے ساتھ۔ Emotiv پرفارمنس میٹرکس کے استعمال کو ممکن بناتا ہے: مشین لرننگ کے الجوردمز جو مختلف دماغی حالات کی شناخت کے لیے تیار کیے گئے ہیں، بشمول توجہ، جوش، شمولیت، مایوسی، دباؤ، اور آرام دہ حالت میں EEG میں۔

یہ الجوردمز کنٹرولڈ تجربات کے ذریعے بنائے گئے ہیں جو مخصوص علمی حالتوں کو بلند کرنے کے لئے تیار کیے گئے ہیں اور تعلیمی مواد کو بہتر بنانے کے لئے مفید ہیں۔ ان Emotiv پرفارمنس میٹرکس کا استعمال کھیل پر مبنی تعلیم کو روایتی قلم اور کاغذ پر اپروچ سے موازنہ کرنے کے لئے کیا گیا ہے، حالانکہ مطالعہ نے دونوں سیکھنے کے طریقوں کے درمیان علمی حالات میں کوئی فرق نہیں دکھایا [3]۔ دوسرے محققین نے بڑھائی ہوئی حقیقت کے ماحول میں سرگرمیوں کی تاثیر کا تعین کرنے کے لیے شمولیت، دباؤ، اور توجہ جیسے علمی حالتوں کی بنیاد پر پانچ سے سات سال کے بچوں کو گروپبنڈی کی افادیت کا مظاہرہ کیا ہے۔

اوپر: (A) EEG کو ہائی سکول کے کلاس روم میں طلبا کے دماغی موجوں کی پیمائش کے لیے استعمال کیا جا سکتا ہے (سے: دیکر وغیرہ [4] سے). (B) طلباء کی دماغی موجیں دوسرے طلباء کے ساتھ ہائی سنکرون کے بلند مدار پر دکھا سکتی ہیں، جو ان کلاسوں کے لئے پایا گیا تھا جو زیادہ مشغول تھے (بائیں). دوسری طلبا کے ساتھ کم سنکرون (دائیں) ان طلبا کے لئے پایا گیا تھا جو کم مشغول تھے.

سیکھنے کے ماحول کو بہتر بنانا

تعلیمی مواد کی مواد ہی اہم نہیں ہے، بلکہ کب اور کہاں ہم سیکھتے ہیں وہ بھی طلبا کے لئے اچھی سیکھنے کے تجربات کو یقینی بنانے کے لئے اہم ہیں۔ محققین نے مختلف کلاس روم کے اوقت کے دوران الفا موجوں کی سطح کی پیمائش کی اور یہ پایا کہ مڈ مارننگ ہائی اسکول کلاسز نے ابتدائی مارننگ کے مقابلے میں کم الفا موجیں دکھائیں اور مشورہ دیا کہ مڈ مارننگ سیکھنے کے لئے بہترین وقت ہو سکتا ہے [4]۔

وائرلیس EEGs کو حقیقی اور ورچوئل ماحول کا موازنہ کرنے کے لئے بھی استعمال کیا گیا ہے، جو دونوں ماحول میں توجہ اور متحرک ہونے کے بھی مہلت کی صلاحیت کا مظاہرہ کرتے ہیں [5]۔ یہ جسمانی معذوریوں والے افراد کے لئے، جو شخصی طور پر کلاسوں میں شرکت نہیں کر سکتے، ایک بھرپور سیکھنے کے تجربے کی راہ ہموار کر سکتا ہے۔ محققین نے کلاس روم میں سوشل ڈائنامکس پر بھی EEG کا استعمال کرتے ہوئے مطالعے کئے ہیں۔ EEG ہیڈسیٹ میں فٹ کئے گئے طلبا کو ایک مشترکہ سیکھنے کے عمل کے دوران ان کی نیورال سرگرمی کی سنکرونائزیشن کے لئے استعمال کیا جا سکتا ہے [6][7]۔ EEG ڈیٹا کلیکشن کا یہ طریقہ، جسے EEG ہائپر سکیننگ کہا جاتا ہے، کلاس روم میں گروپ توجہ کی حقیقی وقت کی دخالت اور سوشیل ڈائنامکس کو بہتر بنانے کی طرف قدم ہے۔

تعلیم کو سب کے لئے قابل رسائی بنانا

کچھ جسمانی یا حسی مشکلات کلاس روم میں طلبا کے سیکھنے کے تجربات کو محدود کر سکتی ہیں۔ تاہم, EEG پر مبنی اوزار موجود ہیں جو طلبا کے تجربات کو بہتر بنا رہے ہیں۔ دماغ-کمپیوٹر انٹر فیس (BCI) ٹیکنالوجی کی ترقی نے EEG بنیاد پر ٹائپنگ کو ممکن بنا دیا ہے [8][9], جو طلبا کو جسمانی مشکلات کے ساتھ ان کے کمپیوٹنگ ڈیوائس پر ذہنی نوٹس لینے میں مدد دیتا ہے جیسے ہی وہ سیکھتے ہیں۔ BCIs جو EEG بنیاد پر ہاں-نہیں قسم کے سوالات کے جوابات کو ممکن بناتے ہیں وہ بھی بصری مرَضین کے ساتھ طلبا کے کمپیوٹر پر مبنی امتحانات کا استعمال کرنے کی اجازت دیتے ہیں، جو ورنہ انٹرویو لینے والے کی ضرورت ہوتی [10]۔

ذاتی نوعیت کے سیکھنے کے تجربات

طلبا کے لئے ذاتی مددگار فراہم کرنا مہنگا ہو سکتا ہے لیکن اکثر ضروری ہوتا ہے جب عام تعلیم کے نظام میں سیکھنے کی انوکھی ضروریات کو سنبھال نہیں سکتا۔ ہوشیار تدریسی نظام (ITS) کمپیوٹر پر مبنی سیکھنے والے سوفٹویر کی ایک قسم ہیں جو مصنوعی ذہانت کے ساتھ مددگار ہو سکتے ہیں۔

ان نظاموں کا مقصد طالب علم کے سیکھنے کے تجربے کو بہتر بنانے کے لئے حقیقی وقت کا ذاتی نوعیت کا فیڈبیک فراہم کرنا اور اسے اپنانا ہے۔ محققین اس وقت ITS سسٹم کو EEG کے ساتھ ایکٹگڑٹ کرنے کے ذریعے اسے بہتر بنانے میں مصروف ہیں۔ ایک مطالعے میں، محققین نے EEG کا استعمال کرتے ہوئے طالب علم کی دلچسپی سے لے کر آموزشی ویڈیوز (متحرک مواد بنام انسان اساتذہ کے ساتھ ویڈیوز) کا تعین کیا ہے جو ITS کو سیکھنے اور خود بخود وہ مواد تیار کرنے کی اجازت دیتا ہے جو طالب علم کو زیادہ دلچسپ لگے گا۔

جب آپ تدریس کے عمل سے انسانی عنصر کو نکال دیتے ہیں، تو یہ بتانا انتہائی ضروری ہو جاتا ہے کہ سیکھنے کے کمپیوٹر پر مبنی پروگراموں کا استعمال کرتے ہوئے طلبا کے علمی بوجھ کو نظر انداز کریں تاکہ دباؤ اور سکرین کی تھکاوٹ کو روکیں۔ اس سے لڑنے کے لئے، محققین نے ایک چہرے کے اظہار کے ڈیٹا بیس کا احاطہ کیا ہے جو EEG ڈیٹا پر مبنی ہے جو فعال طور پر یہ معلوم کر لیتا ہے کہ آیا ایک طالب علم بور تھا، مشغول تھا، پرجوش تھا یا مایوس جب ITS کا کر رہا تھا [11]۔

یہ ترقی EEG کے ساتھ آئی ٹی ایس سسٹم کے لئے راستہ ہموار کر رہی ہے تاکہ طالب علم کے انفرادی ضروریات کو مسلسل سیکھتا رہے اور اسے اپنائے؛ جب وہ تھکے ہوئے ہوں تو وقفے کا مشورہ دینے یا جب وہ دلچسپی میں ہوں تو سیکھانا جاری رکھے، طالب علم کے لئے ایک زیادہ مؤثر سیکھنے کا تجربہ فراہم کرے۔

اوپر: نیو یارک یونیورسٹی (NYU) BrainWaves پروگرام میں طلباء ایک کھیل کھیلتے ہیں جب کہ EMOTIV EEG دماغی ٹیکنالوجی استعمال کرتے ہیں۔

EEG کے طور پر STEM سیکھنے کا آلہ

Emotiv EEG ڈیوائسز اور سوفٹ وئیر کا استعمال آسان ہے اور اگلی نسل کو سائنس، ٹیکنالوجی، انجینئرنگ، اور میتھمیٹکس (STEM) سائنسدان کے طور پر متاثر کرنے کے لیے بہترین ابتدائی طریقہ ہے۔

Emotiv ڈیوائسز اور سوفٹ وئیر اس وقت یونیورسٹی کے انڈریگریجویٹ لیول کے کورسز میں استعمال ہو رہے ہیں، نہ صرف نفسیات اور نیوروسائنس میں بلکہ بایومیڈیکل انجینئرنگ میں بھی۔ کرینٹ ہائے اسکول اور کالج کے سطحات پر اعلی تعلیم کی اس مستقبل ٹیکنالوجیز کے انضمام میں Emotiv EPOC ڈیوائسز کا کامیاب مثال دکھاتا ہے تاکہ BCI ڈیوائسوں کی ترقی کو ممکن کیا جاسکے۔ کوسمایانا وغیرہ۔ یہ پاتے ہیں کہ اسکول سے نصاب میں EEG-BCI سسٹم کو شامل کرنے سے تعلیمی کارکردگی میں اضافہ ہوتا ہے۔ میک کواری یونیورسٹی نے پہلے ہی اپنی بیکالرنز آف کوگنیٹیو اینڈ برین سائنسز کے نصاب میں Emotiv ڈیوائسز کا کامیاب انضمام دکھایا ہے، طالب علموں کو تجرباتی ڈیزائن اور EEG ڈیٹا اینالسس کے ساتھ تجربے کے ابتدائی ہاتھ دینے کے حوالے سے [14]۔

مزید برآں، وائٹ-فوے یہ دکھاتا ہے کہ 12 سال کے کم عمر بچوں کو بھی کامیابی سے BCI ٹیکنالوجی سیکھا جا سکتا ہے اور چھوٹے پیمانے کے EEG تحقیقاتی منصوبے قائم کے جا سکتے ہیں [13]۔ طلبا نے آن لائن والڈھاروس کو استعمال کیا تاکہ ایک EMOTIV Insight ڈیوائس کو ایک راسبیری پائی (ایک چھوٹا کمپیوٹر) کے ساتھ یکجا کریں جو EEG کو ایک کمانڈ میں ترجمہ کرتا ہے تاکہ ایک اسٹار وار کا ریموٹ کنٹرولڈ کھلونا (BB-8) کو کنٹرول کرے اور اسے ایک بھول بھلیاں میں منتقل کرے۔

اوپر: سیکنڈری اسکول نیورولیب. 11-18 سال کے بچوں نے راسبیری پائی اور BB-8 روبوٹ کو Emotiv کے ڈیوائس کے ساتھ یکجا کیا اور بی بی-8 کو بھول بھلیاں میں منتقل کرنے کے لئے ذہنی کمانڈز کا استعمال کیا (NeuroLabs سے اجازت کے ساتھ اشتراک کے ساتھ)

ہم دیکھ سکتے ہیں کہ انسری لاگت، موبائل Emotiv EEG ڈیوائسز صرف معیاری تعلیم کے پروگراموں کی فراہمی میں ماہر استاد کے لئے غیرمعمولی مواد کی فراہمی کے لئے طریقے فراہم نہیں کرتے، بلکہ BCI میں ترقی کے ساتھ مل کر یہ مصنوعات ایک منفرد ضروریات والے افراد کے لئے ایک بھرپور تعلیمی ماحول فراہم کرنے کا بھی مشورہ دیتے ہیں۔

کیسے EMOTIV مدد کر سکتا ہے

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

• EmotivPRO Builder کے ساتھ تجربات بنائیں اور ڈیٹا کا اندازہ لگائیں۔

• EmotivLABS پر ریموٹ تجربات کو لانچ کریں اور ڈیٹا حاصل کریں۔

• ہمارا اوپن سورس ڈیٹا سیٹ استعمال کریں۔

مدد کی ضرورت؟ ہم سے رابطہ کریں

کور تصویر کا ذریعہ: Trevor Day School

حوالہ جات

1. جے ژو اور بی ژونگ، "تعلیمی تحقیق میں پورٹیبل EEG ٹیکنالوجی پر جائزہ،" انسانی رویے میں کمپیوٹرز, vol. 81, pp. 340–349, Apr. 2018, doi: 10.1016/j.chb.2017.12.037.

2. ژو وائی، ژو ٹی، Cai Y, Wu X, Dong B. آن لائن ویڈیوز سیکھنے میں علمی بوجھ کی نگرانی کے ذریعے EEG پر مبنی دماغ-کمپیوٹر انٹر فیس پر مونیٹرنگ. 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, محمد شریقر احمد اے، چوہدری این. کھیل پر مبنی سیکھنے کے طرز عمل کا قلم اور کاغذ کے ساتھ موازنہ کر کے دماغی موجوں کی نگرانی کے ذریعے سیکھنے والوں کی جذباتی حالتوں کا تعین. In: 2019 IEEE Frontiers in Education Conference (FIE). ; 2019:1-8. doi:10.1109/FIE43999.2019.9097262

4. دیکر ایس، ہائیجین ایس، بیویلاکووا ڈی، وغیرہ. مارننگ دماغ: حقیقی دنیا کا نیورال ثبوت کہ ہائی اسکول کلاس ٹائمز اہم ہوتے ہیں۔ Soc Cogn Affect Neurosci. 2020;15(11):1193-1202. doi:10.1093/scan/nsaa142

5. رومرو-سوٹو ایف او، البارا-زاراتی ڈی آئی، الونسو-ولیرڈی ایل ایم. اصلی اور ورچوئل ماحول میں الفا پاور اسپیکٹرل ڈینسٹی کی موازناتی تحلیل. In: Vol 75. ; 2020:156-163. doi:10.1007/978-3-030-30648-9_22

6. دیکر ایس، وین ایل، ڈیوڈیسکو آئی، وغیرہ. کلاس روم میں حقیقتی دنیا کے ڈائنامک گروپ انٹراکشنز کو ٹریک کررہا ہے۔ 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. کلاس روم میں EEG: وڈیو پریزینٹیشن کے دوران ہم آہنگ نیورل ریکارڈنگ. Sci Rep. 2017;7(1):43916. doi:10.1038/srep43916

8. ال-نگہیمش ایچ، ال-انداز ایل، ال-مفیض ایل، ال-عبداللطیف اے, ال-خلیفا این, ال-وابل اے. دماغی ٹائپنگ: خشک-الیکٹرودی EEG ڈیوائسوں کے استعمال پر P300 اور موٹر ایمیجری کا موازناتی مطالعہ. In: Stephanidis C, ed. 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. ژانگ ایکس، یاؤ ایل، شینگ کیو زیڈ، کانہار ایس ایس, گو ٹی, ژانگ ڈی. آپ کے خیالات کو متون میں تبدیل کریں: EEG سگنلز کی گہری فیچر سیکھنے کے ذریعہ دماغ ٹائپنگ کی سہولت دینا. In: 2018 IEEE International Conference on Pervasive Computing and Communications (PerCom). ; 2018:1-10. doi:10.1109/PERCOM.2018.8444575

10. یوصرٹا ای، ہر بھی و، وولندھاری ایل اے، بدیھرتو و. بصری معذور طلبا کے لئے ہاں-نہیں جواب سوالات کے امتحان ماڈلز کے الفاظ کی EEG بنیاد پر شناخت. In: ; 2019. doi:10.1109/TALE48000.2019.9225903

11. ختاراین-کبادا آر، بیران-ستراڈا ایم ایل، گونزالز-ہیرنانڈز ایف، روڈریگز-رنجل ایچ. ایک ہوشیار تدریسی نظام کے لئے ایک چہرے کی اظہار تشخیص کنندہ اور چہرے کے اظہار کا ڈیٹا بیس بنانا. In: 2017 IEEE 17th International Conference on Advanced Learning Technologies (ICALT). ; 2017:391-393. doi:10.1109/ICALT.2017.141

12. کرینٹ پی. مستقبل کی ٹیکنالوجیز کا ہائی اسکول اور کالج میں انضمام. In: 2017 40th International Convention on Information and Communication Technology, Electronics and Microelectronics (MIPRO). ; 2017:858-861. doi:10.23919/MIPRO.2017.7973541

13. وائٹ-فوے جے. طالب علموں کے لئے نیوروسائنس: سیکنڈری اسکول کے بچوں کو EEG اور دماغ-کمپیوٹر-انٹر فیس ٹیکنالوجی کا تعارف دینے کے لئے ایک منصوبہ. پراکسس اساتذہ کی تحقیق. شائع ہوا نومبر 29، 2019. فراہم کرنے والے پر چلنے والے پروگرام میں بچہ نے آن لائن وسائل کا استعمال کیا۔ https://praxis-teacher-research.org/neuroscience-for-students/

14. کاسمینا، نتالیٔا، نتھالی سویتیرٹ، اور کاسنڈرا شیرائیر. "کلاس روم میں دماغ-کمپیوٹر انٹرفیس کا استعمال کے لئے پائلٹ اسٹڈی" ایک پروسیڈنگ ہے. مستقبل کی ٹیکنالوجیز کی کانفرنس کی کارروائی: میں۔ Springer, Cham, 2021.

15. الویرز، وی، باؤر، ایم، فریداس، ایس, گریگری، ایس اور ڈی وٹ، بی، 2016. آسٹریلوی یونیورسٹیوں میں پہننے والی ٹیکنالوجیوں کا استعمال: ماحولیاتی سائنس، شعوریات اور دماغی علوم اور استاد تعلم کے لئے مثالیں. موبائل لرننگ فیوچرز - موبائل لرننگ میں معیاری تحقیق اور عمل کی حمایت, 25.

16. روڈریگز، A.O.R., ریاو، M.A., گارڈیا، P.A.G., ماران، C.E.M., کریسپو، ر.G. اور یو، X., 2020. بچوں کے جذباتی کردار آموزشی ماحول میں لرننگ اینالسٹکس اور AR سینڈباکس کے استعمال کے ذریعے. انسانی اور انسان ساز کمپیوٹنگ میں جرنل, 11(11), پی پی.5353-5367.