挑戰您的記憶力！在Emotiv App中玩新的N-Back遊戲
如何使用腦電圖創造最佳學習環境
Heidi Duran
分享：
教育是我們社會的基本支柱，提供豐富的學習環境對於社會進步至關重要。教育神經科學是一個迅速發展的跨學科領域，旨在理解教學和學習的神經機制。
在過去的二十年中，便攜式EEG技術的進步使研究人員能夠在教室和電子學習中使用EEG頭戴裝置，為學生創造最佳學習環境 [1]。在本文中，我們探討了如何使用Emotiv的EEG頭戴裝置改變我們的教學和學習方式。
優化教育內容
設計吸引人的教育內容需要學生的持續主觀反饋。傳統上，通過自我報告反饋措施來完成課程內容的有效性評估。
然而，由於依賴於主觀記憶，通常很難精確隔離課程傳遞的哪些方面可以改進。由於其高時間分辨率（即在毫秒級別測量大腦反應的能力），EEG能夠指數化潛意識的過程，這些過程是單靠自我報告措施無法識別的。在優化課程內容時，最有用的指標是注意力水平和認知負荷 - 大腦為保持信息而付出的努力量的量度。注意力通常是通過分析學習者在EEG中觀察到的不同腦波來測量的 - 例如alpha波（通常與疲勞相關）和beta波（通常與專注或集中相關）。認知負荷作為一個更複雜的量度，也可以通過不同水平的alpha和theta波進行指數化。
研究人員開發了使用EEG監測注意力的系統，允許在整個課程中評估注意力水平。Zhou等人成功地展示了一個實時系統，該系統在MOOCs中監測學生的認知負荷，這為實時優化課程內容鋪平了道路 [2]。
輕鬆分析認知狀態
如前述研究中所示，測量認知狀態可能需要一些技術技能和專業知識。幸運的是，數據科學的進步現在使得使用預構建的算法來測量認知狀態成為可能，所需的技術專業知識極少。Emotiv支持使用Performance Metrics：機器學習算法來識別不同的大腦狀態，包括專注、興奮、投入、挫折、壓力和放鬆在EEG中。
這些算法是使用旨在激發特定認知狀態的受控實驗構建的，對於優化教育內容很有用。這些Emotiv Performance Metrics已被用於比較基於遊戲的學習與傳統的紙筆學習，盡管研究顯示在兩種學習方法之間的認知狀態沒有差異 [3]。其他研究人員已展示Performance Metrics在將5-7歲的兒童按認知狀態分類方面的實用性，例如參與、壓力和專注，以評估增強現實環境中活動的有效性。
上圖：(A) EEG可以用於測量高中教室的學生腦波（來自：Dikker等人 [4]）。(B) 學生的腦波可以與其他學生顯示高度同步，這被發現在更投入課堂的學生中（左圖）。與其他學生低同步（右圖）被發現在不太投入的學生中。
提升學習環境
不僅僅是教育材料的內容重要，何時與哪裡學習對於確保學生有良好的學習經歷同樣重要。研究人員測量了不同課堂時間的alpha波水平，發現高中班的上午時段比早晨時段顯示更少的alpha波，並建議上午可能是最佳學習時間 [4]。
無線EEG也被用於比較現實與虛擬環境，證明兩種環境中均能提供相等水平的注意力和動力 [5]。這可能為那些無法親自出席課堂的身體殘障人士提供更豐富的學習體驗鋪平道路。研究人員還使用EEG開展了關於課堂社會動態的研究。配置EEG頭戴裝置的一組學生可以評估在共同學習過程中的神經活動同步程度 [6][7]。這種EEG數據收集方法稱為EEG超掃描，是邁向即時推斷群體注意力和改善課堂社會動態的一步。
讓每個人都能接受教育
一些身體或感官障礙可能限制學生在課堂上的學習體驗。然而，有一些基於EEG的工具正在改善學生的體驗。大腦-計算機接口（BCI）技術的進步已經實現了基於EEG的打字 [8][9]，這有助於身體困難的學生在學習時在計算設備上進行心智筆記。啟用基於EEG是非型問題回答的BCIs也允許視障學生使用計算機進行評估，否則需要面試官 [10]。
個性化學習體驗
為學生提供私人教師可能代價高昂，但當一般教育系統不能充分滿足學習的特殊需要時，這往往是必要的。智能輔導系統（ITS）是一類由人工智能支持的計算機學習軟件，可以作為私人教師。
這些系統的目標是適應並提供即時個性化的反饋給學生，以增強其學習。研究人員正將ITS系統通過整合EEG提高中。在一項研究中，研究人員使用EEG檢測學生對不同類型教學視頻的投入（動畫內容與有真人教師的視頻），這允許ITS學習並自動生成學生覺得更有趣的內容。
當你從教學過程中移除人元素時，跟踪學生在使用基於計算機的學習程序時的認知負荷以防止壓力和屏幕疲勞就變得越來越重要。為了應對這一挑戰，研究人員開發了一個基於EEG數據的面部表情數據庫，能夠主動檢測學生在使用ITS時是否感到無聊、投入、興奮或挫折 [11]。
這項在EEG領域的發展正在為ITS系統鋪平道路，使其能夠不斷學習和適應個別學生；通過在學生疲勞時建議休息，或者在投入時繼續教學，提供更有效的學習體驗。
圖上：紐約大學 (NYU) BrainWaves 計畫的學生在佩戴 Emotiv EEG腦技術時玩遊戲。
EEG作為STEM學習工具
Emotiv EEG設備和軟件易於使用，也是激勵下一代科學、技術、工程和數學（STEM）科學家出色的入門工具。
Emotiv設備和軟件目前被用於大學本科課程，不僅限於心理學和神經科學，也應用於生物醫學工程。Kurent展示了一個成功的案例，即將Emotiv EPOC設備整合到高中和大學的教育過程中，以推動BCI設備的進步。Kosmayana等人發現，將EEG-BCI系統納入學校課程提升了學術表現。麥覺理大學已經成功地將Emotiv裝置納入其認知與腦科學學士學位課程，讓學生實際參與實驗設計和EEG數據分析 [14]。
此外，White-Foy證明了年僅12歲的兒童可以成功學習BCI技術並設立小型EEG研究項目 [13]。學生使用在線資源將Emotiv Insight設備集成到Raspberry Pi（迷你電腦）中，將EEG轉換為命令來控制星際大戰遙控玩具BB-8並使其穿過迷宮。
圖上：中學NeuroLab。11-18歲的學生整合了Raspberry Pi和BB-8 機器人與Emotiv裝置，並使用心智命令來引導BB-8穿過迷宮（經NeuroLabs許可共享）
我們可以看到，低成本的移動Emotiv EEG設備不僅為教育工作者提供增強教育計畫質量的方法，供應出色的內容，還隨著BCI的發展為具有特定需求的個人提供了豐富的教育環境。
EMOTIV如何提供幫助
使用EMOTIV EEG Lab Starter Kits改善您的學生學習體驗。
使用EmotivPRO Builder構建實驗並分析數據。
啟動遠程實驗以獲取在EmotivLABS上的數據。
使用我們的開源數據集。
需要幫助嗎？聯繫我們
封面圖片來源：Trevor Day School
參考資料
J. Xu 和 B. Zhong，「教育研究中便攜式EEG技術的回顧」，人類行為中的計算機, vol. 81, pp. 340–349, Apr. 2018, doi: 10.1016/j.chb.2017.12.037。
Zhou Y, Xu T, Cai Y, Wu X, Dong B. 通過基於EEG的大腦-計算機接口監控在線視頻學習中的認知工作負荷。講座筆記計算機科學附屬講座筆記人工智能講座筆記生物信息學。2017;10295 LNCS:64-73. doi:10.1007/978-3-319-58509-3_7
Pireva K, Tahir R, Shariq Imran A, Chaudhary N. 通過監控腦電波來評估學習者的情感狀態，對比遊戲式學習與紙筆學習方法。在：2019年IEEE教育前沿會議（FIE）。2019:1-8. doi:10.1109/FIE43999.2019.9097262
Dikker S, Haegens S, Bevilacqua D, 等. 早晨大腦：實際神經證據顯示高中課程時間很重要。社會認知影響神經科學. 2020;15(11):1193-1202. doi:10.1093/scan/nsaa142
Romero-Soto FO, Ibarra-Zárate DI, Alonso-Valerdi LM. 實際和虛擬環境中Alpha功率光譜密度的比較分析。在：Vol 75；2020:156-163. doi:10.1007/978-3-030-30648-9_22
Dikker S, Wan L, Davidesco I, et al. 腦與腦的同步跟踪課堂中真實動態團體互動。當前生物學. 2017;27(9):1375-1380. doi:10.1016/j.cub.2017.04.002
Poulsen AT, Kamronn S, Dmochowski J, Parra LC, Hansen LK. 課堂中的EEG：視頻演示期間的同步神經記錄。科學報告. 2017;7(1):43916. doi:10.1038/srep43916
Al-Negheimish H, Al-Andas L, Al-Mofeez L, Al-Abdullatif A, Al-Khalifa N, Al-Wabil A. 腦波打字：P300與運動想象打字的比較研究，使用乾電極EEG設備。 在：Stephanidis C, ed. HCI International 2013 - 海報的擴展摘要. 通訊計算與信息科學. Springers; 2013:569-573. doi:10.1007/978-3-642-39473-7_113
Zhang X, Yao L, Sheng QZ, Kanhere SS, Gu T, Zhang D. 把你的思想轉化為文本：通過EEG信號的深特徵學習來實現大腦打字。在：2018年IEEE普及計算和通信國際會議（PerCom）。2018:1-10. doi:10.1109/PERCOM.2018.8444575
Yosrita E, Heryadi Y, Wulandhari LA, Budiharto W. 通過外部讀出和擴大輸入模式來改善視障學生的考試解答。2019年IEEE講座筆記計算機科學附屬講座筆記人工智能講座筆記生物信息學. 2017;10295 LNCS:64-73. doi:10.1007/978-3-319-58509-3_7
Zatarain-Cabada R, Barrón-Estrada ML, González-Hernández F, Rodriguez-Rangel H. 建立面部表情識別器和面部表情數據庫以用於智能輔導系統。2017年IEEE第17屆國際先進學習技術會議（ICALT）。2017:391-393. doi:10.1109/ICALT.2017.141
Kurent P. 把未來技術整合到高中及大學。2017年第40屆IEEE通信技術國際大會。2017:858-861. doi:10.23919/MIPRO.2017.7973541
White-Foy J.「學生的神經科學」: 一個議題介紹給中學生EEG和腦-計算機接口技術。教師研究實踐。於2019年11月29日發布。2019年6月15日訪問。doi:https://praxis-teacher-research.org/neuroscience-for-students/
Kosmyna N, Soetaert N, Scheirer C. 在教室中使用腦-計算機接口以促進正式教育活動的試點研究。未來技術會議上的會議紀錄。Springer, 藏. 2021.
Alvarez V, Bower M, de Freitas S, Gregory S, De Wit B., 2016. 可穿戴技術在澳大利亞大學中的應用：環境科學、認知和腦科學以及教師培訓的例子。移動學習的未來——在移動學習的研究和實踐中保持質量. 25.
Rodríguez A.O.R., Riaño M.A., García P.A.G., Marín C.E.M., Crespo R.G. 藉由學習分析和AR Sandbox的學習環境對兒童進行情感描述。環境智慧與人性化計算雜誌，11(11), 5353-5367.
教育是我們社會的基本支柱，提供豐富的學習環境對於社會進步至關重要。教育神經科學是一個迅速發展的跨學科領域，旨在理解教學和學習的神經機制。
在過去的二十年中，便攜式EEG技術的進步使研究人員能夠在教室和電子學習中使用EEG頭戴裝置，為學生創造最佳學習環境 [1]。在本文中，我們探討了如何使用Emotiv的EEG頭戴裝置改變我們的教學和學習方式。
優化教育內容
設計吸引人的教育內容需要學生的持續主觀反饋。傳統上，通過自我報告反饋措施來完成課程內容的有效性評估。
然而，由於依賴於主觀記憶，通常很難精確隔離課程傳遞的哪些方面可以改進。由於其高時間分辨率（即在毫秒級別測量大腦反應的能力），EEG能夠指數化潛意識的過程，這些過程是單靠自我報告措施無法識別的。在優化課程內容時，最有用的指標是注意力水平和認知負荷 - 大腦為保持信息而付出的努力量的量度。注意力通常是通過分析學習者在EEG中觀察到的不同腦波來測量的 - 例如alpha波（通常與疲勞相關）和beta波（通常與專注或集中相關）。認知負荷作為一個更複雜的量度，也可以通過不同水平的alpha和theta波進行指數化。
研究人員開發了使用EEG監測注意力的系統，允許在整個課程中評估注意力水平。Zhou等人成功地展示了一個實時系統，該系統在MOOCs中監測學生的認知負荷，這為實時優化課程內容鋪平了道路 [2]。
輕鬆分析認知狀態
如前述研究中所示，測量認知狀態可能需要一些技術技能和專業知識。幸運的是，數據科學的進步現在使得使用預構建的算法來測量認知狀態成為可能，所需的技術專業知識極少。Emotiv支持使用Performance Metrics：機器學習算法來識別不同的大腦狀態，包括專注、興奮、投入、挫折、壓力和放鬆在EEG中。
這些算法是使用旨在激發特定認知狀態的受控實驗構建的，對於優化教育內容很有用。這些Emotiv Performance Metrics已被用於比較基於遊戲的學習與傳統的紙筆學習，盡管研究顯示在兩種學習方法之間的認知狀態沒有差異 [3]。其他研究人員已展示Performance Metrics在將5-7歲的兒童按認知狀態分類方面的實用性，例如參與、壓力和專注，以評估增強現實環境中活動的有效性。
上圖：(A) EEG可以用於測量高中教室的學生腦波（來自：Dikker等人 [4]）。(B) 學生的腦波可以與其他學生顯示高度同步，這被發現在更投入課堂的學生中（左圖）。與其他學生低同步（右圖）被發現在不太投入的學生中。
提升學習環境
不僅僅是教育材料的內容重要，何時與哪裡學習對於確保學生有良好的學習經歷同樣重要。研究人員測量了不同課堂時間的alpha波水平，發現高中班的上午時段比早晨時段顯示更少的alpha波，並建議上午可能是最佳學習時間 [4]。
無線EEG也被用於比較現實與虛擬環境，證明兩種環境中均能提供相等水平的注意力和動力 [5]。這可能為那些無法親自出席課堂的身體殘障人士提供更豐富的學習體驗鋪平道路。研究人員還使用EEG開展了關於課堂社會動態的研究。配置EEG頭戴裝置的一組學生可以評估在共同學習過程中的神經活動同步程度 [6][7]。這種EEG數據收集方法稱為EEG超掃描，是邁向即時推斷群體注意力和改善課堂社會動態的一步。
讓每個人都能接受教育
一些身體或感官障礙可能限制學生在課堂上的學習體驗。然而，有一些基於EEG的工具正在改善學生的體驗。大腦-計算機接口（BCI）技術的進步已經實現了基於EEG的打字 [8][9]，這有助於身體困難的學生在學習時在計算設備上進行心智筆記。啟用基於EEG是非型問題回答的BCIs也允許視障學生使用計算機進行評估，否則需要面試官 [10]。
個性化學習體驗
為學生提供私人教師可能代價高昂，但當一般教育系統不能充分滿足學習的特殊需要時，這往往是必要的。智能輔導系統（ITS）是一類由人工智能支持的計算機學習軟件，可以作為私人教師。
這些系統的目標是適應並提供即時個性化的反饋給學生，以增強其學習。研究人員正將ITS系統通過整合EEG提高中。在一項研究中，研究人員使用EEG檢測學生對不同類型教學視頻的投入（動畫內容與有真人教師的視頻），這允許ITS學習並自動生成學生覺得更有趣的內容。
當你從教學過程中移除人元素時，跟踪學生在使用基於計算機的學習程序時的認知負荷以防止壓力和屏幕疲勞就變得越來越重要。為了應對這一挑戰，研究人員開發了一個基於EEG數據的面部表情數據庫，能夠主動檢測學生在使用ITS時是否感到無聊、投入、興奮或挫折 [11]。
這項在EEG領域的發展正在為ITS系統鋪平道路，使其能夠不斷學習和適應個別學生；通過在學生疲勞時建議休息，或者在投入時繼續教學，提供更有效的學習體驗。
圖上：紐約大學 (NYU) BrainWaves 計畫的學生在佩戴 Emotiv EEG腦技術時玩遊戲。
EEG作為STEM學習工具
Emotiv EEG設備和軟件易於使用，也是激勵下一代科學、技術、工程和數學（STEM）科學家出色的入門工具。
Emotiv設備和軟件目前被用於大學本科課程，不僅限於心理學和神經科學，也應用於生物醫學工程。Kurent展示了一個成功的案例，即將Emotiv EPOC設備整合到高中和大學的教育過程中，以推動BCI設備的進步。Kosmayana等人發現，將EEG-BCI系統納入學校課程提升了學術表現。麥覺理大學已經成功地將Emotiv裝置納入其認知與腦科學學士學位課程，讓學生實際參與實驗設計和EEG數據分析 [14]。
此外，White-Foy證明了年僅12歲的兒童可以成功學習BCI技術並設立小型EEG研究項目 [13]。學生使用在線資源將Emotiv Insight設備集成到Raspberry Pi（迷你電腦）中，將EEG轉換為命令來控制星際大戰遙控玩具BB-8並使其穿過迷宮。
圖上：中學NeuroLab。11-18歲的學生整合了Raspberry Pi和BB-8 機器人與Emotiv裝置，並使用心智命令來引導BB-8穿過迷宮（經NeuroLabs許可共享）
我們可以看到，低成本的移動Emotiv EEG設備不僅為教育工作者提供增強教育計畫質量的方法，供應出色的內容，還隨著BCI的發展為具有特定需求的個人提供了豐富的教育環境。
EMOTIV如何提供幫助
使用EMOTIV EEG Lab Starter Kits改善您的學生學習體驗。
使用EmotivPRO Builder構建實驗並分析數據。
啟動遠程實驗以獲取在EmotivLABS上的數據。
使用我們的開源數據集。
需要幫助嗎？聯繫我們
封面圖片來源：Trevor Day School
參考資料
J. Xu 和 B. Zhong，「教育研究中便攜式EEG技術的回顧」，人類行為中的計算機, vol. 81, pp. 340–349, Apr. 2018, doi: 10.1016/j.chb.2017.12.037。
Zhou Y, Xu T, Cai Y, Wu X, Dong B. 通過基於EEG的大腦-計算機接口監控在線視頻學習中的認知工作負荷。講座筆記計算機科學附屬講座筆記人工智能講座筆記生物信息學。2017;10295 LNCS:64-73. doi:10.1007/978-3-319-58509-3_7
Pireva K, Tahir R, Shariq Imran A, Chaudhary N. 通過監控腦電波來評估學習者的情感狀態，對比遊戲式學習與紙筆學習方法。在：2019年IEEE教育前沿會議（FIE）。2019:1-8. doi:10.1109/FIE43999.2019.9097262
Dikker S, Haegens S, Bevilacqua D, 等. 早晨大腦：實際神經證據顯示高中課程時間很重要。社會認知影響神經科學. 2020;15(11):1193-1202. doi:10.1093/scan/nsaa142
Romero-Soto FO, Ibarra-Zárate DI, Alonso-Valerdi LM. 實際和虛擬環境中Alpha功率光譜密度的比較分析。在：Vol 75；2020:156-163. doi:10.1007/978-3-030-30648-9_22
Dikker S, Wan L, Davidesco I, et al. 腦與腦的同步跟踪課堂中真實動態團體互動。當前生物學. 2017;27(9):1375-1380. doi:10.1016/j.cub.2017.04.002
Poulsen AT, Kamronn S, Dmochowski J, Parra LC, Hansen LK. 課堂中的EEG：視頻演示期間的同步神經記錄。科學報告. 2017;7(1):43916. doi:10.1038/srep43916
Al-Negheimish H, Al-Andas L, Al-Mofeez L, Al-Abdullatif A, Al-Khalifa N, Al-Wabil A. 腦波打字：P300與運動想象打字的比較研究，使用乾電極EEG設備。 在：Stephanidis C, ed. HCI International 2013 - 海報的擴展摘要. 通訊計算與信息科學. Springers; 2013:569-573. doi:10.1007/978-3-642-39473-7_113
Zhang X, Yao L, Sheng QZ, Kanhere SS, Gu T, Zhang D. 把你的思想轉化為文本：通過EEG信號的深特徵學習來實現大腦打字。在：2018年IEEE普及計算和通信國際會議（PerCom）。2018:1-10. doi:10.1109/PERCOM.2018.8444575
Yosrita E, Heryadi Y, Wulandhari LA, Budiharto W. 通過外部讀出和擴大輸入模式來改善視障學生的考試解答。2019年IEEE講座筆記計算機科學附屬講座筆記人工智能講座筆記生物信息學. 2017;10295 LNCS:64-73. doi:10.1007/978-3-319-58509-3_7
Zatarain-Cabada R, Barrón-Estrada ML, González-Hernández F, Rodriguez-Rangel H. 建立面部表情識別器和面部表情數據庫以用於智能輔導系統。2017年IEEE第17屆國際先進學習技術會議（ICALT）。2017:391-393. doi:10.1109/ICALT.2017.141
Kurent P. 把未來技術整合到高中及大學。2017年第40屆IEEE通信技術國際大會。2017:858-861. doi:10.23919/MIPRO.2017.7973541
White-Foy J.「學生的神經科學」: 一個議題介紹給中學生EEG和腦-計算機接口技術。教師研究實踐。於2019年11月29日發布。2019年6月15日訪問。doi:https://praxis-teacher-research.org/neuroscience-for-students/
Kosmyna N, Soetaert N, Scheirer C. 在教室中使用腦-計算機接口以促進正式教育活動的試點研究。未來技術會議上的會議紀錄。Springer, 藏. 2021.
Alvarez V, Bower M, de Freitas S, Gregory S, De Wit B., 2016. 可穿戴技術在澳大利亞大學中的應用：環境科學、認知和腦科學以及教師培訓的例子。移動學習的未來——在移動學習的研究和實踐中保持質量. 25.
Rodríguez A.O.R., Riaño M.A., García P.A.G., Marín C.E.M., Crespo R.G. 藉由學習分析和AR Sandbox的學習環境對兒童進行情感描述。環境智慧與人性化計算雜誌，11(11), 5353-5367.
教育是我們社會的基本支柱，提供豐富的學習環境對於社會進步至關重要。教育神經科學是一個迅速發展的跨學科領域，旨在理解教學和學習的神經機制。
在過去的二十年中，便攜式EEG技術的進步使研究人員能夠在教室和電子學習中使用EEG頭戴裝置，為學生創造最佳學習環境 [1]。在本文中，我們探討了如何使用Emotiv的EEG頭戴裝置改變我們的教學和學習方式。
優化教育內容
設計吸引人的教育內容需要學生的持續主觀反饋。傳統上，通過自我報告反饋措施來完成課程內容的有效性評估。
然而，由於依賴於主觀記憶，通常很難精確隔離課程傳遞的哪些方面可以改進。由於其高時間分辨率（即在毫秒級別測量大腦反應的能力），EEG能夠指數化潛意識的過程，這些過程是單靠自我報告措施無法識別的。在優化課程內容時，最有用的指標是注意力水平和認知負荷 - 大腦為保持信息而付出的努力量的量度。注意力通常是通過分析學習者在EEG中觀察到的不同腦波來測量的 - 例如alpha波（通常與疲勞相關）和beta波（通常與專注或集中相關）。認知負荷作為一個更複雜的量度，也可以通過不同水平的alpha和theta波進行指數化。
研究人員開發了使用EEG監測注意力的系統，允許在整個課程中評估注意力水平。Zhou等人成功地展示了一個實時系統，該系統在MOOCs中監測學生的認知負荷，這為實時優化課程內容鋪平了道路 [2]。
輕鬆分析認知狀態
如前述研究中所示，測量認知狀態可能需要一些技術技能和專業知識。幸運的是，數據科學的進步現在使得使用預構建的算法來測量認知狀態成為可能，所需的技術專業知識極少。Emotiv支持使用Performance Metrics：機器學習算法來識別不同的大腦狀態，包括專注、興奮、投入、挫折、壓力和放鬆在EEG中。
這些算法是使用旨在激發特定認知狀態的受控實驗構建的，對於優化教育內容很有用。這些Emotiv Performance Metrics已被用於比較基於遊戲的學習與傳統的紙筆學習，盡管研究顯示在兩種學習方法之間的認知狀態沒有差異 [3]。其他研究人員已展示Performance Metrics在將5-7歲的兒童按認知狀態分類方面的實用性，例如參與、壓力和專注，以評估增強現實環境中活動的有效性。
上圖：(A) EEG可以用於測量高中教室的學生腦波（來自：Dikker等人 [4]）。(B) 學生的腦波可以與其他學生顯示高度同步，這被發現在更投入課堂的學生中（左圖）。與其他學生低同步（右圖）被發現在不太投入的學生中。
提升學習環境
不僅僅是教育材料的內容重要，何時與哪裡學習對於確保學生有良好的學習經歷同樣重要。研究人員測量了不同課堂時間的alpha波水平，發現高中班的上午時段比早晨時段顯示更少的alpha波，並建議上午可能是最佳學習時間 [4]。
無線EEG也被用於比較現實與虛擬環境，證明兩種環境中均能提供相等水平的注意力和動力 [5]。這可能為那些無法親自出席課堂的身體殘障人士提供更豐富的學習體驗鋪平道路。研究人員還使用EEG開展了關於課堂社會動態的研究。配置EEG頭戴裝置的一組學生可以評估在共同學習過程中的神經活動同步程度 [6][7]。這種EEG數據收集方法稱為EEG超掃描，是邁向即時推斷群體注意力和改善課堂社會動態的一步。
讓每個人都能接受教育
一些身體或感官障礙可能限制學生在課堂上的學習體驗。然而，有一些基於EEG的工具正在改善學生的體驗。大腦-計算機接口（BCI）技術的進步已經實現了基於EEG的打字 [8][9]，這有助於身體困難的學生在學習時在計算設備上進行心智筆記。啟用基於EEG是非型問題回答的BCIs也允許視障學生使用計算機進行評估，否則需要面試官 [10]。
個性化學習體驗
為學生提供私人教師可能代價高昂，但當一般教育系統不能充分滿足學習的特殊需要時，這往往是必要的。智能輔導系統（ITS）是一類由人工智能支持的計算機學習軟件，可以作為私人教師。
這些系統的目標是適應並提供即時個性化的反饋給學生，以增強其學習。研究人員正將ITS系統通過整合EEG提高中。在一項研究中，研究人員使用EEG檢測學生對不同類型教學視頻的投入（動畫內容與有真人教師的視頻），這允許ITS學習並自動生成學生覺得更有趣的內容。
當你從教學過程中移除人元素時，跟踪學生在使用基於計算機的學習程序時的認知負荷以防止壓力和屏幕疲勞就變得越來越重要。為了應對這一挑戰，研究人員開發了一個基於EEG數據的面部表情數據庫，能夠主動檢測學生在使用ITS時是否感到無聊、投入、興奮或挫折 [11]。
這項在EEG領域的發展正在為ITS系統鋪平道路，使其能夠不斷學習和適應個別學生；通過在學生疲勞時建議休息，或者在投入時繼續教學，提供更有效的學習體驗。
圖上：紐約大學 (NYU) BrainWaves 計畫的學生在佩戴 Emotiv EEG腦技術時玩遊戲。
EEG作為STEM學習工具
Emotiv EEG設備和軟件易於使用，也是激勵下一代科學、技術、工程和數學（STEM）科學家出色的入門工具。
Emotiv設備和軟件目前被用於大學本科課程，不僅限於心理學和神經科學，也應用於生物醫學工程。Kurent展示了一個成功的案例，即將Emotiv EPOC設備整合到高中和大學的教育過程中，以推動BCI設備的進步。Kosmayana等人發現，將EEG-BCI系統納入學校課程提升了學術表現。麥覺理大學已經成功地將Emotiv裝置納入其認知與腦科學學士學位課程，讓學生實際參與實驗設計和EEG數據分析 [14]。
此外，White-Foy證明了年僅12歲的兒童可以成功學習BCI技術並設立小型EEG研究項目 [13]。學生使用在線資源將Emotiv Insight設備集成到Raspberry Pi（迷你電腦）中，將EEG轉換為命令來控制星際大戰遙控玩具BB-8並使其穿過迷宮。
圖上：中學NeuroLab。11-18歲的學生整合了Raspberry Pi和BB-8 機器人與Emotiv裝置，並使用心智命令來引導BB-8穿過迷宮（經NeuroLabs許可共享）
我們可以看到，低成本的移動Emotiv EEG設備不僅為教育工作者提供增強教育計畫質量的方法，供應出色的內容，還隨著BCI的發展為具有特定需求的個人提供了豐富的教育環境。
EMOTIV如何提供幫助
使用EMOTIV EEG Lab Starter Kits改善您的學生學習體驗。
使用EmotivPRO Builder構建實驗並分析數據。
啟動遠程實驗以獲取在EmotivLABS上的數據。
使用我們的開源數據集。
需要幫助嗎？聯繫我們
封面圖片來源：Trevor Day School
參考資料
J. Xu 和 B. Zhong，「教育研究中便攜式EEG技術的回顧」，人類行為中的計算機, vol. 81, pp. 340–349, Apr. 2018, doi: 10.1016/j.chb.2017.12.037。
Zhou Y, Xu T, Cai Y, Wu X, Dong B. 通過基於EEG的大腦-計算機接口監控在線視頻學習中的認知工作負荷。講座筆記計算機科學附屬講座筆記人工智能講座筆記生物信息學。2017;10295 LNCS:64-73. doi:10.1007/978-3-319-58509-3_7
Pireva K, Tahir R, Shariq Imran A, Chaudhary N. 通過監控腦電波來評估學習者的情感狀態，對比遊戲式學習與紙筆學習方法。在：2019年IEEE教育前沿會議（FIE）。2019:1-8. doi:10.1109/FIE43999.2019.9097262
Dikker S, Haegens S, Bevilacqua D, 等. 早晨大腦：實際神經證據顯示高中課程時間很重要。社會認知影響神經科學. 2020;15(11):1193-1202. doi:10.1093/scan/nsaa142
Romero-Soto FO, Ibarra-Zárate DI, Alonso-Valerdi LM. 實際和虛擬環境中Alpha功率光譜密度的比較分析。在：Vol 75；2020:156-163. doi:10.1007/978-3-030-30648-9_22
Dikker S, Wan L, Davidesco I, et al. 腦與腦的同步跟踪課堂中真實動態團體互動。當前生物學. 2017;27(9):1375-1380. doi:10.1016/j.cub.2017.04.002
Poulsen AT, Kamronn S, Dmochowski J, Parra LC, Hansen LK. 課堂中的EEG：視頻演示期間的同步神經記錄。科學報告. 2017;7(1):43916. doi:10.1038/srep43916
Al-Negheimish H, Al-Andas L, Al-Mofeez L, Al-Abdullatif A, Al-Khalifa N, Al-Wabil A. 腦波打字：P300與運動想象打字的比較研究，使用乾電極EEG設備。 在：Stephanidis C, ed. HCI International 2013 - 海報的擴展摘要. 通訊計算與信息科學. Springers; 2013:569-573. doi:10.1007/978-3-642-39473-7_113
Zhang X, Yao L, Sheng QZ, Kanhere SS, Gu T, Zhang D. 把你的思想轉化為文本：通過EEG信號的深特徵學習來實現大腦打字。在：2018年IEEE普及計算和通信國際會議（PerCom）。2018:1-10. doi:10.1109/PERCOM.2018.8444575
Yosrita E, Heryadi Y, Wulandhari LA, Budiharto W. 通過外部讀出和擴大輸入模式來改善視障學生的考試解答。2019年IEEE講座筆記計算機科學附屬講座筆記人工智能講座筆記生物信息學. 2017;10295 LNCS:64-73. doi:10.1007/978-3-319-58509-3_7
Zatarain-Cabada R, Barrón-Estrada ML, González-Hernández F, Rodriguez-Rangel H. 建立面部表情識別器和面部表情數據庫以用於智能輔導系統。2017年IEEE第17屆國際先進學習技術會議（ICALT）。2017:391-393. doi:10.1109/ICALT.2017.141
Kurent P. 把未來技術整合到高中及大學。2017年第40屆IEEE通信技術國際大會。2017:858-861. doi:10.23919/MIPRO.2017.7973541
White-Foy J.「學生的神經科學」: 一個議題介紹給中學生EEG和腦-計算機接口技術。教師研究實踐。於2019年11月29日發布。2019年6月15日訪問。doi:https://praxis-teacher-research.org/neuroscience-for-students/
Kosmyna N, Soetaert N, Scheirer C. 在教室中使用腦-計算機接口以促進正式教育活動的試點研究。未來技術會議上的會議紀錄。Springer, 藏. 2021.
Alvarez V, Bower M, de Freitas S, Gregory S, De Wit B., 2016. 可穿戴技術在澳大利亞大學中的應用：環境科學、認知和腦科學以及教師培訓的例子。移動學習的未來——在移動學習的研究和實踐中保持質量. 25.
Rodríguez A.O.R., Riaño M.A., García P.A.G., Marín C.E.M., Crespo R.G. 藉由學習分析和AR Sandbox的學習環境對兒童進行情感描述。環境智慧與人性化計算雜誌，11(11), 5353-5367.
