Interfaces cerveau-ordinateur dans l'éducation





Dans le domaine de l'éducation, des spécialistes étudient actuellement activement et débattent largement de la question de savoir comment soutenir de manière optimale les étudiants pendant le processus d'apprentissage. La polyvalence du problème de l'apprentissage personnalisé efficace, ainsi que la profondeur des questions sur le travail de la cognition, déterminent la position actuelle des établissements d'enseignement et la position des systèmes éducatifs (très déplorable).



Comment pouvez-vous fournir un soutien efficace aux étudiants?



La première chose qui vient à l'esprit et qui semble plus ou moins évidente à ceux qui participent à la discussion (ainsi qu'aux observateurs) est que le résultat d'apprentissage est le plus significatif si le programme et le contenu de la formation visent les besoins spécifiques de l'apprenant. Simple, mais le problème de l'enseignement du «mal» est toujours d'actualité. Il est intéressant, en passant, dans combien d'endroits spécifiquement vous, qui lisez ce post maintenant, avez déjà dû oublier ce qu'ils enseignaient à l'école / endroit précédent et vous recycler.



Deuxièmement, pour le soutien le plus optimal des tentatives d'apprentissage de l'élève, la complexité appropriée du contenu est extrêmement importante .: pas trop facile, mais pas trop difficile non plus. Pour qu'il y ait un équilibre entre l'engagement et la fatigue qui vous motive à apprendre. Plus scientifiquement, pour un apprentissage réussi, il est important de maintenir la charge cognitive de l'apprenant dans l' intervalle optimal pour l' apprenant en particulier .



Comment réaliser ce genre de personnalisation?



La manière traditionnelle d'optimiser la charge cognitive consiste à adapter la complexité du contenu d'apprentissage aux compétences individuelles de l'apprenant.





Figure: 1 . Un programme d'assistant informatique qui gamifie l'apprentissage et adapte le contenu éducatif à l'élève.



Dans le même temps, pour la mise en œuvre de l'adaptabilité et la mise en œuvre spécialisée d'un tel support de formation, l'utilisation d'assistants numériques est la mieux adaptée: ordinateurs, tablettes, smartphones. Les environnements d'information informatique peuvent être assez facilement étendus par des algorithmes qui modifient la complexité du matériel présenté en fonction des réactions et réponses comportementales de l'élève. Cette «adaptabilité» est en mesure d'offrir une personnalisation simple de l'environnement d'apprentissage aux besoins de l'utilisateur, qui est la clé d'un apprentissage plus efficace.



Comment fonctionne l'adaptabilité des services éducatifs maintenant?



Actuellement, les environnements d'apprentissage assisté par ordinateur sont adaptés à un utilisateur spécifique en fonction des réponses comportementales et des performances passées - par exemple, en fonction du nombre de réponses correctes, du rapport entre les réponses correctes et incorrectes, de la progression, du temps passé sur une tâche ou d'autres mesures similaires. ...





Figure: 2 . La structure fondamentale des systèmes d'apprentissage adaptatifs basés sur la modélisation du comportement des élèves, des idées sur le domaine de la connaissance et un modèle adaptatif qui les relie. En savoir plus à ce sujet dans la source .



Si vous y réfléchissez, il devient clair que ces paramètres «comportementaux» au cœur de la personnalisation sont pour la plupart des mesures «indirectes», donc la précision fournie par cette approche est souvent extrêmement faible.



Ainsi, par exemple, un grand nombre d'erreurs lors de la réussite du test, commises par un étudiant d'affilée, peuvent facilement être causées non pas par le test lui-même, par sa complexité, mais par des processus non spécifiques tels que la perte de concentration, l'implication, l'état psychophysiologique ou des réactions émotionnelles lors des devoirs.



Les nouvelles technologies peuvent-elles venir à la rescousse?



Divulgacher
. , , .



Un certain nombre de processus neurocognitifs sont impliqués dans l'apprentissage, tels que, par exemple, la mémoire, la perception, l'attention, etc., qui sous-tendent la cognition et, en fait, sont responsables du résultat de l'activité éducative. Par conséquent, l'accès direct aux informations sur ces processus (par exemple, leur suivi), ainsi que la capacité de les gérer, peuvent fournir de nouveaux outils d'apprentissage personnalisé et amener les pratiques éducatives à un niveau fondamentalement nouveau.



Les informations sur les processus cognitifs sont bien sûr cachées dans l'activité du cerveau. Cependant, assez profondément et secrètement, il peut encore être trouvé et extrait des indicateurs neurophysiologiques enregistrés.





Figure: 3. , . - .



?



Avec l'émergence et le développement d'interfaces cerveau-ordinateur - des dispositifs qui connectent directement le cerveau humain et un ordinateur (et donc le cerveau et tout appareil de l'Internet des objets), permettant la transmission de signaux cérébraux en signaux de contrôle de dispositifs physiques ou d'information - ainsi qu'avec le développement de méthodes analyse de données complexes, une nouvelle technologie émerge qui permet d'extraire et d'utiliser des informations sur les processus neurocognitifs individuels en cours dans l'apprentissage et la construction d'environnements d'apprentissage.





Figure: 4 . Un modèle d'interface «cerveau-ordinateur», que peu de gens accepteraient d'utiliser (en raison de son caractère invasif: l'électrode est insérée directement dans le tissu cérébral). En savoir plus dans la source .



L'activité cérébrale peut être accédée de différentes manières. Entre autres, l' électroencéphalographie (EEG) est la méthode la plus largement utilisée pour mesurer l'activité cérébrale. Les signaux sont lus à l'aide d'électrodes situées dans différentes parties séparées sur la surface de la tête (de manière non invasive, pas comme sur l'image ci-dessus), amplifiés et transmis à un ordinateur. La figure ci-dessous montre un exemple de système qui enregistre des signaux électriques faibles provenant du cerveau de la surface de la tête.





Figure: 5 . Appareil de laboratoire pour la lecture des signaux bioélectriques du cerveau (à gauche) et de son "analogue" non-laboratoire, développé par une jeune société russecombiné avec un casque VR (à droite). Les électrodes sont surlignées en rose sur l'image.



Beaucoup d'entre vous ont probablement vu ces chapeaux à l'aspect extravagant avec des tonnes de fils provenant de différents endroits et connectés à la boîte avec l'encéphalographe. Cependant, tout le monde ne sait pas que la direction associée à la transition de ces appareils vers des interfaces conviviales pour les consommateurs se développe activement, et de nombreuses entreprises étrangères et russes sont engagées dans le développement d'appareils pratiques pour une utilisation par un large public pour mesurer l'activité cérébrale. ...



Revenons aux signaux cérébraux. Quelle est leur force? Que pouvez-vous faire et comment en faire?



Les signaux bruts des capteurs sont bruyants, complexes, non stationnaires et volumineux. Par conséquent, ils passent par le processus de traitement primaire - prétraitement, y compris le filtrage, après quoi ils deviennent appropriés pour l'extraction de composants individuels, qui peuvent être utilisés ultérieurement comme signaux de commande. Diverses méthodes d'apprentissage automatique sont utilisées pour traiter les lectures des capteurs. Ces méthodes nécessitent généralement une certaine quantité de données pour entraîner les algorithmes: elles ont été prétraitées, soumises à un balisage manuel pour comprendre où ce qui est écrit, et la possibilité de les affecter à une classe particulière par des étiquettes spécialisées.



Sur la base de ces données et des étiquettes correspondantes, les algorithmes apprennent à trouver des modèles dans les nouvelles informations lues et à les classer.ainsi que créer des modèles prédictifs pour prédire à quelle classe les nouveaux points de données appartiendront.





Figure: 6 . Classification des signaux sans l'utilisation de méthodes informatiques modernes.



Le contrôle et la mise en évidence des motifs sont clairs. Comment l'utiliser dans l'éducation?



Les BCI (interfaces cerveau-ordinateur) traditionnelles permettent de communiquer avec un ordinateur ou de le contrôler en utilisant l'activité cérébrale, divisée par des algorithmes en plusieurs classes. Les modifications ultérieures des neurointerfaces permettent tout aussi efficacement d'extraire des informations sur l'utilisateur lui-même (bien sûr, avec son consentement, et - attention! - ce n'est pas de lire dans les pensées), d'évaluer ses états mentaux (par exemple, charge cognitive, état émotionnel, niveau d'attention) / vigilance).



Ainsi, à l'aide du BCI et de l'ordinateur, il devient possible d'effectuer un suivi et un retour d'informations avec la présentation d'informations sur le fonctionnement du cerveau utiles à l'utilisateur. De plus, comme les neurointerfaces permettent d'évaluer les processus cognitifs, y compris en temps réel, l'utilisation des BCI permet de mettre en œuvre un suivi implicite plus rusé et précis (en comparaison avec les méthodes indirectes sous-jacentes aux systèmes d'apprentissage adaptatifs traditionnels) de l'état de l'élève et ainsi contribuer à une meilleure adaptation. contenu éducatif pour améliorer le succès du processus éducatif.



De nombreuses études visant à mesurer la charge cognitive, réalisées par différents groupes de scientifiques, ont démontré à plusieurs reprises comment la quantité de charge cognitive peut être mesurée à l'aide de l'EEG.





Figure: 7. Expérience de la société BrainCo dans l'école chinoise. Un appareil qui suit la concentration des élèves à l'école. La Chine s'intéresse activement à l'efficacité de l'apprentissage.



Ce sujet mérite un examen séparé. Ici, je dirai seulement que les principaux paramètres de la rétroaction EEG sont généralement des changements d'amplitudes associés à des événements potentiels ou à des oscillations spécifiques (rythmes), enregistrés - par exemple, comme un changement de puissance du signal dans certaines plages de fréquences lors de la résolution de problèmes arithmétiques - avec une attention accrue (concentration) ou au contraire, détente.



Des effets de charge de travail similaires, extraits et classés dans l'EEG, peuvent être détectés par le BCI et utilisés pour adapter l'environnement d'apprentissage.



Alors, c'est la technologie? Utilisons?



- Hé bien oui. Essayons ...



Les progrès actuels de l'intelligence artificielle, l'apprentissage par renforcement utilisant des signaux neuronaux, associés aux technologies d'interface cerveau-ordinateur, sont en mesure de fournir une meilleure compréhension du fonctionnement du cerveau de l'apprenant, ainsi que d'utiliser des mesures individuelles dans la construction d'environnements informatiques à immersion adaptative pour un apprentissage personnalisé efficace.



L'utilisation d'interfaces neuro-informatiques, qui se développent activement actuellement, a le potentiel de porter l'apprentissage personnalisé à un nouveau niveau, en augmentant la qualité, l'efficacité du processus éducatif et le plaisir de celui-ci, améliorant considérablement les approches traditionnelles d'apprentissage adaptatif.



Bien sûr, toutes les interfaces neuronales ne vous permettent pas réellement de faire ce qui est écrit ci-dessus, cependant, des appareils qui fonctionnent vraiment apparaissent déjà activement sur le marché.



Dites-nous dans les commentaires si vous souhaitez essayer de tels appareils par vous-même.



All Articles