Di bidang pendidikan, spesialis saat ini aktif menyelidiki dan mendiskusikan secara luas masalah bagaimana mendukung siswa secara optimal selama proses pembelajaran. Keserbagunaan masalah pembelajaran pribadi yang efektif, bersama dengan kedalaman pertanyaan tentang pekerjaan kognisi, menentukan posisi lembaga pendidikan saat ini dan posisi sistem pendidikan (sangat menyedihkan).
Bagaimana Anda dapat memberikan dukungan siswa yang efektif?
Hal pertama yang terlintas dalam pikiran dan tampaknya lebih atau kurang jelas bagi mereka yang berpartisipasi dalam diskusi (serta pengamat) adalah hasil pembelajaran paling signifikan jika program pelatihan dan konten ditujukan untuk kebutuhan khusus pelajar. Sederhana, tetapi masalah mengajarkan "yang salah" selalu relevan setiap saat. Menariknya, di berapa banyak tempat khususnya Anda, yang membaca posting ini sekarang, sudah harus melupakan apa yang mereka ajarkan di sekolah / tempat sebelumnya, dan berlatih kembali.
Kedua, untuk dukungan yang paling optimal dari upaya pelajar untuk belajar, kompleksitas konten yang sesuai sangatlah penting .: tidak terlalu mudah, tapi juga tidak terlalu sulit. Sehingga terdapat keseimbangan antara engagement dan kelelahan yang membuat Anda tetap termotivasi untuk belajar. Lebih ilmiah, untuk pembelajaran yang sukses, penting untuk menjaga beban kognitif peserta didik dalam interval optimal untuk peserta didik tertentu .
Bagaimana Anda mencapai personalisasi semacam ini?
Cara tradisional untuk mengoptimalkan beban kognitif adalah dengan menyesuaikan kompleksitas konten pembelajaran dengan kompetensi individu peserta didik.
Angka: 1 . Program asisten komputer yang menyesuaikan pembelajaran dan menyesuaikan konten pendidikan untuk siswa.
Pada saat yang sama, untuk implementasi kemampuan beradaptasi dan implementasi khusus dari dukungan pelatihan semacam itu, penggunaan asisten digital paling cocok: komputer, tablet, smartphone. Lingkungan informasi komputer dapat dengan mudah diperluas dengan algoritma yang mengubah kompleksitas materi yang disajikan tergantung pada reaksi dan tanggapan perilaku siswa. “Kemampuan beradaptasi” ini mampu menawarkan personalisasi lingkungan belajar yang tidak rumit dengan kebutuhan pengguna, yang merupakan kunci untuk pembelajaran yang lebih efektif.
Bagaimana adaptasi layanan pendidikan bekerja sekarang?
Saat ini, lingkungan belajar dengan bantuan komputer disesuaikan untuk pengguna tertentu berdasarkan respons perilaku dan kinerja masa lalu - misalnya, berdasarkan jumlah jawaban yang benar, rasio antara jawaban yang benar dan salah, jalur kemajuan, waktu yang dihabiskan untuk suatu tugas, atau metrik serupa lainnya. ...
Angka: 2 . Struktur dasar sistem pembelajaran adaptif didasarkan pada pemodelan perilaku siswa, gagasan tentang bidang pengetahuan dan model adaptif yang menghubungkannya. Baca lebih lanjut tentang ini di sumbernya .
Jika Anda memikirkannya, menjadi jelas bahwa parameter "perilaku" di jantung personalisasi sebagian besar adalah pengukuran "tidak langsung", oleh karena itu akurasi yang diberikan oleh pendekatan ini seringkali sangat rendah.
Jadi, misalnya, sejumlah besar kesalahan dalam kelulusan ujian, yang dilakukan oleh siswa secara berturut-turut, dapat dengan mudah disebabkan bukan oleh ujian itu sendiri, oleh kerumitannya, tetapi oleh proses non-spesifik, seperti hilangnya konsentrasi, keterlibatan, keadaan psikofisiologis atau reaksi emosional selama tugas.
Bisakah teknologi baru datang untuk menyelamatkan?
Spoiler
. , , .
Sejumlah proses neurokognitif terlibat dalam pembelajaran, seperti, misalnya, ingatan, persepsi, perhatian, dll., Yang mendasari kognisi dan, pada kenyataannya, bertanggung jawab atas hasil aktivitas pendidikan. Oleh karena itu, akses langsung ke informasi tentang proses ini (misalnya, pemantauannya), serta kemampuan untuk mengelolanya, dapat memberikan alat baru dalam pembelajaran yang dipersonalisasi dan membawa praktik pendidikan ke tingkat yang baru secara fundamental.
Informasi tentang proses kognitif tentu saja tersembunyi di dalam aktivitas otak. Namun, secara cukup dalam dan terselubung, ia masih dapat ditemukan dan diekstraksi dari indikator neurofisiologis yang tercatat.
Angka: 3. , . - .
?
Dengan munculnya dan perkembangan antarmuka otak-komputer - perangkat yang secara langsung menghubungkan otak manusia dan komputer (dan karena itu otak dan perangkat Internet of Things), memungkinkan transmisi sinyal otak menjadi sinyal kontrol perangkat fisik atau informasi - serta pengembangan metode Analisis data kompleks, sebuah teknologi baru muncul yang memungkinkan untuk mengekstrak dan menggunakan informasi tentang proses neurokognitif individu yang sedang berlangsung dalam pembelajaran dan pembangunan lingkungan belajar.
Angka: 4 . Model antarmuka "otak-komputer", yang hanya akan disetujui oleh sedikit orang (karena sifat invasifnya: elektroda dimasukkan langsung ke jaringan otak). Baca lebih lanjut di sumbernya .
Aktivitas otak dapat diakses dengan berbagai cara. Diantaranya, electroencephalography (EEG) merupakan metode yang paling banyak digunakan untuk mengukur aktivitas otak. Sinyal dibaca menggunakan elektroda yang terletak di bagian berbeda yang terpisah di permukaan kepala (non-invasif, tidak seperti pada gambar di atas), diperkuat dan dikirim ke komputer. Gambar di bawah ini menunjukkan contoh sistem yang merekam sinyal listrik lemah yang berasal dari otak dari permukaan kepala.
Angka: 5 . Perangkat laboratorium untuk membaca sinyal bioelektrik otak (kiri) dan "analog" non-laboratoriumnya, yang dikembangkan oleh perusahaan muda Rusiadikombinasikan dengan helm VR (kanan). Elektroda disorot dengan warna merah muda pada gambar.
Banyak dari Anda mungkin pernah melihat beanies yang tampak mewah dengan banyak kabel yang datang dari tempat berbeda dan terhubung ke kotak dengan ensefalograf. Namun, tidak semua orang tahu bahwa arah yang terkait dengan transisi dari perangkat tersebut ke antarmuka averidey konsumen yang ramah pengguna saat ini sedang berkembang secara aktif, dan banyak perusahaan asing dan Rusia terlibat dalam pengembangan perangkat yang nyaman digunakan oleh khalayak luas untuk mengukur aktivitas otak. ...
Mari kembali ke sinyal otak. Seberapa kuat mereka? Apa dan bagaimana Anda dapat melakukannya?
Sinyal sensor mentah berisik, kompleks, tidak stasioner, dan besar. Oleh karena itu, mereka melalui proses pemrosesan primer - pemrosesan awal, termasuk penyaringan, setelah itu mereka menjadi cocok untuk ekstraksi komponen individu, yang selanjutnya dapat digunakan sebagai sinyal kontrol. Berbagai metode pembelajaran mesin digunakan untuk memproses pembacaan sensor. Metode semacam itu biasanya memerlukan sejumlah data untuk melatih algoritme: mereka telah diproses sebelumnya, dikenakan markup manual untuk memahami di mana apa yang ditulis, dan kemungkinan menempatkannya ke kelas tertentu dengan label khusus.
Berdasarkan data ini dan label yang sesuai, algoritme belajar menemukan pola dalam informasi baru yang sedang dibaca dan mengklasifikasikannya.dan membangun model prediktif untuk memprediksi kelas poin data baru mana yang akan dimiliki.
Angka: 6 . Klasifikasi sinyal tanpa menggunakan metode komputer modern.
Pola pengontrolan dan penyorotan jelas. Bagaimana cara menggunakannya dalam pendidikan?
BCI tradisional (Antarmuka otak-komputer) memungkinkan untuk berkomunikasi dengan komputer atau mengontrolnya dengan menggunakan aktivitas otak, dibagi berdasarkan algoritme menjadi beberapa kelas. Modifikasi neurointerfaces memungkinkan secara efektif untuk mengekstrak beberapa informasi tentang pengguna itu sendiri (tentu saja, dengan persetujuannya, dan - perhatian! - ini bukan membaca pikiran), untuk menilai keadaan mentalnya (misalnya, beban kognitif, keadaan emosional, tingkat perhatian / kewaspadaan).
Dengan demikian, dengan bantuan BCI dan komputer, pemantauan dan umpan balik dapat dilakukan dengan penyajian informasi tentang fungsi otak yang berguna bagi pengguna. Selain itu, karena neurointerfaces memungkinkan penilaian proses kognitif, termasuk dalam waktu nyata, penggunaan BCI dapat diterapkan dengan lebih licik dan akurat (dibandingkan dengan metode tidak langsung yang mendasari sistem pembelajaran adaptif tradisional) pelacakan implisit dari keadaan siswa dan dengan demikian berkontribusi pada adaptasi yang lebih baik. konten pendidikan untuk meningkatkan keberhasilan proses pendidikan.
Banyak penelitian yang bertujuan untuk mengukur beban kognitif, yang dilakukan oleh berbagai kelompok ilmuwan, telah berulang kali menunjukkan bagaimana jumlah beban kognitif dapat diukur menggunakan EEG.
Angka: 7. Eksperimen perusahaan BrainCo di sekolah Cina. Perangkat yang melacak konsentrasi siswa di sekolah. Cina secara aktif tertarik pada keefektifan pembelajaran.
Topik ini membutuhkan tinjauan terpisah. Di sini saya hanya akan mengatakan bahwa parameter utama untuk umpan balik EEG biasanya adalah perubahan amplitudo yang terkait dengan peristiwa potensial atau osilasi tertentu (ritme), direkam - misalnya, sebagai perubahan kekuatan sinyal dalam rentang frekuensi tertentu saat menyelesaikan masalah aritmatika - dengan peningkatan perhatian (konsentrasi) atau sebaliknya, relaksasi.
Efek beban kerja yang serupa, diekstrak dan diklasifikasikan dalam EEG, dapat dideteksi oleh BCI dan digunakan untuk menyesuaikan lingkungan pembelajaran.
Jadi apakah ini teknologi? Ayo gunakan?
- Ya, ya. Mari kita coba ...
Kemajuan terkini dalam kecerdasan buatan, pembelajaran penguatan menggunakan sinyal saraf, ditambah dengan teknologi antarmuka otak-komputer, mampu memberikan pemahaman yang lebih baik tentang fungsi otak pelajar, serta menggunakan metrik individu dalam membangun lingkungan komputer pencelupan adaptif untuk pembelajaran pribadi yang efektif.
Penggunaan antarmuka neuro-komputer, yang secara aktif berkembang sekarang, memiliki potensi untuk membawa pembelajaran yang dipersonalisasi ke tingkat yang baru, meningkatkan kualitas, efisiensi proses pendidikan dan kenikmatannya, secara signifikan meningkatkan pendekatan tradisional pembelajaran adaptif.
Tentu saja, tidak setiap antarmuka saraf benar-benar memungkinkan Anda melakukan apa yang tertulis di atas, namun, perangkat yang benar-benar berfungsi sudah aktif muncul di pasaran.
Beri tahu kami di komentar jika Anda ingin mencoba perangkat semacam itu pada diri Anda sendiri.