基于功能近红外光谱学的在线视频课程学习状态的评估
Hui Xie1,2, Huiting Yang1,2, Pengyuan Zhang1,2
1Center for Biomedical-Photonics and Molecular Imaging, Xi'an Key Laboratory of Intelligent Sensing and Regulation of Trans-Scale Life Information, School of Life Science and Technology, Xidian University, Xi'an, Shaanxi 710126, China.
Biomedical optics express
|March 18, 2024
概括
在线学习期间的脑活动使用功能近红外光谱学 (fNIRS) 进行了研究. 机器学习准确地分类了休息,学习和问答状态,有助于在线教育评估.
科学领域:
- 神经科学是一个神经科学.
- 教育技术的教育技术
- 认知科学 认知科学
背景情况:
- 在线学习研究往往侧重于注意力和学习成果.
- 从科学上评估在线教育需要了解学习期间的大脑活动.
- 在现实世界的在线学习环境中,关于大脑功能的研究有限.
研究的目的:
- 在线学习中比较前额叶皮层 (PFC) 在休息,学习和问答状态中的活动.
- 开发一种机器学习模型来对在线学习状态进行分类.
- 评估使用fNIRS和机器学习用于在线学习评估的可行性.
主要方法:
- 19名大学生参与了这项研究.
- 功能近红外光谱学 (fNIRS) 监测了前额叶活动.
- 一般线性模型和机器学习 (SVM,k-NN) 分析了 1s fNIRS 数据剪辑和特征.
主要成果:
- 休息状态显示出比学习状态更高的背侧PFC活动.
- 回答问题的国家显示了最高的整体PFC活动.
- 该k-最近邻居模型在从1s fNIRS数据中对学习状态进行分类时实现了98.5%的准确性.
结论:
- 在在线学习中,在休息,学习和问答状态之间存在PFC活动的显著差异.
- fNIRS和机器学习是开发在线学习评估系统的可行工具.
- 这项研究为通过大脑活动监测科学评估在线教育提供了基础.
更多相关视频
11:31Functional Near Infrared Spectroscopy of the Sensory and Motor Brain Regions with Simultaneous Kinematic and EMG Monitoring During Motor Tasks
Published on: December 5, 2014
15.2K
12:40Exploring Cognitive Functions in Babies, Children & Adults with Near Infrared Spectroscopy
Published on: July 28, 2009
20.5K
