通过EEG和面部视频功能检测心灵漫游
Shaohua Tang1,2,3, Chunbo Jiang4, Zheng Li5,6
1Department of Systems Science, Faculty of Arts and Sciences, Beijing Normal University, Zhuhai, 519087, Guangdong, China.
Behavior research methods
|October 10, 2025
概括
在线学习中检测心灵流浪 (MW) 是通过使用电脑电图 (EEG) 和网络摄像机视频的多式数据来改进的. 个人差异和多样化的培训数据提高了对更好的教育工具的分类准确性.
科学领域:
- 认知科学 认知科学
- 教育技术的教育技术
- 神经科学是一个神经科学.
背景情况:
- 思想流浪 (MW) 是在线教育中的一个常见挑战,注意力从学习任务中转移.
- 检测MW对于开发适应性学习系统至关重要.
- 多模式数据为更准确的MW检测提供了潜力.
研究的目的:
- 开发一种分类方案,用于使用脑电图 (EEG) 信号和面部视频检测心灵流浪.
- 分析来自EEG和视频数据的特征贡献.
- 探索自我报告的信心,精神状态稳定性和MW分类表现之间的相关性.
主要方法:
- 在基于视频的学习任务中收集了26名大学生的数据.
- 使用基于探针的样本提取方法来获取EEG数据.
- 使用随机森林算法与EEG和面部视频的特征.
- 使用参与者内部和离开一个参与者 (LOPO) 交叉验证评估模型性能.
主要成果:
- 结合EEG和视频特征的表现优于单个模式 (AUC = 0.68参与者内,0.56LOPO).
- 个体差异显著影响了表现;包括参与者特定数据,AUC提高了10%.
- 较高的内观信心与表现正相关;精神状态稳定性改善了跨参与者的准确性.
结论:
- 多式联络方法显示出对精确的头脑流浪检测有很大的潜力.
- 个人差异和多样化的训练数据对于强大的MW检测系统至关重要.
- 结果为改善教育环境中的现实世界MW检测提供了洞察力.
