Im Bildungsbereich untersuchen und diskutieren Fachleute derzeit aktiv die Frage, wie Schüler während des Lernprozesses optimal unterstützt werden können. Die Vielseitigkeit des Problems des effektiven personalisierten Lernens sowie die Tiefe der Fragen zur Erkenntnisarbeit bestimmen die aktuelle Position der Bildungseinrichtungen und die Position der Bildungssysteme (sehr bedauerlich).
Wie können Sie eine effektive Unterstützung für Studenten bieten?
Das erste, was den Teilnehmern der Diskussion (sowie den Beobachtern) mehr oder weniger offensichtlich erscheint, ist, dass das Lernergebnis am wichtigsten ist, wenn das Schulungsprogramm und die Inhalte auf die spezifischen Bedürfnisse des Lernenden ausgerichtet sind. Einfach, aber das Problem, "das Falsche" zu lehren, ist jederzeit relevant. Es ist übrigens interessant, an wie vielen Orten speziell Sie, die diesen Beitrag gerade lesen, bereits vergessen mussten, was sie in der Schule / am vorherigen Ort unterrichtet haben, und umschulten.
Zweitens ist für die optimale Unterstützung der Lernversuche des Lernenden die angemessene Komplexität des Inhalts äußerst wichtig .: nicht zu einfach, aber auch nicht zu schwierig. Damit es ein Gleichgewicht zwischen Engagement und Müdigkeit gibt, das Sie zum Lernen motiviert. Wissenschaftlicher ist es für ein erfolgreiches Lernen wichtig, die kognitive Belastung des Lernenden innerhalb des für den jeweiligen Lernenden optimalen Intervalls zu halten .
Wie erreichen Sie diese Art der Personalisierung?
Der traditionelle Weg zur Optimierung der kognitiven Belastung besteht darin, die Komplexität der Lerninhalte an die individuellen Kompetenzen des Lernenden anzupassen.
Zahl: 1 . Ein Computerassistent-Programm, das das Lernen spielerisch gestaltet und den Bildungsinhalt für den Schüler anpasst.
Gleichzeitig ist für die Implementierung von Anpassungsfähigkeit und die spezialisierte Implementierung einer solchen Schulungsunterstützung der Einsatz digitaler Assistenten am besten geeignet: Computer, Tablets, Smartphones. Computerinformationsumgebungen können relativ einfach durch Algorithmen erweitert werden, die die Komplexität des präsentierten Materials in Abhängigkeit von den Verhaltensreaktionen und Reaktionen des Schülers ändern. Diese "Anpassungsfähigkeit" bietet eine unkomplizierte Personalisierung der Lernumgebung an die Bedürfnisse des Benutzers, was der Schlüssel zu einem effektiveren Lernen ist.
Wie funktioniert die Anpassungsfähigkeit von Bildungsdiensten jetzt?
Derzeit sind computergestützte Lernumgebungen auf der Grundlage von Verhaltensreaktionen und früherer Leistung auf einen bestimmten Benutzer zugeschnitten - beispielsweise basierend auf der Anzahl der richtigen Antworten, dem Verhältnis zwischen richtigen und falschen Antworten, dem Fortschrittsverlauf, der für eine Aufgabe aufgewendeten Zeit oder anderen ähnlichen Metriken. ...
Zahl: 2 . Die grundlegende Struktur adaptiver Lernsysteme basiert auf der Modellierung des Verhaltens der Schüler, Ideen über das Wissensgebiet und einem adaptiven Modell, das sie verbindet. Lesen Sie mehr dazu in der Quelle .
Wenn Sie darüber nachdenken, wird klar, dass solche „Verhaltensparameter“ im Zentrum der Personalisierung meist „indirekte“ Messungen sind, weshalb die Genauigkeit dieses Ansatzes häufig äußerst gering ist.
So kann beispielsweise eine große Anzahl von Fehlern beim Bestehen des Tests, die von einem Schüler hintereinander gemacht wurden, leicht nicht durch den Test selbst, seine Komplexität, sondern durch unspezifische Prozesse wie Konzentrationsverlust, Beteiligung, psychophysiologischen Zustand oder emotionale Reaktionen beim Erledigen von Aufgaben verursacht werden.
Kann neue Technologie Abhilfe schaffen?
Spoiler
Selbstverständlich. Darüber im Allgemeinen und über die Post.
Eine Reihe von neurokognitiven Prozessen sind am Lernen beteiligt, wie zum Beispiel Gedächtnis, Wahrnehmung, Aufmerksamkeit usw., die der Wahrnehmung zugrunde liegen und tatsächlich für das Ergebnis der Bildungsaktivität verantwortlich sind. Daher kann der direkte Zugriff auf Informationen über diese Prozesse (z. B. deren Überwachung) sowie die Fähigkeit, sie zu verwalten, neue Werkzeuge für personalisiertes Lernen bereitstellen und Bildungspraktiken auf ein grundlegend neues Niveau bringen.
Informationen über kognitive Prozesse sind natürlich in der Aktivität des Gehirns verborgen. Ganz tief und verdeckt kann es jedoch immer noch gefunden und aus den aufgezeichneten neurophysiologischen Indikatoren extrahiert werden.
Zahl: 3. , . - .
?
Mit der Entstehung und Entwicklung von Gehirn-Computer-Schnittstellen - Geräten, die das menschliche Gehirn und einen Computer (und damit das Gehirn und jedes Gerät des Internet der Dinge) direkt verbinden und die Übertragung von Gehirnsignalen in Steuersignale von physischen oder Informationsgeräten ermöglichen - sowie die Entwicklung von Methoden Bei der Analyse komplexer Daten entsteht eine neue Technologie, mit der Informationen über die laufenden individuellen neurokognitiven Prozesse beim Lernen und beim Aufbau von Lernumgebungen extrahiert und verwendet werden können.
Zahl: 4 . Ein Modell der Gehirn-Computer-Schnittstelle, dessen Verwendung nur wenige Menschen zustimmen würden (aufgrund seiner Invasivität: Die Elektrode wird direkt in das Gehirngewebe eingeführt). Lesen Sie mehr in der Quelle .
Auf die Gehirnaktivität kann auf verschiedene Arten zugegriffen werden. Unter anderem ist die Elektroenzephalographie (EEG) die am weitesten verbreitete Methode zur Messung der Gehirnaktivität. Die Signale werden unter Verwendung von Elektroden gelesen, die sich in verschiedenen Teilen auf der Oberfläche des Kopfes befinden (nicht-invasiv, nicht wie im obigen Bild), verstärkt und an einen Computer übertragen. Die folgende Abbildung zeigt ein Beispiel eines Systems, das schwache elektrische Signale aufzeichnet, die vom Gehirn von der Oberfläche des Kopfes kommen.
Zahl: 5 . Laborgerät zum Lesen bioelektrischer Signale des Gehirns (links) und seines nicht-labortechnischen "Analogons", entwickelt von einem jungen russischen Unternehmenkombiniert mit einem VR-Helm (rechts). Die Elektroden sind im Bild rosa hervorgehoben.
Viele von Ihnen haben wahrscheinlich diese extravagant aussehenden Hüte mit Tonnen von Drähten gesehen, die von verschiedenen Orten kamen und mit dem Enzephalographen mit der Box verbunden waren. Allerdings weiß nicht jeder, dass sich die Richtung, die mit dem Übergang von solchen Geräten zu benutzerfreundlichen Schnittstellen für Verbraucher verbunden ist, derzeit aktiv entwickelt, und viele ausländische und russische Unternehmen befassen sich mit der Entwicklung von Geräten, die für ein breites Publikum zur Messung der Gehirnaktivität geeignet sind. ...
Kehren wir zu den Gehirnsignalen zurück. Wie stark sind sie? Was und wie kannst du mit ihnen machen?
Rohe Sensorsignale sind verrauscht, komplex, instationär und groß. Daher durchlaufen sie den Prozess der Primärverarbeitung - Vorverarbeitung, einschließlich Filterung, wonach sie für die Extraktion einzelner Komponenten geeignet sind, die als Steuersignale weiter verwendet werden können. Verschiedene Methoden des maschinellen Lernens werden verwendet, um Sensorablesungen zu verarbeiten. Solche Methoden erfordern normalerweise eine bestimmte Datenmenge, um die Algorithmen zu trainieren: Sie wurden vorverarbeitet, manuell markiert, um zu verstehen, wo geschrieben wird, und die Möglichkeit, sie durch spezielle Bezeichnungen einer bestimmten Klasse zuzuweisen.
Basierend auf diesen Daten und den entsprechenden Bezeichnungen lernen die Algorithmen, Muster in den neuen Informationen zu finden, die gelesen werden, und sie zu klassifizieren.sowie Vorhersagemodelle erstellen, um vorherzusagen, zu welcher Klasse neue Datenpunkte gehören werden.
Zahl: 6 . Signalklassifizierung ohne Verwendung moderner Computermethoden.
Das Steuern und Hervorheben von Mustern ist klar. Wie benutzt man es in der Bildung?
Herkömmliche BCI (Brain-Computer-Interfaces) ermöglichen die Kommunikation mit einem Computer oder die Steuerung mithilfe von Gehirnaktivität, die durch Algorithmen in mehrere Klassen unterteilt ist. Spätere Modifikationen von Neurointerfaces ermöglichen es ebenso effektiv, einige Informationen über den Benutzer selbst zu extrahieren (natürlich mit seiner Zustimmung und - Aufmerksamkeit! - dies ist kein Gedankenlesen), seine / ihre mentalen Zustände (z. B. kognitive Belastung, emotionaler Zustand, Aufmerksamkeitsgrad) zu bewerten / Wachsamkeit).
Mit Hilfe von BCI und einem Computer wird es somit möglich, eine Überwachung und Rückmeldung mit der Präsentation von Informationen über die Funktionsweise des Gehirns durchzuführen, die für den Benutzer nützlich sind. Da Neurointerfaces die Bewertung kognitiver Prozesse auch in Echtzeit ermöglichen, kann die Verwendung von BCIs außerdem eine gerissenere und genauere (im Vergleich zu den indirekten Methoden, die traditionellen adaptiven Lernsystemen zugrunde liegen) implizite Verfolgung des Zustands des Schülers implementieren und dadurch zu einer besseren Anpassung beitragen Bildungsinhalte zur Verbesserung des Erfolgs des Bildungsprozesses.
Viele Studien zur Messung der kognitiven Belastung, die von verschiedenen Gruppen von Wissenschaftlern durchgeführt wurden, haben wiederholt gezeigt, wie die Menge der kognitiven Belastung mithilfe des EEG gemessen werden kann.
Zahl: 7. Experiment der Firma BrainCo in der chinesischen Schule. Ein Gerät, das die Konzentration der Schüler in der Schule verfolgt. China ist aktiv an Lerneffektivität interessiert.
Dieses Thema verdient eine gesonderte Prüfung. Hier möchte ich nur sagen, dass die Hauptparameter für die EEG-Rückkopplung normalerweise Änderungen der Amplituden sind, die mit potenziellen Ereignissen oder spezifischen Schwingungen (Rhythmen) verbunden sind, die beispielsweise als Änderung der Signalleistung in bestimmten Frequenzbereichen bei der Lösung von Rechenproblemen mit erhöhter Aufmerksamkeit (Konzentration) oder aufgezeichnet werden im Gegenteil, Entspannung.
Ähnliche Workload-Effekte, die im EEG extrahiert und klassifiziert wurden, können vom BCI erkannt und zur Anpassung der Lernumgebung verwendet werden.
Das ist also Technologie? Lass uns benutzen?
- Ja, ja. Lassen Sie uns versuchen ...
Aktuelle Fortschritte in der künstlichen Intelligenz, das verstärkte Lernen mithilfe neuronaler Signale in Verbindung mit Gehirn-Computer-Schnittstellentechnologien können ein besseres Verständnis der Funktionsweise des Gehirns des Lernenden ermöglichen und mithilfe individueller Metriken adaptive Immersionscomputerumgebungen für effektives personalisiertes Lernen erstellen.
Die Verwendung von Neuro-Computer-Schnittstellen, die sich derzeit aktiv entwickeln, hat das Potenzial, personalisiertes Lernen auf ein neues Niveau zu heben, die Qualität, Effizienz des Bildungsprozesses und dessen Freude zu steigern und die traditionellen Ansätze des adaptiven Lernens erheblich zu verbessern.
Natürlich können Sie nicht mit jeder neuronalen Schnittstelle das tun, was oben beschrieben wurde. Geräte, die wirklich funktionieren, erscheinen jedoch bereits aktiv auf dem Markt.
Sagen Sie uns in den Kommentaren, ob Sie solche Geräte selbst ausprobieren möchten.