柯清超，王朋利

(華南師范大學 教育信息技術學院，廣東 廣州 510631)

在1999年舉行的第一屆腦機接口國際會議上形成了腦機接口的定義：“腦機接口(Brain-computer Interface，BCI)是一種不依賴于外圍神經和肌肉等正常輸出通道的通信系統(tǒng)”[1]。腦機接口國際會議[2]是目前最具影響力的腦機接口學術會議，每三年舉行一次。當前，國外BCI技術的研究主要集中在美國、加拿大、德國、意大利等國家，其中以美國的研究團隊最多，包括美國國防高級研究計劃局、哈佛大學、斯坦福大學、布朗大學等。國內從事BCI研究的科研小組有清華大學、上海交通大學、電子科技大學、北京師范大學和重慶大學等。2005年成立的北京師范大學認知神經科學與學習國家重點實驗室[3]是國內較早開始系統(tǒng)研究BCI技術教育應用研究的團隊。

當前學術界已經意識到腦機接口在教育中應用的價值，相關論文的發(fā)表量從2010年出現(xiàn)大幅度增長。通過Web of Science數(shù)據(jù)庫對相關文獻進行分析，發(fā)現(xiàn)腦機接口教育應用的研究主要集中在計算機科學、教育教學研究和神經科學、工程學等領域，其教育應用研究與實踐處于起步階段，研究成果還不豐富。當前BCI教育應用的研究主要集中在以下三個方面：(1)BCI教育應用基礎理論方法。建立以腦科學為基礎的教育應用理論體系，基于對人類認知規(guī)律、認知過程的認識構建教育教學新范式；(2)BCI教育應用系統(tǒng)設計。基于腦信號記錄或腦刺激設計BCI教學系統(tǒng)，為實現(xiàn)常態(tài)環(huán)境下的教育應用提供支持；(3)BCI教學實踐與實證研究。設計并實施基于BCI的教育應用實驗，解決具體的教育教學問題，如通過系統(tǒng)的認知訓練提升學習者的認知能力，改善學習過程中的消極情緒等。

一、BCI教育應用基礎理論方法

BCI能夠記錄學習者在學習過程中的腦信號，實現(xiàn)對人類思維的有效解碼，并且通過訓練能夠使學習者掌握控制腦信號的能力，這為腦科學在教育中的應用搭建橋梁。同時，各類腦成像技術的發(fā)展使得腦機接口設備也變得越來越便捷，易于利用，使得BCI在教育中應用的場景也更加多元。

(一)腦信號記錄與分析方法

腦機接口中用于采集神經信號的技術被統(tǒng)稱為腦成像技術。神經造影方法主要有：(1)非侵入式方法，如腦電描記法(EEG)、功能性核磁共振(fMRI)、近紅外光譜技術(fNIRS)、腦磁圖描記法(MEG)、正電子發(fā)射斷層掃描(PET)；(2)半侵入式方法，如皮質電描記法(EcoG)；(3)侵入式方法，如單神經元記錄。目前最有效的神經造影方法是EEG、EcoG和單神經元記錄[4]。各種神經造影方法的原理不同，各類方法各有利弊，適合于不同的場景。MEG、PET、fMRI、fNIRS等依賴于代謝過程，但代謝過程對快速交流的反應較弱，而且設備一般都比較貴，需要專業(yè)技術支持才能使用[5]。EEG主要是通過電極帽采集頭皮上的腦活動信號，但這種方法容易受到噪音干擾，而且呈現(xiàn)出較低的信噪比。EEG已成為人類腦機接口最重要的單一非侵入性腦信號來源。國際上用10-20系統(tǒng)作為頭皮上標準化電極位置的一種約定。

腦信號含義的解讀是實現(xiàn)腦信號測量的基礎。解讀腦電數(shù)據(jù)一般是用數(shù)學方法將大腦的電活動轉換成特定的頻率，提取出Alpha、Beta、Gamma、Delta和Theta等波。以上每一類波都代表著不同的人類活動[6]。當大腦處于放松或休息狀態(tài)時，主導頻率通常在較慢的Alpha和Theta波段內；當面對認知任務或定向思維時，大腦在波帶內產生Beta主導頻率?；谀X電圖信號變化識別學習者狀態(tài)的原理主要就是根據(jù)捕獲α、β和θ腦波的頻帶能量變化做出相應的判斷。

(二)學習過程中的腦信號測量與控制

從神經科學視角看，學習是基于對腦細胞的測量和刺激實現(xiàn)的。基于BCI實現(xiàn)對學習過程中腦信號的測量與控制，能夠提高學習者的學習質量和效率。

1.學習過程中的腦信號測量

學習者的認知狀態(tài)和情緒狀態(tài)等高級思維活動與其學習成功密切相關，以往都是通過量表或完成注意力持續(xù)性檢測任務(CPT等)來實現(xiàn)以上心理指標的測量。隨著腦測量技術的進步，基于BCI能夠實現(xiàn)認知負荷、注意力水平、情緒狀態(tài)等高級思維活動的實時測量，為學習者或教師根據(jù)測量結果調整學習策略或教學策略提供支持。對學習過程中腦信號測量的部分典型教學實驗有：

(1)學習過程中的學習者認知負荷測量。認知負荷能夠直接反映學習者對知識的掌握程度和學習過程中的努力程度，學習者在認知負荷合適的范圍內進行學習才能產生較佳的學習效果。認知負荷主要采用n-back任務測量[7]，通過分析觀察受試者在任務難度增加(從0-back任務到3-back任務)時，θ波、α波、β波等的能量變化情況，再用機器學習算法進行自動判斷。在遠程教育和在線課程平臺學習過程中，隨著認知任務難度水平的增加，大腦中央和后部區(qū)域的θ和α會降低[8]。

(2)學習過程中的學習者注意力水平測量。注意是由額葉和頂葉組成的皮層網(wǎng)絡控制的，可以通過干電極采集相應位置的腦電信號，分析腦電圖的樣本熵特征量化注意力水平(基于Alpha波形)。相關研究表明，通過設備自動分析的注意力結果與在認知心理學中應用注意力持續(xù)表現(xiàn)測試的結果具有相關性[9]。當前能夠實現(xiàn)在多說話者情景下，對多個聲源中的其中一個聲源的注意力自動檢測[10]，多說話者情景與課堂教學環(huán)境相似，研究結果或許能夠幫助教師根據(jù)聽覺注意力的自動檢測進行講授。

(3)學習過程中的學習者情緒類型識別。EEG信號承載著人類豐富的情緒特征，學習者情緒測量的一般方法是：讓受試者觀看不同情緒視頻剪輯片段，并同時采集其腦電波狀態(tài)，用SVM等機器學習算法對腦電波原始數(shù)據(jù)進行特征提取，實現(xiàn)情緒的識別。當前可以識別的情緒有平靜、生氣和幸福[11]，悲傷、恐懼、快樂和厭惡等[12]。由于信號特征和噪聲等的限制，目前還不能識別廣泛的情緒類型。

2.學習過程中的腦信號控制

對學習過程的腦信號進行控制，目的是幫助學習者調控自身的情緒、注意力狀態(tài)，提升學習效果。腦信號控制能夠改善學習的基礎在于腦部神經具有可塑性，通過對神經的反復訓練可以改變人腦部的關鍵神經基質，增強大腦性能。腦神經反饋訓練(Neurofeedback Training，NFT)是目前世界上最新的一種對大腦進行全面提升的技術[13]，已有大量的研究證明了神經反饋訓練的有效性[14][15]。學習者實現(xiàn)腦控制的方法有兩類：

(1)主動想象。在大多數(shù)以腦電圖為基礎的交流系統(tǒng)中，心理想象是必不可少的一部分。心理預演的質量、想象努力的程度和精神可控性對基于EEG的腦機接口的表現(xiàn)有重要影響。學習過程中的主動想象包括通過心理想象完成認知任務，或者通過意識控制外部設備，如通過調節(jié)注意力實現(xiàn)賽車(樂高模型)的啟動、暫定、加速等特定動作。

(2)對大腦進行刺激。通過正念冥想、音樂刺激等方法，增強某一頻段波的頻譜能量，改善學習者在學習過程中的表現(xiàn)。當前，多通過基于BCI的游戲實現(xiàn)腦刺激。如前扣帶皮層(ACC)是選擇性注意的關鍵神經基礎，通過對ADHD兒童進行基于游戲的腦神經反饋訓練，能夠使其ACC功能正?；痆16]，增強ADHD患者的認知能力與社會交互能力。

(三)基于腦科學的教學研究

學習成功與特定現(xiàn)象相關假設有關，腦機接口技術能夠通過直接監(jiān)測大腦活動判斷學習者的學習和認知狀態(tài)，研究顯示學習者(Learners)和非學習者(Non-learners)的Alpha能量等電生理數(shù)據(jù)差異顯著[17]。將來或許能夠實現(xiàn)通過直接測量學生大腦信號的變化來估計學生對某個概念的掌握程度，為學生的能力和學習效果進行標準化測試提供一種選擇[18]。當前可以預見的腦機接口教育應用與評價將主要用于學習者分類、學習者狀態(tài)識別、認知水平監(jiān)測、學習過程訓練反饋提升等，如圖1所示。

圖1 基于腦機接口的教學應用與評價

二、BCI教育應用系統(tǒng)設計

腦機接口系統(tǒng)(BCI系統(tǒng))是實現(xiàn)腦機接口應用的重要渠道。BCI教育應用系統(tǒng)能夠在腦信號監(jiān)測與控制的基礎上，為學習者實現(xiàn)自適應學習和自主訓練提升提供支持。當前BCI教育系統(tǒng)的研究重點集中在如何設計基于BCI的神經反饋才能幫助學習者學習和實現(xiàn)大腦狀態(tài)的自我調節(jié)[19]。

(一)BCI系統(tǒng)的典型框架

BCI系統(tǒng)的框架雛形是由Jacques Vidal提出的[20]，包含腦神經信號采集模塊、分析處理模塊和應用模塊。當代BCI系統(tǒng)基本沿用了這一框架，一般包括以下三個部分[21]：

1.信號獲取。采集生理信號，并將選擇輸入的信號由記錄電極獲取、放大和數(shù)字化。輸入信號的獲取有自發(fā)腦信號獲取和誘發(fā)腦信號獲取兩種方式[22]，前者最常見的是主動想象信號，后者常用基于任務的刺激實現(xiàn)。引入外界事件誘發(fā)所得的事件相關電位往往具有更高的信噪比，常用于情感識別、認知負荷識別。BCI教育研究中常用的EEG信號類型有P300、事件相關電位、自發(fā)腦電信號、視覺誘發(fā)電位(VEP)等。

2.信號處理。目的是綜合運用各類信號處理方法與機器學習算法，從神經信號中提取特定思維活動的關鍵特征，并將人的不同思維活動狀態(tài)實時識別出來。EEG信號具有時間分辨率高的特點，常用時頻分析方法處理EEG數(shù)據(jù)?；贓EG的BCIs分類算法可以分為自適應分類器、矩陣和張量分類器、轉移學習和深度學習四類，以及其他一些雜項分類器[23]。

3.控制反饋。將所識別到的思維活動狀態(tài)翻譯為機器指令，最終實現(xiàn)腦機接口的應用。在BCI應用實踐過程中，一般會將數(shù)據(jù)集分為三個子集：訓練子集確定分類器參數(shù)，驗證子集驗證分類器參數(shù)，測試子集優(yōu)化分類器性能。根據(jù)應用目的不同，BCI能夠訓練模式識別算法產生離散(分類)或連續(xù)(回歸)的控制輸出信號。

(二)基于腦信號分析的學習系統(tǒng)

學習者在學習過程中經歷各種情感的化合價和激勵性，影響著認知過程和學習的成功?；谀X信號記錄感知用戶的內部狀態(tài)，并根據(jù)所產生的反應經驗，可為每位學習者建立個性化的互動[24]?；谀X信號記錄的自適應學習系統(tǒng)可分為三個層次：當新用戶首次訪問BCI系統(tǒng)時，算法根據(jù)用戶的特定特征進行調整；系統(tǒng)能夠適應大腦的狀態(tài)，如大腦處于疲勞、生病等狀態(tài)時；系統(tǒng)能夠通過反饋增強用戶的適應性。

基于BCI的自適應學習系統(tǒng)能夠通過動態(tài)收集用戶信息，實現(xiàn)個性化資源、學習同伴、學習路徑推薦，其基本實現(xiàn)邏輯如圖2所示?；贐CI的學習系統(tǒng)能夠通過預測模型預先評估用戶的工作量，實時調整數(shù)字學習環(huán)境的內容，使學習者的工作負載水平始終保持在最佳范圍內[25]。這與以往的自適應學習系統(tǒng)的實現(xiàn)邏輯不同，以往的系統(tǒng)多基于學習者對錯誤的自適應情況設計，如可汗學院的個性化學習系統(tǒng)通過判斷學習者在完成任務時的錯誤情況進行個性化診斷和推薦。

圖2 基于BCI的自適應學習系統(tǒng)

當前已經有部分BCI自適應學習系統(tǒng)應用的實踐案例。Lin F R基于認知負荷理論構建了認知負荷監(jiān)測系統(tǒng)[26]，能夠有效促進用戶對在線學習環(huán)境中心理努力的自我意識，實現(xiàn)同步和異步學習環(huán)境中的自動反饋。Carina W通過在線采集學習者的EEG狀態(tài)，并依據(jù)腦電圖數(shù)據(jù)(預測模型)評估學習者的工作量，實現(xiàn)學習材料難度的調整，使學習者的工作量保持在較佳范圍內[27]。Natalya A等嘗試建立基于腦活動模式研究與解釋的軟硬件綜合教育潛能創(chuàng)新平臺[28]，在分析大腦信號的基礎上實現(xiàn)兒童在學習中狀況的評估，建立個體的學習路徑。

(三)基于腦刺激的神經反饋訓練系統(tǒng)

神經反饋是將神經激活，在線反饋給參與者進行自我調節(jié)的一種心理學過程。與基于腦信號記錄的BCI學習系統(tǒng)不同，神經反饋訓練系統(tǒng)需要給予參與者一定的腦刺激，使其能夠將注意力轉向手頭的任務，并且提高參與者在完成任務時的表現(xiàn)。

基于BCI的神經反饋訓練系統(tǒng)框架如圖3所示。當前的神經反饋訓練多在虛擬環(huán)境中進行，設計平面的互動反饋游戲和可控的3D干擾。在自然狀態(tài)下，多用學習者主動想象和冥想練習、音樂刺激等實現(xiàn)神經反饋訓練。要實現(xiàn)BCI神經反饋系統(tǒng)的可持續(xù)應用，最好的方法是將心理干預、神經科學和游戲機制結合起來，設計吸引學習者的游戲機制，激發(fā)學習者的學習興趣。

圖3 基于BCI的神經反饋訓練系統(tǒng)

基于腦—機界面的BCI注意力訓練游戲是神經反饋訓練的典型應用。注意力訓練游戲能夠記錄學習者的腦活動信號，并在學習者注意力低的時候給予學習者適當刺激，提升學習者的注意力狀態(tài)。在實踐中，一般由學習者佩戴腦電波耳機(或頭環(huán))收集腦電波數(shù)據(jù)，腦波耳機將收集的數(shù)據(jù)通過藍牙(或WiFi)傳輸?shù)阶⒁饬ΡO(jiān)控系統(tǒng)，系統(tǒng)通過監(jiān)控判斷確定參與者的注意狀態(tài)是否符合反饋閾值，一旦達到閾值，就向參與者提供關于不良關注的反饋[29][30]。腦神經反饋實現(xiàn)的形式和內容比較多樣，可將腦電圖監(jiān)測系統(tǒng)與音頻反饋結合起來，在學習者不注意時提供音頻反饋[31]，提高學習者的注意力水平。相關實驗已證明神經反饋訓練比提升注意力訓練技巧更能改善學習者的注意力[32]。

三、BCI教學實踐與實證研究

隨著技術和生產工藝的進步，腦機接口設備的生產成本已經較低，為實現(xiàn)基于BCI的教育常態(tài)化應用提供了支持。當前基于BCI的教育應用研究尚未形成完整的研究體系，但研究者對基于BCI改善學習者表現(xiàn)和實施有效的教學干預充滿信心。相關研究已經能夠證明合理利用BCI能夠改善學習者的消極情緒，提升學習者的認知能力和促進學習者管理自身行為的能力。

(一)改善學習者的消極情緒

兒童焦慮和抑郁是全球性的心理健康問題，13-15歲的兒童中焦慮障礙達到頂峰[33]。造成焦慮和抑郁的主要原因是，壓力過大導致兒童心理健康和放松的能力減弱。通過監(jiān)測學習者的焦慮情緒狀態(tài)，并適時提供有效干預訓練，能夠有效改善學習者的焦慮情緒狀態(tài)，但兒童需要經過較長時間的參與才能夠通過實踐建立情緒恢復能力。Schoneveld E A等發(fā)現(xiàn)應用心理健康游戲在降低8-12歲兒童的高焦慮障礙水平方面與傳統(tǒng)CBT(Cognitive-behavioral Therapy，認知行為治療)一樣有效[34][35]。Verkijika S F等則設計了基于BCI的數(shù)學思維游戲，用于控制和降低9到16歲兒童的數(shù)學焦慮水平[36]。

除了通過心理健康游戲調節(jié)學習者情緒，基于冥想訓練也能夠較好地實現(xiàn)學習者狀態(tài)的自我調節(jié)，改善情緒和注意力狀態(tài)。長期的冥想訓練可以加厚大腦注意力和感覺處理區(qū)域的皮層，為學習者的生理和心理健康帶來積極影響。同時，冥想訓練對情緒處理的影響可能會轉移到非冥想狀態(tài)，能夠使用戶心理產生持久變化[37]，在非學習狀態(tài)下進行冥想訓練對誘導學習發(fā)生也有價值。Tan L F等通過對76名受試者給予12周的正念冥想干預(對照組分別為給予音樂干預和不給于干預)[38]，結果顯示，BCI干預組對改善用戶在BCI測試中的表現(xiàn)效果顯著。為期4周的短期干預[39]也能起到改善用戶在BCI測試中的表現(xiàn)。大多數(shù)學生無法清醒地進行適當?shù)内は?，學生通常沒有放松和冥想的自然能力[40]，需要通過外界提供適當?shù)囊龑Ш透深A，才能夠起到較好的效果。

(二)提高學習者的認知能力

學習記憶和注意力是重要的認知功能。學習記憶能夠將我們的過去、將來聯(lián)系起來，還會影響我們當下的任務決策，影響未來的學習期望。當前主要通過設計可控制干擾的沉浸式3D環(huán)境和互動反饋游戲，幫助學習者將注意力聚焦在完成特定任務上。在訓練實踐中，腦機接口設備既可以作為輸入設備，也作為監(jiān)控神經生理訊號的工具，評估學習者認知狀態(tài)。教室是兒童經常使用并熟悉的環(huán)境，因此，相關的3D環(huán)境多為三維虛擬教室。Darius A設計了基于體感設備的BCI輔助運動工具，增強沉浸式三維虛擬現(xiàn)實(VR)教室中的注意力[41]。開展相關實踐的要點還在于設計注意力游戲[42]和虛擬教室的模擬干擾。Antle A N證明了兒童在干預過程中學會的自我調節(jié)焦慮和注意力的能力可以轉移到學校的其他情境中去，且兒童在干預后的兩個月依舊能夠保持自我調節(jié)焦慮和注意力的能力[43]。

神經活動測量的生理數(shù)據(jù)與用戶行為數(shù)據(jù)融合應用將能夠產生更廣泛的應用。Rebolledo M G將學習者的注意數(shù)據(jù)與用戶生成的數(shù)據(jù)融合起來，在評估活動中建立注意力評估模型，實現(xiàn)基于數(shù)據(jù)的評估練習[44]。在該模型中，注意力閱讀與一些信息相結合，比如正確回答(或不正確)的問題的數(shù)量，或者回答每個問題所花費的時間。未來將有可能通過標準化閱讀和算法，消除用戶注意力水平的自然波動。

(三)提升學習者的行為管理能力

學習者積極參與學習是學習成功的關鍵。Huang J等設計了基于腦電數(shù)據(jù)的增強閱讀系統(tǒng)幫助ADHD患者提升閱讀參與水平[45]。該系統(tǒng)能夠實時檢測兒童閱讀時的參與度水平，當系統(tǒng)檢測到學習者的專注力低時將觸發(fā)BCI培訓模式，并將BCI培訓課程投射到配套的書中。該系統(tǒng)設計的重點在于培訓任務的設計，系統(tǒng)可以通過讓孩子集中注意力來提高參與度，并想象與課程相關物體的狀態(tài)轉變，如閱讀春季特征時，BCI的訓練任務是讓孩子集中精力想象花開放的動作，增加閱讀參與度。在幼兒教育方面，基于BCI的幼兒教育助理是一種交互式的自主學習系統(tǒng)，能夠通過監(jiān)測設備檢測頭皮發(fā)出的腦電圖信號，確定兒童的精神狀態(tài)和參與程度，從而根據(jù)不同的情況發(fā)送反饋，如在兒童注意力下降時，通過視頻短片回放等方式提供反饋，提高學生的學習參與度[46]?；贐CI的游戲系統(tǒng)能夠通過模仿學習認知技能，幫助兒童更好地融入社會。Lekova A等將BCI與可編程機器人結合[47]，設計以空間定向、形狀定向、色彩定向、情感定向等為基礎的游戲活動，評估與提高有特殊教育需求兒童的情感和認知技能。

四、BCI教育應用的未來研究與實踐

隨著人工智能教育應用的推進，以腦機接口為代表的人工智能技術在教育中的應用前景廣闊。未來，腦機接口技術與腦科學研究成果的結合將會更加緊密，同時，將會加強與大數(shù)據(jù)、云計算等智能技術的結合，實現(xiàn)在教育應用場景層面的突破。

(一)腦科學與BCI的結合更加緊密

運用腦機接口技術直接介入的方法研究人腦內部的學習機理，改變了人類以往在行為主義、認知主義時期所采用的隱喻性的、間接性的學習研究方法，為腦科學超越以往的學習研究提供了理論基礎[48]。兒童大腦發(fā)育存在敏感期[49]，基于BCI的教育系統(tǒng)應該關注兒童大腦發(fā)展的敏感期和可塑性，根據(jù)腦的發(fā)展規(guī)律為學習者提供適宜的刺激和材料。同時，在為學習者提供服務時也要關注學習者的個體差異。學習者存在不同的認知風格(如表象認知風格和言語型認知風格、場獨立型和場依存型)，不同認知風格的學習者在處理信息時使用不同的大腦區(qū)域，而且處理方式不同[50]。基于BCI診斷學習者的認知差異，能夠使學習者獲得更好的體驗。

(二)智能技術與BCI測量的結合與智能分析

BCI與智能技術的結合將會在提高認知任務性能預測準確率和增強機器自我學習能力方面實現(xiàn)突破。隨著計算機視覺和可穿戴設備的發(fā)展，教育行為的量化成為教育質量監(jiān)測與評估的重要手段。肢體語言、面部表情等表征人類通信的信號可以與神經信號相結合，預測學生的神經狀態(tài)[51]。多維多模態(tài)數(shù)據(jù)的結合[52]能夠提高用戶在執(zhí)行認知任務時的準確率，超過了從任何單一模態(tài)中提取的預測準確率。同時，智能技術能夠增強機器的自我學習能力，改善用戶體驗，主要通過構建基于協(xié)同學習的BCI體系架構[53]，實現(xiàn)用戶與系統(tǒng)的雙向反饋實現(xiàn)。人工智能神經網(wǎng)絡是當前流行的機器學習關鍵技術，但當前人工智能神經網(wǎng)絡的結構主要根據(jù)實驗和經驗設計，尚無具體理論可遵循[54]，未來將會建立系統(tǒng)的理論體系指導人工智能教育的發(fā)展。

(三)BCI教育應用場景的突破

BCI將助力學生學習、教師教研和教育改善，促進技術與教育系統(tǒng)各要素的深度融合[55]，創(chuàng)新人才培養(yǎng)模式。學生學習方面，基于BCI的個性化學習環(huán)境能夠充分考慮不同學習者的認知過程、情緒、注意力等方面的差異[56]，幫助學習者加入的社群更加符合學習者的學習特征[57]。同時，神經信號可以測量和理解學習者對不同學習內容、學習方式的反應，基于此為學習者提供合適的教育資源將會相對可靠。教師教學方面，將會成為教師教研的重要手段，改變以往的主觀評價方式。BCI數(shù)據(jù)與其他教學過程數(shù)據(jù)進行融合和關聯(lián)分析，能夠分析出不同教學策略的實施效果，幫助教師提高教學技能。教育改善方面，BCI能夠記錄和挖掘學習者的學習和認知規(guī)律，為提供合理的教育干預提供支持，如根據(jù)學習者的注意力發(fā)展曲線，優(yōu)化課程內容和課堂授課時長等。

(四)基于BCI實現(xiàn)云端的學習

當前BCI技術實現(xiàn)了人腦與計算機等外部設備的連接和信息溝通。未來，BCI技術可能通過開發(fā)安全、持續(xù)、穩(wěn)定的實時接口系統(tǒng)，將人腦與在云中的數(shù)據(jù)存儲和處理系統(tǒng)連接起來，實現(xiàn)腦與腦的連接，為改善人類教育提供更強大的支持[58]。通過腦—腦的連接或許能夠有效緩解學習的緊迫感，人類最終的學習過程可能會表現(xiàn)為將知識轉移到人腦。BCIs也可能實現(xiàn)與其他大腦的連接，通過匯聚多種不同形式的思維形成思維池，參與到新的集體應用程序中[59]，如實現(xiàn)基于云思維(Cloud Mind)的協(xié)作學習。

五、國內BCI教育應用的研究進展

國內從事BCI研究的科研小組有清華大學、上海交通大學、電子科技大學、北京師范大學和重慶大學等，但專門面向教育教學的BCI研究還處于起步階段。近年來我國學者對腦機接口的教育應用關注程度逐漸上升。姜雷[60]、徐振國[61]、張琪[62]等從不同角度做了腦機接口教育應用的研究綜述；余饒東設計了結合計算機視覺檢測和腦電波檢測技術檢測在線學習者注意力的方案[63]，識別在線學習者的顯式分心狀態(tài)和隱式分心狀態(tài)。楊曉哲等則嘗試將沉浸式虛擬現(xiàn)實與腦電波技術結合，探究整合系統(tǒng)對個體創(chuàng)造力的影響[64]，該實驗要求55位受試者在沉浸式的虛擬現(xiàn)實環(huán)境中設計創(chuàng)意作品。

本研究作者通過非侵入式腦機接口設備和視頻錄播設備實時監(jiān)測學生在課堂教學活動中的行為和注意力狀態(tài)，主要研究集中在以下方面：

(一)基于可穿戴腦機接口設備的教育大數(shù)據(jù)研究

采集學生多維教育大數(shù)據(jù)是實現(xiàn)智慧教學的基礎。研究團隊提出通過錄播設備和可穿戴設備結合采集學生課堂教學數(shù)據(jù)，將兩類數(shù)據(jù)進行對照，為智慧教學提供支持。研究通過錄播設備將教學情景中的師生互動行為、交互時間、交互形式等多種場景進行自動化采集和數(shù)據(jù)分析，同時通過人工觀察的方式為教學行為打上標簽。通過可穿戴頭環(huán)設備實現(xiàn)學生課堂注意力數(shù)據(jù)的自動采集和分析。具體方法是：采集師生行為數(shù)據(jù)、注意力數(shù)據(jù)，形成“注意力—行為”映射片段數(shù)據(jù)庫，實現(xiàn)學生內隱心理與外顯行為的對照以及學生注意力與教師教學策略的映射，分別構建注意力與學生行為、教師行為數(shù)據(jù)映射的常模。該研究可以為教師提供準確的數(shù)據(jù)評測手段，幫助教師根據(jù)學習者的注意力分配規(guī)律改變和調整授課方式。同時，還可以幫助管理者洞察學生真實行為，幫助研究者發(fā)現(xiàn)影響教育教學的因素。

(二)基于可穿戴腦機接口的學習者狀態(tài)識別與認知風格分類研究

認知風格是學習者的重要個性特征，基于認知風格識別實現(xiàn)學習者分類，能夠有效支持分層教學和個性化教學實現(xiàn)。學習者的認知風格具有相對穩(wěn)定性，目前研究團隊已經基于課堂教學實踐，成功分離出視覺型、聽覺型、讀寫型和操作型等四種認知風格，認知風格識別準確率為55.0%，單次最高正確率為76.0%。具體的方法是：向學習者展示不同的認知風格材料，刺激學習者腦部神經元活動，篩選表征學習者注意力的特征向量以及合適的算法，實現(xiàn)認知風格的識別。但如何保障用戶在單次實驗中的認知風格識別的準確度是目前需要突破的難題。圖4是不同類型學習者在面對讀寫材料時的專注力變化情況，注意力數(shù)值在0-100之間。

圖4 各類型學習者在面對讀寫材料時的專注力變化情況

(三)課堂常態(tài)化教學環(huán)境中提升學生注意力的實證研究

自適應學習主要表現(xiàn)為實現(xiàn)學習者的差異化、個性化學習，自適應學習應該能夠基于學習者的輸入改變個體學習者的學習體驗[65]。腦電信號識別技術已經日趨成熟，學習者可以通過基于BCI系統(tǒng)查看自己在任務執(zhí)行過程中的注意力狀態(tài)，并根據(jù)注意力表現(xiàn)調整學習方法，或者通過系統(tǒng)反饋提升個體的注意力狀態(tài)，以獲得更好的學習成果。研究團隊已經在廣州市天河區(qū)和海珠區(qū)采集了近600位學生的課堂注意力數(shù)據(jù)，通過數(shù)據(jù)能夠實現(xiàn)對學生認知能力的客觀評價。未來，通過長期的數(shù)據(jù)積累，將有可能建立基于注意力測量的學習者模型，為實現(xiàn)學生學科學習興趣的智能繪制、自適應學業(yè)診斷等提供支持。圖5為廣州市天河區(qū)某學校五年級某班學生在英語課中的注意力數(shù)據(jù)。

圖5 五年級某班學生在英語課堂的平均注意力情況

六、結語

腦機接口是腦科學與人工智能技術結合的產物，隨著類腦智能技術、生物智能與人工智能融合的混合智能技術的不斷發(fā)展，腦機接口在人類未來學習中越發(fā)凸顯其價值。腦機接口技術能夠實現(xiàn)學習者腦信號特征的精準測量，為建立以學習為中心的教學環(huán)境和個性化支持服務提供支持。與此同時，在掌握大腦運行的神經機制的基礎上，以科學的視角和具體可行的方法構建基于BCI的大腦干預訓練方法，能夠挖掘學習者的大腦潛能。在腦科學與數(shù)據(jù)科學的發(fā)展與支持下，未來的教育一定會從基于經驗的教學走向智能技術支持的智慧式教學，學校將實現(xiàn)高效的大規(guī)?；瘋€性化人才培養(yǎng)，人類將獲得全新的學習方式與學習體驗。