腦機接口技術(shù)教育應(yīng)用的研究進展*

柯清超，王朋利

(華南師范大學(xué) 教育信息技術(shù)學(xué)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(jīng)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(xué)術(shù)會議，每三年舉行一次。當前，國外BCI技術(shù)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(xué)、斯坦福大學(xué)、布朗大學(xué)等。國內(nèi)從事BCI研究的科研小組有清華大學(xué)、上海交通大學(xué)、電子科技大學(xué)、北京師范大學(xué)和重慶大學(xué)等。2005年成立的北京師范大學(xué)認知神經(jīng)科學(xué)與學(xué)習國家重點實驗室[3]是國內(nèi)較早開始系統(tǒng)研究BCI技術(shù)教育應(yīng)用研究的團隊。

當前學(xué)術(shù)界已經(jīng)意識到腦機接口在教育中應(yīng)用的價值，相關(guān)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(guān)文獻進行分析，發(fā)現(xiàn)腦機接口教育應(yīng)用的研究主要集中在計算機科學(xué)、教育教學(xué)研究和神經(jīng)科學(xué)、工程學(xué)等領(lǐng)域，其教育應(yīng)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(yīng)用的研究主要集中在以下三個方面：(1)BCI教育應(yīng)用基礎(chǔ)理論方法。建立以腦科學(xué)為基礎(chǔ)的教育應(yīng)用理論體系，基于對人類認知規(guī)律、認知過程的認識構(gòu)建教育教學(xué)新范式；(2)BCI教育應(yīng)用系統(tǒng)設(shè)計。基于腦信號記錄或腦刺激設(shè)計BCI教學(xué)系統(tǒng)，為實現(xiàn)常態(tài)環(huán)境下的教育應(yīng)用提供支持；(3)BCI教學(xué)實踐與實證研究。設(shè)計并實施基于BCI的教育應(yīng)用實驗，解決具體的教育教學(xué)問題，如通過系統(tǒng)的認知訓(xùn)練提升學(xué)習者的認知能力，改善學(xué)習過程中的消極情緒等。

一、BCI教育應(yīng)用基礎(chǔ)理論方法

BCI能夠記錄學(xué)習者在學(xué)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(xùn)練能夠使學(xué)習者掌握控制腦信號的能力，這為腦科學(xué)在教育中的應(yīng)用搭建橋梁。同時，各類腦成像技術(shù)的發(fā)展使得腦機接口設(shè)備也變得越來越便捷，易于利用，使得BCI在教育中應(yīng)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(jīng)信號的技術(shù)被統(tǒng)稱為腦成像技術(shù)。神經(jīng)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(shù)(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(zhì)電描記法(EcoG)；(3)侵入式方法，如單神經(jīng)元記錄。目前最有效的神經(jīng)造影方法是EEG、EcoG和單神經(jīng)元記錄[4]。各種神經(jīng)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(yīng)較弱，而且設(shè)備一般都比較貴，需要專業(yè)技術(shù)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(chǔ)。解讀腦電數(shù)據(jù)一般是用數(shù)學(xué)方法將大腦的電活動轉(zhuǎn)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(dǎo)頻率通常在較慢的Alpha和Theta波段內(nèi)；當面對認知任務(wù)或定向思維時，大腦在波帶內(nèi)產(chǎn)生Beta主導(dǎo)頻率。基于腦電圖信號變化識別學(xué)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(yīng)的判斷。

(二)學(xué)習過程中的腦信號測量與控制

從神經(jīng)科學(xué)視角看，學(xué)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(xué)習過程中腦信號的測量與控制，能夠提高學(xué)習者的學(xué)習質(zhì)量和效率。

1.學(xué)習過程中的腦信號測量

學(xué)習者的認知狀態(tài)和情緒狀態(tài)等高級思維活動與其學(xué)習成功密切相關(guān)，以往都是通過量表或完成注意力持續(xù)性檢測任務(wù)(CPT等)來實現(xiàn)以上心理指標的測量。隨著腦測量技術(shù)的進步，基于BCI能夠?qū)崿F(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(xué)習者或教師根據(jù)測量結(jié)果調(diào)整學(xué)習策略或教學(xué)策略提供支持。對學(xué)習過程中腦信號測量的部分典型教學(xué)實驗有：

(1)學(xué)習過程中的學(xué)習者認知負荷測量。認知負荷能夠直接反映學(xué)習者對知識的掌握程度和學(xué)習過程中的努力程度，學(xué)習者在認知負荷合適的范圍內(nèi)進行學(xué)習才能產(chǎn)生較佳的學(xué)習效果。認知負荷主要采用n-back任務(wù)測量[7]，通過分析觀察受試者在任務(wù)難度增加(從0-back任務(wù)到3-back任務(wù))時，θ波、α波、β波等的能量變化情況，再用機器學(xué)習算法進行自動判斷。在遠程教育和在線課程平臺學(xué)習過程中，隨著認知任務(wù)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(xué)習過程中的學(xué)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(luò)控制的，可以通過干電極采集相應(yīng)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(guān)研究表明，通過設(shè)備自動分析的注意力結(jié)果與在認知心理學(xué)中應(yīng)用注意力持續(xù)表現(xiàn)測試的結(jié)果具有相關(guān)性[9]。當前能夠?qū)崿F(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(xué)環(huán)境相似，研究結(jié)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(xué)習過程中的學(xué)習者情緒類型識別。EEG信號承載著人類豐富的情緒特征，學(xué)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(xué)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(xué)習過程中的腦信號控制

對學(xué)習過程的腦信號進行控制，目的是幫助學(xué)習者調(diào)控自身的情緒、注意力狀態(tài)，提升學(xué)習效果。腦信號控制能夠改善學(xué)習的基礎(chǔ)在于腦部神經(jīng)具有可塑性，通過對神經(jīng)的反復(fù)訓(xùn)練可以改變?nèi)四X部的關(guān)鍵神經(jīng)基質(zhì)，增強大腦性能。腦神經(jīng)反饋訓(xùn)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(shù)[13]，已有大量的研究證明了神經(jīng)反饋訓(xùn)練的有效性[14][15]。學(xué)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(chǔ)的交流系統(tǒng)中，心理想象是必不可少的一部分。心理預(yù)演的質(zhì)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(xué)習過程中的主動想象包括通過心理想象完成認知任務(wù)，或者通過意識控制外部設(shè)備，如通過調(diào)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(xué)習者在學(xué)習過程中的表現(xiàn)。當前，多通過基于BCI的游戲?qū)崿F(xiàn)腦刺激。如前扣帶皮層(ACC)是選擇性注意的關(guān)鍵神經(jīng)基礎(chǔ)，通過對ADHD兒童進行基于游戲的腦神經(jīng)反饋訓(xùn)練，能夠使其ACC功能正常化[16]，增強ADHD患者的認知能力與社會交互能力。

(三)基于腦科學(xué)的教學(xué)研究

學(xué)習成功與特定現(xiàn)象相關(guān)假設(shè)有關(guān)，腦機接口技術(shù)能夠通過直接監(jiān)測大腦活動判斷學(xué)習者的學(xué)習和認知狀態(tài)，研究顯示學(xué)習者(Learners)和非學(xué)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?qū)崿F(xiàn)通過直接測量學(xué)生大腦信號的變化來估計學(xué)生對某個概念的掌握程度，為學(xué)生的能力和學(xué)習效果進行標準化測試提供一種選擇[18]。當前可以預(yù)見的腦機接口教育應(yīng)用與評價將主要用于學(xué)習者分類、學(xué)習者狀態(tài)識別、認知水平監(jiān)測、學(xué)習過程訓(xùn)練反饋提升等，如圖1所示。

圖1 基于腦機接口的教學(xué)應(yīng)用與評價

二、BCI教育應(yīng)用系統(tǒng)設(shè)計

腦機接口系統(tǒng)(BCI系統(tǒng))是實現(xiàn)腦機接口應(yīng)用的重要渠道。BCI教育應(yīng)用系統(tǒng)能夠在腦信號監(jiān)測與控制的基礎(chǔ)上，為學(xué)習者實現(xiàn)自適應(yīng)學(xué)習和自主訓(xùn)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(shè)計基于BCI的神經(jīng)反饋才能幫助學(xué)習者學(xué)習和實現(xiàn)大腦狀態(tài)的自我調(diào)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(jīng)信號采集模塊、分析處理模塊和應(yīng)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(wù)的刺激實現(xiàn)。引入外界事件誘發(fā)所得的事件相關(guān)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(guān)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(xué)習算法，從神經(jīng)信號中提取特定思維活動的關(guān)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)。基于EEG的BCIs分類算法可以分為自適應(yīng)分類器、矩陣和張量分類器、轉(zhuǎn)移學(xué)習和深度學(xué)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(yīng)用。在BCI應(yīng)用實踐過程中，一般會將數(shù)據(jù)集分為三個子集：訓(xùn)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(yīng)用目的不同，BCI能夠訓(xùn)練模式識別算法產(chǎn)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(xué)習系統(tǒng)

學(xué)習者在學(xué)習過程中經(jīng)歷各種情感的化合價和激勵性，影響著認知過程和學(xué)習的成功。基于腦信號記錄感知用戶的內(nèi)部狀態(tài)，并根據(jù)所產(chǎn)生的反應(yīng)經(jīng)驗，可為每位學(xué)習者建立個性化的互動[24]。基于腦信號記錄的自適應(yīng)學(xué)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(diào)整；系統(tǒng)能夠適應(yīng)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(yīng)性。

基于BCI的自適應(yīng)學(xué)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(xué)習同伴、學(xué)習路徑推薦，其基本實現(xiàn)邏輯如圖2所示。基于BCI的學(xué)習系統(tǒng)能夠通過預(yù)測模型預(yù)先評估用戶的工作量，實時調(diào)整數(shù)字學(xué)習環(huán)境的內(nèi)容，使學(xué)習者的工作負載水平始終保持在最佳范圍內(nèi)[25]。這與以往的自適應(yīng)學(xué)習系統(tǒng)的實現(xiàn)邏輯不同，以往的系統(tǒng)多基于學(xué)習者對錯誤的自適應(yīng)情況設(shè)計，如可汗學(xué)院的個性化學(xué)習系統(tǒng)通過判斷學(xué)習者在完成任務(wù)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(yīng)學(xué)習系統(tǒng)

當前已經(jīng)有部分BCI自適應(yīng)學(xué)習系統(tǒng)應(yīng)用的實踐案例。Lin F R基于認知負荷理論構(gòu)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(xué)習環(huán)境中心理努力的自我意識，實現(xiàn)同步和異步學(xué)習環(huán)境中的自動反饋。Carina W通過在線采集學(xué)習者的EEG狀態(tài)，并依據(jù)腦電圖數(shù)據(jù)(預(yù)測模型)評估學(xué)習者的工作量，實現(xiàn)學(xué)習材料難度的調(diào)整，使學(xué)習者的工作量保持在較佳范圍內(nèi)[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(chǔ)上實現(xiàn)兒童在學(xué)習中狀況的評估，建立個體的學(xué)習路徑。

(三)基于腦刺激的神經(jīng)反饋訓(xùn)練系統(tǒng)

神經(jīng)反饋是將神經(jīng)激活，在線反饋給參與者進行自我調(diào)節(jié)的一種心理學(xué)過程。與基于腦信號記錄的BCI學(xué)習系統(tǒng)不同，神經(jīng)反饋訓(xùn)練系統(tǒng)需要給予參與者一定的腦刺激，使其能夠?qū)⒆⒁饬D(zhuǎn)向手頭的任務(wù)，并且提高參與者在完成任務(wù)時的表現(xiàn)。

基于BCI的神經(jīng)反饋訓(xùn)練系統(tǒng)框架如圖3所示。當前的神經(jīng)反饋訓(xùn)練多在虛擬環(huán)境中進行，設(shè)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(xué)習者主動想象和冥想練習、音樂刺激等實現(xiàn)神經(jīng)反饋訓(xùn)練。要實現(xiàn)BCI神經(jīng)反饋系統(tǒng)的可持續(xù)應(yīng)用，最好的方法是將心理干預(yù)、神經(jīng)科學(xué)和游戲機制結(jié)合起來，設(shè)計吸引學(xué)習者的游戲機制，激發(fā)學(xué)習者的學(xué)習興趣。

圖3 基于BCI的神經(jīng)反饋訓(xùn)練系統(tǒng)

基于腦—機界面的BCI注意力訓(xùn)練游戲是神經(jīng)反饋訓(xùn)練的典型應(yīng)用。注意力訓(xùn)練游戲能夠記錄學(xué)習者的腦活動信號，并在學(xué)習者注意力低的時候給予學(xué)習者適當刺激，提升學(xué)習者的注意力狀態(tài)。在實踐中，一般由學(xué)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(guān)于不良關(guān)注的反饋[29][30]。腦神經(jīng)反饋實現(xiàn)的形式和內(nèi)容比較多樣，可將腦電圖監(jiān)測系統(tǒng)與音頻反饋結(jié)合起來，在學(xué)習者不注意時提供音頻反饋[31]，提高學(xué)習者的注意力水平。相關(guān)實驗已證明神經(jīng)反饋訓(xùn)練比提升注意力訓(xùn)練技巧更能改善學(xué)習者的注意力[32]。

三、BCI教學(xué)實踐與實證研究

隨著技術(shù)和生產(chǎn)工藝的進步，腦機接口設(shè)備的生產(chǎn)成本已經(jīng)較低，為實現(xiàn)基于BCI的教育常態(tài)化應(yīng)用提供了支持。當前基于BCI的教育應(yīng)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(xué)習者表現(xiàn)和實施有效的教學(xué)干預(yù)充滿信心。相關(guān)研究已經(jīng)能夠證明合理利用BCI能夠改善學(xué)習者的消極情緒，提升學(xué)習者的認知能力和促進學(xué)習者管理自身行為的能力。

(一)改善學(xué)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(dǎo)致兒童心理健康和放松的能力減弱。通過監(jiān)測學(xué)習者的焦慮情緒狀態(tài)，并適時提供有效干預(yù)訓(xùn)練，能夠有效改善學(xué)習者的焦慮情緒狀態(tài)，但兒童需要經(jīng)過較長時間的參與才能夠通過實踐建立情緒恢復(fù)能力。Schoneveld E A等發(fā)現(xiàn)應(yīng)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(shè)計了基于BCI的數(shù)學(xué)思維游戲，用于控制和降低9到16歲兒童的數(shù)學(xué)焦慮水平[36]。

除了通過心理健康游戲調(diào)節(jié)學(xué)習者情緒，基于冥想訓(xùn)練也能夠較好地實現(xiàn)學(xué)習者狀態(tài)的自我調(diào)節(jié)，改善情緒和注意力狀態(tài)。長期的冥想訓(xùn)練可以加厚大腦注意力和感覺處理區(qū)域的皮層，為學(xué)習者的生理和心理健康帶來積極影響。同時，冥想訓(xùn)練對情緒處理的影響可能會轉(zhuǎn)移到非冥想狀態(tài)，能夠使用戶心理產(chǎn)生持久變化[37]，在非學(xué)習狀態(tài)下進行冥想訓(xùn)練對誘導(dǎo)學(xué)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(yù)(對照組分別為給予音樂干預(yù)和不給于干預(yù))[38]，結(jié)果顯示，BCI干預(yù)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(yù)[39]也能起到改善用戶在BCI測試中的表現(xiàn)。大多數(shù)學(xué)生無法清醒地進行適當?shù)内は耄瑢W(xué)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?dǎo)和干預(yù)，才能夠起到較好的效果。

(二)提高學(xué)習者的認知能力

學(xué)習記憶和注意力是重要的認知功能。學(xué)習記憶能夠?qū)⑽覀兊倪^去、將來聯(lián)系起來，還會影響我們當下的任務(wù)決策，影響未來的學(xué)習期望。當前主要通過設(shè)計可控制干擾的沉浸式3D環(huán)境和互動反饋游戲，幫助學(xué)習者將注意力聚焦在完成特定任務(wù)上。在訓(xùn)練實踐中，腦機接口設(shè)備既可以作為輸入設(shè)備，也作為監(jiān)控神經(jīng)生理訊號的工具，評估學(xué)習者認知狀態(tài)。教室是兒童經(jīng)常使用并熟悉的環(huán)境，因此，相關(guān)的3D環(huán)境多為三維虛擬教室。Darius A設(shè)計了基于體感設(shè)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(guān)實踐的要點還在于設(shè)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(yù)過程中學(xué)會的自我調(diào)節(jié)焦慮和注意力的能力可以轉(zhuǎn)移到學(xué)校的其他情境中去，且兒童在干預(yù)后的兩個月依舊能夠保持自我調(diào)節(jié)焦慮和注意力的能力[43]。

神經(jīng)活動測量的生理數(shù)據(jù)與用戶行為數(shù)據(jù)融合應(yīng)用將能夠產(chǎn)生更廣泛的應(yīng)用。Rebolledo M G將學(xué)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(jié)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(xué)習者的行為管理能力

學(xué)習者積極參與學(xué)習是學(xué)習成功的關(guān)鍵。Huang J等設(shè)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?qū)崟r檢測兒童閱讀時的參與度水平，當系統(tǒng)檢測到學(xué)習者的專注力低時將觸發(fā)BCI培訓(xùn)模式，并將BCI培訓(xùn)課程投射到配套的書中。該系統(tǒng)設(shè)計的重點在于培訓(xùn)任務(wù)的設(shè)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(guān)物體的狀態(tài)轉(zhuǎn)變，如閱讀春季特征時，BCI的訓(xùn)練任務(wù)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(xué)習系統(tǒng)，能夠通過監(jiān)測設(shè)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(xué)生的學(xué)習參與度[46]。基于BCI的游戲系統(tǒng)能夠通過模仿學(xué)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(jié)合[47]，設(shè)計以空間定向、形狀定向、色彩定向、情感定向等為基礎(chǔ)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(yīng)用的未來研究與實踐

隨著人工智能教育應(yīng)用的推進，以腦機接口為代表的人工智能技術(shù)在教育中的應(yīng)用前景廣闊。未來，腦機接口技術(shù)與腦科學(xué)研究成果的結(jié)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(shù)的結(jié)合，實現(xiàn)在教育應(yīng)用場景層面的突破。

(一)腦科學(xué)與BCI的結(jié)合更加緊密

運用腦機接口技術(shù)直接介入的方法研究人腦內(nèi)部的學(xué)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(xué)習研究方法，為腦科學(xué)超越以往的學(xué)習研究提供了理論基礎(chǔ)[48]。兒童大腦發(fā)育存在敏感期[49]，基于BCI的教育系統(tǒng)應(yīng)該關(guān)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(xué)習者提供適宜的刺激和材料。同時，在為學(xué)習者提供服務(wù)時也要關(guān)注學(xué)習者的個體差異。學(xué)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(xué)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(xué)習者的認知差異，能夠使學(xué)習者獲得更好的體驗。

(二)智能技術(shù)與BCI測量的結(jié)合與智能分析

BCI與智能技術(shù)的結(jié)合將會在提高認知任務(wù)性能預(yù)測準確率和增強機器自我學(xué)習能力方面實現(xiàn)突破。隨著計算機視覺和可穿戴設(shè)備的發(fā)展，教育行為的量化成為教育質(zhì)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(jīng)信號相結(jié)合，預(yù)測學(xué)生的神經(jīng)狀態(tài)[51]。多維多模態(tài)數(shù)據(jù)的結(jié)合[52]能夠提高用戶在執(zhí)行認知任務(wù)時的準確率，超過了從任何單一模態(tài)中提取的預(yù)測準確率。同時，智能技術(shù)能夠增強機器的自我學(xué)習能力，改善用戶體驗，主要通過構(gòu)建基于協(xié)同學(xué)習的BCI體系架構(gòu)[53]，實現(xiàn)用戶與系統(tǒng)的雙向反饋實現(xiàn)。人工智能神經(jīng)網(wǎng)絡(luò)是當前流行的機器學(xué)習關(guān)鍵技術(shù)，但當前人工智能神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)主要根據(jù)實驗和經(jīng)驗設(shè)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(dǎo)人工智能教育的發(fā)展。

(三)BCI教育應(yīng)用場景的突破

BCI將助力學(xué)生學(xué)習、教師教研和教育改善，促進技術(shù)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(xué)生學(xué)習方面，基于BCI的個性化學(xué)習環(huán)境能夠充分考慮不同學(xué)習者的認知過程、情緒、注意力等方面的差異[56]，幫助學(xué)習者加入的社群更加符合學(xué)習者的學(xué)習特征[57]。同時，神經(jīng)信號可以測量和理解學(xué)習者對不同學(xué)習內(nèi)容、學(xué)習方式的反應(yīng)，基于此為學(xué)習者提供合適的教育資源將會相對可靠。教師教學(xué)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(xué)過程數(shù)據(jù)進行融合和關(guān)聯(lián)分析，能夠分析出不同教學(xué)策略的實施效果，幫助教師提高教學(xué)技能。教育改善方面，BCI能夠記錄和挖掘?qū)W習者的學(xué)習和認知規(guī)律，為提供合理的教育干預(yù)提供支持，如根據(jù)學(xué)習者的注意力發(fā)展曲線，優(yōu)化課程內(nèi)容和課堂授課時長等。

(四)基于BCI實現(xiàn)云端的學(xué)習

當前BCI技術(shù)實現(xiàn)了人腦與計算機等外部設(shè)備的連接和信息溝通。未來，BCI技術(shù)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(xué)習的緊迫感，人類最終的學(xué)習過程可能會表現(xiàn)為將知識轉(zhuǎn)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(yīng)用程序中[59]，如實現(xiàn)基于云思維(Cloud Mind)的協(xié)作學(xué)習。

五、國內(nèi)BCI教育應(yīng)用的研究進展

國內(nèi)從事BCI研究的科研小組有清華大學(xué)、上海交通大學(xué)、電子科技大學(xué)、北京師范大學(xué)和重慶大學(xué)等，但專門面向教育教學(xué)的BCI研究還處于起步階段。近年來我國學(xué)者對腦機接口的教育應(yīng)用關(guān)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(yīng)用的研究綜述；余饒東設(shè)計了結(jié)合計算機視覺檢測和腦電波檢測技術(shù)檢測在線學(xué)習者注意力的方案[63]，識別在線學(xué)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(shù)結(jié)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(shè)計創(chuàng)意作品。

本研究作者通過非侵入式腦機接口設(shè)備和視頻錄播設(shè)備實時監(jiān)測學(xué)生在課堂教學(xué)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(shè)備的教育大數(shù)據(jù)研究

采集學(xué)生多維教育大數(shù)據(jù)是實現(xiàn)智慧教學(xué)的基礎(chǔ)。研究團隊提出通過錄播設(shè)備和可穿戴設(shè)備結(jié)合采集學(xué)生課堂教學(xué)數(shù)據(jù)，將兩類數(shù)據(jù)進行對照，為智慧教學(xué)提供支持。研究通過錄播設(shè)備將教學(xué)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(xué)行為打上標簽。通過可穿戴頭環(huán)設(shè)備實現(xiàn)學(xué)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(xué)生內(nèi)隱心理與外顯行為的對照以及學(xué)生注意力與教師教學(xué)策略的映射，分別構(gòu)建注意力與學(xué)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(xué)習者的注意力分配規(guī)律改變和調(diào)整授課方式。同時，還可以幫助管理者洞察學(xué)生真實行為，幫助研究者發(fā)現(xiàn)影響教育教學(xué)的因素。

(二)基于可穿戴腦機接口的學(xué)習者狀態(tài)識別與認知風格分類研究

認知風格是學(xué)習者的重要個性特征，基于認知風格識別實現(xiàn)學(xué)習者分類，能夠有效支持分層教學(xué)和個性化教學(xué)實現(xiàn)。學(xué)習者的認知風格具有相對穩(wěn)定性，目前研究團隊已經(jīng)基于課堂教學(xué)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?qū)W習者展示不同的認知風格材料，刺激學(xué)習者腦部神經(jīng)元活動，篩選表征學(xué)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(xué)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(xué)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(xué)環(huán)境中提升學(xué)生注意力的實證研究

自適應(yīng)學(xué)習主要表現(xiàn)為實現(xiàn)學(xué)習者的差異化、個性化學(xué)習，自適應(yīng)學(xué)習應(yīng)該能夠基于學(xué)習者的輸入改變個體學(xué)習者的學(xué)習體驗[65]。腦電信號識別技術(shù)已經(jīng)日趨成熟，學(xué)習者可以通過基于BCI系統(tǒng)查看自己在任務(wù)執(zhí)行過程中的注意力狀態(tài)，并根據(jù)注意力表現(xiàn)調(diào)整學(xué)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(xué)習成果。研究團隊已經(jīng)在廣州市天河區(qū)和海珠區(qū)采集了近600位學(xué)生的課堂注意力數(shù)據(jù)，通過數(shù)據(jù)能夠?qū)崿F(xiàn)對學(xué)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(xué)習者模型，為實現(xiàn)學(xué)生學(xué)科學(xué)習興趣的智能繪制、自適應(yīng)學(xué)業(yè)診斷等提供支持。圖5為廣州市天河區(qū)某學(xué)校五年級某班學(xué)生在英語課中的注意力數(shù)據(jù)。

圖5 五年級某班學(xué)生在英語課堂的平均注意力情況

六、結(jié)語

腦機接口是腦科學(xué)與人工智能技術(shù)結(jié)合的產(chǎn)物，隨著類腦智能技術(shù)、生物智能與人工智能融合的混合智能技術(shù)的不斷發(fā)展，腦機接口在人類未來學(xué)習中越發(fā)凸顯其價值。腦機接口技術(shù)能夠?qū)崿F(xiàn)學(xué)習者腦信號特征的精準測量，為建立以學(xué)習為中心的教學(xué)環(huán)境和個性化支持服務(wù)提供支持。與此同時，在掌握大腦運行的神經(jīng)機制的基礎(chǔ)上，以科學(xué)的視角和具體可行的方法構(gòu)建基于BCI的大腦干預(yù)訓(xùn)練方法，能夠挖掘?qū)W習者的大腦潛能。在腦科學(xué)與數(shù)據(jù)科學(xué)的發(fā)展與支持下，未來的教育一定會從基于經(jīng)驗的教學(xué)走向智能技術(shù)支持的智慧式教學(xué)，學(xué)校將實現(xiàn)高效的大規(guī)模化個性化人才培養(yǎng)，人類將獲得全新的學(xué)習方式與學(xué)習體驗。