تقييم أبعاد متعددة الاشتباك لوصف التعلم: A العصبية وجهة نظر
Summary
This paper aims to describe the techniques involved in the collection and synchronization of the multiple dimensions (behavioral, affective and cognitive) of learners’ engagement during a task.
Abstract
In a recent theoretical synthesis on the concept of engagement, Fredricks, Blumenfeld and Paris1 defined engagement by its multiple dimensions: behavioral, emotional and cognitive. They observed that individual types of engagement had not been studied in conjunction, and little information was available about interactions or synergy between the dimensions; consequently, more studies would contribute to creating finely tuned teaching interventions. Benefiting from the recent technological advances in neurosciences, this paper presents a recently developed methodology to gather and synchronize data on multidimensional engagement during learning tasks. The technique involves the collection of (a) electroencephalography, (b) electrodermal, (c) eye-tracking, and (d) facial emotion recognition data on four different computers. This led to synchronization issues for data collected from multiple sources. Post synchronization in specialized integration software gives researchers a better understanding of the dynamics between the multiple dimensions of engagement. For curriculum developers, these data could provide informed guidelines for achieving better instruction/learning efficiency. This technique also opens up possibilities in the field of brain-computer interactions, where adaptive learning or assessment environments could be developed.
Introduction
مشاركة يلعب دورا حاسما في التعلم. لكلارك وماير 2 "عن التعلم يتطلب الاشتباك،" بغض النظر عن وسائل الاعلام التسليم. واقترح تشانغ وآخرون. 3 كما أن زيادة مشاركة الطلاب يمكن أن تحسن نتائج التعلم، مثل حل المشكلات ومهارات التفكير النقدي. تحديد الاشتباك لا يزال يشكل تحديا. في مراجعة أدبهم، Fredricks، بلومنفلد وباريس 1 تعريف المشاركة بطبيعتها المتعددة الجوانب والمتمثلة: "يستمد مشاركة السلوكي على فكرة المشاركة؛ ويشمل المشاركة في الأنشطة الأكاديمية والاجتماعية واللامنهجية. (…) المشاركة العاطفي يشمل ردود الفعل الإيجابية والسلبية للمعلمين وزملاء الدراسة، والأكاديميين، والمدرسة، ويفترض لخلق علاقات مع كائن والنفوذ استعداد للقيام بهذا العمل. أخيرا، وتوجه الاشتباك المعرفي على فكرة الاستثمار العقلي؛ أنه يشتمل على التفكير والاستعداد لبذل جهد غير المصنفةاقتضت أن يفهم الأفكار المعقدة والصعبة مهارات سيد ".
ادعى Fredricks، بلومنفلد وباريس 1 كما أن التركيز على السلوك، والعاطفة، والإدراك، ضمن مفهوم الخطبة، قد توفر خصائص أغنى من التعلم. وأشار هؤلاء المؤلفين إلى أن الجسم القوي للبحوث ويتناول كل مكون من الانخراط بشكل منفصل، ولكن لم يتم دراسة هذه العناصر جنبا إلى جنب. لاحظوا أيضا أن قلة المعلومات المتوفرة حول التفاعلات بين الأبعاد وأن المزيد من الدراسات يمكن أن تسهم في تخطيط تدخلات التدريس دقيقا. وكخطوة في هذا الاتجاه، توضح هذه الورقة منهجية البحث التي تم تطويرها لجمع وتحليل البيانات الكمية والنوعية، بشكل متزامن، على المشاركة السلوكي والعاطفي والإدراكي خلال مهام التعلم.
يصل العلوم العصبية في التعليم
BehavIOR، والانخراط في السلوك بالتالي، منذ فترة طويلة محور الدراسات في مجال التعليم: تصميمات البحوث التي تركز أساسا على التغيرات في المعرفة والسلوك التي تحدث على مدى فترات طويلة من الزمن، وبين ما قبل وما بعد الاختبارات، وعلى فترات لساعات أو أسابيع أو شهور أو سنوات. التمييز بين المشاركة السلوكي والعاطفي، والمعرفي لا يزال يشكل تحديا لأن أبعاد الماضيين ليست ملاحظتها بشكل منتظم من الخارج. يجب إما أن يستدل على الإدراك والعواطف من الملاحظات أو تقييمها مع تدابير تقرير المصير. من جهة نظر خارجية، فإنه لا يزال من الصعب تحديد ما إذا كان الطلاب يحاولون الحصول على العمل المنجز في أسرع وقت ممكن أو باستخدام استراتيجيات التعلم على مستوى عميق لإتقان محتوى معين. في واقع الأمر، لم تتمكن من العثور على أي دراسات منشورة باستخدام تدابير موضوعية مباشرة الاشتباك المعرفي Fredricks، بلومنفلد وباريس 1.
التطورات التكنولوجية الحديثة فيخلقت مجال علوم الأعصاب إمكانيات جديدة للبحث في مجال التعليم. طرق جديدة لجمع البيانات وتحليل الخوارزميات المتقدمة في مجال بيئة العمل العصبية تبدو واعدة جدا للدراسات النوعية والكمية خلال مهام التعلم. تخصصات أخرى، مثل الاقتصاد، وعلم النفس، والتسويق، والهندسة البشرية، وقد تم استخدام القياسات الفسيولوجية العصبية لتقييم المشاركة المعرفية لبعض الوقت 4-8. تدابير العصبية، إلى جانب خوارزميات تحليل كفاءة، تسمح واحد لدراسة الظاهرة من دون إزعاج ذلك. بحكم طبيعتها، واستبيانات التقرير الذاتي تنسحب فيه الطلاب من التعلم. تسمح تدابير العصبية تصميمات البحوث التي يتعين الاضطلاع بها في بيئات التعلم أكثر واقعية. وتشمل هذه الأدوات المعدات لمراقبة معدل ضربات القلب ومعدل التنفس وضغط الدم ودرجة حرارة الجسم، وقطره تلميذ، والنشاط الكهربي، كهربية (EEG)، وما إلى ذلك.
<stرونغ> جمع البيانات المتزامنة على السلوكية والعاطفية والمعرفية المشاركة
كنتائج التمثيلية التالية لاستخدام هذا البروتوكول، وهذه الورقة النتائج الجزئية للدراسة التي كان المتعلمين على حل، على شاشة الكمبيوتر، وعشرة المشاكل في الفيزياء الميكانيكية. وقد وضعت هذه المشاكل في العمل السابق 9. وقد تم جمع البيانات العصبية في حين أن المتعلمين تم حل المشاكل والاسترخاء خلال 45 ق استراحة، مع عيونهم مغلقة، بعد كل مشكلة.
كما ذكر أعلاه، تتكون بيانات التعاقد السلوكي للتفاعلات البرمجيات (حركات الماوس والنقرات)، نظرات العين، والأداء وأجوبة على الأسئلة التي تنتجها المتعلم التفاعل مع النظام أثناء إنجاز المهمة 1. تم استخدام نظام تتبع العين لجمع التفاعلات البرامج والبيانات نظرات العين. وقد تم جمع بيانات الأداء (الوقت من أجل حل المشكلة، صحة الإجابات) على استبيان الموقع الذي تم استخدامه لتقديم هذه المهمة. وقد استخدم هذا الموقع أيضا لجمع بيانات تقرير المصير التي تم جمعها مع استبيان مقتبس من برادلي وانج 10. مشاركة العاطفي يشمل توصيف المشاعر. وفقا لانج 11، وتتميز العواطف من حيث التكافؤ (سارة / غير سارة) والاستثارة (الهدوء / أثار). والبيانات التي تم جمعها المشاركة العاطفية وفقا لذلك، وذلك باستخدام التلقائي برنامج التعرف على العاطفة الوجه يحدد مقدار التكافؤ العاطفي والنشاط الكهربي التشفير / الاستشعار عن الإثارة 12،13. النشاط الكهربي (EDA) يشير إلى المقاومة الكهربائية المسجلة بين قطبين عندما يتم تمرير تيار كهربائي ضعيف جدا بثبات بينهما. أظهر Cacioppo، Tassinary وبرنتسون 14 أن المقاومة سجلت تختلف وفقا لالإثارة في هذا الموضوع. وبالتالي، بيانات النفسية لمثل التكافؤ أو الإثارة، وتعتبر كما يرتبط إلى التواصل العاطفي.
<p الطبقة = "jove_content"> وأخيرا، يتم جمع البيانات من خلال المشاركة المعرفية كهربية (EEG). تدابير EEG، على فروة الرأس، وتزامن النشاط الكهربائي من مجموعات من الخلايا العصبية في الدماغ. الإشارات الكهربائية المسجلة من فروة الرأس وغالبا ما تكون متذبذبة وتتألف من مكونات تردد. من جانب الاتفاقية، يتم تجميع هذه الترددات في تسلسل، والمعروفة باسم العصابات. على سبيل المثال، ألفا وبيتا وثيتا العصابات هي محور هذه الدراسة. وفقا للدراسات العلمية العصبية 14، هذه العصابات تعكس مختلف قدرات المعالجة المعرفية في مناطق معينة من الدماغ. وبالتالي، فإن تحليل كثافة القدرة الطيفية (PSD) من ترددات محددة، جنبا إلى جنب مع العديد من الدراسات 7،15 على اليقظة والانتباه، ويسمح للباحثين لقياس الاشتباك المعرفي خلال مهمة. كما لوحظ ميكولكا وآخرون 16، وقد أظهرت الأبحاث وجود علاقة مباشرة بين النشاط بيتا واليقظة المعرفية وعلاقة غير مباشرة بين ألفا ود النشاط ثيتا واليقظة. وبالتالي، وضعت البابا، بوجارت وBartoleme 7 مؤشر الاشتباك الذي يحسب PSD من ثلاثة نطاقات: بيتا / (ألفا + ثيتا). تم التحقق من صحة هذه النسبة في دراسات أخرى على المشاركة 16،17،18. لتوصيف الاشتباك المعرفي على مر الزمن، وتحويل فورييه السريع (الاتحاد الفرنسي للتنس) بتحويل إشارة EEG من كل موقع نشط (F3، F4، O1، O2) في طيف الطاقة. يتم احتساب مؤشر المشاركة EEG في وقت T من المتوسط من كل نسبة المشاركة في 20 ثانية انزلاق النافذة السابقة الوقت T. ويتكرر هذا الإجراء كل ثانية، ويستخدم نافذة انزلاق جديد لتحديث الفهرس.بما أن الهدف من هذه المنهجية هو تقديم تحليل غني للأبعاد المتعددة للمشاركة، مزامنة البيانات أمر بالغ الأهمية. كما يجيه وآخرون 19 تذكير القراء ومصنعي المعدات نوصي بشدة باستخدام جهاز كمبيوتر واحد فقط لكل أداة قياس لضمان دقتها المحدد جنيهفيل. وهكذا، عندما يتم توظيف أجهزة كمبيوتر متعددة، والتزامن بين أجهزة الكمبيوتر تسجيل يصبح خطوة حاسمة. لا يمكن لجميع أن تبدأ التسجيلات في نفس الوقت بالضبط، ولكل تيار البيانات لديها إطاره وقت محدد (على سبيل المثال، ثانية 0 العين تتبع ≠ 0 ثانية من EEG أو البيانات الفسيولوجية). وهذا أمر مهم للغاية: عدم الاتساق بين البيانات والجداول يعني أخطاء في تقدير حجم كل البعد الاشتباك. هناك طرق مختلفة لمزامنة التسجيلات الفسيولوجية والسلوكية المتزامنة. ويمكن تقسيم هذه الطرق إلى نهجين رئيسيين؛ المباشرة وغير المباشرة 20. ويستند بروتوكول المعروضة في المقطع التالي على نهج غير مباشر حيث يتم استخدام جهاز خارجي، وهو syncbox، لإرسال الترانزستور الترانزستور المنطق (TTL) إشارات لجميع أجهزة التسجيل (كما هو موضح في الشكل رقم 1). حيث أن كل قطعة من المعدات لديه وقت البدء مختلفة، تسجل علامات TTL في ملفات السجل مع قريب تأخير. ثم يتم استخدام علامات لإعادة تنظيم الإشارات وبالتالي ضمان التزامن الصحيح بعد كل تسجيل. ويستخدم برنامج برامج التحليل السلوكي الذي يسمح التكامل ملف خارجي لإعادة مزامنة-الجدول الزمني للكل دفق البيانات وإجراء تحليل كمي ونوعي لكل البعد الاشتباك.
الشكل 1. العمارة في نظام جمع البيانات، ومختبر البيئة التي السلوكي (العين تتبع)، العاطفي (EDA والعاطفة الوجه) والمعرفية البيانات (EEG) إشراك يتم جمع يحتوي على العديد من أجهزة الكمبيوتر. هذا يثير تحديا التزامن للبيانات التي يتم الرجوع إليها في الساعات الكمبيوتر الخاصة بهم. لتكون قادرة على تحليل جميع البيانات في نفس الوقت إشارة، وإعداد مختبر ينطوي على syncbox التي ترسل إشارات TTL لجميع البيانات والجداول.NK "> اضغط هنا لمشاهدة نسخة أكبر من هذا الرقم.
لتقييم دقة منهجية من حيث التزامن، تم إدخال 45 ثانية توقف قبل كل المشاكل الفيزياء الميكانيكية. خلال هذه الوقفات، كانت موضوعات للاسترخاء وإغلاق أعينهم. كما رأينا في دراسات أخرى 4،9،16،17،18، ينبغي لهذه الوقفات لحث اختلافات كبيرة في إشارة جمع: اثنان النقاط تلميذ العين في (المشاركة السلوكي) على الفور تختفي تتبع العين وانخفاض فوري في الاشتباك المعرفي (EEG إشارة) لوحظ. وتستخدم هذه المكونات المحددة للإشارة إلى تقييم صحة العامة للمزامنة. نشر مؤخرا من الأوراق التي تعتمد كليا أو جزئيا على هذا الإجراء تزامن، في مجالات نظم المعلومات 19، والتفاعلات بين الإنسان والآلة والتعليم 21 9، 22، يقدم دليلا على فعاليتها.
Protocol
Representative Results
Discussion
من حيث الخطوات الحاسمة في البروتوكول، ينبغي أولا أن أشير إلى أن نوعية البيانات هي دائما التركيز الرئيسي لتقنيات جمع العصبية. في هذه المنهجية، يجب أن مساعدي البحوث تولي اهتماما خاصا لتعليمات الموضوعات للحد من حركات الرأس التي من شأنها أن تتداخل مع مراقبة التكافؤ (فقد…
Declarações
The authors have nothing to disclose.
Acknowledgements
The authors acknowledge the financial support of the Social Sciences and Humanities Research Council of Canada (SSHERC), Natural Sciences and Engineering Research Council of Canada (NSERC), Fonds de Recherche Nature et Technologies du Québec (FQRNT) and Fonds de Recherche sur la Société et Culture du Québec (FQRSC).
Materials
| EGI GSN-32 | EGI | n/a | Dense array EEG |
| Netstation v.5.0 | EGI | n/a | EEG data collection software: EEG is collected with 32-electrode dense array electroencephalography (dEEG) geodesic sensor net using Netstation acquisition software and EGI amplifiers (Electrical Geodesics, Inc). The vertex (recording site Cz) is the reference electrode for recording. Impedance is kept below 50 kΩ with a sampling rate of 250 Hz. |
| Facereader v.4 | Noldus | n/a | Facial emotion recognition software |
| Syncbox | Noldus | n/a | Syncbox start the co-registration of EEG and gaze data by sending a Transistor-Transistor Logic (TTL) signal to the EGI amplifier and a keystroke signal to the Tobii Studio v 3.2. |
| Logitech C600 Webcam | 960-000396 | Webcam used to gather video data sent to mediarecorder and that will be analyzed in Facereader | |
| The Observer XT | Noldus | n/a | Integration and synchronization software: The Noldus Observer XT (Noldus Information Technology) is used to synchronize all behavioral, emotional and cognitive engagement data. |
| On-Screen LED illumination | Noldus | n/a | Neon positioned on computer screen in order to correctly light the face of subjects |
| MediaRecorder | Noldus | n/a | Video data collection software |
| Tobii X60 | Tobii | n/a | Collect eye-movement patterns : used to record subjects’ eye movement patterns at 60Hz during the experiment. |
| Tobii Studio v.3.2 | Tobii | n/a | Eye-tracking data collection and analysis software |
| Analyzer 2 | Brainvision | n/a | EEG signal processing software |
| Acqknowledge v.4.0 | Biopac | ACK100M | Physiological signal acquisition and processing software |
| Control III germicide solution | Maril Products. | 10002REVA-20002-1 | Disinfectant solution used with EEG helmets : recommended by EGI |
| Unipark | QuestBack AG | n/a | Online survey environment |
Referências
- Fredricks, J. A., Blumenfeld, P. C., Paris, A. H. School engagement: Potential of the concept, state of the evidence. Rev. Educ. Res. 74 (1), 59-109 (2004).
- Clark, R. C., Mayer, R. E. . E-learning and the Science of Instruction. , (2011).
- Zhang, D., Zhou, L., Briggs, R. O., Nunamaker, J. F. Instructional video in e-learning: Assessing the impact of interactive video on learning effectiveness. Inform. Manage. 43 (1), 15-27 (2006).
- Freeman, F. G., Mikulka, P. J., Prinzel, L. J., Scerbo, M. W. Evaluation of an adaptive automation system using three EEG indices with a visual tracking task. Biol. Psychol. 50, 61-76 (1999).
- Glimcher, P., Rustichini, A. Neuroeconomics: The consilience of brain and decision. Science. 306 (5695), 447-452 (2004).
- Lieberman, M. D. Social Cognitive neuroscience: A review of core processes. Annu. Rev. Physiol. 58, 259-289 (2007).
- Pope, A. T., Bogart, E. H., Bartolome, D. S. Biocybernetic system evaluates indices of operator engagement in automated task. Biol. Psychol. 40 (1-2), 187-195 (1995).
- Mandryk, R., Inkpen, K. Physiological indicators for the evaluation of co-located collaborative play. , (2004).
- Allaire-Duquette, G., Charland, P., Riopel, M. At the very root of the development of interest: Using human body contexts to improve women’s emotional engagement in introductory physics. Eur. J. Phy. Ed. 5 (2), 31-48 (2014).
- Bradley, M. M., Lang, P. J. Measuring emotion: The self-assessment manikin and the semantic differential. J. Behav. Ther. Exp. Psy. 25 (1), 49-59 (1994).
- Lang, P. J. The emotion probe: Studies of motivation and attention. Am. Psychol. 50 (5), 372-385 (1995).
- Ekman, P., Felt Friesen, W. false, and miserable smiles. J. Nonverbal Behav. 6 (4), 238-252 (1982).
- Van Kuilenburg, H., Den Uyl, M. J., Israël, M. L., Ivan, P. Advances in face and gesture analysis. , 371-372 (2008).
- Cacioppo, J., Tassinary, L. G., Berntson, G. G. . Handbook of Psychophysiology. , (2007).
- Lubar, J. F., Swartwood, M. O., Swartwood, J. N., O’Donnell, P. H. Evaluation of the effectiveness of EEG neurofeedback training for ADHD in a clinical setting as measured by changes in T.O.V.A. scores, behavioral ratings, and WISC R performance. Biofeedback Self-reg. 20 (1), (1995).
- Mikulka, P. J., Freeman, F. G., Scerbo, M. W. Effects of a biocybernetic system on the vigilance decrement. Hum. factors. 44 (4), 654-664 (2002).
- Freeman, F. G., Mikulka, P. J., Scerbo, M. W., Scott, L. An evaluation of an adaptive automation system using a cognitive vigilance task. Biol. Psychol. 67 (3), 283-297 (2004).
- Chaouachi, M., Chalfoun, P., Jraidi, I., Frasson, C. Affect and mental engagement: Toward adaptability for intelligent systems. Proceedings of the Twenty-Third International Florida Artificial Intelligence Research Society Conference (FLAIRS 2010), Association for the Advancement of Artificial Intelligence. , 355-360 (2010).
- Courtemanche, F., Ortiz de Guinea, A., Titah, R., Fredette, M., Labonté-LeMoyne, &. #. 2. 0. 1. ;. Precision is in the eye of the beholder: Application of eye fixation-related potentials to information systems research. J. Assoc. Inf. Syst. 15 (10), 651-678 (2014).
- Courtemanche, F., Ortiz de Guinea, A., Titah, R., Fredette, M., Labonté-Lemoyne, E. Applying eye fixation-related potentials to information systems research: Demonstration of the method during natural IS use and guidelines for research. J. Assoc. Inf. Syst. 15 (10), (2014).
- Courtemanche, F. . Un outil d’évaluation neurocognitive des interactions humain-machine Doctoral thesis. , (2014).
- Charland, P., Léger, P. M., Mercier, J., Skelling-Desmeules, Y. Assessing multiple dimensions of learner engagement during science problem solving using psychophysiological and behavioral measures. , (2014).
- Venables, P. H., Christie, M. J., Martin, I., Venables, P. Electrodermal activity. Techniques in Psychophysiology. , 3-67 (1980).
- Boucsein, W. . Electrodermal Activity. , (2012).
- Sarlo, M., Palomba, D., Buodo, G. M., Minghetti, R., Stegagno, L. Blood pressure changes highlight gender differences in emotional reactivity to arousing pictures. Biol. Psychol. 70 (3), 188-196 (2005).
- Martens, R. L., Gulikers, J., Bastiaens, T. The impact of intrinsic motivation on e-learning in authentic computer tasks. J. Comput. Assist. Lear. 20 (5), 368-376 (2004).
