참여 학습에 중요한 역할을한다. 클라크와 메이어 ^2의 경우에 관계없이 전달 매체의 "모든 학습, 참여가 필요합니다." 장 등. ^3도 증가 학생의 참여는 문제 해결과 비판적 사고 능력 등의 ​​학습 성과를 향상시킬 수 있습니다 제안했다. 참여를 정의하는 것은 과제로 남아. 그들의 문헌 고찰에서, Fredricks, Blumenfeld 파리 ^1은 다각적 인 성격 참여를 정의 : "행동 참여는 참여의 아이디어에 그립니다; 그것은 학문적, 사회적 또는 과외 활동에 참여를 포함한다. (…) 감정적 참여 교사, 급우, 학자, 학교에 긍정적이고 부정적인 반응을 포함하고 일을하는 목적과 영향력 의지에 관계를 만들 추정된다. 마지막으로,인지 적 참여 정신 투자의 아이디어에 그립니다; 그것은 사려 깊음과 노력 NEC를 발휘하는 의지를 통합essary 복잡한 아이디어와 마스터 어려운 기술을 이해합니다. "

Fredricks, Blumenfeld 파리 ^1은 행동, 감정 및인지에 초점이, ​​참여의 개념 내에서 학습의 풍부한 특성을 제공 할 수 있다고 주장했다. 이 저자는 연구의 강력한 몸이 따로 계약의 각 구성 요소를 해결할 수 있다고 지적하지만, 이러한 구성 요소는 함께 연구되지 ​​않았다. 또한 정보가 거의 치수 사이에 더 많은 연구가 미세하게 조정 된 교육 개입 계획에 기여할 수있는 상호 작용에 대해 사용할 수 있음을 관찰했다. 그 방향으로 단계로,이 논문 수집하고 학습을 작업하는 동안, 행동, 정서적,인지 적 참여에 대한 동기 양적 및 질적 데이터를 분석하기 위해 개발 된 연구 방법을 설명합니다.

교육에 신경 과학을 현실로

Behav주로 사전 및 사후 검사 사이의 오랜 기간에 걸쳐 발생하는 지식과 행동의 변화에​​ 초점을 맞춘 연구 설계, 그리고 시간의 간격, 주간 : IOR, 결과적으로 행동 참여는 긴 교육 연구의 핵심이되었습니다 , 달 또는 몇 년. 마지막 두 치수는 외부 체계적으로 관찰 할 수 없기 때문에, 행동 적, 정서적,인지 적 결합을 구별하는 것은 과제로 남아. 인지와 감정 중 하나를 관찰로부터 추론 또는 자기보고 대책을 평가해야합니다. 보기의 외부 점에서, 그것은 학생들이 작업을 가능한 한 빨리 또는 특정 콘텐츠를 마스터 깊은 수준의 학습 전략을 사용하는 등 완수하기 위해 노력하고 있는지 여부를 확인하기 어려운 남아있다. 사실 점에서, Fredricks, Blumenfeld 파리 ^1은인지 적 참여의 직접, 객관적 조치를 사용하여 발표 된 연구를 찾을 수 없습니다.

최근 기술 개발신경 과학 분야의 교육 연구에 대한 새로운 가능성을 만들었습니다. 새로운 데이터 수집 방법과 신경 인간 공학의 분야에서 개발 된 분석 알고리즘 학습 작업하는 동안 정성 및 정량 연구를위한 매우 유망한 보인다. 경제학, 심리학, 마케팅, 인체 공학 같은 다른 분야는 약간의 시간이 ^4-8에 대한인지 적 참여를 평가하기 위해 신경 생리 학적 측정을 사용하고있다. 효율적인 분석 알고리즘과 결합 된 신경 생리 학적 측정은, 하나를 교란시키지 않고 현상을 연구 할 수있다. 자신의 성격으로 자기보고 설문 학습에서 학생들을 분리. 신경 생리학 대책 연구 디자인은 더 확실한 학습 환경에서 수행되도록 허용한다. 이러한 도구 등 심박수를 모니터링 장비, 호흡 속도, 혈압, 체온, 동공 직경, 피부 전기 활동, 뇌파 (EEG)를 포함한다.

<st감정적 행동에 룽> 수집 동기화 된 데이터,인지 참여

대표 결과이 프로토콜의 사용을 다음과 같이, 본 논문에서는 학습자가 컴퓨터 화면에, 기계 물리학 열 문제를 해결했다있는 연구의 일부 결과를 발표 할 예정이다. 이러한 문제는 이전의 연구 ⁽⁹⁾ 개발되었다. 그들의 눈은 각각의 문제 후, 폐쇄와 학습자, 문제를 해결하고 45 초 휴식 시간 동안 휴식을하는 동안 신경 생리 학적 데이터를 수집 하였다.

위에서 언급 한 바와 같이, 행동 약혼 데이터는 작업 ^일을 달성하는 동안 시스템과 상호 작용하는 학습자에 의해 생성 된 질문에 대한 소프트웨어의 상호 작용 (마우스 움직임과 클릭), 시선, 성능과 답변으로 구성되어 있습니다. 안구 추적 시스템은 소프트웨어 상호 작용과 시선 데이터를 수집하기 위해 사용되었다. 성능 데이터 (문제를 해결하기 위해 시간, 응답의 정확성)을 수집 하였다과제를 제시하는 데 사용 된 조사 사이트. 이 웹 사이트는 또한 브래들리와 랭 ^(10)에서 적응 설문 조사와 수집 된 자기보고 데이터를 수집하는 데 사용되었다. 감정적 참여 감정의 특성을 포함한다. 랭 ^(11)에 따르면, 감정 원자가의 관점에서 특징 (즐거운 / 불쾌한)과 각성 (진정 / 자극). 감정적 결합 데이터는 따라서 감정적 원자가와 각성 ^12,13 용 피부 전기 활동 인코더 / 센서를 정량화 자동 안면 감정 인식 소프트웨어를 사용하여 수집 하였다. 피부 전기 활동 (EDA)는 매우 약한 전류가 지속적으로 그들 사이에 전달되는 두 개의 전극 사이에 기록 된 전기 저항을 의미한다. Cacioppo, Tassinary 및 Berntson ^(14)는 기록 된 저항 주체의 각성에 따라 다릅니다 것으로 나타났다. 따라서, 이러한 원자가 또는 각성 등의 정신 생리 학적 데이터는, 감정적 인 참여의 상관 관계로 간주됩니다.

<p클래스 = "jove_content은"> 마지막으로,인지 약혼 데이터는 뇌파 (EEG)를 통해 수집된다. 뇌파 측정은, 두피에, 뇌의 뉴런 그룹의 전기 활동을 동기화. 두피에서 기록 된 전기 신호들은 진동 및 주파수 요소로 구성된다. 규칙에 따라,이 주파수는 밴드로 알려진 시퀀스로 분류됩니다. 예를 들어, 알파, 베타 및 세타 밴드는이 연구의 초점이다. 신경 과학적 연구 ^(14)에 따르면,이 대역은 뇌의 특정 영역에 서로 다른인지 적 처리 능력을 반영한다. 따라서, 주의력 및 관심에 많은 연구와 결합 ^7,15 특정 주파수의 전력 스펙트럼 밀도 (PSD)의 분석은, 연구자들은 작업 도중인지 결합을 정량화 할 수있다. Mikulka 등. ^(16)가 언급 한 바와 같이, 연구는 베타 활동과인지 경보 및 알파 사이의 간접적 인 관계 사이의 직접적인 관계를 보여 주었다D 세타 활동 및 경보. 베타 / (알파 + 세타) : 따라서, 교황, 보가트와 Bartoleme ⁷ 세 밴드의 PSD를 계산 약혼 지수를 개발했다. 이 비율은 참여 ^16,17,18 다른 연구에서 확인되었다. 시간이 지남에 따라인지 맞물림을 특성화하기 위해, 고속 푸리에 변환 (FFT)는 파워 스펙트럼으로 각 활성 부위 (F3, F4, O1, O2)의 EEG 신호를 변환한다. 시간 T에서 EEG 결합 지수는이 절차는 매 초마다 새로운 슬라이딩 윈도우가 인덱스를 업데이트하는 데 사용되는 반복 시간 T. 선행 20 초 슬라이딩 윈도우 내의 각각의 결합 비의 평균값으로 계산된다.

이 방법의 목적은 결합의 여러 치수 풍부한 분석을 제공하기 때문에, 데이터 동기화가 중요하다. 레제 등. ^(19)가 독자를 생각 나게으로, 장비 제조 업체는 강하게 제작 그들의 지정된 정밀도를 보장하기 위해 측정 도구 당 하나의 컴퓨터를 사용하는 것이 좋습니다VEL. 따라서, 여러 대의 컴퓨터를 사용하는 경우, 기록 시스템 간의 동기화는 중요한 단계가된다. 녹음은 모두 동일한 시점에 개시 될 수 없으며, 각각의 데이터 스트림 (예를 들면, 눈의 0 초 EEG 또는 생리 데이터의 초 0 ≠ 트래킹)는 특정 기간을 갖는다. 이것은 매우 중요하다 : 데이터 스트림들 사이의 맞물림은 동기 이탈의 각 차원의 정량의 오차를 의미한다. 동시 생리 및 행동 기록을 동기화하는 여러 가지 방법이 있습니다. 이러한 방법은 두 가지 방식으로 나눌 수있다; 직접 및 간접 ^(20). 다음 절에서 제시된 프로토콜은 (도 1에 도시 된 바와 같이) 외부 장치가 syncbox, 모든 기록 장치에 트랜지스터 – 트랜지스터 논리 (TTL) 신호를 전송하는 데 사용되는 간접적 인 접근법에 기초한다. 기기의 각 부분은 서로 다른 시작 시간을 같이, TTL 마커 상대적으로 로그 파일에 기록된다 지연. 마커는 그 다음 신호를 재정렬함으로써 각각의 기록 후에 적절한 동기화를 보장하기 위해 사용된다. 외부 파일의 통합을 허용 행동 분석 소프트웨어 프로그램은 각각의 데이터 스트림의 타임 라인을 재 동기화 및 맞물림의 각 차원의 정성 및 정량 분석​​을 위해 사용된다.

데이터 수집 시스템의 그림 1. 아키텍처. 테스트 환경은 행동 (눈 추적)에서, 수집 감정 (EDA와 얼굴 감정),인지 (EEG) 약혼 데이터는 많은 컴퓨터가 포함되어 있습니다. 이것은 각각의 컴퓨터 시계에 참조되는 데이터에 대한 동기화 문제를 발생시킵니다. 동일 기준 시간에 모든 데이터를 분석 할 수있게하기 위해서, 실험 셋업은 모든 데이터 스트림들에 TTL 신호를 송신 syncbox을 포함한다."NK>이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

동기화 환산 방법의 정밀도를 평가하기 위해 45 초의 일시 정지 기계적 물리 문제 각각 전에 도입되었다. 이러한 일시 정지하는 동안, 대상은 긴장을하고 자신의 눈을 감고 있었다. 다른 연구 ^{4,9,16,17,18에서} 볼 수 있듯이,이 일시 정지 수집 된 신호에 상당한 변화를 유도해야한다 : 두 눈의 동공 점 눈 추적 사라 즉시 (행동 참여)과인지 적 참여에 즉시 드롭 (뇌파 신호)이 관찰된다. 이러한 특정 신호의 구성 요소의 동기화 장군 유효성을 평가하는 데 사용된다. 완전히 또는 부분적으로 정보 시스템 ^(19), 인간 – 기계 상호 작용 ^(21), 교육 ^{(9), (22)의} 분야에서,이 동기화 절차에 의존 논문의 최근 간행물은, 그 효과의 증거를 제공한다.