教育の分野では、専門家が現在積極的に調査し、学習プロセス中に学生を最適にサポートする方法の問題について広く議論しています。効果的な個人学習の問題の多様性は、認知の仕事についての質問の深さとともに、教育機関の現在の位置と教育システムの位置を決定します（非常に嘆かわしい）。
どうすれば効果的な学生サポートを提供できますか？
最初に頭に浮かび、ディスカッションに参加している人（およびオブザーバー）にとって多かれ少なかれ明白に思われるのは、トレーニングプログラムとコンテンツが学習者の特定のニーズを対象としている場合、学習結果が最も重要であるということです。単純ですが、「間違った」ことを教えるという問題は常に関係しています。ちなみに、今この記事を読んでいるあなたが、学校や前の場所で教えたことを忘れて、再訓練しなければならなかった場所がいくつあるかは興味深いです。
第二に、学習者の学習の試みを最適にサポートするには、コンテンツの適切な複雑さが非常に重要です。：簡単ではありませんが、難しくもありません。エンゲージメントと疲労のバランスが取れているため、学習意欲を維持できます。より科学的には、学習を成功させるには、特定の学習者にとって最適な間隔内で学習者の認知的負荷を維持することが重要です。
この種のパーソナライズをどのように実現しますか？
認知的負荷を最適化する従来の方法は、学習コンテンツの複雑さを学習者の個々の能力に適応させることです。
図：1。学習をゲーム化し、学生のために教育コンテンツを適応させるコンピュータアシスタントプログラム。
同時に、適応性の実装とそのようなトレーニングサポートの特殊な実装には、コンピューター、タブレット、スマートフォンなどのデジタルアシスタントの使用が最適です。コンピュータ情報環境は、学生の行動反応と反応に応じて提示された資料の複雑さを変更するアルゴリズムによって、かなり簡単に拡張できます。この「適応性」は、より効果的な学習の鍵となる、ユーザーのニーズに合わせた学習環境の単純なパーソナライズを提供することができます。
教育サービスの適応性は現在どのように機能していますか？
現在、コンピューター支援学習環境は、行動反応と過去のパフォーマンスに基づいて特定のユーザーに合わせて調整されています。たとえば、正解の数、正解と不正解の比率、進捗状況、タスクに費やされた時間、またはその他の同様の指標に基づいています。 ..。
図： 2。学生の行動のモデル化、知識の分野に関するアイデア、およびそれらを接続する適応モデルに基づく適応学習システムの基本構造。詳細については、ソースをご覧ください。
考えてみると、パーソナライズの中心にあるこのような「動作」パラメータは、ほとんどが「間接」測定であることが明らかになります。したがって、このアプローチによって提供される精度は非常に低いことがよくあります。
したがって、たとえば、連続して学生によって行われるテストに合格する際の多数のエラーは、テスト自体ではなく、その複雑さによってではなく、集中力の喪失、関与、心理生理学的状態、または割り当て中の感情的反応などの非特定のプロセスによって簡単に引き起こされる可能性があります。
新しいテクノロジーが助けになりますか？
ネタバレ
それ自体で。これについて、一般的に、そして投稿。
記憶、知覚、注意など、多くの神経認知プロセスが学習に関与しており、認知の根底にあり、実際には教育活動の結果に責任があります。したがって、これらのプロセスに関する情報（たとえば、それらの監視）への直接アクセス、およびそれらを管理する機能は、パーソナライズされた学習の新しいツールを提供し、教育実践を根本的に新しいレベルにもたらすことができます。
もちろん、認知過程に関する情報は脳の活動に隠されています。しかし、それは非常に深くそしてひそかに、記録された神経生理学的指標からまだ発見され抽出されています。
図： 3. , . - .
?
脳とコンピューターのインターフェース（人間の脳とコンピューター（したがって、脳と物事のインターネットの任意のデバイス）を直接接続するデバイス）の出現と開発、および物理デバイスまたは情報デバイスの制御信号への脳信号の送信を可能にする方法の開発複雑なデータの分析により、学習および学習環境の構築において進行中の個々の神経認知プロセスに関する情報を抽出して使用することを可能にする新しいテクノロジーが出現しています。
図： 4。脳とコンピューターのインターフェースのモデル。使用に同意する人はほとんどいません（侵襲性のため、電極は脳組織に直接挿入されます）。詳細については、ソースをご覧ください。
脳の活動にはさまざまな方法でアクセスできます。とりわけ、脳波記録法（EEG）は、脳活動を測定するために最も広く使用されている方法です。信号は、頭の表面の別々の異なる部分に配置された電極を使用して読み取られ（非侵襲的、上の写真のようではありません）、増幅されてコンピューターに送信されます。下の図は、頭の表面から脳から来る弱い電気信号を記録するシステムの例を示しています。
図： 5。ロシアの若い会社が開発した、脳の生体電気信号を読み取るための実験装置（左）とその実験室以外の「アナログ」VRヘルメットと組み合わせる（右）。写真では、電極がピンク色で強調表示されています。
あなたの多くはおそらく、さまざまな場所から来て、脳波計で箱に接続されているたくさんのワイヤーを備えたこれらの贅沢な外観の帽子を見たことがあるでしょう。しかし、現在、そのようなデバイスからユーザーフレンドリーな消費者向けアベレージインターフェースへの移行に関連する方向性が活発に開発されていることを誰もが知っているわけではなく、多くの外国およびロシアの企業が、脳活動を測定するために幅広い聴衆が使用するのに便利なデバイスを開発しています。 ..。
脳の信号に戻りましょう。彼らはどれくらい強いですか？それらをどのように使用できますか？
生のセンサー信号は、ノイズが多く、複雑で、非定常で、大きくなります。したがって、それらは一次処理のプロセスを経ます-フィルタリングを含む前処理、その後、それらは個々の成分の抽出に適しており、さらに制御信号として使用することができます。センサーの読み取り値を処理するために、さまざまな機械学習方法が使用されます。このようなメソッドは通常、アルゴリズムをトレーニングするために一定量のデータを必要とします。それらは前処理され、何が書き込まれるかを理解するために手動のマークアップが行われ、特殊なラベルによって特定のクラスに割り当てられる可能性があります。
このデータと対応するラベルに基づいて、アルゴリズムは読み取られている新しい情報のパターンを見つけて分類することを学習します。新しいデータポイントがどのクラスに属するかを予測するための予測モデルを構築します。
図：6。最新のコンピューター手法を使用しない信号分類。
パターンの制御と強調表示は明確です。教育でどのように使用しますか？
従来のBCI（Brain-computer interfaces）は、アルゴリズムによっていくつかのクラスに分けられた脳の活動を使用して、コンピューターと通信したり、コンピューターを制御したりすることを可能にします。後でニューロインターフェースを変更することで、ユーザー自身に関する情報を効果的に抽出し（もちろん、ユーザーの同意を得て、注意を払う必要はありません）、ユーザーの精神状態（認知負荷、感情状態、注意レベルなど）を評価できます。 /警戒）。
このように、BCIとコンピューターの助けを借りて、ユーザーに役立つ脳の機能に関する情報を提示することで、モニタリングとフィードバックを実行することが可能になります。さらに、ニューロインターフェースはリアルタイムを含む認知プロセスの評価を可能にするため、BCIを使用すると、（従来の適応学習システムの基礎となる間接的な方法と比較して）より狡猾で正確な生徒の状態の暗黙的な追跡を実装でき、それによってより良い適応に貢献します。教育プロセスの成功を向上させるための教育コンテンツ。
さまざまな科学者グループによって行われた認知負荷の測定を目的とした多くの研究は、EEGを使用して認知負荷の量を測定する方法を繰り返し実証しています。
図： 7.中国の学校でのBrainCo会社の実験。学校での学生の集中を追跡するデバイス。中国は学習効果に積極的に関心を持っています。
このトピックは別のレビューに値します。ここで、EEGフィードバックの主なパラメータは、通常、潜在的なイベントまたは特定の振動（リズム）に関連する振幅の変化であり、たとえば、算術問題を解決する際の特定の周波数範囲での信号電力の変化として、注意（集中）またはそれどころか、リラクゼーション。
EEGで抽出および分類された同様のワークロードの影響は、BCIによって検出され、学習環境を適応させるために使用できます。
それで、これはテクノロジーですか？使ってみませんか？
-ええ、はい、はい。試してみましょう...
人工知能の現在の進歩、神経信号を使用した強化学習、脳とコンピューターのインターフェース技術を組み合わせることで、学習者の脳の機能をよりよく理解できるようになり、効果的なパーソナライズされた学習のための適応型液浸コンピューター環境を構築する際に個々のメトリックを使用できます。
現在活発に開発されているニューロコンピューターインターフェースの使用は、パーソナライズされた学習を新しいレベルに引き上げ、教育プロセスの質、効率、およびその楽しみを向上させ、適応学習の従来のアプローチを大幅に改善する可能性があります。
もちろん、すべてのニューラルインターフェイスで実際に上記の操作を実行できるわけではありませんが、実際に機能するデバイスはすでに市場に積極的に登場しています。
そのようなデバイスを自分で試してみたい場合は、コメントで教えてください。