فهرست مطالب

پژوهشگران دانشگاه پلی‌تکنیک و دانشگاه شانزی چین در پژوهشی مشترک به بررسی الگوهای مرتبط با یادگیری هیجانی بر پایه نقشه موار مغزی EEG کمی پرداختند.

???اهم یافته‌های این پژوهش مروری به شرح زیرند:

۱٫ یادگیری هیجانی (هیجان‌محور) شیوه‌ای بسیار نیرومند برای تحکیم حافظه و افزایش یادگیری است.

۲٫ مدل‎‌های هیجانی به دو بخش هیجانات عمومی و هیجانات حاصل از یادگیری تقسیم می‌شوند:

هیجانات عمومی شامل مدل هیجانات مجزا (همچون مدل هیجانات پایه ۶گانه اکمن) و مدل ابعادی (VA و PAS) هستند.

هیجانات حاصل از یادگیری شامل مدل‌های مبتنی بر فعالیت‌های یادگیری، جلسات یادگیری، پردازش‌های یادگیری، مدل ساختاری، و محیط یادگیری هستند.

۳٫ روش‌های سنجش هیجان حاصل از یادگیری به دو بعد ذهنی(فاعلی) و عینی تقسیم می‌شوند:

روش‌های ذهنی شامل پرسشنامه‌های خودسنجی، و گزارش مشاهده‌گر هستند.

روش‌های عینی شامل مقیاس‌های جسمی (ابراز چهره، حالت‌های بدنی، صدا و نحوه بیان، حرکات چشم و زل زدن)، تعاملات (سرعت نوشتن، تکالیف تحلیل معنایی)، و مقیاس‌های عملکردی (امتیازات، مدت زمان اجرای تکالیف) هستند.

۴٫ روش‌های سنجش هیجانات توسط نوار مغزی (EEG) را می توان بعنوان روش‌های عینی محسوب نمود و میزان دقت آن بستگی به میزان دقت ابزار سنجش (سخت افزار) و میزان دقت برنامه‌های محاسباتی و تفسیری آن (نرم افزار) دارد.

۵٫ کاربرد EEG در روش‌های القای هیجانی برای شناخت ساختارهای مغزی دخیل در هیجانات بعنوان روشی مطلوب محسوب می‌شوند؛ علی الخصوص که QEEG امکان اندازه‌گیری‌های مکرر متوالی را پیش، حین، و پس از القای هیجان مقدور می‌سازد.

۶٫ یادگیری هیجانی بویژه در مراکز آموزشی برای بهبود عملکرد یادگیرندگان (دانش‌آموزان، دانشجویان، کاربران، و …) بسیار مهم است.

۷٫ در صورتی که مراکز آموزشی از متخصصان QEEG به همراه تکنولوژی نرم افزاری و سخت افزاری بالا استفاده نمایند، در کنار تولید نیم‌رخ‌های گروهی دانش‌آموزان و دانشجویان، می‌توان نیم‌رخ‌های فردی هرکدام را نیز محاسبه نموده و به این ترتیب افزایش حداکثری را در یادگیری و فراگیری مطالب جدید به ارمغان آورد.

Learning Emotions EEG-based Recognition and Brain Activity: A Survey Study on BCI for Intelligent Tutoring System

Abstract

Learners experience emotions in a variety of valence and arousal in learning, which impacts the cognitive process and the success of learning. Learning emotions research has a wide range of benefits from improving learning outcomes and experience in Intelligent Tutoring System (ITS), as well as increasing operation and work productivity.

This survey reviews techniques that have been used to measure emotions and theories for modeling emotions. It investigates EEG-based Brain-Computer Interaction (BCI) of general and learning emotion recognition. The induction methods of learning emotions and related issues are also included and discussed. The survey concludes with challenges for further learning emotion research.