Нейротехнологии как фактор трансформации образовательного процесса
DOI:
https://doi.org/10.52944/PORT.2021.47.4.007Keywords:
нейронауки, нейрообразование, нейротехнологии, онлайн-образование, нейроигры, хакатон, профессиональное образованиеAbstract
Изучение возможностей мозга для повышения качества обучения на- ходится в центре внимания педагогической науки уже много лет. Развитие цифро- визации позволило использовать в исследованиях специальное оборудование, с помощью которого можно оценивать и контролировать работу мозга, развивать умственные способности, познавательные функции и т. п. Нейротехнологии стали эф- фективным средством, позволяющим трансформировать образовательный процесс за счет подбора специального учебного контента с учетом индивидуальных особен- ностей обучающихся. Вместе с тем возникает необходимость в конкретизации терми- нологии и определении актуальных направлений исследований в данной области. Цель articles — попытка восполнить этот пробел с помощью репрезентативного ана- лиза публикаций, посвященных нейротехнологиям, а также сущности нейрообра- зования. Практическая ценность исследования состоит в апробации возможностей нейротехнологий для повышения вовлеченности обучающихся в учебный процесс. Используя формат хакатона, авторы articles привлекли студентов к разработке ней- роигры, нацеленной на тренировку навыков самоконтроля, развитие концентра- ции и «спокойствия» под нейрогарнитуру, которая, помимо измерения параметров, позволяет управлять игрой при помощи биологической обратной связи. Данный успешный кейс по вовлечению студентов в мир нейротехнологий может быть реа- лизован в других вузах, а также на предприятиях партнеров-работодателей.References
Дзятковская Е. Н. Нейродидактика: мифы и реальность // Методо-
логические ориентиры развития современной научно-дидактической
мысли: сб. науч. тр. Всерос. сетевой науч. конф. (21–29 ноября 2018 г.)
/ Сост. А. А. Мамченко. М.: Институт стратегии развития образования
РАО, 2018. С. 78–88.
Москвин В. А., Москвина Н. В. Нейропедагогика как новое направ-
ление образовательных технологий // Технологии образовательного про-
цесса. Оренбург: Изд-во ОГУ, 1997.
Anderson O. R., Love B. C., Tsai M. J. Neuroscience perspectives for science
and mathematics learning in technology-enhanced learning environments //
International Journal of Science and Mathematics Education. 2014. Vol. 12.
No. 3. P. 467–474.
Babiker A. et al. EEG in classroom: EMD features to detect situational
interest of students during learning // Multimedia Tools and Applications.
2019. Vol. 78. No. 12. P. 16261–16281. https://doi.org/10.1007/s11042-018-
7016-z
Bai L. et al. Emotional monitoring of learners based on EEG signal
recognition // Procedia Computer Science. 2020. Vol. 174. С. 364–368.
Bevilacqua D. et al. Brain-to-brain synchrony and learning outcomes
vary by student–teacher dynamics: Evidence from a real-world classroom
electroencephalography study // Journal of cognitive neuroscience. 2019. Vol.
No. 3. P. 401.411. https://doi.org/10.1162/jocn_a_01274
Brenninkmeijer J., Zwart H. From ЃehardЃfneuro-tools to ЃesoftЃfneuro-toys?
Refocussing the neuro-enhancement debate // Neuroethics. 2017. Vol. 10. No.
P. 337.348. https://doi.org/10.1007/s12152-016-9283-6
Candra H., Setyaningsih E, Pragantha J, Chai R. Enhancing studentЃfs
learning experience in the classroom using lighting stimulation // Enhancing
StudentЃfs Learning Experience in the Classroom Using Lighting Stimulation.
2019. Vol. 10. No. 7. P. 292.304. https://www.ijicc.net/images/vol10iss7/10706_
Candra_2019_E_R.pdf
Chen C.-M., Wu, C.-H. Effects of different video lecture types on sustained
attention, emotion, cognitive load, and learning performance // Computers &
Education. 2015. Vol. 80. P. 108.121.
Davidesco I. et al. Brain-to-brain synchrony between students and
teachers predicts learning outcomes [Preprint] // bioRxiv. 2019. 644047.
https://doi.org/10.1101/644047
Dekker S. et al. Neuromyths in education: Prevalence and predictors
of misconceptions among teachers // Frontiers in psychology. 2012. Vol. 3. P.
https://doi.org/10.3389/fpsyg.2012.00429
Denervaud, S et al. An fMRI study of error monitoring in Montessori
and traditionally-schooled children // NPJ Science of Learning. 2020. Vol. 5.
No. 11. https://doi.org/10.1038/s41539-020-0069-6
Dikker S. et al. Brain-to-brain synchrony tracks real-world dynamic
group interactions in the classroom // Current biology. 2017. Vol. 27. No. 9. P.
1375.1380. https://doi.org/10.1016/j.cub.2017.04.002
Eldenfria A., Al-Samarraie H. Towards an online continuous adaptation
mechanism (OCAM) for enhanced engagement: An EEG study // International
Journal of Human.Computer Interaction. 2019. Vol. 35. ‡‚. 20. P. 1960.1974.
http://dx.doi.org/10.1080/10447318.2019.1595303
Elmer S., Kuhnis J. Functional connectivity in the left dorsal stream
facilitates simultaneous language translation: An EEG study // Frontiers
in human neuroscience. 2016. Vol. 10. No. 60. https://doi.org/10.3389/
fnhum.2016.00060
Fonseca R. P. et al. The impact of age and education on phonemic and
semantic verbal fluency: Behavioral and fMRI correlates [Preprint] // bioRxiv.
2021. https://doi.org/10.1101/2021.01.14.426642
Ghergulescu I., Muntean C. H. ToTCompute: a novel EEGbased
TimeOnTask threshold computation mechanism for engagement
modelling and monitoring // International Journal of Artificial Intelligence
in Education. 2016. Vol. 26. No. 3. P. 821.854. https://doi.org/10.1007/
s40593-016-0111-2
Hames E., Baker, M. EEG-based comparisons of performance on a
mental rotation task between learning styles and gender// In Frontiers
in Education Conference. Oklahoma City: IEEE, 2013. P. 1176.1182. https://
doi.org/10.1109/FIE.2013.6685016
Henderson, J. M., Choi, W., Lowder, M. W., Ferreira, F. Language
structure in the brain: A fixation-related fMRI study of syntactic surprisal
in reading. // NeuroImage. 2016. Vol. 132. P. 293–300. https://doi.org/10.1016/j.
neuroimage.2016.02.050
Izquierdo V., Garrigues M. L. Neurocommunicative methodologies:
attention and emotion of the audiovisual story in the classroom //
Multidisciplinary Journal for Education, Social and technological sciences.
2019. Vol. 6. No. 1. P. 89–114. http://dx.doi.org/10.4995/muse.2019.10670
Khedher A. B. et al. Tracking students’ mental engagement using EEG
signals during an interaction with a virtual learning environment // Journal
of Intelligent Learning Systems and Applications. 2019. No. 11. P. 1–14. http://
dx.doi.org/10.4236/jilsa.2019.111001
Kim H. et al. A psychophysiological effect of indoor thermal condition
on college students’ learning performance through EEG measurement
// Building and Environment. 2020. Vol. 184. No. 107223. http://dx.doi.
org/10.1016/j.buildenv.2020.107223
Lai M. L. et al. A review of using eye-tracking technology in exploring
learning from 2000 to 2012 // Educational Research Review. 2013. Vol. 10. P.
90–115. https://doi.org/10.1016/j.edurev.2013.10.001
Lalancette H., Campbell S. R. Educational neuroscience: Neuroethical
considerations // International journal of environmental & science
education. 2012. Vol. 7. No. 1. Р. 37–52. https://www.researchgate.net/
publication/265110383_Educational_neuroscience_Neuroethical_
considerations
Makransky G., Terkildsen T. S., Mayer R. E. Role of subjective and
objective measures of cognitive processing during learning in explaining the
spatial contiguity effect // Learning and Instruction. 2019. Vol. 61. P. 23–34.
https://doi.org/10.1016/j.learninstruc.2018.12.001
Martinez T., Zhao Y. The impact of mindfulness training on middle
grades students’ office discipline referrals // RMLE online. 2018. Vol. 41. No. 3.
P. 1–8. http://dx.doi.org/10.1080/19404476.2018.1435840
Mollo G., Pulvermuller F., Hauk O. Movement priming of EEG/MEG
brain responses for action-words characterizes the link between language
and action // Cortex. 2016. Vol. 74. P. 262–276. https://doi.org/10.1016/j.
cortex.2015.10.021
Nandi A. et al. Real-time emotion classification using eeg data stream
in e-learning contexts // Sensors. 2021. Vol. 21. No. 5. 1589. https://doi.
org/10.1016/j.cortex.2015.10.021
Pi Z. et al. Learning by explaining to oneself and a peer enhances
learners’ theta and alpha oscillations while watching video lectures // British
Journal of Educational Technology. 2021. Vol. 52. No. 2. P. 659–679. http://
dx.doi.org/10.1111/bjet.13048
Popa L. et al. Reading beyond the glance: Eye tracking in neurosciences //
Neurological Sciences. 2015. Vol. 36. No. 5. P. 683–688. https://doi.org/10.1007/
s10072-015-2076-6
Richardson D. C., Spivey M. J. Eye tracking: Characteristics and methods
// Encyclopedia of biomaterials and biomedical engineering. 2004. P. 568–572.
http://dx.doi.org/10.1201/b18990-101
Sawangjai P. et al. Consumer grade EEG measuring sensors as research
tools: A review // IEEE Sensors Journal. 2019. Vol.20. No. 8. P.3996 — 4024.
https://doi.org/10.1109/JSEN.2019.2962874
Shavit-Cohen K., Zion Golumbic E. The dynamics of attention shifts
among concurrent speech in a naturalistic Multi-speaker virtual environment
// Frontiers in Human Neuroscience. 2019. Vol. 13. No. 386. https://doi.
org/10.3389/fnhum.2019.00386
Shen, L., Wang, M., & Shen, R. Affective e-learning: Using “emotional”
data to improve learning in pervasive learning environment //Journal
of Educational Technology & Society. 2009. Vol. 12. No. 2. P. 176–189. http://
www.jstor.org/stable/jeductechsoci.12.2.176
Stewart P. C. This is your brain on psychology wireless
electroencephalography technology in a university classroom //
Teaching of Psychology. 2015. Vol. 42. No. 3. P. 234–241. https://doi.
org/10.1177/0098628315587621
Weber K. et al. fMRI syntactic and lexical repetition effects reveal the
initial stages of learning a new language // Journal of neuroscience. 2016. Vol.
No. 26. P. 6872–6880. https://doi.org/10.1523/JNEUROSCI.3180-15.2016
Zhou Y. et al. Beyond engagement: an EEG-based methodology for
assessing user’s confusion in an educational game // Universal Access in the
Information Society. 2019. Vol. 18. No. 3. P. 551–563. https://doi.org/10.1007/
s10209-019-00678-7
