Підвищення ефективності навчання за допомогою нейрокомп'ютерного інтерфейсу

doi:10.26565/2225-7756-2022-72-05

Олена Ронжес Кафедра прикладної психології Харківського національного університету імені В. Н. Каразіна, м. Харків, Україна, https://orcid.org/0000-0003-3260-8996

DOI: https://doi.org/10.26565/2225-7756-2022-72-05

Ключові слова: нейрокомп'ютерний інтерфейс, транскраніальна електростимуляція, ефективність навчання, ЕЕГ, мультизадачність

Анотація

Мультізадачність стала великою проблемою для сучасного суспільства. Ефективність навчання не відповідає вимогам практики, бо неможливо навчити людину мультізадачності, тому що це упирається в об’єм оперативної пам’яті та природні особливості когнітивних процесів, які є у людини. Сучасне технологічне навантаження перевищує природні можливості людини. Одним із варіантів рішення цих проблем є розширення когнітивних можливостей людини за допомогою нейрокомп’ютерного інтерфейсу (НКІ). Метою статті є огляд сучасних можливостей використання НКІ, в тому числі, для цілей навчання. В статті розглядаються сучасні технології зчитування сигналів мозку та нервової системи людини та обирається оптимальна технологія для підвищення ефективності навчання дорослих завдяки НКІ. Методи дослідження: систематичний пошук, синтез, аналіз та узагальнення наукових даних. За ключовими словами у наукометрічних базах було знайдено 2328 матеріалів, з них 18 виявилися релевантними темі дослідження. В результаті було виявлено, що для підвищення ефективності навчання можна рекомендувати обрати використання психофізіологічного методу транскраніальної електростимуляції (ТЕС) в поєднанні з нейрокомп'ютерним інтерфейсом на базі методу електроенцефалографії (ЕЕГ), як один з неінвазивних методів впливу та отримання зворотного зв'язку завдяки НКІ, без відомих побічних ефектів впливу на когнитивні функції̈ та на особистість людини.

Завантаження

##plugins.generic.usageStats.noStats##

Посилання

References

Asieieva, Yu. (2020). Problem questions of cyber-addictions classification. Psychologia I osobististy, 2(18). http://psychpersonality.pnpu.edu.ua/article/view/211910 [in Ukrainian]

Balboa-Bandeira, Y., Zubiaurre-Elorza, L., Ibarretxe-Bilbao, N., Ojeda, N., Pena, J. (2021). Effects of transcranial electrical stimulation techniques on second and foreign language learning enhancement in healthy adults: A systematic review and meta-analysis. Neuropsychologia, 160. https://doi.org/10.1016/j.neuropsychologia.2021.107985

Baxter, B. S., Edelman, B. J., Sohrabpour, A., He, B. (2017). Anodal Direct Current Increases Bilateral Directed Connectivity during Motor-Imagery Based – Control. Frontiers in Neuroscience, 11. https://www.frontiersin.org/articles/10.3389/fnins.2017.00691/full

Browarska, N., Stach, T. (2018). System to Communicate Disabled People with Environment Using Brain-Computer Interfaces. Biomedical Engineering and Neueuroscience, 150-157. https://doi.org/10.1007/978-3-319-75025-5_14

Browarska, N., Stach, T., Kawala-Janik, A. (2018). Initial Study on Using Emotiv EPOC+. Neuroheadset as a Control Device for Picture Script-Based Communicators. IFAC-PapersOnLine, 51, 180-184. https://doi.org/10.1016/j.ifacol.2018.07.150

Gilula, M. F., Kirsch, D. L. (2005). Cranial Electrotherapy Stimulation Review: A Safer Alternative to Psychopharmaceuticals in the Treatment of Depression. Journal of Neureurotherapy, 9. https://doi.org/10.1300/J184v09n02_02 1

Jamil, N, Belkacem, AN, Ouhbi, S, Lakas, A. (2021) Noninvasive Electroencephalography Equipment for Assistive, Adaptive, and Rehabilitative Brain–Computer Interfaces: A Systematic Literature Review. Sensors. https://doi.org/10.3390/s21144754

Jiang, L., Stocco, A., Losey, D. M., Abernethy, J. A., Prat, C. S., Rao, R. P. N. (2019). BrainNet: A Multi-Person Brain-to-Brain Interface for Direct Collaboration Between Brains. https://arxiv.org/pdf/1809.08632.pdf

Kawala-Sterniuk, A, Browarska, N, Al-Bakri, A, Pelc, M, Zygarlicki, J, Sidikova, M, Martinek, R, Gorzelanczyk, EJ. (2021). Summary of over Fifty Years with Brain-Computer Interfaces – A Review. Brain Sciences. https://doi.org/10.3390/brainsci11010043

Kennedy, P. R., Bakay, R. A. E., Moore, M. M., Adams, K. and Goldwaithe, J. (2000). Direct control of a computer from the human central nervous system. IEEE Transactions on Rehabilitation Engineering, 8(2), 198-202. https://doi.org/10.1109/86.847815

Kloosterboer, E., Funke, K. (2019). Repetitive transcranial magnetic stimulation recovers cortical map plasticity induced by sensory deprivation due to deafferentiation. The Journal of Physiology 597/15. https://doi.org/10.1113/JP277507

Licklider, J. C. R. (1960). Man-Computer Symbiosis. IRE Transactions on Human Factors in Electronics, HFE-1. http://groups.csail.mit.edu/medg/people/psz/Licklider.html

Musk, E, Neuralink (2019). An Integrated Brain-Machine Interface Platform With Thousands of Channels. J Med Internet Res. https://www.jmir.org/2019/10/e16194

Nelson, J., McKinley, R. A., Phillips, C., McIntire, L., Coodyear, C., Kreiner, A., Monforton, L. (2016). The Effects of Transcranial Direct Current Stimulation (tDCS) on Multitasking Throughput Capacity. Frontiers in Human Neuroscence. https://doi.org/10.3389/fnhum.2016.00589

Pfaffinger, K.F., Reif, J.A.M., Huber, A.K. et al. Digitalisation anxiety: development and validation of a new scale. Discov Ment Health, 1, 3 (2021). https://doi.org/10.1007/s44192-021-00003-w

Reinhart, R., Nguyen, J. (2019). Working memory revived in older adults by synchronizing rhythmic brain circuits. Nature Neuroscience 22. https://doi.org/10.1038/s41593-019-0371-x

Taylor, S., Jaques, N, Nosakhare, E., Sano, A, Picard, R. (2020). Personalized Multitask Learning for Predicting Tomorrow's Mood, Stress, and Health. IEEE Transactions on Affective Computing, 11(2), 200-213. https://doi.org/10.1109/TAFFC.2017.2784832

Vlasenko, T., & Pozniak, M. (2020). Digitalisation in creative industry for skill development. Molodiy Vcheniy, 10 (86). https://doi.org/10.32839/2304-5809/2020-10-86-3 [in Ukrainian]