腦電波能反映個(gè)體在知覺(jué)認(rèn)知、情緒情感、行為技能上的變化,因而用于對(duì)其進(jìn)行監(jiān)測(cè)和記錄的腦電圖技術(shù)在教育研究中極具價(jià)值。分析1154篇國(guó)際研究文獻(xiàn)的共被引聚類時(shí)間線圖譜后發(fā)現(xiàn),除用以實(shí)現(xiàn)腦機(jī)接口外,腦電圖技術(shù)主要被用于識(shí)別學(xué)生在學(xué)習(xí)活動(dòng)中的情感和情緒,輔助學(xué)生自主調(diào)節(jié)大腦活動(dòng),監(jiān)測(cè)動(dòng)作技能的習(xí)得過(guò)程及狀態(tài),預(yù)測(cè)和干預(yù)學(xué)生的學(xué)習(xí)狀況,評(píng)估學(xué)習(xí)專注程度和學(xué)習(xí)深度,監(jiān)控注意力以促進(jìn)聯(lián)想學(xué)習(xí)。國(guó)家（地區(qū)）分布圖譜顯示,美中兩國(guó)對(duì)該研究領(lǐng)域的貢獻(xiàn)相對(duì)較大,其余國(guó)家（地區(qū)）的文獻(xiàn)分布較為分散。突現(xiàn)詞分析結(jié)果表明,基于腦電圖技術(shù)的教育研究呈現(xiàn)出三大趨勢(shì):一是運(yùn)用該技術(shù)對(duì)學(xué)生的認(rèn)知風(fēng)格、學(xué)習(xí)投入和教師的教學(xué)質(zhì)量等進(jìn)行評(píng)估和預(yù)測(cè),二是對(duì)教育實(shí)驗(yàn)中自發(fā)性腦電波和事件相關(guān)電位等腦電波信號(hào)的采集精度進(jìn)行優(yōu)化,三是將腦電圖與人工智能、虛擬現(xiàn)實(shí)、眼動(dòng)追蹤等技術(shù)結(jié)合開(kāi)展教育科學(xué)研究。面向未來(lái),學(xué)界還需繼續(xù)探究如何將相關(guān)研究發(fā)現(xiàn)轉(zhuǎn)化為教學(xué)應(yīng)用,消減倫理障礙對(duì)腦電圖技術(shù)應(yīng)用于教育領(lǐng)域的掣肘,進(jìn)而完善教育神經(jīng)科學(xué)研究體系。 

【文章來(lái)源】：現(xiàn)代遠(yuǎn)程教育研究. 2020,32(04)北大核心CSSCI

【文章頁(yè)數(shù)】：12 頁(yè)

【部分圖文】：

2000-2019年文獻(xiàn)數(shù)量變化趨勢(shì)

文獻(xiàn)共被引分析是CiteSpace最重要的功能，其形成的可視化網(wǎng)絡(luò)聚類結(jié)構(gòu)可以幫助研究者通過(guò)圖譜中的關(guān)鍵節(jié)點(diǎn)、聚類及色彩來(lái)分析某個(gè)研究主題的演變（陳悅等，2015）。為探究EEG技術(shù)被用于教育研究的現(xiàn)狀，本研究利用CiteSpace進(jìn)行文獻(xiàn)共被引分析。具體方法是設(shè)置切片時(shí)長(zhǎng)（Years per Slice）為4年，網(wǎng)絡(luò)精簡(jiǎn)算法選擇Pathfinder，閾值為前50個(gè)高頻詞，聚類標(biāo)簽生成算法選擇LLR，所生成的聚類圖譜包含節(jié)點(diǎn)200個(gè)、連線566條。其Q值為0.7923（大于0.3），表明生成的圖譜網(wǎng)絡(luò)結(jié)構(gòu)顯著；S值為0.5188（大于0.5），表明其聚類結(jié)果合理。隨后利用CiteSpace的自動(dòng)選擇過(guò)濾功能，在隱藏較小聚類和無(wú)意義聚類后，最終獲得如圖2所示的6個(gè)主要研究主題聚類：情緒識(shí)別（Emotion Recognition）、大腦的自我調(diào)節(jié)（Self-Regulating Brain）、動(dòng)作技能習(xí)得（Motor Skill Acquisition）、深度學(xué)習(xí)（Deep Learning）、聯(lián)想學(xué)習(xí)（Associative Learning）和腦機(jī)接口（Brain-Computer Interface）。這6個(gè)聚類基本可以展現(xiàn)過(guò)去20年EEG技術(shù)在教育研究中的應(yīng)用狀況。(1）情緒識(shí)別

為進(jìn)一步分析應(yīng)用EEG技術(shù)的教育研究圖景，本研究采用合作網(wǎng)絡(luò)分析從國(guó)家（地區(qū)）和研究機(jī)構(gòu)兩個(gè)維度對(duì)樣本文獻(xiàn)進(jìn)行分析。在CiteSpace中設(shè)置切片時(shí)長(zhǎng)（Years per Slice）為1年，節(jié)點(diǎn)類型（Node Types）選擇國(guó)家（Country），獲得如圖3所示的國(guó)家（地區(qū)）分布圖譜。從圖3中可以看出，美國(guó)、中國(guó)、德國(guó)、英國(guó)、加拿大和日本所開(kāi)展的基于EEG技術(shù)的教育研究相對(duì)較多。對(duì)樣本文獻(xiàn)的研究機(jī)構(gòu)進(jìn)行統(tǒng)計(jì)后，發(fā)表論文數(shù)量不低于5篇的10個(gè)研究機(jī)構(gòu)（大學(xué)）如表1所示�？梢钥闯�，論文數(shù)量最多的是瑞士蘇黎世大學(xué)（14篇），其次為荷蘭拉德堡德大學(xué)（9篇）和美國(guó)加州大學(xué)圣地亞哥分校（9篇）。在這10個(gè)研究機(jī)構(gòu)（大學(xué)）中，美國(guó)和中國(guó)各占3所，這與上文對(duì)文獻(xiàn)來(lái)源國(guó)家（地區(qū)）的統(tǒng)計(jì)結(jié)果相符。值得關(guān)注的是，表1中我國(guó)的研究機(jī)構(gòu)（大學(xué)）均位于上海市，分別是上�？萍即髮W(xué)、華東師范大學(xué)和華東理工大學(xué)。進(jìn)一步對(duì)這10所研究機(jī)構(gòu)（大學(xué)）的相關(guān)文獻(xiàn)進(jìn)行分析后發(fā)現(xiàn)，其研究主要集中在三個(gè)方面：一是EEG和腦機(jī)接口的技術(shù)創(chuàng)新及其在教育研究中的應(yīng)用，涉及紐約大學(xué)和上海科技大學(xué)；二是EEG技術(shù)在教育教學(xué)實(shí)踐中的情景化應(yīng)用，涉及華東師范大學(xué)的教育學(xué)部和心理與認(rèn)知科學(xué)學(xué)院；三是從腦科學(xué)、認(rèn)知神經(jīng)科學(xué)、人類行為學(xué)等視角，應(yīng)用EEG技術(shù)探究人的思維、認(rèn)知、學(xué)習(xí)與大腦間關(guān)系，如荷蘭拉德堡德大學(xué)的唐德斯大腦、認(rèn)知及行為研究所（Donders Institute for Brain,Cognition and Behaviour）。

【參考文獻(xiàn)】：
期刊論文
[1]人工智能視域下的學(xué)習(xí)參與度識(shí)別方法研究——基于一項(xiàng)多模態(tài)數(shù)據(jù)融合的深度學(xué)習(xí)實(shí)驗(yàn)分析[J]. 曹曉明,張永和,潘萌,朱姍,閆海亮.  遠(yuǎn)程教育雜志. 2019(01)
[2]學(xué)習(xí)科學(xué)視角下深度學(xué)習(xí)的多模態(tài)研究[J]. 劉哲雨,郝曉鑫,王紅,吳立寶.  現(xiàn)代教育技術(shù). 2018(03)
[3]深度學(xué)習(xí)技術(shù)教育應(yīng)用:現(xiàn)狀和前景[J]. 劉勇,李青,于翠波.  開(kāi)放教育研究. 2017(05)
[4]CiteSpace知識(shí)圖譜的方法論功能[J]. 陳悅,陳超美,劉則淵,胡志剛,王賢文.  科學(xué)學(xué)研究. 2015(02)



本文編號(hào)：3138904