انتشار این مقاله


بیوفیدبک و یادگیری ماشینی در سال ۲۰۱۹ به کمک مغز می‌آیند

دانش‌آموزان در سال ۲۰۱۹ قادر خواهند بود به کمک ابزار پس‌خوراند زیستی یا بیوفیدبک توانایی یادگیری خود را تا دو برابر تقویت نمایند.

دانش‌آموزان در سال ۲۰۱۹ قادر خواهند بود به کمک ابزار پس‌خوراند زیستی یا بیوفیدبک (biofeedback) توانایی یادگیری خود را تا دو برابر تقویت نمایند. این ابزار، که خیلی‌هایمان آرزویش را داشتیم، کیفیت عملکرد مغز در ذخیره‌سازی اطلاعات دریافت شده را تعیین کرده و به دانش‌آموزان نشان می‌دهد کی باید درس بخوانند و کی به استراحت بپردازند.

یادگیری از طریق چندین فرآیند در مغز انجام می‌شود. اطلاعاتی که همه‌روزه از محیط اطراف‌مان دریافت می‌کنیم، به کمک تغییر سیناپس‌های بین سلول‌های عصبی و اضافه شدن سیناپس‌های جدید بین بخش‌های مختلف مغز انتقال پیدا کرده و در نهایت آموخته می‌شود. زمانی که مغز اطلاعات جدیدی را دریافت می‌کند، مجموعۀ جدیدی از سلول‌های عصبی را به کار در می‌آورد؛ این در حالی است که هم‌زمان، جهت فراخوانی شدن اطلاعات از پیش آموخته شده، مجموعه‌های نورونی دیگری نیز باید به کار بیفتند، و مغز این را به خوبی انجام می‌دهد.

از آن‌جایی که سلول‌های عصبی پا به پای هم‌دیگر کار می‌کنند، لازم است با یک‌دیگر ارتباط داشته باشند. این ارتباطات بین سلولی برای آن که بتوانند اطلاعات جدید را در خود نگه دارند، باید تعدادشان افزایش پیدا کند. در صورتی که محرک خارجی از قدرت کافی برخوردار باشد، اتصال‌گاه‌ها یا سیناپس‌های جدیدی بین سلول‌های عصبی تشکیل شده، و سیناپس‌های قدیمی‌تر نیز تقویت می‌شوند. اما اگر محرک اثربخشی قابل توجهی نداشته باشد، این سیناپس‌ها حذف گردیده و اطلاعات دریافت شده نیز به فراموشی سپرده می‌شود.


مقاله مرتبط: با یک راهکار ساده می‌توان سرعت یادگیری را دو برابر کرد


هم‌اکنون و در سال ۲۰۱۹، ما توانایی این را داریم که فرآیند تشکیل و حذف سیناپس‌ها را به صورت بلادرنگ مشاهده کنیم. به کمک یادگیری ماشینی و ابزار مبتنی بر الکتروانسفالوگرام یا نوار مغزی (EEG)، ما قادر خواهیم بود داده‌های مربوط به امواج مغز را تحت نظارت قرار داده، و کنترل وضعیت‌های روانی، نظیر توجه و سطح تأثیرپذیری، را به دست بگیریم.

شاید باورنکردی به نظر برسد، اما این فناوری هم‌اکنون با هدف بهبود میزان توجه دانش‌آموزان به کار گرفته شده است. Glow Master نام فناوری جدیدی است که در استارتاپ Playto هنگ‌کنگ معرفی شد. این فناوری قرار است به کمک حسگرهای امواج مغز و بازی‌های ویدیویی، تمرکز کودکان را ارتقا دهد.

شرکت آمریکایی نوروپلاس (NeuroPlus) نیز به تازگی پلتفرم جدیدی به همین نام معرفی کرده، که در نظر دارد با ادغام بازی‌های ویدیویی و فناوری ثبت امواج مغز، به کودکان مبتلا به اختلال کم‌توجهی – بیش‌فعالی کمک کند تا بتوانند سطح توجه و خویشتن‌داری خود را بالاتر ببرند.

در سوی دیگر، شرکت نورواسکای (NeuroSky) را داریم که با طراحی یک هدست ویژه در کنار یک رابط کاربری منحصر به فرد به نام Effective Learner، در این مسیر قدم بگذارد. این اپلیکیشن با استفاده از رنگ‌ها و ایموجی‌های متفاوت، به کاربر نشان می‌دهد که میزان توجه وی در هر لحظۀ معین، تا چه حد کارآمد است. نورواسکای برای دست‌یابی به این هدف، علاوه بر یک الگوریتم تعیین توجه، از یک الگوریتم ویژه نیز به منظور سنجش میزان تأثیرپذیری بهره برده است. این الگوریتم تعیین می‌کند که هر محرک تا چه حدی می‌تواند بر روی مغز کاربر اثر داشته باشد. در صورتی که Effective Learner سطح توجه کاربر را بالا ارزیابی کند، او مجاز به ادامۀ مطالعه خواهد بود. در صورتی که میزان توجه از حد معینی پایین‌تر باشد، زمان استراحت فرا رسیده و دانش‌آموز باید از کتاب فاصله بگیرد.


مقاله مرتبط: اتصال مغز انسان به اینترنت


علاوه بر موارد بالا، بیوفیدبک در حل مشکلاتی که بسیار دشوار به نظر می‌رسند نیز می‌تواند به ما کمک کند. بیوفیدبک به دانش‌آموزان یاد می‌دهد که گسترۀ اندیشۀ خود را وسیع‌تر سازند. مطالعات نشان داده‌اند که بهترین روش مقابله با مشکلات به ظاهر دشوار این است که مدت زمانی را صرف براندازی عمیق آن کنیم، سپس در ادامه زمانی را به استراحت و فراغت از موضوع مورد بحث اختصاص دهیم تا خلاقیت مجالی برای بروز پیدا کند.

فنلاند یکی از اولین کشورهایی است که اثربخشی فناوری بیوفیدبک را در کارآزمایی‌های بالینی ارزیابی نموده است. متخصصان حوزۀ آموزش در فنلاند با استفاده از اپلیکیشنی به نام Study Train، مطالعه‌ای بر روی دانش‌آموزان انجام داده‌اند. اپلیکیشن مذکور به کمک تکنیک مدیریت زمان پومودورو و ضرب‌آهنگ‌های آموزشی اختصاصی برای هر کاربر، میزان بهره‌وری دانش‌آموز در یادگیری را تعیین کرده و مشخص می‌کند باید چه زمانی به مطالعه و استراحت بپردازد. Study Train هم‌اکنون در کشورهای چین، مالزی، تایوان و فنلاند، در اختیار دانش‌آموزان قرار گرفته است.

ما از مدت‌ها قبل می‌دانستیم که مغز گاهی اوقات در نگه‌داری اطلاعات و حل مسائل مختلف به چالش کشیده می‌شود. از این پس به کمک EEG و یادگیری ماشینی، دیگر می‌توانیم زمان به چالش کشیده شدن مغز را تشخیص داده و با کنترل صحیح آن، یادگیری بهتر را برای دانش‌آموزان امکان‌پذیر نماییم.

میلاد شیرولیلو


نمایش دیدگاه ها (0)
دیدگاهتان را بنویسید