Komputerowe systemy neurodydaktyczne

Transkrypt

1 Bolesław Jaskuła Katedra Systemów Rozproszonych Wyższa Szkoła Informatyki i Zarządzania Rzeszów Komputerowe systemy neurodydaktyczne Wstęp Projektowanie dydaktycznych systemów komputerowych (DSK) wiąże się nierozerwalnie z dominującymi w danym okresie psychologiczno-pedagogicznymi teoriami nauczania-uczenia się. I tak, w okresie dominacji behawioryzmu DSK przyjmowały postać automatów generujących dydaktyczne bodźce i testujących, z góry założone w systemie, reakcje uczącego się. Projektanci systemów tego typu koncentrowali się przede wszystkim na wyniku procesu nauczania-uczenia się, czyli osiągnięciu określonej relacji na zadany bodziec, nie biorąc pod uwagę procesów, jakie do wyniku tego prowadziły. Sytuacja zdecydowanie uległa zmianie, kiedy miejsce behawioryzmu zajęły teorie kognitywistyczne. Teoria etapowego przetwarzania informacji (ang. stage theory) [Atkinson, Shiffrin, 1968], jak i powstałe w tym okresie, na jej bazie, teorie projektowania interakcji człowiek komputer, koncentrowały się przede wszystkim na analizie architektur poznawczych [Duch, Oentaryo, Pasquier, 2009], czyli strukturach mentalnych, w ramach których realizowane są procesy poznawcze uczącego się. W wyniku procesu nauczania-uczenia się uczniowie rozwijają swoje struktury poznawcze (umysł), reprezentowane przez projektantów DSK jako sieci semantyczne [Sowa, 2009]. Podstawą ich tworzenia stały się wyniki badań lingwistyki poznawczej. Trendy te nasiliły się wraz z pojawieniem się teorii konstruktywistycznych. Rozwiązań problemów w sferze modelowania dynamiki procesów modyfikacji starych struktur poznawczych pod wpływem nowych doświadczeń uczącego się zaczęto poszukiwać w obszarze teorii sieci złożonych [Newman, 2009]. Jednak nadal analiza dotyczyła tylko wyników kształcenia struktur poznawczych [Karpiński, 1983]. Próby akwizycji informacji dotyczących procesów nauczania-uczenia się na drodze introspekcji były utrudnione przez fakt niskiej samoświadomości badanych [Jack, Roepstorff, 2002], a poza tym wiele interesujących badaczy projektantów procesów należy do grupy zjawisk podświadomych [Siegler, Stern, 1998]. Sytuacja w tym zakresie skomplikowała się jeszcze bardziej, gdy w wyniku krytyki symbolistycznego podejścia do analizy procesów myślowych człowieka [Maturana, Varela, 1987], które charakteryzuje kognitywistyczne i konstruktywistyczne teorie, pojawiła się teoria koneksjonistyczna, zgodnie z którą procesy przetwarzania informacji mają charakter współbieżny (ang. parallel-distributed processing) [Rumelhart, McClelland, 1986]. Ciągle jednak nie rozwiązanym pozostawał problem pozyskiwania informacji na temat przebiegu procesów (nauczania-uczenia się) w wyniku, których powstają struktury poznawcze uczącego się (wyniki kształcenia). Próby modelowania tych procesów przy pomocy sieci neuronowych dają tylko przybliżone wyniki. Dlatego też pojawiła się 11

2 konieczność sięgnięcia w procesie eksploracji danych głębiej, poza umysł, do mózgu człowieka. 1. Neurodydaktyka obszar nowych zastosowań komputera w edukacji Neurodydaktykę możemy zdefiniować jako interdyscyplinarną dziedzinę badawczą, korzystającą z osiągnięć takich nauk, jak dydaktyka, neurobiologia, psychologia poznawcza, informatyka i jeszcze kilku innych, której obiektem są mechanizmy procesu nauczania uczenia się postrzegane przez pryzmat relacji umysł mózg. W świetle klasycznego, monistycznego podejścia do problemu umysł mózg [Trąbka, 1991], te dwie struktury postrzegane są jako ta sama rzecz, ale opisywana w dwóch różnych aspektach. Umysł, będący obiektem zainteresowania m.in. psychologii poznawczej, to abstrakcyjna i rozproszona struktura będąca wynikiem (produktem) funkcjonowania mózgu. Jest emergentnym tworem, będącym wynikiem interakcji zachodzących pomiędzy miliardami neuronów, które to interakcje są obiektem zainteresowań neurobiologii. Tak więc aktywność poznawczą, a więc i procesy uczenia się traktować należy jak aktywność mózgu. W związku z powyższym nie umysł produkt procesu nauczania uczenia, ale aktywność mózgu procesy nauczania-uczenia się powinny stać się obiektem zainteresowania dydaktyki. Pojawia się jednak pewna trudność. Nauczanie i uczenie się są rodzajami działań, celowych i świadomych [Kojs, 1994]. Świadomość w tym przypadku ma istotne znaczenie szczególnie w odniesieniu do procesów kontroli i samokontroli. Niestety, jak już wspomniano, procesy realizowane przez mózg leżą poza świadomą kontrolą uczącego się. Jednym z zadań stojących przed neurodydaktyką jest badanie i określenie możliwości kontrolowania procesów realizowanych przez mózg oraz jego znaczenia dla wzrostu efektywności procesu dydaktycznego. Wynikiem i próbą praktycznego zastosowania dotychczasowych osiągnięć neurodydaktyki są komputerowe systemy neurodydaktyczne (KSN), które z punktu widzenia form organizacji procesu dydaktycznego podzielić możemy na systemy stosowane w procesie kształcenia i samokształcenia. W pierwszym przypadku KSN pełni rolę urządzenia monitorującego i wizualizującego stany mózgu ucznia w czasie realizacji procesu dydaktycznego (np. rozwiązywania zadania). Na podstawie tych danych nauczyciel w czasie rzeczywistym podejmuje adekwatne działania korygujące wysiłki poznawcze ucznia, uzyskując od komputera, w wyniku sprzężenia zwrotnego, informacje o poprawności (lub nie) podjętych działań w postaci zmian fal mózgowych w oczekiwanym (lub nie) kierunku. W drugim przypadku KSN umożliwia dwa tryby pracy: w trybie neurofeedback u pośredniego, w trybie neurofeedback u bezpośredniego. W pierwszym przypadku system monitoruje stany mózgu uczącego się, bez ich wizualizacji (istotna różnica w odniesieniu do klasycznego neurofeedback u). W przypadku odchylania się sygnału od zadanego wzorca system autonomicznie podejmuje działania modyfikujące środowisko nauczania-uczenia się (np. zmiana charakteru prezentowanych treści kształcenia) w celu jego skorygowania. W drugim przypadku, mamy do czynienia z sytuacją, kiedy uczeń, w oparciu o zadany wzorzec fal mózgowych, np. rozwiązywania danego zadania, poprzez modyfikację swoich działań mentalnych i obserwację aktualnego 12

3 stanu mózgu (wizualizacja fal mózgowych) ma doprowadzić do momentu, kiedy kształt fal generowanych przez jego mózg zbliży się do wzorcowych. Osiągnięcie tego stanu sygnalizowane jest przez system. Użycie jednego lub drugiego trybu uzależnione jest od doświadczeń (poziomu świadomości), jakie jednostka posiada w zakresie stosowania mechanizmu neurofeedback u jako metody wspomagającej procesy nauczania uczenia się. 2. Neurofeedback jako podstawowy mechanizm działania KSN Neuralne sprzężnie zwrotne (ang. neurofeedback) należy do szerszej kategorii tego typu mechanizmów określanych mianem biologicznych sprzężeń zwrotnych (ang. biofeedback) i obejmuje zagadnienia monitorowania i kontroli neuralnych poziomów aktywności mózgu, np. poprzez analizę właściwości sygnału EEG. Rytmy EEG fal mózgowych analizowane są w zakresie częstotliwości Hz oraz amplitudy µv. Wyniki analiz wskazują na istotne różnice w ich przebiegu w zależności od stanu pobudzenia mózgu. I tak, w czasie odpoczynku przebiegi przybierają postać fal alfa (8-13 Hz), podczas gdy w czasie mentalnej lub fizycznej aktywności ich częstotliwości wzrasta (14-30 Hz, fala beta). W czasie snu rytm fal mózgowych spada, a częstotliwość fali delta wynosi Hz. Zmiany przebiegów fal mózgowych znajdują swoje odzwierciedlenie w realizowanych przez człowieka procesach i funkcjach poznawczych. Np. przebiegi fali theta (4-7 Hz) kojarzone są z procesami pamięciowymi, natomiast alfa (ok. 40 Hz) z uwagą i procesami przetwarzania informacji. Także zmiany częstotliwości fali beta (14-30 Hz) i gamma (ok. 40 Hz) postrzegane są jako wskaźniki realizacji różnych funkcji poznawczych [Educational Research, 2009]. Tak więc zmiany przebiegów fal mózgowych w zakresach różnych częstotliwości mogą być postrzegane jako wskaźnik stopnia aktywizacji określonych funkcji i procesów poznawczych. Odkrycie tego typu zależności pozwoliło na zastosowanie mechanizmu neurofeedback u w procesie diagnozowania i leczenia defektów neuropsychologicznych (neurofeedback kliniczny) jak i rozwijania zdolności poznawczych dzieci zdrowych charakteryzujących się normalnymi przebiegami sygnałów EEG (neurofeedback dydaktyczny). Jednym z podstawowych założeń, a jednocześnie warunkiem efektywnego stosowania neurofeedback u w obydwu przypadkach jest umożliwienie osobie korzystającej z tego mechanizmu uczenia się kontrolowania stanów własnego mózgu. Spełnienie tego warunku, byłoby niemożliwe bez zastosowania techniki komputerowej, a w szczególności jednego z elementów systemów komputerowych, jakim jest interfejs mózg komputer. 3. Interfejs mózg komputer jako zasadniczy element struktury KSN Współczesny nurt badań nad interfejsami mózg komputer (ang. BCI-Brain Computer Interface) koncentruje się na rejestrowaniu fal mózgowych za pomocą technik elektroencefalograficznych EEG (ang. ElectroEncephaloGraph) [Lehtonen, 2009]. Z punktu widzenia sposobu pozyskiwania informacji o stanie pobudzenia mózgu rozróżniamy: techniki inwazyjne polegające na wszczepieniu elektrod bezpośrednio do mózgu i odczycie za ich pomocą poziomu aktywności bioelektrycznej neuronów, 13

4 techniki nieinwazyjne nie ingerujące bezpośrednio w mózg ludzki, ale wykorzystujące pomiar pola bioelektrycznego pojawiającego się w pobliżu czaszki. Ta właśnie idea leży u podstaw projektowania interfejsów w komputerowych systemach neurodydaktycznych. Na rys. 1 przedstawiono strukturę interfejsów mózg komputer. Neuro feedback Rys.1. Struktura interfejsu mózg komputer Po zakończeniu procesu akwizycji danych, przy pomocy aparatury do rejestracji sygnału EEG, zapis elektroencefalograficzny mózgu poddawany jest obróbce wstępnej, mającej na celu oczyszczenie sygnału z szumu wynikającego, np. z ruchu gałek ocznych czy też napinania mięśni twarzy. Następnie w procesie ekstrakcji cech wydobywane są, interesujące z punktu widzenia bodźców pobudzających, sygnały (potencjały) mózgowe, które przetworzone w procesie klasyfikacji (najczęściej przy pomocy sieci neuronowych) stanowią podstawę do generowania sygnałów na urządzenie wyjścia. W komputerowych systemach neurodydaktycznych urządzeniem wyjścia jest monitor, na którym w zależności od rozpatrywanego typu systemu mogą pojawić się: przetworzony wykres aktywności mózgu ucznia, treści dydaktyczne mające na celu zaktywizowanie procesów poznawczych ucznia itp. Przed rozpoczęciem użytkowania system musi zostać poddany procesowi uczenia się, aby mógł poprawnie klasyfikować cechy sygnału EEG, wydobyte na etapie ekstrakcji. Zakończenie Zastosowanie w edukacji systemów komputerowych wykorzystujących interfejs mózg komputer może rozszerzyć możliwości dydaktyczne klasycznego kształcenia. Poza tym systemy tego typu mogą być przydatne w badaniu efektywności teorii dydaktycznych, a w szczególności stosowanych w praktyce metod i środków kształcenia. Dzięki ich zastosowaniu możliwe stanie się także, poprzez monitorowanie aktywności bioelektrycznej mózgu, kontrolowanie procesów nauczania-uczenia się w czasie rzeczywistym, co ma istotne znaczenie z punktu efektywności tego procesu biorąc pod uwagę jego dynamikę. 14

5 Jednak realizacji powyższych założeń w odniesieniu do stosowania KSN w praktyce zależeć będzie od wyników działań w trzech kluczowych obszarach: kształcenia nauczycieli w zakresie neuropsychologii, a przede wszystkim neurofeedback u jako metody nauczania-uczenia się, badań w zakresie korelacji pomiędzy stanami mózgu, a bodźcami poznawczymi, które je wywołują, badań w zakresie poszukiwania zależności pomiędzy stanami mózgu, a charakterem działań dydaktycznych nauczyciela oraz materiałów dydaktycznych, rozpatrywanym z punktu widzenia pożądanych procesów poznawczych. Literatura Atkinson R., Shiffrin R.: Human memory: A proposed system and its control processes. In K. Spence & J Spence (Eds.). The psychology of learning and motivation: Advances in research and theory (Vol. 2). Academic Press, New York 1968 Duch W., Oentaryo R.J., Pasquier M.: Cognitive Architectures: Where Do We Go from Here? Educational Research and Neurosciences Expectations, Evidence, Research Prospects, Education Reform Volume Jack A. I., Roepstorff A.: Introspection and cognitive brain mapping: From stimulusresponse to script-report. Trends in Cognitive Sciences 2002, nr 6, s Karpiński W.: Struktury poznawcze uczniów a wyniki nauczania. PWN, Warszawa 1983 Kojs W.: Działanie jako kategoria dydaktyczna. Wydaw. Uniwersytetu Śląskiego, Katowice 1994 Lehtonen J.: EEG based Brain Computer Interfaces. Maturana U., Varela F.: The Tree of Knowledge: the Biological Roots of Human Understanding. Shambala, Boston 1987 Newman M. E.: The structure and function of complex networks. Rumelhart D., McClelland J. (Eds.). Parallel distributed processing: Explorations in the microstructure of cognition. MIT Press, Cambridge 1986 Siegler R. S., Stern E.: Conscious and unconscious strategy discoveries: A microgenetic analysis. Journal of Experimental Psychology General 1998, nr 127, s Sowa J. F.: Semantic networks. Trąbka J.: Mózg i jego jaźń. Wydaw. Uniwersytetu Jagiellońskiego, Kraków