/ en / Traditional / help

Beats Biblionetz - Texte

Brain-Computer Interfaces for Educational Applications

Martin Spüler, Tanja Krumpe, Carina Walter, Christian Scharinger, Wolfgang Rosenstiel, Peter Gerjets
Zu finden in: Informational Environments (Seite 177 bis 201), 2017 local web 
Erste Seite des Textes (PDF-Thumbnail)
Diese Seite wurde seit 6 Jahren inhaltlich nicht mehr aktualisiert. Unter Umständen ist sie nicht mehr aktuell.

iconZusammenfassungen

Informational EnvironmentsChapter 8 (Spüler et al., 2017) reports on the use of adaptive brain-computer interfaces in learning contexts. These interfaces try to assess the mental workload of a learner during task performance through online measurement of brain activity (electroencephalography). On the basis of these “neural signatures,” the system then automatically adapts the difficulty level of arithmetic exercises to the assessed mental workload. As these adaptations take place without the learner noticing them, the brain-computer interfaces described in this chapter provide a nice example of directive adaptivity.
Von Jürgen Buder, Friedrich W. Hesse im Buch Informational Environments (2017) im Text Informational Environments
Informational EnvironmentsIn this chapter, we present recent developments to utilize Brain-Computer Interface (BCI) technology in an educational context. As the current workload of a learner is a crucial factor for successful learning and should be held in an optimal range, we aimed at identifying the user´s workload by recording neural signals with electroencephalography (EEG). We describe initial studies that identified potential confounds when utilizing BCIs in such a scenario. Taking into account these results, we could show in a follow-up study that EEG could successfully be used to predict workload in students solving arithmetic exercises with increasing difficulty. Based on the obtained prediction model, we developed a digital learning environment that detects the user´s workload by EEG and automatically adapts the difficulty of the presented exercises to hold the learner´s workload level in an optimal range. Beside estimating workload based on EEG recordings, we also show that different executive functions can be detected and discriminated between based on their neural signatures. These findings could be used for a more specific adaptation of complex learning environments. Based on the existing literature and the results presented in this chapter, we discuss the methodological and theoretical prospects and pitfalls of this approach and outline further possible applications of BCI technology in an educational context.
Von Martin Spüler, Tanja Krumpe, Carina Walter, Christian Scharinger, Wolfgang Rosenstiel, Peter Gerjets im Buch Informational Environments (2017) im Text Brain-Computer Interfaces for Educational Applications

iconDieses Kapitel erwähnt ...

iconAnderswo finden

icon

iconVolltext dieses Dokuments

Auf dem WWW Brain-Computer Interfaces for Educational Applications: Artikel als Volltext bei Springerlink (lokal: PDF, 206 kByte; WWW: Link OK )

iconAnderswo suchen  Auch im Biblionetz finden Sie nicht alles. Aus diesem Grund bietet das Biblionetz bereits ausgefüllte Suchformulare für verschiedene Suchdienste an. Biblionetztreffer werden dabei ausgeschlossen.

iconBeat und dieses Kapitel

Beat hat Dieses Kapitel während seiner Zeit am Institut für Medien und Schule (IMS) ins Biblionetz aufgenommen. Er hat Dieses Kapitel einmalig erfasst und bisher nicht mehr bearbeitet. Beat besitzt kein physisches, aber ein digitales Exemplar. Eine digitale Version ist auf dem Internet verfügbar (s.o.). Aufgrund der wenigen Einträge im Biblionetz scheint er es nicht wirklich gelesen zu haben. Es gibt bisher auch nur wenige Objekte im Biblionetz, die dieses Werk zitieren.

iconBiblionetz-History Dies ist eine graphische Darstellung, wann wie viele Verweise von und zu diesem Objekt ins Biblionetz eingetragen wurden und wie oft die Seite abgerufen wurde.