ERUDITE：用于自适应个性化学习系统的人在环路物联网

得益于可穿戴技术的快速增长以及机器学习和信号处理的近期进展，监测复杂人类情境变得可行，这为开发自然演进以自主适应人类和环境状态的人在环路物联网系统铺平了道路。然而，设计许多此类物联网系统的核心挑战源于推断人类心理状态（如意图、压力、认知负荷或学习能力）的需求。虽然不同的情境可从与特定心理状态相关的不同传感器模态融合中推断，但人脑提供了更丰富的传感器模态，让我们对所需人类情境有更深入的洞察。本文提出 ERUDITE，一种用于学习环境的人在环路物联网系统，其利用近期可穿戴神经技术来解码脑信号。通过来自概念学习理论的洞察，ERUDITE 可以推断人类学习状态并理解人类学习何时增强或衰退。通过将人类学习量化为输入感官信号，ERUDITE 能在学习环境中向人类提供充分的个性化反馈以提升其学习体验。ERUDITE 在 $15$ 名参与者中进行了评估，结果表明，通过使用脑信号作为传感器模态来推断人类学习状态并对学习环境提供个性化适配，参与者的学习成绩平均提高了 $26\%$。此外，我们展示了 ERUDITE 可部署于基于边缘的原型以评估其实用性与可扩展性。