NeuroPilot：一种实时脑机接口系统以提升线上学习中的专注力
人机交互
2025-10-29 v2 机器学习
信号处理
神经元与认知
摘要
线上学习的普及为实时监测学生专注力提出了重大挑战。传统方法如问卷评估需要人工干预，网页摄像头监控无法提供关于学习者认知参与度的准确见解，因为仅凭屏幕凝视就容易被误判为专注。现有的 BCI 方法缺乏实时的验证和评估程序。为此，我们开发了一个基于非侵入性脑电图（EEG）头带（FocusCalm）的脑机接口（BCI）系统，用于记录专注状态和非专注状态下的脑波活动。每位 20 名参与者观看预录制的教育视频时收集了 20 分钟的数据。数据验证采用了一种新颖的视频内问卷评估方法。随后，对收集的信号进行分段（滑动窗口）、滤波（Butterworth 带通）和清洗（去除高幅度和 EOG 伪迹如眨眼）。提取了时间、频率、小波和统计特征，随后采用递归特征消除（RFE）配合支持向量机（SVM）进行注意力和非注意力状态的分类。离子-被试-留（LOSO）交叉验证准确率为 88.77%。该系统在检测到非注意力状态时提供反馈警报，并维持注意力轮廓日志。开展了一项 pilot 研究，以评估实时反馈的有效性。5 名参与者进行 10 分钟的 sessions，包括 5 分钟的基线阶段（无反馈），随后是 5 分钟的反馈阶段，在此期间若检测到参与者持续约 8 秒不专注则激活警报。配对 t 检验（t = 5.73, p = 0.007）表明，在反馈阶段期间的专注力具有统计学显著性改善。
引用
@article{arxiv.2510.20958,
title = {NeuroPilot: A Realtime Brain-Computer Interface system to enhance concentration of students in online learning},
author = {Asif Islam and Farhan Ishtiaque and Md. Muhyminul Haque and Farhana Sarker and Ravi Vaidyanathan and Khondaker A. Mamun},
journal= {arXiv preprint arXiv:2510.20958},
year = {2025}
}
备注
V2: Author list updated with consent from all authors. Minor grammatical errors fixed. This work has been submitted to the IEEE for possible publication