uedbet开户门户网站
ums88by.com

您的大脑活动可用于衡量您对概念的了解程度

该研讨是第一个研讨如安在大学中学习常识的研讨之一。为了测验STEM中的概念常识,达特茅斯研讨人员研讨了新手和中级学习者的常识和大脑活动在测验机械工程和物理概念时的比较,然后开发了一种评价其概念了解的新办法。

“了解STEM主题是令人兴奋的,但它也或许十分具有应战性。但是,经过学习进程,学生对许多杂乱概念有了丰厚的了解。据估测,这种取得的常识有必要反映在大脑活动的新办法中。咱们现在还没有具体了解大脑怎么支撑这种杂乱和笼统的常识,这便是咱们开端研讨的方针,“达特茅斯学院教育学助理教授David Kraemer说。

二十八名达特茅斯学生参与了这项研讨,分为两组:工科学生和新手。工程专业的学生至少参与过一门机械工程课程和一门高档物理课程,而新手则没有参与任何大学水平的工程或物理课程。该研讨由三个测验组成,重点是怎么构建结构并评价参与者对牛顿第三定律的了解 - 关于每个动作都存在相同且相反的反响。牛顿第三定律一般用于描绘运动中物体的相互作用,但它也适用于停止或不动的物体:静态结构中的一切力都需求处于平衡状况,

在研讨开端时,向参与者扼要介绍了机械工程中不同类型的力。在fMRI扫描仪中,他们被出现了实在国际结构(桥梁,灯柱,建筑物等)的图画,并被要求考虑给定结构中的力怎么平衡以坚持结构平衡。然后,提示参与者具有相同结构的后续图画,其间标明力的箭头掩盖在结构上。要求参与者确认在该图中是否正确符号了牛顿力。工程专业学生(中级学习者)正确答复了75%的图表而且体现优于新手,他们正确答复了53.6%。

在fMRI会议之前,还要求参与者完结两项标准化的多项挑选测验,以丈量其他机械工程和物理常识。关于这两项测验,工科学生的得分明显高于初学者,分别为50.2%和16.9%,79.3%和35.9%。

在认知神经科学中,关于信息怎么存储在大脑中的研讨一般依赖于对组内参与者的数据进行均匀,然后将其成果与来自另一组(例如专家与新手)的成果进行比较。在这项研讨中,达特茅斯研讨人员期望规划一种数据驱动的办法,该办法能够仅根据大脑活动发生个别“神经评分”,而无需指定参与者归于哪一组。该团队创建了一种称为信息网络分析的新办法,这种机器学习算法“发生了明显猜测个别功能差异的神经分数”,测验了特定STEM概念的常识。为了验证神经评分办法,研讨人员比较了每个学生他/她在三项测验中体现的神经评分。成果标明,神经分数越高,学生在概念常识测验中得分越高。

“在研讨中,咱们发现当工程专业学生调查实际国际结构的图画时,学生会主动运用他们的工程常识,并会看到结构之间的差异,例如它是悬臂,桁架仍是笔直荷载,” Kraemer解说道。“根据大脑活动办法的相似性,咱们的机器学习算法办法能够区别这些机械类别之间的差异,并生成反映这种潜在常识的神经分数。这儿的主意是工程师和新手会看到不同的东西他们看一张结构的相片,咱们正在承受这种差异,“他弥补道。

研讨发现,尽管工程专业学生和初学者在运用关于工程学的概念常识时都运用视觉皮层,但他们运用大脑的其他部分来处理相同的视觉图画。与从前的研讨共同,成果标明,工科学生的概念常识与几个大脑区域的活动办法相关,包含有助于完成空间认知的背侧额顶网络,以及与视觉目标辨认有关的腹侧枕颞皮质区域。和类别辨认。

信息网络分析也能够有更广泛的运用,由于它能够用来评价不同教学办法的有效性。该研讨团队现在正在测验着手实验室与虚拟实验室之间的比较,以确认这两种办法是否能够跟着时刻的推移更好地学习和保存常识。

郑重声明:本文版权归原作者一切,转载文章仅为传达更多信息之意图,如作者信息符号有误,请第一时刻联络咱们修正或删去,多谢。