一种基于脑电信号反馈的学习注意力提升训练方法实现

DOI：10.19850/j.cnki.2096-4706.2024.02.027

收稿日期：2023-10-07

基金项目：北京师范大学珠海分校校内教研项目（202041）

摘  要：注意力对于学习者来说非常重要，注意力与脑电信号密切相关，注意力可通过训练得以提升。文章提出一种基于移动智能终端应用APP脑电信号反馈的训练系统，训练包含舒尔特方格和算数运算两种方式，训练中可实时查看训练者脑电反馈的注意力状态信息，强化训练效果。实践结果表明，注意力和脑电信号之间存在正向相关性，训练者经过长时间训练其注意力能够得到显著提升，训练还能够提高训练者快速调整其注意力状态的能力。

关键词：注意力；脑电反饋；舒尔特方格；算数运算

中图分类号：TP39  文献标识码：A  文章编号：2096-4706（2024）02-0128-05

Implementation of a Learning Attention Enhancement Training Method Based on EEG Signal Feedback

YANG Yongping

（School of Information Technology， Beijing Normal University， Zhuhai， Zhuhai  519087， China）

Abstract： Attention is very important for learners， as it is closely related to EEG signals and can be improved through training. This paper proposes a training system based on mobile intelligent terminal application APP for EEG signal feedback， which includes two methods of training： Schulte Grid and arithmetic operation. During training， the attention state information of the trainee's EEG feedback can be viewed in real time， enhancing the training effect. The practical results show that there is a positive correlation between attention and EEG signals. Trainers can significantly improve their attention after long-term training， and training can also enhance their ability to quickly adjust their attention state.

Keywords： attention; EEG feedback; Schulte Grid; arithmetic operation

0  引  言

学习状态通常用于判断一个学习者的学习效率，预测其学习成效。教师可通过学生的眼神表情判断学生的听课状态，通过课堂练习和测验成绩判断学生的知识掌握情况，通过学生回答问题、交流问题的主动性判断学生的学习积极性。采用诸如此类的手段和方式需要教育者投入大量的精力，需要满足师生比比较理想的前提条件，所做判断的可信度也与教师的经验密不可分。研究发现，无论是听课、作业练习还是手工实践环节，注意力无不对学习者的学习效率具有重大影响[1]，是学习力和学习效果的决定性因素之一。文章提出基于脑电反馈信号建立一种比较独立的学习注意力训练系统[2，3]，辅助教师、家长对学生的学习状态进行判断，并提供趣味性的集中注意力辅助训练。

1  研究领域概述

1.1  注意力

注意（Attention）是指个体专注于某事物和对象的程度，注意力是指人的心理活动指向和集中于某种事物的能力，注意力也是智力的重要组成部分，在各种认知活动中起到重要作用。注意有四项基本内涵，分别是注意广度、注意稳定性、注意分配和注意转移[4]。注意的核心是指向性和集中性，指向性表现为同一时间对多种信号和刺激的选择，选择某一目标，忽略或离开其余目标；集中性表现为对干扰刺激的抑制，停留在被选择对象上的强度或张力。对注意力的衡量一般包括注意力广度、注意力集中、短时记忆、注意力持久、注意力稳定性等方面，对学生注意力进行判断的最基本方法是家长或者教师的直接观察、访谈或行为记录，并进行量表化。某人的注意力不足会导致其学习能力欠佳，学习工作效率低下，工作容易出错等，对于大多数学生来说，他们的学业成绩偏差充分反映了他们在注意力方面的差异。

学生注意力不集中可能带来的危害：

1）容易违反纪律，课堂上疏于执行老师的指令，管不住自己的行为和动作，成为“问题学生”。

2）注意力差会影响人际关系，心不在焉，无法很好地控制自己的情绪，难以妥善处理人与人之间的关系。

3）注意力不足，好动不专心，长此以往可能会造成感觉统合失调。

4）注意力不足，团队活动时容易遭到同伴的嫌弃，学业不佳难免受到老师和家长的责骂，进而形成自卑、胆小的性格。

1.2  脑电信号及利用

1924年，德国精神病学家、耶拿大学教授Hans Berger首次从头皮记录到人脑的电活动，称为EEG（Electroencephalogram），也称为脑电波，于1929年正式公开发表。可以从头部的不同深度测量到不同的脑电波信号，受头盖骨等的影响，这些信号非常微弱，是大脑神经电活动产生的电场经过颅骨、脑膜等传导到头皮形成电位差与时间之间的关系图，脑电是大脑内活动的综合外在表现[4]。

1932年，Berger和Dietsch采用傅里叶变换进行脑电分析，同时引入频域分析、时域分析等脑电分析的方法；1973年，加州大学洛杉矶分校计算机科学家Jacques J. Vidal率先使用了BCI脑机接口，记录脑电图的典型仪器包括电极、导电材料和运算放大器；Cole等在1985年发现脑电信号与人的某些心理状态密切相关[2，3]；W.Klimesch、Ramesh Srinivasan、G.Yang等发现了脑电信号与警觉性、注意力、昏睡倾向等状态之间的关联性；1991年，Jonathan R. Wolpaw训练用户自我调节mu节律的幅值，通过mu节律幅值的变化实现光标的一维控制；2000年后，国内外实验室实现了大鼠意念压杆、猴子意念取食、人脑控制机械手抓物等[5，6]；2018年，刘永双等分析脑电意念和注意力，研究开发了基于脑电意念的智能家居集成系统[7]。

脑电意念相对应的是脑电反馈，已广泛应用于警报、训练等领域，如危险岗位工作人员瞌睡警报、射击训练中的脑电反馈等。收集各种状态下的脑电信号特征，在进行训练的时候调节出现这种脑电信号以强化训练成果。2015年，deBettencourt等发表的论文和临床研究证实，借助脑电生物反馈可以有效治疗注意力缺陷障碍，显著提高人的注意力[8，9]。

2  基于脑电信号反馈的注意力训练系统设计

2.1  注意力提高常用训练方法

注意力集中能力与个人、家庭、学校等都有关系，身体、习惯、环境等对学生的学习注意力都有影响，注意力可以通过一些训练得以提升，应用的方法包括：

1）学习方法指导训练。教师采取科学方法对学生进行兴趣性的引导，激发学生的学习兴趣和动力，长期训练可以提升学生的注意力集中能力。

2）行为习惯训练。包括视听、情绪控制等方面的训练，一般需要有专业人员引导并配备专门的设施设备。

3）医学干预。注意力不集中情况比较严重时，还会伴随一些诸如多动之类的症状，这类患者需要长期服用药物才能缓解注意力缺失障碍。

4）“舒尔特方格”训练法[10]。神经医学家舒尔特设计了“舒尔特方格”训练法，准备不同顺序的5×5方格，随机填上数字，训练者按顺序指读这些数字，指读的速度越快，专注力越好，该方法被誉为最简单直接、科学有效的注意力训练方法。

其他注意力提高训练方法还有放松训练法、运动调整法等，有一些趣味性游戏（包括文字、数字、图画、语音等形式的游戏）可用于吸引训练者的注意力。

2.2  注意力训练方案设计

本文设计一种基于脑电信号反馈的注意力评估和提升训练系统，方案设计需要考虑的内容包括：

1）可行性。各种数值可测量可量化比较，包括正确率、时间，以及各种状态数据。

2）实施便利性。训练者容易接受，監督者不需要经过专业专门的培训。

3）科学性。有科学依据或经验依据。

在智能终端采取两种训练模式，分别为舒尔特方格训练和数学加减法口算训练。用户可以根据需要调整舒尔特方格的大小，例如5×5、9×9。在训练和测试过程中采集受训者的脑电信号反馈，提高训练效率。

文章设计的注意力训练方案比传统的道具方式容易实行，成本低且具备扩展性，调节参数即可获得不同的训练模型。脑电设备通过蓝牙连接到数据中心，智能终端设备可以在受训者接受训练时读取其脑电信息，感应电极主要位于前额叶位置，此位置所反映的注意力与脑电信号的相关性较强，受训者可以实时查看自己的脑电信号和注意力变化，找出训练过程中个人状态与脑电信号之间的变化关系。受训者经过长时间的训练后，即使其不在训练状态，也可以调整自己进入冥想或注意力高度集中的状态，长期训练后可使受训者注意力的深度、广度、持久力都有所提高，更容易进入专注状态，使得学习者在学习时保持注意力高度集中成为一种习惯和本能。舒尔特方格如表1所示。

快速算数运算需要注意力高度集中，且限制条件少、适用范围广，通过生成一定难度的数学口算题目对训练者进行注意力训练，系统随机给出两个运算数，训练者进行加减法运算，输入答案系统自动判断正误，输入速度越快、正确率越高，则得分越高。

训练过程中脑电信号可以实时显示，训练者可根据反馈的脑电信号调整自己的冥想/专注度，脑电正向反馈训练效果，持续的正念训练可提升训练者的注意力。

2.3  注意力训练系统设计

2.3.1  硬件连接设计

采用干式脑电信号采集设备进行脑电信号采集反馈，与湿式脑电信号采集设备相比，其具有成本低、易操作等特点，注意力信号集中于前额叶，适用于教育辅助等非医学类场合，如图1所示。

2.3.2  训练系统分层设计

基于脑电信号反馈的注意力系统分为四个层次：应用层、数据层、网络层、感知层，如图2所示。感知层获取脑电信号数据；网络层通过蓝牙协议将脑电数据传输到智能终端；数据层负责数据存储和数据连接，记录基本设置参数和运行过程数据；应用层用于用户的交互和展示，用户在操作舒尔特方格或输入计算答案时，可看到实时的脑电信号数据，还可以查询展示历史数据[11]。系统功能结构图如图3所示。

3  实验测试

应用当前主流的Android平台进行开发，采用蓝牙4.0进行通信，如表2所示。

Meditation和Attention是注意力在采样区间的平均评分，分数区间含义如表3所示。如图4所示为舒尔特方格训练，如图5所示为算数运算训练。舒尔特方格可以进行方格行列数的设置，从3×3直到9×9；算数运算可以设置数字范围和运算符号，可以自定义范围，针对低年级受训者可以设置个位数运算，一般设置3位数的运算，计算符号类型可以选择单减法、单加法、加减法混合，如图5所示。训练中的简易头戴式脑电采集设备采集的脑电关联注意力数据实时显示，训练结果如图6所示。

接受舒尔特训练法训练的训练者需要在方格中依次找到并点击顺序连续的数字，在找数字的过程中锻炼训练者眼睛的搜索能力、视野广度、速读能力。算数运算训练时，需要训练者持续、快速、准确地计算并填写答案。两种训练方式都有历史数据记录，并且有同步的脑电信号可查看。如图7所示为训练过程脑电反馈专注度参考数据。

4  总结与讨论

本系列测试数据为同一个训练者进行多次训练的成绩和脑电信息记录，成绩与注意力的关系反映出同一个训练者的成绩与其训练时的注意力评分有一定的正相关性，注意力评分越高成绩越好，如图8所示。

如表4所示，本组测试得到11个数据，成绩与脑电评分标准化得分（score）平均值为82.27，差异平均值为7.45，差异标准差值为5.71，分别为平均值的9.06%和6.9%，成绩与脑电相关性系数为0.86；系列数据中第一个数据差异最大，如果作为特异值将其剔除，则标准化平均值为81.5，差异平均值为6.2，差异标准差值为4.13，分别为平均值的7.6%和5.06%，成绩与脑电相关系数为0.91，其相关性（interdependency）的可信程度为较高水平。

如图9所示，个人历史数据方便训练者和观察者查看了解训练过程再结合现实中的听课、阅读等第三方观测评价，以及学习中的练习成绩、测试成绩等，综合评估学习者的状态，帮助学习者提升学习效果。训练时间可以根据训练者的情况进行调节，持续、科学的训练能够有效提升训练者的注意力和学习力。本训练系统可锻炼训练者的注意力，包括注意力的深度、广度、持久性及分配效果。训练结果也可以辅助学生进行时间安排，不同的注意力和脑电特点时间段可安排不同的学习任务。

5  结  论

与传统卡片式舒尔特方格相比，本系统具有成本低、调整灵活等优势，还可以将更多的趣味性训练方法集成到系统。穿戴式脑电采集设备的优点在于其无损害、易于实施、实时性强。随着采集技术和信号处理技术的发展以及数据预处理算法的改进，脑电信号的可信度也在不断地提升。为了减少干扰，湿式电极、内嵌式采集设备也在不断地被研发，脑电信号必将有更多可发掘利用的场景。

参考文献：

[1] HIGGINS A，TURNURE J. Distractibility and concentration of attention in children's development [J].Child Development，1984，55（5）：1799-1810.

[2] COLE H W，RAY W J. EEG correlates of emotional tasks related to attentional demands [J].International Journal of Psychophysiology，1985，3（1）：33-41.

[3] RAY W J，COLE H W.EEG alpha activity reflects attentional demands， and beta activity reflects emotional and cognitive processes [J].Science，1985，228（4700）：750-752.

[4] 肖嬋.基于脑电波的注意力训练研究 [D].武汉：华中师范大学，2017.

[5] WLIMESCH W.EEG alpha and theta oscillations reflect cognitive and memory performance： a review and analysis [J].Brain Research Reviews，1999，29（2-3）：169-195.

[6] 李颖洁.脑电波的前世今生 [J].自然杂志，2019，41（4）：299-305.

[7] 刘永双，胡振超，李家东，等.基于脑电意念的智能家居集成系统设计 [C]//2018年全国物联网技术与应用大会（CIoT 2018）.杭州：[出版者不详].2018：66-67.

[8] DEBETTENCOURT M T，COHEN J D，LEE R F，et al.Closed-loop training of attention with real-time brain imaging [J].Nature Neuroscience，2015，18（3）：470-475.

[9] COHEN M X. Where Does EEG Come From and What Does It Mean [J].TrendsNeurosci，2017，40（4）：208-218.

[10] 左金山.舒尔特方格法对中学生注意力稳定性的提升效果研究 [D].青海：青海师范大学，2023.

[11] 陈祯祯，曹晓明.基于脑机交互技术的学习分析研究 [J].教育信息技术，2017（11）：13-18.

作者简介：杨永平（1980.04—），男，汉族，云南曲靖人，讲师，硕士，研究方向：智能教育信息化、机器学习。