CN118038728A - 一种依托vr为载体的学习能力测评练系统及其方法 - Google Patents
一种依托vr为载体的学习能力测评练系统及其方法 Download PDFInfo
- Publication number
- CN118038728A CN118038728A CN202410004185.7A CN202410004185A CN118038728A CN 118038728 A CN118038728 A CN 118038728A CN 202410004185 A CN202410004185 A CN 202410004185A CN 118038728 A CN118038728 A CN 118038728A
- Authority
- CN
- China
- Prior art keywords
- training
- score
- learning
- module
- control module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012549 training Methods 0.000 title claims abstract description 103
- 230000013016 learning Effects 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012360 testing method Methods 0.000 title claims abstract description 15
- 230000001149 cognitive effect Effects 0.000 claims abstract description 26
- 230000006399 behavior Effects 0.000 claims abstract description 25
- 238000011156 evaluation Methods 0.000 claims abstract description 24
- 210000005036 nerve Anatomy 0.000 claims abstract description 19
- 230000006870 function Effects 0.000 claims abstract description 9
- 230000033228 biological regulation Effects 0.000 claims abstract description 7
- 239000000725 suspension Substances 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 30
- 230000003993 interaction Effects 0.000 claims description 10
- 230000004007 neuromodulation Effects 0.000 claims description 7
- 230000001537 neural effect Effects 0.000 claims description 6
- 238000010998 test method Methods 0.000 claims description 5
- 230000003542 behavioural effect Effects 0.000 abstract description 4
- 230000003920 cognitive function Effects 0.000 abstract description 4
- 230000005856 abnormality Effects 0.000 abstract description 3
- 230000006735 deficit Effects 0.000 abstract description 3
- 230000002996 emotional effect Effects 0.000 abstract description 3
- 210000004556 brain Anatomy 0.000 description 40
- 238000004458 analytical method Methods 0.000 description 14
- 230000000694 effects Effects 0.000 description 12
- 230000015654 memory Effects 0.000 description 10
- 210000000653 nervous system Anatomy 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 230000006872 improvement Effects 0.000 description 6
- 230000007087 memory ability Effects 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 6
- 230000007996 neuronal plasticity Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 230000000638 stimulation Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000005978 brain dysfunction Effects 0.000 description 2
- 230000003930 cognitive ability Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003340 mental effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 208000028017 Psychotic disease Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000007177 brain activity Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008131 children development Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000036992 cognitive tasks Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000004399 eye closure Effects 0.000 description 1
- 230000008449 language Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及一种依托VR为载体的学习能力测评练系统及其方法，包括：虚拟现实模块和神经调节训练模块；虚拟现实模块包括：VR头部设备控制模块和手柄设备控制模块，手柄设备控制模块用于控制VR头部设备的启闭及功能暂停，头部设备控制模块用于将VR头部设备接入学习机器人的学习能力提升系统，认知行为任务训练模块用于提取用户测评结果报告数据库中的录入的对应学习能力数据进行训练排课；本发明的优点是：在训练中逐渐改善认知功能、改善行为和情绪上的异常和缺陷。
Description
技术领域
本发明涉及教育机器人技术领域，特别涉及一种依托VR为载体的学习能力测评练系统及其方法。
背景技术
当前市场上存在的学习能力测评主要集中在专注能力方面，忽略了其他能力对孩子发展的重要性。在测评过程中，往往需要依赖测评师的经验观察和家长的主观评价，缺乏科学性和客观性。在训练阶段，教练员依靠试题和教具进行培训，需要大量的人力投入，整体市场仍处于低级人力水平，缺乏科技智能手段的应用和升级。
申请人设计的学习机器人带有的AI学习能力提升系统，该AI学习能力提升系统分为测试和训练两部分。测试部分利用基于利用脑电波解码技术、计算机视觉识别及边缘计算、思维过程感知技术，基于AI机器人，搭配脑电波能力分析仪完成。测试结果由三维测评，从知识技能、过程状态、脑电分析三个维度挖掘6项学习能力（认知行为）薄弱根源问题，从专注能力、观察能力、思维能力、记忆能力、想象能力、创造能力详细分析；基于VR实现学习能力的测量、评价，力争从根本上提高各项能力达到提高综合成绩的目的，整体实现科学的测、评、练学能提升一体化解决方案。但是目前的VR设备仅能提供逼真沉浸式视听觉情境学习场景，但是无法针对性的神经调节训练，现亟需一种VR能力训练仪提供针对性的能力提升训练。
发明内容
鉴于上述问题，本发明的目的是提供一种依托VR为载体的学习能力测评练系统及其方法，用于对学习能力进行针对性的能力提升训练，以克服上述现有技术的不足。
本发明提供的一种依托VR为载体的学习能力测评练方法，具体包括以下步骤：
步骤S1：利用VR头部设备（脑环）控制模块将VR头部设备接入学习机器人的学习能力提升系统
步骤S2：利用视听信息交互模块进行视听觉信息交互和引导，完成神经反馈训练和认知行为任务训练；
步骤S3：利用认知行为任务训练模块提取用户测评结果报告数据库中录入的对应（知识技能、过程状态、脑电分析三个维度挖掘出的6项）学习能力（认知行为）数据进行训练排课，以提升较弱基础波对应的学习能力，其中，所述学习能力数据包括：单项能力总分、脑电分数、知识分数、过程分数，训练排课是通过单项能力总分、脑电分数、知识分数、过程分数对比强弱情况进行排序，根据单项能力占比和权重推荐需要不同训练的课时，结合推荐的训练课时和单项能力评级（偏弱/中等/良好）情况进行训练排课。
本发明的另一个目的是提供一种依托VR为载体的学习能力测评练系统，包括：虚拟现实模块和神经调节训练模块；
所述虚拟现实模块包括：VR头部设备（脑环）控制模块和手柄设备控制模块，所述手柄设备控制模块用于控制VR头部设备的启闭及功能暂停，所述头部设备控制模块用于将VR头部设备接入学习机器人的学习能力提升系统，所述VR头部设备控制模块包括：
所述神经调节训练模块包括：认知行为任务训练模块用于根据神经反馈模块识别的低数值对应基础波，提取用户测评结果报告数据库中的录入的对应（知识技能、过程状态、脑电分析三个维度挖掘出的6项）学习能力（认知行为）数据进行训练排课，以提升较弱基础波对应的学习能力，其中，所述学习能力数据包括：单项能力总分、脑电分数、知识分数、过程分数，训练排课是通过单项能力总分、脑电分数、知识分数、过程分数对比强弱情况进行排序，根据单项能力占比和权重推荐需要不同训练的课时，结合推荐的训练课时和单项能力评级（偏弱/中等/良好）情况进行训练排课。
本发明的优点及积极效果是：
1、本发明的训练系统结合了神经调节训练和虚拟现实的方式，首先利用神经可塑性原理，指神经系统对外界刺激和内部环境变化做出的可适应性调整和重塑能力。简单来说，就是神经系统的可塑性意味着它可以通过改变连接和功能来适应环境的变化。神经可塑性是大脑学习和记忆的基础，本申请利用非侵入性刺激训练的方法，将受试者脑电活动信号转换为图形方式的反馈信号，从而通过主动调节脑电活动，进而改善脑功能失调的训练方法。通过引导使用者改变认知历程,进而调整神经系统和精神意识。从而在训练中逐渐改善认知功能、改善行为和情绪上的异常和缺陷。
2、本发明通过虚拟现实模块能够实现一个逼真沉浸式视听觉情境学习场景。情境学习是一种符合人类学习和训练规律的学习理论。在虚拟现实情境里，身临其境通过视 听觉信息交互和引导，完成有针对性的神经反馈训练和认知行为（6大能力）任务训练。此外良好的视听信息交互模式，能够代替专家指导。
3、本发明利用测评结果报告数据库中录入的儿童测评数据和常模数据库，根据神经反馈模块识别的低数值基础波对应的学习能力数据生成训练方案。创新性提出的神经系统和高级认知学习能力闭环调整训练模式，在虚拟现实视听觉情境引导下，使得调控后儿童的神经功能促进高级认知能力的改善，训练后良好的认知能力反作用于神经系统的成长，叠加训练效能，取得最佳的训练效果。对激发儿童积极性和信心。
具体实施方式
在下面的描述中，出于说明的目的，为了提供对一个或多个实施例的全面理解，阐述了许多具体细节。然而，很明显，也可以在没有这些具体细节的情况下实现这些实施例。在其它例子中，为了便于描述一个或多个实施例，公知的结构和设备以方框图的形式示出。
实施例
一种依托VR为载体的学习能力测评练方法,包括以下步骤：
步骤S1：利用VR头部设备（脑环）控制模块将VR头部设备接入学习机器人的学习能力提升系统
步骤S2：利用视听信息交互模块进行视听觉信息交互和引导，完成神经反馈训练和认知行为任务训练；
步骤S3：利用认知行为任务训练模块提取用户测评结果报告数据库中录入的对应（知识技能、过程状态、脑电分析三个维度挖掘出的6项）学习能力（认知行为）数据进行训练排课，以提升较弱基础波对应的学习能力，其中，所述学习能力数据包括：单项能力总分、脑电分数、知识分数、过程分数，训练排课是通过单项能力总分、脑电分数、知识分数、过程分数对比强弱情况进行排序，根据单项能力占比和权重推荐需要不同训练的课时，结合推荐的训练课时和单项能力评级（偏弱/中等/良好）情况进行训练排课。
实施例1
本实施例提供一种依托VR为载体的学习能力测评练系统，包括：虚拟现实模块和神经调节训练模块；
所述虚拟现实模块包括：VR头部设备（脑环）控制模块和手柄设备控制模块，所述手柄设备控制模块用于控制VR头部设备的启闭及功能暂停，所述头部设备控制模块用于将VR头部设备接入学习机器人的学习能力提升系统，所述VR头部设备控制模块包括：
所述神经调节训练模块包括：认知行为任务训练模块用于根据神经反馈模块识别的低数值对应基础波，提取用户测评结果报告数据库中的录入的对应（知识技能、过程状态、脑电分析三个维度挖掘出的6项）学习能力（认知行为）数据进行训练排课，以提升较弱基础波对应的学习能力，其中，所述学习能力数据包括：单项能力总分、脑电分数、知识分数、过程分数，训练排课是通过单项能力总分、脑电分数、知识分数、过程分数对比强弱情况进行排序，根据单项能力占比和权重推荐需要不同训练的课时，结合推荐的训练课时和单项能力评级（偏弱/中等/良好）情况进行训练排课。
实施例2
本实施例提供的一种依托VR为载体的学习能力测评练方法，包括：
步骤S1：利用VR头部设备（脑环）控制模块将VR头部设备接入学习机器人的学习能力提升系统并接收VR头部设备检测的脑电波；
步骤S2：利用脑电波识别模块将接收的脑电波传输至可视化转换模块进行数据可视化转换，其中，所述数据可视化转换模块用于将脑波图转换成由各频段脑波能量随时间强弱变化的图像；
步骤S3：利用视听信息交互模块进行视听觉信息交互和引导，完成神经反馈训练和认知行为任务训练；
步骤S31：利用神经反馈模块识别脑电波识别模块转换的脑波图像并根据脑波图像选择出低数值基础波中的一个或多个，其中，基础波包括α波、β波、θ波、δ波、γ波；
步骤S32：根据神经反馈模块识别的低数值对应的基础波，利用认知行为任务训练模块提取用户测评结果报告数据库中录入的对应（知识技能、过程状态、脑电分析三个维度挖掘出的6项）学习能力（认知行为）数据进行训练排课，以提升较弱基础波对应的学习能力，其中，所述学习能力数据包括：单项能力总分、脑电分数、知识分数、过程分数，训练排课是通过单项能力总分、脑电分数、知识分数、过程分数对比强弱情况进行排序，根据单项能力占比和权重推荐需要不同训练的课时，结合推荐的训练课时和单项能力评级（偏弱/中等/良好）情况进行训练排课。
实施例3
本实施例提供一种依托VR为载体的学习能力测评练系统，包括：虚拟现实模块和神经调节训练模块；
所述虚拟现实模块包括：VR头部设备（脑环）控制模块和手柄设备控制模块，所述手柄设备控制模块用于控制VR头部设备的启闭及功能暂停，所述头部设备控制模块用于将VR头部设备接入学习机器人的学习能力提升系统并接收VR头部设备检测的脑电波，所述VR头部设备控制模块包括：用于检测VR头部设备中脑电波信号的脑电波识别模块、用于将脑电波识别模块中的脑电波进行数据可视化转换的可视化转换模块、以及与神经调节训练模块连接用于提供通过视听觉信息交互和引导的视听信息交互模块，所述数据可视化转换模块用于将脑波图转换成由各频段脑波能量随时间强弱变化的图像，其中，所述脑电波识别模块用于识别脑波频率的五个基础波，即α波、β波、θ波、δ波、γ波；
所述神经调节训练模块包括：神经反馈模块和认知行为任务训练模块，所述神经反馈模块用于识别脑电波识别模块转换的脑波图像并根据脑波图像选择出低数值的基础波；认知行为任务训练模块用于根据神经反馈模块识别的低数值对应基础波，提取用户测评结果报告数据库中的录入的对应（知识技能、过程状态、脑电分析三个维度挖掘出的6项）学习能力（认知行为）数据进行训练排课，以提升较弱基础波对应的学习能力，其中，所述学习能力数据包括：单项能力总分、脑电分数、知识分数、过程分数，训练排课是通过单项能力总分、脑电分数、知识分数、过程分数对比强弱情况进行排序，根据单项能力占比和权重推荐需要不同训练的课时，结合推荐的训练课时和单项能力评级（偏弱/中等/良好）情况进行训练排课。
本实施例中神经调节训练模块利用了神经可塑性原理，神经可塑性原理指神经系统对外界刺激和内部环境变化做出的可适应性调整和重塑能力。简单来说，就是神经系统的可塑性意味着它可以通过改变连接和功能来适应环境的变化。神经可塑性是大脑学习和记忆的基础，也是目前市面上康复训练的关键。而神经调节训练则是一种利用神经可塑性原理来改善神经功能和调节神经系统的训练方法。目前市面上针对康复训练的神经调节治疗大体包括物理治疗、药物治疗和非侵入性刺激训练等形式，本实施例中的学习能力训练系统则是利用了非侵入性刺激训练的方法，将受试者脑电活动信号转换为可识别的反馈信号，从而通过主动调节脑电活动，进而改善脑功能失调的训练方法。通过引导使用者改变认知历程,进而调整神经系统和精神意识。从而在训练中逐渐改善认知功能、改善行为和情绪上的异常和缺陷。
本实施例中的六项学习能力分别指的是专注能力、观察能力、记忆能力、思维能力、创造能力、想象能力，本实施例中的脑电分析是通过将五个基础波（α波、β波、θ波、δ波、γ波）进行分析和解读，并通过解读结果与六项能力（专注能力、观察能力、记忆能力、思维能力、创造能力、想象能力）进行匹配，得到六项能力的脑电分析分数；本实施例中的神经反馈模块的匹配原理：测评过程中通过VR头部设备控制模块捕获的脑波信号，了解大脑神经元活动的状态。利用脑电波的能量比例图，展示不同频率范围内脑电波的相对能量大小，然后以饼状图的形式显示每个频率范围内脑电波的相对能量大小，得到大脑活动状态和六项能力的匹配数据。
本实施例中的学习能力数据的单项能力的专注能力、观察能力、记忆能力、思维能力、创造能力、想象能力的分值：
单项能力的分值= 单项能力脑电分析分数+单项能力知识技能分数+单项能力过程状态分数；
b、知识技能模块、脑电分析模块和过程状态分析模块的分值：
单个模块分数=六项能力得分的总和；
c、三个模块获得六项能力的总体分值：
报告总分= 全卷的脑电分析得分+全卷的知识技能得分+全卷的过程状态得分；
d、根据学生个体在三个模块中六个能力的得分，确定学生个体学习能力的强弱。
本实施例中的知识技能用于模拟考试测评场景，并提供待学生个体进行测评的试卷试题，学生个体通过知识技能评测后，得到六项能力的知识技能分析分数。
本实施例中的过程状态是获取学生个体的状态变化、表情变化、动作行为、作答情况，并对状态变化、表情变化、动作行为、作答情况进行分析，得到六项能力的过程状态分数。
本实施例中的五个基础波不同频段进行分析，根据脑波频率分别是 ：α（阿尔法）波、β（贝塔）波、θ（西塔）波、δ（德尔塔）波、以及γ（伽马）波，这些波的组合形成了一个人的内、外在行为及学习上的表现。
δ波（德尔塔）频率范围0.1 ~4Hz，恢复体力的睡眠时所需要的，直觉与第六感的来源；研究表明，睡眠对于学习和记忆有着重要的作用。睡眠可以帮助巩固记忆，增强学习效果（即思维能力和记忆能力）；一些精神障碍患者的脑电波中会出现异常的δ波活动，这与他们的专注能力、记忆（即记忆能力）和学习能力下降有关。
θ波（西塔）频率范围4~ 8Hz，存有记忆、知觉和情绪，影响态度、期望、信念、行为。创造力与灵感来源。通常出现在放松、冥想和深度学习等状态下。当大脑产生更多的θ波时，表示个体正处于深度学习和思考的状态。这种状态下，人们对新知识的吸收和理解能力更强，记忆（即记忆能力）和创造力（即创造能力）也更容易被激发，儿童的θ波活动可以预测他们的阅读能力。
β波（贝塔）频率范围12 ~ 32 Hz，β波智力的来源，逻辑思考、计算、推理时需要的波。β 波出现在学习状态下需要集中专注能力（即专注能力）、分析（即思维能力）和处理信息（即创造能力）等的任务中。在学习任务中，β波的增加通常被认为是一种高度集中专注能力的指标。当个体处于需要高度集中专注能力的学习任务中时，大脑会产生更多的β波活动，有助于促进信息处理和学习的过程。
α波（阿尔法）频率范围8~ 13Hz，想象力的主要来源。日常在放松、休息或闭目静坐等状态下出现，学习状态会在专注能力集中、思考和学习等高度认知任务中出现。大脑产生的α波活动与专注能力、工作记忆（即记忆能力）、信息处理速度（即思维能力）以及学习能力等认知过程密切相关。被认为是一种专注能力集中的指标。
γ波（伽马）是指大脑皮层中频率最高的脑电波，其频率范围一般为30-70Hz。γ波与专注能力、意识、学习、记忆、语言理解等高级认知功能有关。一般来说，γ波在大脑皮层中的活动表示大脑正在进行高级认知处理或处于高度专注的状态。
实施例4
步骤S33：用户登录VR设备，输入账号和密码登录学习能力提升系统中的训练系统，所述训练系统的每次课程训练一项能力，六次训练完成一个学能的六项能力循环，根据能力强弱排序，偏弱的能力会排其他能力前面，单次课程训练同一项能力的两个项目，单个项目训练20分钟，系统自动计时控制，第17分钟会发送即将训练完成的短信，防护用户安全，单个项目训练结束后，训练系统生成训练报告，一次课训练完成收到2份报告，
两个训练项目之间会有休息时间；
步骤S34：每10次训练结束后，训练系统根据训练结果自动优化课程，每20次训练结束，训练系统自动提醒建议再次测评，根据最新的测评结果选择是否调整课程。
仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (2)
1.一种依托VR为载体的学习能力测评练方法，其特征在于，包括以下步骤：
步骤S1：利用VR头部设备控制模块将VR头部设备接入学习机器人的学习能力提升系统；
步骤S2：利用视听信息交互模块进行视听觉信息交互和引导，完成神经反馈训练和认知行为任务训练；
步骤S3：利用认知行为任务训练模块提取用户测评结果报告数据库中录入的对应学习能力数据进行训练排课，以提升较弱基础波对应的学习能力，其中，所述学习能力数据包括：单项能力总分、脑电分数、知识分数、过程分数，训练排课是通过单项能力总分、脑电分数、知识分数、过程分数对比强弱情况进行排序，根据单项能力占比和权重推荐需要不同训练的课时，结合推荐的训练课时和单项能力评级情况进行训练排课。
2.一种依托VR为载体的学习能力测评练系统，其特征在于，包括：虚拟现实模块和神经调节训练模块；
所述虚拟现实模块包括：VR头部设备控制模块和手柄设备控制模块，所述手柄设备控制模块用于控制VR头部设备的启闭及功能暂停，所述头部设备控制模块用于将VR头部设备接入学习机器人的学习能力提升系统，所述VR头部设备控制模块包括：
所述神经调节训练模块包括：神经反馈模块和认知行为任务训练模块；认知行为任务训练模块用于根据神经反馈模块识别的低数值对应基础波，提取用户测评结果报告数据库中的录入的对应学习能力数据进行训练排课，以提升较弱基础波对应的学习能力，其中，所述学习能力数据包括：单项能力总分、脑电分数、知识分数、过程分数，训练排课是通过单项能力总分、脑电分数、知识分数、过程分数对比强弱情况进行排序，根据单项能力占比和权重推荐需要不同训练的课时，结合推荐的训练课时和单项能力评级情况进行训练排课。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410004185.7A CN118038728A (zh) | 2024-01-03 | 2024-01-03 | 一种依托vr为载体的学习能力测评练系统及其方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410004185.7A CN118038728A (zh) | 2024-01-03 | 2024-01-03 | 一种依托vr为载体的学习能力测评练系统及其方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118038728A true CN118038728A (zh) | 2024-05-14 |
Family
ID=90986749
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410004185.7A Pending CN118038728A (zh) | 2024-01-03 | 2024-01-03 | 一种依托vr为载体的学习能力测评练系统及其方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118038728A (zh) |
-
2024
- 2024-01-03 CN CN202410004185.7A patent/CN118038728A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Barlow | On the relation of clinical research to clinical practice: Current issues, new directions. | |
| Szafir et al. | ARTFul: adaptive review technology for flipped learning | |
| CN109637222B (zh) | 脑科学智慧教室 | |
| EP3474743B1 (en) | Method and system for detection and analysis of cognitive flow | |
| Katona | Examination and comparison of the EEG based Attention Test with CPT and TOVA | |
| Autenrieth et al. | How much do strategy reports tell about the outcomes of neurofeedback training? A study on the voluntary up-regulation of the sensorimotor rhythm | |
| CN111603160A (zh) | 一种基于儿童脑电生理参数采集与情绪检测的专注力训练方法 | |
| KR20220136292A (ko) | 감성 분석 기술을 활용한 학습자 분석 및 케어 시스템 | |
| Lee et al. | ADHD assessment and testing system design based on virtual reality | |
| Hu et al. | Adaptive learning system for E-learning based on EEG brain signals | |
| Francisti et al. | The Use of Internet of Things Technology in the Pedagogical Process. | |
| Segawa | Hands-on undergraduate experiences using low-cost electroencephalography (EEG) devices | |
| Hettiarachchi et al. | Performance quantification and heart rate analysis in a repeated-trial simulation-based training task | |
| Najafi et al. | Theoretical background, therapeutic process, therapeutic relationship, and therapeutic techniques of REBT and CT; and some parallels and dissimilarities between the two approaches | |
| Li et al. | Mindfulness training can improve 3-and 4-year-old children’s attention and executive function | |
| Yildirim et al. | Developing educational game software which measures attention and meditation with brainwaves: matching mind math | |
| CN118038728A (zh) | 一种依托vr为载体的学习能力测评练系统及其方法 | |
| Rebolledo-Mendez et al. | An empirical examination of the relation between attention and motivation in computer-based education: A modeling approach | |
| Faria et al. | Towards ai-based interactive game intervention to monitor concentration levels in children with attention deficit | |
| Searles et al. | Test–Retest Reliability of the BrainFx 360® Performance Assessment | |
| Mathan et al. | Extending the diagnostic capabilities of artificial intelligence-based instructional systems | |
| Nyhus et al. | Incorporating an ERP project into undergraduate instruction | |
| Veerbeek et al. | Pretest versus no pretest: An investigation into the problem-solving processes in a dynamic testing context | |
| Sorochinsky et al. | A study of students' attention levels while watching educational videos with the use of neurofeedback | |
| CN117496787B (zh) | 一种针对儿童六项能力测评及其训练系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |