Розробка персоналізованої освітньої траєкторії за допомогою інтерфейсу мозок-комп’ютер

Автор(и)

DOI:

https://doi.org/10.15587/2706-5448.2025.339867

Ключові слова:

електроенцефалографія (ЕЕГ), інтерфейс мозок-комп'ютер (ІМК), когнітивне профілювання, методи навчання, персоналізована освіта, штучний інтелект (ШІ), алгоритм дерева рішень, збереження пам'яті, нейроадаптивне навчання, освітні технології

Анотація

Об'єктом дослідження є сигнали електроенцефалограми (ЕЕГ), отримані в результаті неінвазивного тесту, який реєструє електричну активність мозку шляхом розміщення невеликих датчиків (електродів) на шкірі голови. У роботі аналізуються патерни мозкових хвиль для моніторингу здатності до запам'ятовування учня.

Однією з ключових проблем сучасної системи освіти є невідповідність між здобутими випускниками компетентностями та динамічними вимогами ринку праці. Суттєвим чинником цієї невідповідності є індивідуальні відмінності у сприйнятті та обробці інформації студентами. Емпіричні дослідження свідчать, що, за винятком осіб із клінічно підтвердженими когнітивними порушеннями, люди демонструють різну здатність до запам'ятовування залежно від форми подання навчального матеріалу.

У межах дослідження було проаналізовано низку джерел щодо інтерфейсів мозок-комп’ютер, зокрема електроенцефалографії (ЕЕГ), та індивідуальних навчальних стилів. Запропоновано підхід на основі штучного інтелекту з використанням алгоритму дерева рішень для аналізу ЕЕГ-сигналів, отриманих за допомогою пристрою з 256 електродами. Для тренування та оптимізації моделі було використано відкритий набір даних із платформи Kaggle, що дало змогу класифікувати домінантні способи запам’ятовування: читання, мультимодальний, слуховий та візуальний.

На прикладному етапі дослідження модель була застосована до групи з 32 студентів, які отримали незадовільні оцінки («F»). Виходячи з індивідуальних когнітивних профілів, визначених за допомогою ЕЕГ, їм було запропоновано навчальні матеріали у відповідній формі. В результаті застосування персоналізованого підходу спостерігалося суттєве покращення академічних результатів: студенти досягли оцінок «C», «B» і навіть «A» під час наступного оцінювання.

Запропонована модель демонструє потенціал до масштабування та ефективного визначення оптимальних методів навчання на індивідуальному рівні. Такий підхід сприяє підвищенню якості освітнього процесу завдяки впровадженню персоналізованих та нейроадаптивних стратегій навчання.

Біографії авторів

Huseyn Gasimov, Nakhchivan State University

PhD

Department of Electronics and Information Technology

Turkan Alibeyli, Nakhchivan State University

PhD Student

Department of Electronics and Information Technology

Hesen Hesenli, Nakhchivan State University

PhD

Department of Electronics and Information Technology

Asiman Ismayilov, Nakhchivan State University

PhD Student, Researcher

Department of Electronics and Information Technology

Посилання

  1. Gu, X., Cao, Z., Jolfaei, A., Xu, P., Wu, D., Jung, T.-P., Lin, C.-T. (2021). EEG-Based Brain-Computer Interfaces (BCIs): A Survey of Recent Studies on Signal Sensing Technologies and Computational Intelligence Approaches and Their Applications. IEEE/ACM Transactions on Computational Biology and Bioinformatics, 18 (5), 1645–1666. https://doi.org/10.1109/tcbb.2021.3052811
  2. Gasimov, H. (2020). Modelling support systems for selecting professions for applicants in the content of personalization of education. EUREKA: Physics and Engineering, 2, 83–97. https://doi.org/10.21303/2461-4262.2020.001181
  3. Mammadova, M., Mammadzadeh, F. (2012). Formation of supply and demand for IT specialists on the base of competency model. 2012 IV International Conference “Problems of Cybernetics and Informatics” (PCI), 199–201. https://doi.org/10.1109/icpci.2012.6486486
  4. A. Duque-Vaca, M., Carmona, J. A. R.-, Yungán, J. I. G., Builes, J. A. J. (2025). Implementation of Instructional Design Modelswithout Considering Inclusive Education. International Journal of Modern Education and Computer Science, 17 (1), 17–27. https://doi.org/10.5815/ijmecs.2025.01.02
  5. Abbasov, A. M., Mamedova, M. H., Orujov, G. H., Aliev, H. B. (2001). Synthesis of the methods of subjective knowledge representations in problems of fuzzy pattern recognition. Mechatronics, 11 (4), 439–449. https://doi.org/10.1016/s0957-4158(00)00027-1
  6. Hu, P.-C., Chen, P.-H., Kuo, P.-C. (2018). Educational Model Based on Hands-on Brain-Computer Interface: Implementation of Music Composition Using EEG. 2018 IEEE International Conference on Systems, Man, and Cybernetics (SMC), 982–985. https://doi.org/10.1109/smc.2018.00174
  7. Lyu, L., Sokolova, A. (2022). The effect of using digital technology in the music education of elementary school students. Education and Information Technologies, 28 (4), 4003–4016. https://doi.org/10.1007/s10639-022-11334-8
  8. Alibeyli, T. (2025). Brain-computer interfaces: neural signal processing and algorithmic approaches. ScienceRise, 1, 89–95. https://doi.org/10.21303/2313-8416.2025.003767
  9. Xu, W., Chen, L., Sui, X., Tian, Y., Liu, Z. (2022). Brain-computer interface – Brain information reading and activity control. Chinese Science Bulletin, 68 (8), 927–943. https://doi.org/10.1360/tb-2022-0338
  10. Flesher, S. N., Downey, J. E., Weiss, J. M., Hughes, C. L., Herrera, A. J., Tyler-Kabara, E. C. et al. (2021). A brain-computer interface that evokes tactile sensations improves robotic arm control. Science, 372 (6544), 831–836. https://doi.org/10.1126/science.abd0380
  11. Pitt, K. M., McKelvey, M., Weissling, K., Thiessen, A. (2024). Brain-computer interface for augmentative and alternative communication access: The initial training needs and learning preferences of speech-language pathologists. International Journal of Speech-Language Pathology, 2 7 (1), 14–22. https://doi.org/10.1080/17549507.2024.2363939
  12. Gupta, E., Sivakumar, R. (2025). Response coupling with an auxiliary neural signal for enhancing brain signal detection. Scientific Reports, 15 (1). https://doi.org/10.1038/s41598-025-87414-9
  13. Salehzadeh, R., Mynderse, J. (2024). Board 143: Work in Progress: Mind and Computer: Integration of Brain-Computer Interfaces in Engineering Curricula. 2024 ASEE Annual Conference & Exposition Proceedings. https://doi.org/10.18260/1-2--46702
  14. Badcock, N. A., Mousikou, P., Mahajan, Y., de Lissa, P., Thie, J., McArthur, G. (2013). Validation of the Emotiv EPOC®EEG gaming system for measuring research quality auditory ERPs. PeerJ, 1, e38. https://doi.org/10.7717/peerj.38
  15. Cuesta, D. L., Rivera, A. F. G., Borrero, J. S. M. (2020). Interfaz BCIE (Brain Computer Interface Educational) en Rasberry Pi utilizando sensor neurosky. 2020 15th Iberian Conference on Information Systems and Technologies (CISTI), 1–6. https://doi.org/10.23919/cisti49556.2020.9141128
  16. Akhtar, M. T., Mitsuhashi, W., James, C. J. (2012). Employing spatially constrained ICA and wavelet denoising, for automatic removal of artifacts from multichannel EEG data. Signal Processing, 92 (2), 401–416. https://doi.org/10.1016/j.sigpro.2011.08.005
Development of a personalized learning trajectory using a brain-computer interface

##submission.downloads##

Опубліковано

2025-10-30

Як цитувати

Gasimov, H., Alibeyli, T., Hesenli, H., & Ismayilov, A. (2025). Розробка персоналізованої освітньої траєкторії за допомогою інтерфейсу мозок-комп’ютер. Technology Audit and Production Reserves, 5(2(85), 6–12. https://doi.org/10.15587/2706-5448.2025.339867

Номер

Том 5 № 2(85) (2025): Інформаційно-керуючі системи

Розділ

Інформаційні технології

Ліцензія

Авторське право (c) 2025 Huseyn Gasimov, Turkan Alibeyli, Hesen Hesenli, Asiman Ismayilov

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.