EEG-basierte neuronale Signaturen differenzieller Arbeitsgedächtnisbelastungen
Arbeitsgruppe | Multimodale Interaktion |
Laufzeit | 01/2017 - offen |
Förderung | IWM Haushaltsmittel |
Projektbeschreibung
Die Forschung im Projekt verknüpft die Disziplinen Neuro- und Instruktionspsychologie und Informatik. Ziel ist es, die Methoden der Brain-Computer Interface (BCI) Technologien für Forschung im instruktionspsychologischen Kontext nutzbar zu machen (z.B. individuelle Klassifikation von Arbeitsgedächtnisbelastung in Echtzeit). Als langfristiges Ziel soll die Entwicklung einer adaptiven Lernumgebung ausgelotet werden, die mit BCI-Methoden unterschiedliche Signaturen kognitiver Prozesse im Lernprozess nachweist und online angemessen darauf reagiert.
Im Rahmen des Projektes werden mittels Hirnstrommessung (EEG) Signaturen elementarer Arbeitsgedächtnis- und Aufmerksamkeitsprozesse, die komplexen Lernprozessen zugrunde liegen (sollen), untersucht. Berücksichtigt werden zudem Blickbewegungsmaße (Eyetracking) wie die Pupillendilatation (d.h. die Vergrößerung der Pupille unter kognitiver Belastung). Ziel ist die Bestimmung der Spezifität und Sensitivität von EEG-und Eyetracking-Maßen für elementare kognitive Prozesse sowie die Entwicklung einer Aufgabe, die eine kombinierte Manipulation dieser Prozesse ermöglicht. Diese Aufgabe soll für das Training von Computer-Algorithmen zur automatischen Mustererkennung genutzt werden (sogenannte BCI-Klassifikatoren), um anschließend kognitive Belastungszustände in Lernaufgaben automatisiert messen und unterscheiden zu können. Mit Mitteln der automatischen Mustererkennung über verschiedene Aufgaben hinweg (Cross-Task-Klassifikation) wird empirisch die Zusammensetzung komplexer kognitiver Prozesse aus Teilprozessen untersucht. Dabei werden BCI-Klassifikatoren entwickelt, die anhand von Arbeitsgedächtnisaufgaben trainiert und validiert und anschließend auf Lernaufgaben angewendet werden. Die Ergebnisse bilden die Grundlage, um eine online adaptive Lernumgebung zu entwickeln und zu validieren. Abhängig von der gemessenen kognitiven Belastung könnte solch eine Lernumgebung direkt die Schwierigkeit der präsentierten Aufgaben dem jeweiligen Belastungszustand eines Lerners anpassen.
Das Projekt war Teil des Leibniz-WissenschaftsCampus Tübingen "Bildung in Informationsumwelten" (01/2013 – 12/2016). Seit 01/2017 wird das Projekt in Kooperation mit dem Wilhelm-Schickard-Institut für Informatik, Universität Tübingen (Prof. Rosenstiel, Dr. Martin Spüler, Tanja Krumpe) fortgeführt.
Kooperationen
Wilhelm-Schickard-Institut für Informatik, Universität Tübingen
Publikationen
Scharinger, C., Kammerer, Y., & Gerjets, P. (2015). Pupil dilation and EEG alpha frequency band power reveal load on executive functions for link-selection processes during text reading. PLoS ONE, 10, e0130608.
Scharinger, C., Soutschek, A., Schubert, T., & Gerjets, P. (2015). When flanker meets the n-back: What EEG and pupil dilation data reveal about the interplay between the two central-executive working memory functions inhibition and updating. Psychophysiology, 52, 1293-1304.
Gerjets, P., Walter, C., Rosenstiel, W., Bogdan, M., & Zander, T. O. (2014). Cognitive state monitoring and the design of adaptive instruction in digital environments: Lessons learned from cognitive workload assessment using a passive brain-computer interface approach. Frontiers in Neuroscience, 8:385. doi:10.3389/fnins.2014.00385.