1گروه هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه تربیت دبیر شهید رجائی، تهران، ایران
2پژوهشکده جامع علوم و فناوریهای همگرا، دانشگاه صنعتی شریف، تهران، ایران
تاریخ دریافت: 13 شهریور 1401،
تاریخ بازنگری: 01 بهمن 1401،
تاریخ پذیرش: 05 بهمن 1401
چکیده
پیشینه و اهداف: از دیرباز، فن آموزش و پروش، یک عمل اجتماعی مبتنیبر تجربیات مستقیم از گذشته بوده است و بسیاری از روشهای تدریس، بهطور سنتی شکل گرفتهاست. این روشها توسط یک سیستم مبتنی بر نظریههای علمی، پشتیبانی نمیشد و نمیتوانست نیازهای اجتماعی را که به سرعت در حال تغییر است برآورده کند. آموزش عصبی، یک علم تجربی و یک موضوع بین رشتهای است که آخرین پیشرفتهای نظری در مغز انسان و روانشناسی را در آموزش بهکار میبرد. با مطالعه دقیق نظریههای موجود در آموزش عصبی، میتوان نحوه ارائه محتوای بهینه برای یک دوره آموزشی، راهبرد تدریس و روشهای آموزش مطالب جدید و در عین حال بهبود توانایی تفکر محاسباتی دانشآموزان را بهبود بخشید. یکی از راههایی که میتوان این نظریهها را امتحان کرد، مطالعه نحوه شکلگیری تصمیم در مغز انسان است. تصمیم و رفتارهای مبتنیبر هدف، هم به سازوکارهای شواهدِ حسی که اطلاعاتِ ادراکی را از دنیای بیرون جمعآوری میکند و هم به سازوکارهای تصمیمگیری که رفتار مناسب را بر اساس آن اطلاعات حسی انتخاب میکنند، بستگی دارد. رفتارگرایی، یکی از پایههای اساسیِ نظریههای یادگیری و رفتار است. یکی از راههای مطالعه دقیق رفتار، استفاده از مدلهای محاسباتی مبتنیبر بیولوژی مغز است که متخصصان حوزه علوم اعصاب طی سالیان اخیر ارائه کردهاند. این مقاله سعی بر بررسی ارتباط بین آموزش عصبی و نحوه تدریس از طریق مطالعۀ دستاوردهای نظری تصمیمگیری در علوم اعصاب محاسباتی، عصب شناسی شناختی و روانشناسی، دارد. روشها: بهمنظور بررسی این مسأله، از یک مدل نورونی-محاسباتیِ تصمیمگیری مبتنیبر مغز استفاده شده است. این مدل، متشکل از دو نورون پویای بازگشتی است که میتواند نحوه شکلگیریِ تصمیمهای ادارکی را در فضاهای پیچیده رفتاری بررسی کند و پارامترهای کلیدی که باعث بهوجود آمدن تصمیم میشوند را نمایش دهد. در این پژوهش، سه آزمایش مختلف که شامل موازنه دقت-سرعت در هنگام پاسخ دادن، اثر توجه در تصمیمگیری و اثر قطعیت تصمیم بود، در مدل طراحی شده و سپس به تحلیل نحوه تغییر پارامترها و رفتار مدل و نگاشت آنها به کلاس درس و تغییرات تفکر دانشآموز پرداخته شده. است در نهایت با استفاده از مدل رگرسیون خطی، روابط و همبستگی بین پارامترهای رفتاری مدل مطالعه شد. یافتهها: نتایج نشان داد که با استفاده از این مدل تصمیمگیری محاسباتی، میتوان موازنه سرعت و دقت دانشآموزان در هنگام پاسخ به سؤالات امتحان را بهخوبی مطالعه کرد و با استفاده از مدل، به یک حد موازنه بهینه برای پاسخ به سؤالات رسید. همینطور تحلیل پارامترهای مدل نشان داد که میزان توجه دانشآموزان در کلاس درس توسط مدل قابل اندازهگیری است و تأثیر مهمی در تصمیمگیری و پاسخ به سؤالات دارد. در نهایت، مدل میتواند تأثیر میزان اعتماد بهنفس دانشآموزان بر روی عملکردشان را بهخوبی نمایش دهد و براساس دادههای برازششده مدل به دادههای رفتاری دانشآموزان، پیشنهادهای بهینهای را از منظر روانشناسی تربیتی ارائه کرد. نتیجهگیری: در این مطالعه، نشان داده شد که با استفاده از مدلهای نورونی-محاسباتی تصمیمگیری، میتوان رفتار دانشآموزان در کلاس درس و هنگام یادگیری را مدل کرد. کارشناسان علوم تربیتی و روانشناسان حوزه آموزش میتوانند از یافتههای مدل استفاده کنند تا طبق آن بهترین و بهینهترین روشهای آموزش را در جهت آموزش آسان و شکوفایی خلاقیت دانشآموزان ارائه کنند.
Investigation of Decision-Making Computational cortex-like mechanism models in Neuroeducation
نویسندگان [English]
A. M. Mousavi Harris1؛ R. Ebrahimpour2
1Department of Artificial Intelligence, Faculty of Computer Engineering, Shahid Rajaee Teacher Training University, Tehran, Iran
2Institute for Convergent Science and Technology, Sharif University of Technology, Tehran, Iran
چکیده [English]
Background and Objectives: Methods of pedagogy, for a long time, have been a social practice based on direct experiences from the past, and many of teaching methods have been traditionally formed. These methods were not supported by a scientific theory-based system and failed to keep up with the rapidly changing social needs. Neuroeducation is an experimental science and an interdisciplinary field that applies the latest theoretical advances in the human brain and psychology to education. By studying the theories in neuroeducation, it enables us to improve optimal presentation of contents for a course, teaching strategy and teaching methods of new subjects, and simultaneously improve students' computational thinking ability. One way that these theories can be tested is to study how decision-making is formed in the human brain. Goal-based decisions and behaviors depend on both sensory evidence mechanisms that collect perceptual information from the outside and mechanisms that select appropriate behaviors based on that sensory information which is decision-making mechanisms. Behaviorism is one of the basic foundations of theories of learning and behavior. One way to study behavior in detail is to use computational models based on brain biology that have been developed by neuroscientists in recent years. In this paper we try to explore the relationship between neuroeducation and pedagogy by studying theoretical achievements in computational neuroscience, cognitive neuroscience and psychology. Methods: To investigate this issue, a neural-computational model of brain-based for decision making was used. This model consists of two recurrent dynamic neurons that can explore how perceptual decisions are formed in complex behavioral spaces and show the key parameters of decision-making process. In this study, we designed three different experiments in the model that included the accuracy-speed trade-off when responding, the effect of attention on decision making, and the impact of the confidence of decision, and then analyzed how the parameters and model's behavior change then we map the parameters to the classroom and changes in student’s brain. Finally, we used linear regression model to study the relationships and correlations between the parameters of the model’s behavior. Findings: The results showed that using this decision-making computational model opened a way to study the speed-accuracy trade-off of students while answering exam questions and then, by using the model, an optimal trade-off could be found to answer the questions. Also, the analysis of model parameters showed that the level of students' attention in the classroom could be measured by the model and it had an important effect on decision making and answering the questions. Finally, the model could show the effect of students’ confidence on their performance and based on the fitted data of the model to students' behavioral data, we could make optimal suggestions from the perspective of educational psychology. Conclusion: In this study, we show that by using decision-making neural-computational models, students' behavior in the classroom can be modeled. Educational science experts and psychologists in the field of pedagogy can use the findings to provide the best and most optimal teaching methods for teaching easily and the flourishing of students' creativity.
کلیدواژهها [English]
Neuroeducation, Pedagogy, M education, Decision-Making, Neural-Computational Model
[13] Pulvermüller F. The case of CAUSE: neurobiological mechanisms for grounding an abstract concept. Philosophical Transactions of the Royal Society B: Biological Sciences. 2018; 373(1752): 20170129.
[20] Bishop DV. What is educational neuroscience. Consultado en http://deevybee. blogspot. co. uk/2014/01/what-is-educational-neuroscience. html. 2014.
