教育与学习实验室

在教育数字化、智能化加速发展与个性化学习需求日益增长的背景下,教育与学习研究正经历由经验驱动迈向科学量化的重要转型。传统的教育与学习研究多依赖于行为观察、问卷调查和成绩分析,这些方法往往具有一定的滞后性和主观性,并且学习行为的外显数据与学习者内部认知—情绪—动机状态之间存在严重的数据断层,难以实现对个体学习过程的深度探究与精准干预。本实验室依托眼动、脑电、心电、皮电及神经调控和多模态数据采集分析等技术,实时采集学习者在真实或虚拟现实场景下的生理与行为数据,捕捉学习者内在的认知负荷、情绪状态和注意力波动。本实验室致力于构建基于心理生理测量技术的研究平台,打通“学习行为—认知状态—神经机制”的研究链条,为教育与学习研究的精准化、智能化发展提供坚实支撑。


pexels-annushka-ahuja-8055832.jpg

研究内容:聚焦学习者在知识获取、处理和应用过程中的认知机制,包括注意力、记忆、推理等。探究大脑认知机制与学习者学习规律,提升学习者的认知深度和学习效率。

应用示例:

眼动追踪(桌面式/穿戴式/VR式):使用眼动追踪技术可以探究学习者在多媒体学习过程中的视觉加工路径,在真实课堂场景中的注意分配模式,在特定虚拟现实教学场景下的注意与认知加工特征。

脑电图:使用脑电图数据来检测学习者在进行学习过程中的认知负荷与注意力水平,评估学习任务难度与个体认知状态的动态变化。

动机与情感研究

研究内容:探究学习动机、学习兴趣及学业情绪等因素对学习过程和结果的影响及其机制。

应用示例:

皮肤电和面部表情分析:使用皮肤电和面部表情分析技术,可以实时追踪个体的情绪强度和类别,从而探究个体的学业情绪及其在学习过程中的动态变化,进一步也可以分析教学互动中师生之间情绪传染的实时过程。

心电图:使用心电图数据及心率和心率变异性等指标,探究学习者在具有一定挑战性的科学活动中的认知负荷、学习压力、参与度及情绪状态等。

pexels-diva-plavalaguna-6937724.jpg

课程与教学设计

研究内容: 聚焦教材设计、课程内容组织、教学活动编排及信息呈现形式等关键问题,研究不同课程结构、媒体形式、任务序列与教学策略等对学习者注意、理解、参与和学习成效的影响,探讨基于学习科学与心理生理证据的教学设计优化路径。

应用示例:

眼动追踪:眼动追踪技术可用于比较不同图文整合方式和板书结构等对学生注意分配与信息加工效率的影响,从而优化教学材料设计。
脑电图与皮电:使用脑电图与皮电数据可评估不同教学环节中学习者的认知投入与情绪反应,识别高效教学片段与潜在认知负荷过载节点,为课程结构优化和教学流程改进提供依据。

2026/03/20260311172732200.jpg?cGV4ZWxzLXlhbmtydWtvdi04NjE3NzcxLmpwZw==

学习策略与方法研究

研究内容:探索有效的学习策略和教学方法,如项目式学习、合作学习、自主学习等。

应用示例:

脑电图:使用脑电图同时测量学习小组各成员的大脑皮层活动,既可以获得成员各自的认知加工活动,还可以探究小组成员间的神经同步性与协作效果和项目活动环节间的关系。

2026/03/20260311173434264.jpg?cGV4ZWxzLWZhdXhlbHMtMzE4NDMyNS0xMDI0eDY4My5qcGc=

教育技术研究

研究内容:研究数字化技术在教育中的应用及其效果,如在线学习平台、多媒体学习、学习游戏、虚拟现实、人工智能等。

应用示例:

眼动追踪和脑电图:使用眼动追踪技术和脑电图可以探究学习者在虚拟现实环境中进行知识学习的过程中的注意分布和认知加工过程及疲劳状态,进一步也可比较虚拟现实环境和真实学习课堂之间的教学效果和学习者学习路径及认知负荷等方面的异同。

学习评估研究

研究内容:使用多样的评估方法和工具,以更全面和准确地衡量学习效果。

应用示例:

多模态同步采集分析:使用脑电图、功能性近红外、心电图、面部表情分析、语音分析等多种测量技术,结合定性和定量数据,进一步综合主观和客观结果,综合全面地评估学习者的学习状态。

特殊教育研究

研究内容:关注特殊教育需求学习者,如学习障碍、自闭症、多动症及其他发展性问题群体,研究其在注意、记忆、情绪等方面的特征,提升特殊教育评估、干预与训练的科学性和精准性。

应用示例:

眼动追踪和语音分析:使用眼动追踪和语音分析技术识别其注意偏好、视觉搜索模式和语音音律及情绪变化,辅助教师进行更精准的心理干预与语言训练。

关联产品