解碼在腦中成型的理工知識
透過學習人類得以理解科學知識，但知識是如何在腦中成型的呢？傳統評估學生學習知識的成效的方式仰賴紙筆測驗，達特茅斯學院的研究開發了一種機器學習算法分析功能性磁振造影(fMRI)的影像資料，可以根據大腦活動模式來衡量學生理解科學概念的程度。
這個研究項目找來28位學生當受試者，一半的學生沒有修習過任何工程或物理科目，另一半是主修工程的學生。在fMRI掃描的過程中，受試者觀看一系列的實際建築照片，並且被要求指出結構的正確施力方向，目的在於測驗學生對於牛頓第三運動定律的理解，測驗結果為工程學生回答的正確率75%高於非工程專業學生的53.6%。在神經科學的研究中，用於分析fMRI的方法如多變量模式分析（multivariate pattern analysis, MVPA）可以觀察到概念形成的資訊表現在腦內的活動模式，一般會將不同組別的受試者的數據互向進行比較。在本研究中提出一種新方法稱為信息網絡，此方法不需要預先將受試者的資料分類，而是將個別的大腦視為黑盒子，根據支援向量機（support vector machine, SVM）分類的結果判定學生的理解程度而給出最後的神經分數，結果表明學生的測驗分數越高，fMRI的神經分數也越高。研究結果也表明，工程專業的學生的腦活動，在負責空間認知的視覺皮質背側流，與負責視覺辨識的腹側枕顳皮質（ventral occipitotemporal cortex）有較為活躍的反應(附圖)。
本研究發表在期刊Nature Communications上，或許未來可以應用於幫助評估不同教學方法的效果。
撰文：高暐哲
原始論文及圖片：
Cetron, Joshua S., et al. "Decoding individual differences in STEM learning from functional MRI data." Nature communications 10.1 (2019): 2027.
這個研究項目找來28位學生當受試者，一半的學生沒有修習過任何工程或物理科目，另一半是主修工程的學生。在fMRI掃描的過程中，受試者觀看一系列的實際建築照片，並且被要求指出結構的正確施力方向，目的在於測驗學生對於牛頓第三運動定律的理解，測驗結果為工程學生回答的正確率75%高於非工程專業學生的53.6%。在神經科學的研究中，用於分析fMRI的方法如多變量模式分析（multivariate pattern analysis, MVPA）可以觀察到概念形成的資訊表現在腦內的活動模式，一般會將不同組別的受試者的數據互向進行比較。在本研究中提出一種新方法稱為信息網絡，此方法不需要預先將受試者的資料分類，而是將個別的大腦視為黑盒子，根據支援向量機（support vector machine, SVM）分類的結果判定學生的理解程度而給出最後的神經分數，結果表明學生的測驗分數越高，fMRI的神經分數也越高。研究結果也表明，工程專業的學生的腦活動，在負責空間認知的視覺皮質背側流，與負責視覺辨識的腹側枕顳皮質（ventral occipitotemporal cortex）有較為活躍的反應(附圖)。
本研究發表在期刊Nature Communications上，或許未來可以應用於幫助評估不同教學方法的效果。
撰文：高暐哲
原始論文及圖片：
Cetron, Joshua S., et al. "Decoding individual differences in STEM learning from functional MRI data." Nature communications 10.1 (2019): 2027.
留言
張貼留言