运用脑波识别专注状态.PDF

運用腦波識別專運用腦波識別專 注狀態注狀態 運用腦波識別專運用腦波識別專 注狀態注狀態 朱璿瑾 江政祐 劉寧漢* 國立屏東科技大學資訊管理系 國立屏東科技大學資訊管理系 國立屏東科技大學資訊管理系 研究生 研究生 副教授 sassnd@ djmb3567@ gregliu@.tw 摘要摘要 the wireless apparatus to measure and record 摘要摘要 人們透過多元的方式獲取知識與經驗，但 EEG signal. And all the useless data were filtered 大部分的人在成長過程中 ，是經由就學吸收新 manually. Finally, we used Support Vector 知，而學習的過程中 ，專心(Attention)的意識對 Machine (SVM) classifier to calculate and 於學習的成效有一定程度的影響 ，因此，學生 analyze the data. The classifier can recognize 能不能專心於課堂學習之上 ，為其學習成功與 EEG data as two classes (attention or inattention). 否的依 據，倘若老師能即時知道學生是否專 According to our experiment results, the attention 心，將可以適時地提醒學生 、改善學習情況。 recognition rate in this research is 71.17%. 本研究以觀測腦波的方式 ，辨識出學生在課堂 Keywords: electroencephalogram, attention 上的專心與非專心(Inattention)狀態 。首先，運 status, recognition, support vector machine. 用科學儀器進行腦波偵測並予以紀錄 ，接著將 收集到腦波數據值 ，利用人工的方式過濾無效 1.前言前言 前言前言 數據 ，再結合Supper Vector Machine(支援向量 腦波就和心跳 、血壓、呼吸一樣，是自然 機， SVM) 分類器進行運算 、分析，便能辨識 的生理現象 、資訊，普遍來說，平常人在無特 出二類型腦波數據值專心( v.s. 非專心) 。在研 別訓練的情況下 ，是無法隨意控制腦波的變 究中正確的辨識率最高可達 71.17% 。 化。而且各式生理行為 、心理狀態會形成不同 關鍵詞關鍵詞 ：腦波： 、專注狀態、辨識、支援向量機。 的腦波表現 ，利用人類身體本能產生出來的生 關鍵詞關鍵詞 ：： 理資訊 ，作為觀察的對象是最直接且不易捏造 Abstract 的。所以利用腦波識別出學習者是否處於專注 Human got the knowledge in various ways, (Attention)的學習狀態為此研究之主軸 。 but mostly from school. In the process of 現在學生的上課方式 ，除了正統的師生面 learning, attention