적응적 수업자료의 개발을 위한 머신러닝의 활용: 학습자의 뇌파를 활용한 인지부하 판별모형 개발

• 영문명: Development of a Discrimination Model for Learners’ Cognitive Load based on Artificial Intelligence using EEG Data
• 발행기관: 순천대학교 교육과학연구소
• 저자명: 정무석(Museok Jeong) 임태형(Taehyeong Lim) 류지헌(Jeeheon Ryu)
• 간행물 정보: 『현장수업연구』제2권 제1호, 47~71쪽, 전체 25쪽
• 주제분류: 복합학 > 학제간연구
• 파일형태: PDF
• 발행일자: 2021.01.31

국문 초록

이 연구의 목적은 학습자의 신경생리 자료인 뇌파를 활용해서 학습자가 지각하는 인지부하의 정도를 판단할 수 있는 판별모형을 개발하기 위한 것이다. 이러한 접근은 적응적 수업자료를 위한 활용방안을 탐색하는 계기가 될 것이다. 연구목적 달성을 위해서 학습자의 신경생리적 데이터를 활용하여 인지부하 정도를 판별하는 인공지능 기반의 모형을 개발하는 것이다. 2명의 국립대 학생이 제시된 학습자료를 학습하는 동안 뇌파 반응 데이터를 수집하였다. 이 데이터를 통해 랜덤 포레스트, 서포트 벡터 머신, 인공신경망 기법이 각각 적용된 머신러닝 모델을 훈련시켰다. 그 결과 T7, AF3, AF4 영역의 감마파가 모형을 결정하는데 가장 큰 영향을 미쳤으며, 전반적으로 하이베타파와 감마파가 모형의 결정에 영향을 미쳤다. 모형의 정확도 비교에 있어서 인공신경망 기법이 적용된 머신러닝 모델이 95.17%로 가장 높은 예측력을 보였다. 또한 랜덤 포레스트 기법이 적용된 머신러닝 모델이 94% 이상의 예측 정확도를 보였다. 본 연구 결과는 실시간으로 학습자의 인지부하 정도를 측정하여 능동적으로 반응하는 개인화된 적응적 학습 시스템을 개발하는데 활용될 수 있을 것이다.

영문 초록

The purpose of this study was to develop an artificial intelligence-based model that determines the degree of cognitive load using learner’s neurophysiological data. The participants were two undergraduate students of a flagship university. Their EEG response data were collected during the experimental tasks. Machine learning models including random forest, support vector machine, and artificial neural network techniques were applied for the data. Results showed that the machine learning model that employed artificial neural network technique produced the highest predictive power at 95.17%. In addition, the machine learning model that employed random forest technique showed more than 94% prediction accuracy. The results of the study suggested that the models can be used to develop a personalized adaptive learning system that actively responds by measuring the cognitive load of learners in real time.

키워드

인공지능 인지부하 EEG 서포트 벡터 머신 랜덤 포레스트 인공신경망 artificial intelligence cognitive load EEG support vector machine random forest artificial neural network