利用脑电图（EEG）和眼动追踪技术，结合迁移学习算法，优化合唱指挥教育中的注意力机制

《Scientific Reports》：Optimization of attention mechanisms in choral conducting education using EEG and eye movement tracking with transfer learning algorithms

　　

摘要

本研究通过整合脑电图（EEG）和眼动追踪技术以及迁移学习算法，对合唱指挥教育中的注意力机制优化进行了全面探讨。该研究旨在解决指挥教学客观评估方法方面的关键空白，开发了一种专门适用于指挥教学的多模态生理监测系统，能够捕捉指挥练习过程中的神经活动模式和视觉注意力分配情况。研究构建了一个复杂的注意力机制模型，该模型利用深度学习架构将EEG频谱特征与眼动追踪的时空数据相结合，在48名参与者和2847次指挥试验中实现了94.2%的准确率（95%置信区间：93.8–94.6%）。迁移学习框架成功利用了相关音乐领域的知识来提高教学效率，使平均技能掌握时间减少了34%，同时保持了卓越的教学效果。这一效率指标需要谨慎定义和解释。技能掌握时间被定义为参与者在标准化指挥能力评估中达到80%准确率所需的累计教学时间。这些评估是在与三位认证指挥教师（平均教学经验：18.3年）协商后制定的，涵盖了三个难度级别的12种指挥技巧。每种技巧都根据详细的评分标准（补充材料S3）在0–10的范围内进行评分，评估内容包括节拍清晰度、动态指示、预备动作以及乐团协调提示。评分者间的一致性很高（ICC = 0.91，95%置信区间：0.87–0.94；Fleiss’ κ = 0.86，针对分类评分）。34%的时间节省意味着平均节省了17.8小时（95%置信区间：14.9–20.7小时），传统教学方法需要52.3±8.6小时，而所提出的方法仅需34.5±5.1小时（配对t检验：t(47) = 11.24，p < 0.001，Cohen’s d = 2.41）。我们强调，这一结果是在受控实验条件下、由积极性高的参与者参与以及使用标准化课程的情况下获得的。将该方法推广到不同的教育环境中还需要进一步研究，我们建议将这一改进视为一个有希望的迹象，而非所有实施情况的必然结果。在多所教育机构中的全面评估显示，与传统教学方法相比，教学效果显著提升，注意力管理能力提高了31.2%，学习满意度增加了30.6%。个性化学习路径推荐系统与专家教师的评估结果相关性达到92.3%，证实了该系统能够根据生理反馈和认知特征优化个人学习路径的能力。这些发现为基于证据的教学设计奠定了坚实的基础，并展示了将神经生理监测与机器学习算法相结合在复杂运动认知技能获取领域中的实际应用价值。