信息科学、神经科学和心理学等基础学科与教育领域的积极碰撞也催生出了心智、脑与教育这一新兴交叉领域。多学科交叉融合是促进教育现代化的知识创新源泉。

本文概述了脑-机接口技术与理念，总结了脑-机接口个体化、实时化和场景化3个重要技术特点，梳理了脑-机接口在教育领域的研究成果，在此基础上探讨现有研究存在的问题，展望了脑-机接口未来的应用方向。

心智、脑与教育侧重关注教与学背后的脑神经认知机制，以期为制定更符合人脑学习规律的教学策略提供科学依据。

其中，脑-机接口技术从神经信号的角度对个体专注度、情绪等状态进行解码，是探究复杂行为背后内隐认知状态的有效方法之一。

情绪状态、专注程度、认知负荷等认知状态对学习过程和效果存在重要影响。面向个体认知状态定量识别的脑-机接口技术也日益受到教育领域研究者的广泛关注。

脑-机接口概念介绍

1973年，Vidal首次提出了“脑-机接口”（BCI）这一专业术语，将脑活动视为个人意图的载体；脑-机接口技术的使命则是解析和翻译脑活动中携带的意图，形成外部设备可理解的控制指令。

基于应用场景和目标的差异，脑-机接口系统可分为主动式脑-机接口（active BCI）和被动式脑-机接口（passive BCI）两大类。

来源：Trends in Cognitive Sciences

（图片略有调整）

主动式脑-机接口系统面向用户的意图识别。在应用该系统时，人需要有意识地、主动地发起某个指令；脑-机接口系统则将基于大脑神经活动对该意图或指令进行识别，从而控制外部设备执行指令。

主动式脑-机接口是最经典的脑-机接口研究阵地，近年来正在逐步走向实际应用。

被动式脑-机接口侧重于对用户的认知活动状态进行解码，用户在使用时不需要主动参与或控制。

被动式脑-机接口可以在几乎不对用户当前任务产生干扰的同时，实现对个体任务中认知状态的实时、定量识别，而学习过程中的情绪状态、专注程度、认知负荷等内隐认知活动的变化情况对学习效果存在重要影响，因此被动脑-机接口在教育领域中逐渐受到关注。

脑-机接口技术的个体化、实时化和场景化属性将为其在教育领域发挥作用提供独特优势。

首先，脑-机接口技术始终致力于个体层面的意图和状态精确识别，与近年来教育领域中关注的个性化学习思潮相契合。

同时，脑-机接口技术以“在线”为特色，即在任务执行的同时对个体认知状态进行实时分析、实时输出，从而为面向教学实践需求的及时反馈、干预提供了可能。

此外，脑-机接口技术以走出实验室、在日常生活中得到实际应用为目标，目前已经在足球场、舞台、教室和住宅等场所发挥作用。

教育情景的脑-机接口应用动向

脑-机接口的发展离不开神经活动测量技术的成熟。已有的教育情景中脑-机接口研究绝大多数都利用头皮脑电记录设备开展。

学习状态实时识别

学习状态实时识别是脑-机接口在教育领域中最主流的应用范式。

研究者通过采集典型学习情境下学生的神经生理活动，结合机器学习与深度学习等方法，尝试对注意力水平和脑力负荷等学生学习状态进行定量刻画，以提供个性化的学习反馈。

脑机接口同教育之间的联系

来源：IEEE Access

注意水平是脑-机接口关注最多的学习者认知状态。

Hu等记录了10名学生观看学习网站时的脑电活动，对注意力高、中、低3种情况进行区分的准确率为80.8%，并进一步设计了一套可追踪学习者注意水平的实时反馈系统。

Chen等则搭建了一套基于脑-机接口的在线学习注意检测和预警系统，发现注意检测和预警系统的应用显著地提升了学生的学业表现。

Kuo等设计了一套基于脑-机接口的注意增强在线英语听力学习系统，检测学生在学习中是否出现走神的情况。

也有研究者尝试对学习过程中的困惑程度、理解程度、情绪状态、心流状态和认知负荷等指标进行追踪。

自我效能感（个体对自身采取行动处理相应情景任务效果的判断）和学业动机（个体开展学习活动背后的驱动力）等与教学情境密切相关的指标也已经逐渐受到脑-机接口应用研究的关注。

Yu等利用长短时记忆网络，实现了对高、中、低三种不同学业自我效能感水平95%的识别正确率。

通过记录个体脑电活动，Chattopadhyay等完成了对两种学业动机水平正确率为89%的识别。

脑-机接口的实时化技术特点为实时捕捉个体学习过程中的认知状态提供了可操作路径，也让在线教学平台实现及时反馈调整成为可能。

特别地，脑-机接口技术可在不依赖授课内容的前提下，直接实现对学习者个体认知状态的识别，从而有机会构建跨学科通用的学习者个体认知状态识别框架，从而服务多学科的个性化教学需求，具有重要的实践意义。

然而，脑-机接口在学习状态实时识别中的应用尚处于起步阶段，存在诸多需要解决的问题。

现有脑-机接口技术虽然可以对个体认知状态进行解析，但却未能对认知状态所对应的情景进行识别。

研究者需要在理解教学情景复杂多变特点的前提下，对脑-机接口识别的认知状态指标进行评价和使用，以免造成错误的引导。

学习者个体特质测评

对学习者的个性化解析既要考虑个体随时间和情境动态变化的状态，也需要考虑个体相对稳定不变的特质。

学习风格，即个体偏好的学习策略和路径，是脑-机接口相关研究最多的学习者个体特质。其中，不同研究者往往采用了不同的理论框架或分类维度。

根据学习者个体特质，从海量的学习资料中筛选内容，制定针对性的学习计划已成为在线教育中广受关注的议题。基于脑-机接口的自动化测评方法则具有客观性高、难以伪饰的优点，有利于开展个体量化测评应用。

然而，基于脑-机接口的学习者个体特质应用中也存在问题，这里主要讨论理论框架问题。

在脑-机接口应用研究开展前，研究者有必要充分探讨到底选择哪种理论框架对待测量特质指标进行定义。

与此同时，由于脑-机接口研究中所形成的神经生理证据有望为拣择理论提供新的科学证据，后续研究也可考虑对不同的理论框架进行对比，为更新和优化学习者个体特质理论模型提供依据。

学习障碍干预

利用脑-机接口技术开展认知能力提升训练，研究者将可能针对性地解决由于认知能力受损引发的学习障碍问题，帮助学习者实现学业表现的提升，具有重要的应用价值。

神经反馈训练是基于脑-机接口实现认知能力提升的一种应用形式，通过实时采集实验参与者的大脑活动，从脑活动中提取特定指标，并将该指标实时反馈给实验参与者。此时，实验参与者可以直接观察、调节自己的脑活动，以改变认知和行为背后的神经活动，从而影响认知与行为。

神经反馈系统

来源：Frontiers in Human Neuroscience

以注意涣散、冲动和过度活跃为主要表现的注意缺陷障碍（多动症）是脑-机接口认知干预应用关注最多的话题。

Gevensleben等的研究，展示了神经反馈训练在治疗多动症方面的应用前景。

Verkijika等也报告了神经反馈技术在缓解数学焦虑方面的潜力。

此外，还有研究者尝试利用神经反馈训练帮助普通人实现认知能力的提升。

必须指出的是，该技术的有效性在学界存在较大的争议，缺乏强有力的实证研究结果和严格控制的实验是神经反馈领域目前最备受抨击的问题。

研究者都认为，需要更多严格控制的、标准化的、多中心的双盲随机临床实证研究来验证神经反馈技术的有效性。

进一步地，作为面向学习障碍干预的应用，基于脑-机接口的认知能力提升研究需要进一步对效果的教育情景可迁移性进行衡量。

同样地，在后续研究中，面向教学情境的可迁移性应该作为评价认知能力提升效果的重要指标。

挑战与反思

作为一个新兴的应用方向，脑-机接口在教育领域的应用也面临挑战。

首先，有效的脑电信号采集是实现脑-机接口应用的第一步。

其次，为了能大规模、长时程地在日常教学场景中开展研究，脑电设备的便捷性和佩戴舒适度等还需要进一步提升。

此外，由于被动脑-机接口技术起步较晚，其识别效果还需不断加强。

应用挑战

首先，现有脑-机接口在教育领域的应用研究中，很少有研究基于认知神经理论，特别是有教学情境认知神经依据的特征，来提取指标。

这使得研究者很难解释特征对应的生理意义，并往往难以将现有分析框架推广至其他教学情境中。

近年来，以师生互动研究为代表的心智、脑与教育前沿进展，有望为构建基于教育场景中多主体互动的脑-机接口提供重要的理论与方法支撑。

因此，脑-机接口研究者应当对教育学、心智、脑与教育领域的前沿理论和方法保持关注，以提升脑-机接口的应用性能和应用范围。

其次，目前对脑-机接口反馈的形式、实时程度和反馈对象如何影响教学效果的研究相对缺乏。

基于脑-机接口状态/特质识别结果以提升教学实践效果的反馈方案还需要进一步形成。

未来还需要更多的实证证据、更严谨的实验设计、更大规模的人群和更加长期的应用验证周期来证明脑-机接口技术在提升教学效果中独立的、增量性的价值。

同时，研究者也需要在研究中总结经验教训，积累切实可行的，有借鉴推广价值的实践应用方案，助力脑-机接口技术解决真问题，发挥真作用。

将脑-机接口技术和教学内容进行有机结合，实现教学过程优化将可能成为助力脑-机接口服务教育实践的可行应用路径。

与此同时，应用落地前也需要充分收集学生、教师、家长和教育管理者群体等一线实践者的意见和反馈，以匹配必要的支撑条件和运行机制，保障新兴技术发挥作用。

伦理挑战

近年来，大众对个人隐私保护的关注日益增加。

可以反映个体意图和状态的神经生理数据被认为是最为隐私的个人数据之一，而教育情景应用中可能涉及大量未成年用户，更需要关注个人隐私保护问题。

相关研究结果证实了民用脑-机接口应用在数据安全和隐私保护方面的局限。

研究者在开展研究前就有必要对数据安全问题给予高度重视，在面向实际应用时更加需要保持警惕。

脑-机接口领域研究者也应当对隐私保护相关成果保持关注，有意识地将其引入到脑-机接口应用过程中，并针对教育领域的特殊性进行优化。

公平问题也是脑-机接口在教育应用中需要关注的重要议题。

研究者提出，技术在教育领域开展应用时，应该注意以促进平等、降低壁垒为出发点，在开发体现技术前沿的“重器”时，也要研制足够支撑普通民众使用的“众器”。

脑-机接口是一个面向实际需求诞生的技术领域，如何在使用成本和应用效果之间寻找平衡点是研究者持续关注的重要议题。

我们期待脑-机接口支撑领域不断涌现创新成果，为进一步打造“众器”提供保障，也期待学术共同体积极讨论，为脑-机接口的教育应用形成伦理规范。

未来技术展望

2021年，高小榕等提出了广义脑-机接口技术的3I模型：interface（接口）、interaction（交互）、intelligence（智能），丰富了经典脑-机接口的内涵，也为脑-机接口的发展指明了方向。

其中，经典脑-机接口是一种大脑到外部设备的单向前馈通路，完成状态的解析或对外部设备的控制。

而脑-机交互则可在大脑与计算机之间形成双向闭环的反馈环路。计算机可根据脑意图/状态的解析结果通过神经刺激或神经反馈等方法对大脑进行干预，实现神经康复和认知增强，脑意图/状态的改变也将对计算机进行改变。

脑-机智能则希望实现人工智能与人类智能（大脑）相融合的协同智能，该协同智能系统的性能将优于单一模式下的人类智能或人工智能。

来源：Trends in Cognitive Sciences

目前，包括个体认知状态识别和特质测评的大多数脑-机接口教育应用研究均属于“接口”阶段，可以视作是描述学习者的一种方式。

脑-机接口的信息来源是教学过程中的学生脑活动，对大脑的直接观察将有可能帮助研究者揭示教学实践经验背后深藏的客观规律。

脑-机接口技术对个体化信息的动态识别将可能帮助研究者增进对个体层面教学过程的理解，从而更好地服务于个性化的教育需求，为反馈、干预和优化提供更有个体针对性的证据。

面向个体认知能力提升和认知障碍干预的脑-机“交互”则一定程度上脱离了传统的教学模式，将可能带来前所未有的教育形式：人们可能会更多反思教育的内涵，专注于更具人文关怀、回归教育本质的实践。但这一阶段的技术可行性还需要验证。

进一步地，脑-机智能所描绘的人机融合实现协同智能的愿景则将可能颠覆教育的定义。

但技术愿景的实现需要人类对大脑认知原理的深入理解、人工智能与脑-机接口技术的不断发展、人机互学习互启发机制的构建和实现等。

近年来，脑-机接口领域持续受到关注。

伴随着持续增加的人力和经费投入，脑-机接口技术将有望进一步取得突破性的发展。

我们也期待研究者深入教育这一重要情境，以实际问题为牵引，带动脑-机接口技术发展的同时，在教育领域形成更有影响力、更有实际应用价值的研究成果。

此外，面向实际应用，解决现实问题时，研究者应该更多地立足现有的研究技术水平进行思考，了解技术的边界，避免对研究成果的夸大和片面化应用。

我们尤其需要脑-机接口领域和教育领域研究者更加充分的交流、碰撞，增进对彼此的理解和认识，以共同探索脑-机接口在教育领域的应用前景。