Herkenbaar voor elke student: diep in een studietekst zitten en plotseling realiseren dat de afgelopen tien minuten zijn verdwenen in kattenfilmpjes op Instagram. Afleiding en inefficiënt studeren zijn onze grootste obstakels. Maar wat als er een oplossing was? Dat is waar wij denken dat Brein Computer Interfacing, oftewel BCI, een antwoord op biedt.
Met ons project, deepFOCUS, meten we je hersenactiviteit en gebruiken we Kunstmatige Intelligentie om je te laten zien hoe geconcentreerd je bent tijdens het studeren. Het doel? Je helpen inzicht te geven in je momenten van optimale focus en je te ondersteunen om efficiënter in de 'flow state' te komen door middel van subtiele aanwijzingen en interventies.
Wij ontwikkelen deepFOCUS met het idee dat het een tool moet zijn die wij zelf graag zouden gebruiken als studenten. We willen dat het voor iedereen toegankelijk is, niet alleen in een laboratorium.
Hoe werkt het precies
Een Electro Encepholagram (EEG) kan gebruikt worden om hersen activiteit af te meten. Dit is als het waren een pet die je op kan zetten die de electriciteit in het brein af kan lezen in real-time. Voorheen waren dit soort devices ontzettend duur en alleen voor medische doeleinden beschikbaar. Maar in de afgelopen jaren zijn er steeds meer apparaten voor de consument beschikbaar voor een relatief lage prijs (300,-). Dit zijn geen grote onhandige apparaten, maar kunnen verwerkt worden in allerdaagse producten zoals een koptelefoon, of oortjes . Aan de hand van de activiteit in het brein kunnen we door middel van een algoritme aflezen welke delen actief zijn, een aan de hand daarvan een graad van oplettendheid uitrekenen.
Validatie tot nu toe
Tijdens onze bachelor thesis in 2022 voor het programma Cognitieve Wetenschapen & Kunstmatige Intelligentie aan de Universiteit van Tilburg voerden we onze eerste formele experimenten uit met deepFOCUS. We hielden in deze experimenten de graad van oplettendheid in de gaten tijdens een woordjesleer opdracht en gebruikten deze informatie om specefieke stof opnieuw te behandelen wanneer er een daling in oplettenheid bevond. Het doel heirvan was om studenten een betere score op een qiuz te bezorgen. Dit werk (en het vervolg hierop) is in meerdere academische werken gepubliseerd, een daarvan is zelfs gekroond als Best Student Paper op een prestigueze internationale conferentie.
Onze vizie
Onze visie voor deepFOCUS is als een onmisbare studiehulp voor studenten. Het identificeert niet alleen momenten van afleiding, maar vertelt de student ook precies in welke mate ze afgeleid zijn. De mate van afleiding maakt het mogelijk om de juiste aanpak te kiezen om de aandacht terug te brengen, via subtiele aanwijzingen of directe interventies. Lichtelijk afgeleid zijn is namelijk anders dan volledig afgeleid zijn. Uit ons onderzoek komt namelijk naarvoren dat studenten het niet fijn vinden als ze verteld word dat ze niet opletten als ze maar lichtelijk afgeleid zijn. Dit haalt ze namelijk eerder uit hun flow state, dan dat het help tegen de afleiding. Het is alleen bevoordelijk voor hun attentie als ze volledig afgeleid zijn.
De bekendheid van de mate van afleiding maakt ook integratie mogelijk in bestaande online leeromgevingen. Terwijl deze omgevingen zich richten op schermtijd en fouten, biedt direct inzicht in de aandacht aanzienlijk meer waarde. Hierdoor kan een student opnieuw betrokken worden voordat de aandacht volledig verloren gaat. Bovendien meten we de aandacht rechtstreeks vanuit de hersenen, wat de nauwkeurigheid en relevantie versterkt. Met deepFOCUS creëren we een gepersonaliseerde leerervaring die inspeelt op de unieke behoeften van elke student, aangezien dit direct reflecteerd op hun eigen hersen activiteit.
Naast deepFocus te kunnen gebruiken als studietool, kan het ook gebruikt worden om inzichten te geven naar mensen hun efficiency naarmate de dag verstrekt. Als de student ervoor kiest om meerdere meetingen te doen op de dag, kan deze precies zien op welk moment ze optimaal presteren. Het kan dus gebruikt worden als een soort fitbit voor je cognitie.
Uitdagingen
Er zijn enkele uitdagingen verbonden aan het gebruik van hersenactiviteit. Privacy, met name bij het verwerken van gevoelige data, vormt een aanzienlijke zorg, vooral in het geval van hersenactiviteit. Het is van cruciaal belang dat de verwerking van data transparant is en dat deze niet wordt opgeslagen of in de cloud wordt verwerkt.
Een andere uitdaging is de benodigde hardware voor de toepassing. In tegenstelling tot bijvoorbeeld chatGPT, dat een webgebaseerde applicatie is, vereist deepFOCUS specifieke hardware. Gelukkig zien we dat deze hardware steeds toegankelijker wordt voor consumenten, zowel qua prijs als gebruiksvriendelijkheid.
Ondanks deze uitdagingen geloven we dat deepFOCUS een aanzienlijke impact kan hebben op de studiemethoden van studenten en hun efficiëntie in tijdsbeheer. Voor meer informatie over ons team en deepFOCUS, nodigen we je uit een kijkje te nemen op onze website, of ons direct een mailtje te sturen.