[論文レビュー] EEG-based Investigation of the Impact of Classroom Design on Cognitive Performance of Students

Jesús G. Cruz-Garza, Michael Darfler+3 more|arXiv (Cornell University)|Feb 6, 2021

Color perception and design参考文献 83被引用数 5

ひとこと要約

本研究では、仮想教室の設計要因—具体的には窓の配置と部屋の寸法—が学生の認知的パフォーマンスに与える影響を、EEGおよび行動的テストを用いて調査した。認知テストのパフォーマンスに有意差は認められなかったが、両側性の前頭前野、側頭部および後頭部領域におけるθ帯域およびα帯域のEEG特徴は、特に視覚記憶テスト中に顕著で、分類に強く頑健な差を示した。

ABSTRACT

This study investigated the neural dynamics associated with short-term exposure to different virtual classroom designs with different window placement and room dimension. Participants engaged in five brief cognitive tasks in each design condition including the Stroop Test, the Digit Span Test, the Benton Test, a Visual Memory Test, and an Arithmetic Test. Performance on the cognitive tests and Electroencephalogram (EEG) data were analyzed by contrasting various classroom design conditions. The cognitive-test-performance results showed no significant differences related to the architectural design features studied. We computed frequency band-power and connectivity EEG features to identify neural patterns associated to environmental conditions. A leave one out machine learning classification scheme was implemented to assess the robustness of the EEG features, with the classification accuracy evaluation of the trained model repeatedly performed against an unseen participant's data. The classification results located consistent differences in the EEG features across participants in the different classroom design conditions, with a predictive power that was significantly higher compared to a baseline classification learning outcome using scrambled data. These findings were most robust during the Visual Memory Test, and were not found during the Stroop Test and the Arithmetic Test. The most discriminative EEG features were observed in bilateral occipital, parietal, and frontal regions in the theta and alpha frequency bands. While the implications of these findings for student learning are yet to be determined, this study provides rigorous evidence that brain activity features during cognitive tasks are affected by the design elements of window placement and room dimensions.

研究の動機と目的

• 異なる教室設計要因（窓の配置と部屋の寸法）が学生の認知的パフォーマンスに与える神経的および行動的影響を検討すること。
• 建築的特徴が認知課題中にEEGパターンに影響を与えるかどうかを特定すること。
• 機械学習を用いて、EEG特徴の分類性能が異なる教室環境を識別できるかを評価すること。
• 環境設計の変化に最も感受性を示す特定の脳領域および周波数帯域を同定すること。
• LOO（leave-one-out）交差検証を用いて、参加者間でのEEGベース分類の頑健性を評価すること。

提案手法

• 参加者は5つの異なる仮想教室設計において、5つの認知課題（ストゥーパル、ディジットスパン、バントン、視覚記憶、算術）を実施した。
• EEGデータは収集され、θ（4–8 Hz）およびα（8–12 Hz）周波数帯域のパワーと機能的結合度が分析された。
• EEG特徴の各設計条件間での識別可能性を評価するために、LOO（leave-one-out）交差検証を用いた機械学習分類フレームワークが用いられた。
• 統計的有意性を評価するために、スキャンブルされたEEGデータをベースラインとして使用した。
• 電極配置およびソース局在化に基づき、両側性の前頭前野、側頭部および後頭部領域に神経特徴を局在化した。
• 認知課題のパフォーマンスは各条件で測定され、行動的影響を評価した。

実験結果

リサーチクエスチョン

• RQ1 窓の配置と部屋の寸法の変化が、認知課題のパフォーマンスに有意に影響を与えるか？
• RQ2 どのEEG周波数帯域および脳領域が異なる教室設計に対して最も一貫した神経応答を示すか？
• RQ3 機械学習を用いてEEG特徴が、参加者のさらされた異なる教室環境を信頼性高く分類できるか？
• RQ4 特定の認知課題中に観察された神経的差が、他の課題に比べて顕著に強いのか？
• RQ5 スキャンブルされたデータをベースラインとして使用した場合、EEG特徴の分類性能は偶然レベルと比べて有意に高いのか？

主な発見

• 異なる教室設計条件間で認知テストのパフォーマンスに有意差は認められなかった。
• θ帯域およびα帯域のEEG特徴は、教室設計の違いに対して一貫して統計的に有意な差を示したが、特に視覚記憶テスト中に顕著であった。
• 本物のEEGデータを用いた場合、分類器はベースラインよりも有意に高い正確性を示した。これは、環境条件の識別能が頑健であることを示している。
• 最も識別能の高かったEEG特徴は、両側性の後頭部、側頭部および前頭前野に位置していた。
• 分類性能は視覚記憶テストで最も高く、ストゥーパルおよび算術テストで最も低かった。これは、課題依存の感受性を示している。
• 本研究は、窓の配置や部屋の寸法といった建築的特徴が、行動的パフォーマンスが変化しなくても脳活動に影響を与える可能性があるという証拠を提供している。