[논문 리뷰] EEG-based Investigation of the Impact of Classroom Design on Cognitive Performance of Students

Jesús G. Cruz-Garza, Michael Darfler외 3명|arXiv (Cornell University)|2021. 02. 06.

Color perception and design참고 문헌 83인용 수 5

한 줄 요약

이 연구는 가상 수업 환경의 설계 요소—특히 창문 위치와 방의 치수—가 학생들의 인지 성능에 미치는 영향을 뇌파(EEG) 및 행동 검사로 조사한다. 설계 유형 간 인지 테스트 성능에 유의미한 차이가 없었음에도 불구하고, 양측 전두엽, 두정엽 및 후두엽 영역의 토파 및 알파 대역 뇌파 특징은 조건 간 유의미하고 분류에 강건한 차이를 보였으며, 특히 시각 기억 테스트 기간에 가장 두드러졌다.

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.

연구 동기 및 목표

• 다양한 수업 환경 요소—창문 위치와 방의 치수—가 학생들의 인지 성능에 미치는 신경 및 행동적 영향을 조사하기 위해.
• 건축적 특징이 인지 과제 수행 중 EEG 패tern에 영향을 미치는지 확인하기 위해.
• 기계 학습을 활용하여 EEG 특징이 다양한 수업 환경을 분류하는 데 얼마나 유용한지 평가하기 위해.
• 환경 설계 변화에 가장 민감한 특정 뇌 영역과 주파수 대역을 특정하기 위해.
• 참가자별로 분리된 교차 검증을 통해 EEG 기반 분류의 강건성을 평가하기 위해.

제안 방법

• 참가자들은 다섯 가지 다른 가상 수업 환경에서 다섯 가지 인지 과제(스투룹, 디지트 스프레드, 베논, 시각 기억, 산술)를 수행하였다.
• EEG 데이터는 토파(4–8 Hz) 및 알파(8–12 Hz) 주파수 대역의 전력과 기능적 연결성 지표를 분석하기 위해 수집 및 분석되었다.
• EEG 특징의 조건 간 분류 가능성을 평가하기 위해 이탈리안-한 명의 참가자를 제외한 교차 검증 기반 기계 학습 분류 프레임워크를 사용하였다.
• 통계적 유의성을 평가하기 위해 난수로 섞인 EEG 데이터를 기준선으로 사용하여 분류 정확도를 비교하였다.
• 전극 배치 및 원천 국소화 기반으로 신경 특징는 양측 전두엽, 두정엽 및 후두엽 영역으로 국소화되었다.
• 행동적 영향을 평가하기 위해 과제 수행 성능을 조건 간 비교하고 정량화하였다.

실험 결과

연구 질문

• RQ1 창문 위치와 방의 치수 변화가 인지 과제 성능에 유의미한 영향을 미치는가?
• RQ2 어느 EEG 주파수 대역과 뇌 영역이 다양한 수업 환경에 대해 가장 일관된 뇌 반응을 보이는가?
• RQ3 기계 학습을 활용해 EEG 특징이 참가자의 다양한 수업 환경 노출을 신뢰성 있게 분류할 수 있는가?
• RQ4 특정 인지 과제 기간 동안 관찰된 신경 차이가 다른 과제에 비해 더 두드러지는가?
• RQ5 난수로 섞인 데이터를 기준선으로 사용했을 때 EEG 특징의 분류 성능은 우연의 수준과 비교해 어떻게 되는가?

주요 결과

• 다양한 수업 환경 설계 조건 간 인지 테스트 성능에 유의미한 차이가 관찰되지 않았다.
• 토파 및 알파 주파수 대역의 EEG 특징는 수업 환경 간 일관되고 통계적으로 유의미한 차이를 보였으며, 특히 시각 기억 테스트 기간에 두드러졌다.
• 실제 EEG 데이터를 사용했을 때 기계 학습 분류기가 기준선보다 유의미하게 높은 정확도를 달성하여 환경 조건 간 강건한 분류 가능성을 입증하였다.
• 가장 분류에 효과적인 EEG 특징는 양측 후두엽, 두정엽 및 전두엽 영역에 위치해 있었다.
• 분류 성능은 시각 기억 테스트에서 가장 높았고, 스투룹 및 산술 테스트에서 가장 낮아 과제에 따라 민감도가 달라지는 것으로 나타났다.
• 이 연구는 행동 성능가 변화가 없음에도 불구하고, 창문 위치와 방의 치수와 같은 건축적 특징이 뇌 활동에 영향을 미칠 수 있음을 입증하였다.