DGCSA: Dynamic graph convolution with self-attention for EEG-based attention recognition in VR and 2D environment
यह शोध पत्र DGCSA का प्रस्ताव करता है, जो डायनेमिक ग्राफ कन्वल्यूशन और सेल्फ-अटेंशन को बेयसियन-ऑप्टिमाइज्ड फीचर इंटीग्रेशन के साथ संयोजित करने वाला एक नवीन ढांचा है, जो EEG-आधारित अटेंशन रिकग्निशन में 91.67% सटीकता प्राप्त करता है और यह प्रदर्शित करता है कि 2D परिदृश्यों की तुलना में वर्चुअल वातावरण संज्ञानात्मक जुड़ाव (कॉग्निटिव एंगेजमेंट) को महत्वपूर्ण रूप से बढ़ाता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
मानव मस्तिष्क एकाग्रता का एक उस्ताद है, फिर भी वह एकाग्रता नाजुक होती है, जो आधुनिक दुनिया के शोर से आसानी से बिखर सकती है। शिक्षकों और प्रशिक्षकों के लिए, यह जानना कि कब कोई छात्र वास्तव में व्यस्त है और कब उसका मन भटक गया है, लंबे समय से एक अनुमान लगाने वाला खेल रहा है, जो शरीर की भाषा (बॉडी लैंग्वेज) को देखने या स्वयं की रिपोर्ट पूछने पर निर्भर था। इसे हल करने के लिए, वैज्ञानिकों ने सीधे मस्तिष्क की ओर रुख किया है, एक विधि का उपयोग करते हुए जिसे इलेक्ट्रोएन्सेफलोग्राफी, या ईईजी (EEG) कहा जाता है। इस तकनीक में स्कैल्प पर सेंसरों वाली एक टोपी लगाई जाती है ताकि अरबों न्यूरॉन्स के एक साथ सक्रिय होने की हल्की विद्युत फुसफुसाहटों को सुना जा सके। हालांकि मस्तिष्क की विद्युत गतिविधि अविश्वसनीय रूप से तेज़ और जटिल है, लेकिन इसमें हमारी मानसिक स्थिति का एक सीधा रिकॉर्ड होता है। चुनौती हमेशा उस अराजक शोर (स्टैटिक) को एक स्पष्ट संकेत में अनुवादित करने की रही है: क्या व्यक्ति ध्यान दे रहा है, या वह विचारों में खो गया है?
शियान शियो यूनिवर्सिटी और मोनाश यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने इन संकेतों को डिकोड करने का एक नया तरीका विकसित किया है, विशेष रूप से पारंपरिक और आभासी (वर्चुअल) शिक्षण वातावरण में ध्यान के स्तर को मापने के लिए। उन्होंने एक ऐसा सिस्टम बनाया जो मस्तिष्क को अलग-थलग हिस्सों के संग्रह के रूप में नहीं, बल्कि एक गतिशील नेटवर्क के रूप में देखता है जहाँ विभिन्न क्षेत्र लगातार एक-दूसरे से बात करते हैं। इस नेटवर्क दृष्टिकोण को विभिन्न मस्तिष्क लय (रिदम्स) के महत्व को तौलने वाली एक विधि के साथ जोड़कर, उन्होंने एक ऐसा उपकरण बनाया जो उल्लेखनीय सटीकता के साथ कम, मध्यम और उच्च ध्यान के बीच अंतर कर सकता है। उनका कार्य मस्तिष्क के भीतर एक दुर्लभ झलक भी प्रदान करता है कि क्या वर्चुअल रियलिटी (आभासी वास्तविकता), जो प्रशिक्षण के लिए उपयोग किए जाने वाले इमर्सिव डिजिटल संसार हैं, वास्तव में लोगों को एक मानक कंप्यूटर स्क्रीन की तुलना में बेहतर ध्यान केंद्रित करने में मदद करती है।
शोधकर्ताओं ने डेटा एकत्र करने के लिए बीस विश्वविद्यालय छात्रों से शुरुआत की जिन्होंने 'शुल्टे ग्रिड' नामक एक विशिष्ट मानसिक कार्य करते समय 64-सेंसर वाली टोपी पहनी थी। इस अभ्यास में, प्रतिभागियों को एक रैंडम ग्रिड में दिखाई देने वाली एक से पच्चीस तक की संख्याओं को खोजना और उन पर क्लिक करना था। उनके क्लिक की गति और सटीकता उनकी मानसिक स्थिति का एक विश्वसनीय संकेतक बनी। टीम ने प्रतिभागियों के प्रदर्शन को तीन स्तरों में वर्गीकृत किया: कम ध्यान, जहाँ वे आँखें बंद करके आराम कर रहे थे; मध्यम ध्यान, जहाँ उन्होंने कुछ त्रुटियों या धीमी गति के साथ कार्य पूरा किया; और उच्च ध्यान, जहाँ उन्होंने तेजी से और बिना किसी गलती के कार्य पूरा किया। डेटा को पुख्ता करने के लिए, छात्रों ने दो अलग-अलग सेटिंग्स में ये कार्य किए: एक मानक 2D स्क्रीन और एक पूरी तरह से इमर्सिव वर्चुअल रियलिटी वातावरण जहाँ उन्होंने हेडसेट पहना और एक 3D दुनिया में चारों ओर देखा।
संग्रहित विशाल विद्युत डेटा को समझने के लिए, टीम ने एक परिष्कृत कंप्यूटर मॉडल विकसित किया जिसे वे DGCSA कहते हैं। पारंपरिक तरीके अक्सर मस्तिष्क के संकेतों को सरल फ्रीक्वेंसी बैंड्स में तोड़कर देखते हैं, जैसे कम गूँज या ऊँची पिच वाली आवाज़ें, और फिर उन अलग-अलग ध्वनियों के आधार पर मानसिक स्थिति का अनुमान लगाने की कोशिश करते हैं। यह नया दृष्टिकोण अलग है क्योंकि यह समझता है कि मस्तिष्क एक जुड़े हुए सिस्टम के रूप में कार्य करता है। मॉडल पहले विभिन्न आवृत्तियों (फ्रीक्वेंसी) में विद्युत संकेतों की ताकत और जटिलता का विश्लेषण करता है, जिससे उन विशिष्ट प्रकार की ब्रेन वेव्स को अधिक महत्व दिया जाता है जो ध्यान को अलग करने के लिए सबसे उपयोगी हैं। इसके बाद यह मानचित्रित करता है कि टोपी पर विभिन्न सेंसर एक-दूसरे से कैसे जुड़े हैं, लेकिन एक महत्वपूर्ण मोड़ के साथ: यह मानते हुए कि ये कनेक्शन स्थिर हैं, मॉडल यह सीखता है कि जैसे-जैसे मस्तिष्क अपना फोकस बदलता है, वे वास्तविक समय में कैसे बदलते हैं। अंत में, यह एक ऐसी प्रणाली का उपयोग करता है जो एक स्पॉटलाइट की तरह काम करती है, जो सबसे महत्वपूर्ण कनेक्शनों को उजागर करती है और शोर को अनदेखा करती है, जिससे यह देख पाना संभव होता है कि मस्तिष्क वास्तव में क्या कर रहा है।
जब शोधकर्ताओं ने इस नई प्रणाली का परीक्षण किया, तो परिणाम चौंकाने वाले थे। मॉडल ने 91.67 प्रतिशत मामलों में ध्यान के स्तर की सही पहचान की, जो पुराने तरीकों की तुलना में एक महत्वपूर्ण सुधार है जो सरल गणितीय नियमों या मानक डीप लर्निंग मॉडल्स पर निर्भर थे। यह विशेष रूप रूप से यह पहचानने में सक्षम था कि छात्र पूरी तरह से व्यस्त है, जिसने टेस्ट ग्रुप में उच्च ध्यान के प्रत्येक उदाहरण की सही पहचान की। अध्ययन ने यह भी खुलासा किया कि मस्तिष्क के जुड़ने का तरीका वातावरण के आधार पर बदल जाता है। वर्चुअल रियलिटी सेटिंग में, मॉडल ने 2D स्क्रीन की तुलना में ध्यान के अधिक स्थिर और सुसंगत पैटर्न का पता लगाया।
डेटा ने दिखाया कि वर्चुअल रियलिटी वातावरण में छात्र उच्च स्तर का ध्यान बनाए रखते थे और 2D स्क्रीन पर काम करने वालों की तुलना में उनके ध्यान के उतार-चढ़ाव में कमी देखी गई। सांख्यिकीय विश्लेषण ने पुष्टि की कि यह अंतर संयोग के कारण नहीं था; आभासी दुनिया की इमर्सिव प्रकृति ने छात्रों के ध्यान को अधिक प्रभावी ढंग से केंद्रित करने में मदद की। ब्रेन वेव्स के विशिष्ट पैटर्न को देखकर, शोधकर्ताओं ने पाया कि वर्चुअल वातावरण ने मस्तिष्क के दृश्य और स्थानिक प्रसंस्करण (विजुअल और स्पेशियल प्रोसेसिंग) क्षेत्रों में एक अलग प्रतिक्रिया उत्पन्न की, जो यह सुझाव देती है कि मस्तिष्क द्वारा प्राप्त समृद्ध, 3D जानकारी को एकीकृत करने के लिए मस्तिष्क अधिक मेहनत कर रहा था। यह बढ़ी हुई व्यस्तता मस्तिष्क की विद्युत गतिविधि में भी प्रतिबिंबित हुई, जिसने दिखाया कि जब छात्र वर्चुअल दुनिया में थे, तो उनका सिग्नल अधिक स्पष्ट और व्यवस्थित था।
अध्ययन ने पिछले शोध की एक सामान्य सीमा को भी संबोधित किया, जो अक्सर विभिन्न प्रकार के मस्तिष्क डेटा को प्रभावी ढंग से संयोजित करने में संघर्ष करता था। एक स्मार्ट वेटिंग सिस्टम का उपयोग करके, नया मॉडल मस्तिष्क की तरंगों की शक्ति और उनकी जटिलता की जानकारी को मिलाने में सक्षम था, जिससे मानसिक स्थिति की एक समृद्ध तस्वीर बनी। इस दृष्टिकोण ने सिस्टम को सभी मस्तिष्कों को एक ही कठोर टेम्पलेट में फिट करने के बजाय, प्रत्येक व्यक्ति के मस्तिष्क के कार्य करने के अनूठे तरीके के अनुकूल होने की अनुमति दी। शोधकर्ताओं ने नोट किया कि हालांकि सिस्टम अत्यधिक सटीक था, फिर भी इसने कभी-कभी कम ध्यान के क्षणों को उच्च ध्यान के क्षणों के साथ भ्रमित कर दिया, जिसका कारण संभवतः डेटा के संक्षिप्त स्नैपशॉट में सतर्कता के क्षणिक विस्फोट निरंतर ध्यान के समान दिख सकते हैं।
अंततः, यह कार्य यह समझने के लिए एक शक्तिशाली नया उपकरण प्रदान करता है कि हम कैसे सीखते हैं। यह प्रदर्शित करता है कि वर्चुअल रियलिटी केवल एक नवीनता नहीं है, बल्कि एक ऐसा माध्यम है जो वास्तव में संज्ञानात्मक जुड़ाव (कॉग्निटिव एंगेजमेंट) को बढ़ा सकता है, जिसे मस्तिष्क गतिविधि में स्पष्ट, मापने योग्य परिवर्तनों द्वारा समर्थित किया गया है। नया मॉडल ध्यान को वास्तविक समय में ट्रैक करने का एक तरीका प्रदान करता है, जो एक दिन शिक्षकों को अपनी शिक्षण विधियों को तुरंत बदलने में मदद कर सकता है या डिजाइनरों को ऐसे प्रशिक्षण सिमुलेशन बनाने में मदद कर सकता है जो शिक्षार्थियों को गहराई से जोड़े रखते हैं। अनुसंधान पुष्टि करता है कि जब हम एक आभासी दुनिया में कदम रखते हैं, तो हमारा मस्तिष्क केवल देखता नहीं है; यह एक सपाट स्क्रीन को देखने की तुलना में अलग तरीके से जुड़ता है, ध्यान केंद्रित करता है और कार्य करता है, जो शिक्षा और प्रशिक्षण के भविष्य के लिए एक आशाजनक मार्ग प्रदान करता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।