DGCSA: Dynamic graph convolution with self-attention for EEG-based attention recognition in VR and 2D environment

La mente umana è una maestra della concentrazione, eppure quella concentrazione è fragile, facilmente dispersa dal rumore del mondo moderno. Per educatori e formatori, sapere esattamente quando uno studente è veramente impegnato e quando la sua mente ha vagato è stato a lungo un gioco di intuito, basato sull'osservazione del linguaggio del corpo o sulla richiesta di auto-report. Per risolvere questo problema, gli scienziati si sono rivolti al cervello stesso, utilizzando un metodo chiamato elettroencefalografia, o EEG. Questa tecnica prevede l'applicazione di un cappuccio di sensori sul cuoio capelluto per ascoltare i deboli sussurri elettrici di miliardi di neuroni che si attivano in unisono. Sebbene l'attività elettrica del cervello sia incredibilmente veloce e complessa, essa contiene una registrazione diretta del nostro stato mentale. La sfida è sempre stata tradurre quel caos statico in un segnale chiaro: la persona sta prestando attenzione o è persa nei suoi pensieri?

Un team di ricercatori della Xi'an Shiyou University e della Monash University ha sviluppato un nuovo modo per decodificare questi segoli, specificamente per misurare i livelli di attenzione sia in ambienti di apprendimento tradizionali che virtuali. Hanno creato un sistema che tratta il cervello non come una collezione di parti isolate, ma come una rete dinamica dove diverse regioni comunicano costantemente tra loro. Combinando questa visione di rete con un metodo che pesa l'importanza di diversi ritmi cerebrali, hanno costruito uno strumento in grado di distinguere tra attenzione bassa, media e alta con una precisione sorprendente. Il loro lavoro offre anche uno sguardo raro all'interno del cervello per vedere se la realtà virtuale, i mondi digitali immersivi spesso usati per l'addestramento, aiuti effettivamente le persone a concentrarsi meglio rispetto a uno schermo del computer standard.

I ricercatori hanno iniziato raccogliendo dati da venti studenti universitari che indossavano un cappuccio a 64 sensori mentre svolgevano un compito mentale specifico noto come Griglia di Schulte. In questo esercizio, i partecipanti dovevano trovare e cliccare numeri da uno a venticinque man mano che apparivano in una griglia casuale su uno schermo. La velocità e l'accuratezza dei loro clic servivano come indicatore affidabile del loro stato mentale. Il team ha categorizzato la prestazione dei partecipanti in tre livelli: bassa attenzione, in cui riposavano a occhi chiusi; media attenzione, in cui completavano il compito con alcuni errori o una velocità ridotta; e alta attenzione, in cui finivano rapidamente e perfettamente. Per garantire che i dati fossero robusti, gli studenti hanno eseguito questi compiti in due contesti diversi: uno schermo 2D standard e un ambiente di realtà virtuale completamente immersivo in cui indossavano un visore e guardavano intorno in un mondo 3D.

Per dare un senso alla massiccia quantità di dati elettrici raccolti, il team ha sviluppato un sofisticato modello computazionale che chiamano DGCSA. I metodi tradizionali analizzano i segnali cerebrali scomponendoli in semplici bande di frequenza, come rimbombi bassi o ronzii acuti, e poi cercano di indovinare lo stato mentale basandosi su quei suoni isolati. Questo nuovo approccio è diverso perché comprende che il cervello funziona come un sistema connesso. Il modello analizza prima la forza e la complessità dei segnali elettrici attraverso diverse frequenze, dando più peso ai tipi specifici di onde cerebrali che sono più utili per distinguere l'attenzione. Successivamente, mappa come i diversi sensori del cappuccio siano connessi tra loro, ma con un tocco cruciale: invece di assumere che queste connessioni siano fisse, il modello impara come cambiano in tempo reale mentre il cervello sposta il focus. Infine, utilizza un meccanismo che agisce come un riflettore, evidenziando le connessioni più importanti e ignorando il rumore, permettendogli di vedere il quadro generale di ciò che il cervello sta facendo.

Quando i ricercatori hanno testato questo nuovo sistema, i risultati sono stati sorprendenti. Il modello ha identificato correttamente il livello di attenzione nel 91,67% dei casi, un miglioramento significativo rispetto ai vecchi metodi che si affidavano a regole matematiche più semplici o a modelli di deep learning standard. Era particolarmente bravo a individuare quando uno studente era pienamente impegnato, identificando correttamente ogni singolo caso di alta attenzione nel gruppo di test. Lo studio ha anche rivelato che il modo in cui il cervello si connette cambia a seconda dell'ambiente. Nell'ambiente di realtà virtuale, il modello ha rilevato un modello di concentrazione più stabile e costante rispetto allo schermo 2D piatto.

I dati hanno mostrato che gli studenti nell'ambiente di realtà virtuale mantenevano livelli di attenzione più elevati ed esperivano meno fluttuazioni nella loro concentrazione rispetto a quelli che lavoravano sullo schermo 2D. L'analisi statistica ha confermato che questa differenza non era dovuta al caso; la natura immersiva del mondo virtuale sembrava ancorare l'attenzione degli studenti in modo più efficace. Osservando i pattern specifici delle onde cerebrali, i ricercatori hanno scoperto che l'ambiente virtuale innescava una risposta distinta nelle aree di elaborazione visiva e spaziale del cervello, suggerendo che il cervello stesse lavorando di più per integrare le ricche informazioni 3D ricevute. Questo maggiore impegno era riflesso nell'attività elettrica del cervello, che mostrava un segnale più chiaro e organizzato quando gli studenti erano nel mondo virtuale.

Lo studio ha affrontato anche una comune limitazione delle ricerche precedenti, che spesso faticavano a combinare efficacementamente diversi tipi di dati cerebrali. Utilizzando un intelligente sistema di ponderazione, il nuovo modello è riuscito a fondere le informazioni sulla forza delle onde cerebrali con le informazioni sulla loro complessità, creando un quadro più ricco dello stato mentale. Questo approccio ha permesso al sistema di adattarsi al modo unico in cui funziona il cervello di ciascuna persona, piuttosto che forzare tutti i cervelli in un unico modello rigido. I ricercatori hanno notato che, sebbene il sistema fosse altamente accurato, occasionalmente confondeva momenti di bassa attenzione con l'alta attenzione, probabilmente perché brevi scariche di allerta possono apparire simili a una concentrazione sostenuta in brevi istantanee di dati.

In definitiva, questo lavoro fornisce un nuovo e potente strumento per comprendere come impariamo. Dimostra che la realtà virtuale non è solo una novità, ma un mezzo che può genuinamente potenziare l'impegno cognitivo, una scoperta supportata dai cambiamenti chiari e misurabili nell'attività cerebrale. Il nuovo modello offre un modo per tracciare oggettivamente l'attenzione in tempo reale, il che potrebbe un giorno aiutare gli educatori ad aggiustare i loro metodi di insegnamento al volo o aiutare i progettisti a creare simulazioni di addestramento che mantengano gli studenti profondamente coinvolti. La ricerca conferma che quando entriamo in un mondo virtuale, i nostri cervelli non si limitano a guardare; essi si impegnano, si connettono e si concentrano in modi che sono distinti dal guardare uno schermo piatto, offrendo una strada promettente per il futuro dell'educazione e della formazione.