当前位置:首页 > 物联网 > 可穿戴设备
[导读] 专家说,自我追踪工具(比如Fitbits)和运动传感器可能会让人们更好地了解他们的学习方式。 虽然可穿戴设备的计步和记录睡眠时间的功能很常用,并已成为人们的一种习惯,但类似的&ldquo

专家说,自我追踪工具(比如Fitbits)和运动传感器可能会让人们更好地了解他们的学习方式。

虽然可穿戴设备的计步和记录睡眠时间的功能很常用,并已成为人们的一种习惯,但类似的“数字化自我”在教育领域的应用还处在发展的早期阶段。

英国开放大学(Open University)的一位研究员总结了教育专家们期望的可穿戴技术在K-12和大学的应用:能否自我跟踪学习之旅?怎样弄清一个学习日好于另一个学习日?数据是否能以一个有意义的和学术的方式呈现?

想要了解一些自我监控设备对教育的影响,首先要弄清这些技术的定义。俄亥俄州立大学教育技术系副教授说,可穿戴设备是自己和世界之间的“亲密的双向通道”。不同于电脑或手机与我们的互动,可穿戴设备自动收集我们的信息,主动采取提示行动。想象一下,在你日常工作中,Fitbit轻轻地推了你一下,让你离开你的办公桌走上几步。

随着可穿戴技术的成本不断下降,研究人员以往任何时候都有更多的机会研究人类生理学和学习之间的关系,确定其是否有一个相关性。例如,心脏跳动次数或皮肤温度变化和在课堂上的参与度之间的关系。

“我们通过身体的变化去推断心理状态,”德克萨斯大学阿灵顿分校的研究人员给学生配备了初创科技公司EmpaTIca的E4手环,监控心率变化和皮肤电活动,用来测量学生的情绪反应。这个想法是为了更好地理解“身体感受是如何影响学习的”。

在纽约州立大学奥斯威戈分校,心理学助理教授一直在跟踪学生的心率,以了解他们在课堂上的情绪变化。从上午9点到晚上午11点,每三个小时,短信会提示学生输入其心率,并回答问题,问题包括“你感觉怎么样”和“你在一个小班还是大班上课”等。通过检测一天中不同时间学生情绪状态的变化,研究人员希望更好的理解学习和感情之间的关系。

研究人员甚至在研究学习姿势是如何与获取知识的能力有关的。研究人员在太平洋大学的教室里布设微软Kinect动作传感器,跟踪学生48块骨骼位置的变化。“我们能将坐姿与学生的注意力关联吗?”研究员问,“有一些活动能更好的让学生振作吗?”

将可穿戴技术带到教室的另一种方法是授权学生自己提供数据。借鉴彼得·德鲁克的“如果你不能测量它,你便不能改善它”的理论,教育者正在思考可穿戴式技术如何成为学生学习的激励因素。如果学习者可以实时看到学习物理的迹象,他/她就能做出类似于一个Fitbit所有者可能会采取的调整步骤么?

在某些情况下,研究人员断定,当学生们分析自己实际的数据,而不是从教科书来的假设的数字时,学生会学得更好。犹他州立大学教育技术学副教授研究了配备个人健康追踪器的小学生,在他们走上坡和下坡时,分析其心率、步数后发现,实际分析的学生情况比教科书上的数字提示表现更好。

作为一个新兴的技术,可穿戴设备在教育中的应用涉及到的伦理问题比比皆是。谁为什么目的在使用学习者的数据?

“将可穿戴设备整合到教育领域,需要发展信息的透明度。”“道德往往落后于技术”,俄亥俄州的Voithofer说。当与其他数据集或重复多个目的使用相结合时,个人数据变得更加抽象。比如一个装置,匿名收集学生关于情感模式的数据,之后,这个信息可能会与其考试成绩关联。一些学生可能会反对大学测量他们的情绪状态从而对他们的学术表现作出判断。

在之前的研究人员、教育工作者和企业实施的可穿戴技术学习环境中,Voithofer要他们仔细考虑数据是如何收集和使用的。“我们需要发展可穿戴设备运用到教育领域中信息的透明度,透明度是道德责任的核心。”

这也是一个提醒,不是所有的东西都可以测量的。过分依赖数据有可能导致研究人员对学生如何学习做出错误的假设。

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除( 邮箱:macysun@21ic.com )。
换一批
延伸阅读

过去几周,可穿戴设备领域掀起一波发布热潮,从中可以窥见人工智能(AI)将如何重塑个人计算的发展。千问最新发布的 AI 眼镜 N1、N1 Pro 及 AI 耳夹式耳机,雷鸟创新(RayNeo)带来的全新雷鸟 iO AI 眼...

关键字: 可穿戴设备 AI 智能眼镜

把大模型压到 4 比特,端侧才有机会跑起来。可每次压到 4 比特,都会撞上同一堵墙:权重看着还算正常,一到激活上,总有那么几个通道的数值比周围高出好几个数量级。这几个通道把量化区间整个撑大,别的通道就被压成了很小的台阶,...

关键字: 端侧AI 可穿戴设备

把大模型放进手机、PC,或者任何不带风扇的盒子里,是过去两年被反复提起的方向。厂商介绍端侧芯片时,习惯把算力标在最前面:多少 TOPS,能跑多大的模型,第几代 NPU。这个数字当然重要,但它掩盖了一个更硬的约束。一篇发表...

关键字: 端侧AI 可穿戴设备 AI

带语音的设备里,有一段代码是从不掉线的。麦克风一直开着,唤醒词检测一直在跑,等你说出那一句话。这个功能叫关键词识别,英文缩写 KWS,它的功耗直接决定了设备要靠多大的电池。把这件事塞进单片机执行,约束就更紧了。一篇被 I...

关键字: 端侧AI 可穿戴设备

AI 眼镜的续航瓶颈,行业里有个大致公认的数字:整机电池容量普遍在 300 毫安时左右。这点电量要撑一整天的佩戴,还要让唤醒词检测一直在线、让端侧模型随时能跑。结果就是用户每天得充两三次电。要解决这个矛盾,先得搞清功耗都...

关键字: 端侧AI AI 可穿戴设备

-- 推出两款适配可穿戴设备的双固化胶:适用于电路板的9208-W电子保护涂层与9209-W可返修封装胶 深圳2026年9月30日 /美通社/ -- 全球知名的光固化材料和设备制造商Dymax戴马斯近日推出9208-W...

关键字: 可穿戴设备 产品系列 防护 封装

随着智能手表、无线蓝牙耳机、智能手环、健康监测穿戴设备的快速普及,小型化、低功耗、高精度电池管理成为设备核心技术痛点。可穿戴设备普遍采用微型锂离子聚合物电池,具备体积小、容量低、放电工况波动大、易受温度与老化影响的特点。...

关键字: 可穿戴设备 电量计 电池内阻

智能手表、运动手环、医疗级可穿戴设备的形态演进,本质上是MEMS传感器不断微型化的迭代过程。十年前一款可穿戴设备要同时集成加速度计、陀螺仪、气压计三颗独立芯片,主板空间占比超过30%,现在单颗6轴IMU就能把多颗传感器的...

关键字: MEMS传感器 可穿戴设备

可穿戴设备的姿态感知能力,早已从计步的基础需求进化到动作捕捉、健康监测、运动分析的硬核刚需。九轴IMU(三轴加速度计+三轴陀螺仪+三轴磁力计)是所有可穿戴产品的姿态感知心脏,但原始数据里的漂移、噪声、干扰,足以让算法输出...

关键字: 九轴姿态解算 可穿戴设备

可穿戴设备在运动场景下采集的心电(ECG)、肌电(EMG)信号,始终被运动伪影这一行业级难题困扰:跑步时电极与皮肤的相对位移、肢体摆动带来的基线漂移、肌电与心电信号的互相串扰,会把原本清晰的PQRST波峰完全淹没在噪声里...

关键字: 可穿戴设备 生物信号的滤波
关闭