В сфере исследований мозга до сих пор много белых пятен. С одной стороны, мы накапливаем ценные данные о том, как связана та или иная активность головного мозга с реальными психоэмоциональными состояниями. С другой, текущей систематизации знаний не хватает для полного понимания того, как работает мозг. Существующие психологические теории плохо предсказывают, что именно чувствует человек в конкретной ситуации. Сергей Горюшко, нейрофизиолог и руководитель научного отдела в Лаборатории знаний, и Мария Панкова, руководитель учебно-методического отдела в «Нетологии», рассказывают, рассказывают, как с помощью нейроисследования наладить эффективность обучения и понять, что человек выгорел на работе.
Как сегодня связаны энцефалография и нейротехнологии
Технология для проведения исследований мозга существует давно: энцефалография была придумана в 1924 году. Она безопасна и широко применяется в науке и медицине для выявления патологий в мозге.
В нашем случае важно новое применение давно существующей технологии. 10–15 лет назад люди совершили качественный скачок, и энцефалография стала применяться в быту. Появились нейроинтерфейсы –– приборы, которые мы используем в наших проектах для считывания мозговой активности.
Совсем недавно случился прорыв в понимании того, как использовать эту технологию для бизнеса, развития команд и отдельной личности. Создаются платформы потоковой обработки данных, которые на основе машинного обучения интерпретируют ЭЭГ в конкретные состояния человека и выявляют взаимосвязи между состояниями и продуктивной деятельностью.
На основе данных, полученных через нейроинтерфейсы, составляются отчеты о состоянии отдельного человека или группы людей в привязке к конкретной деятельности или контексту. Например, нейроинтерфейсы используют в качестве инструмента, помогающего лучше медитировать. Или для решения задачи по выявлению у кандидатов метакомпетенций (soft skills).
Однако существуют и препятствия для широкого использования энцефалографии. Основное из них –– низкий уровень осведомленности компаний и людей о том, какую конкретную пользу могут принести знания о мозге и нейротехнологии для регулярной деятельности людей и компаний. Страхи, связанные с чипированием и опасным влиянием 5G, также сдерживают практическое применение технологии в бизнесе.
Часто люди не хотят, чтобы кто бы то ни было «заглядывал» в их головы. Справиться с ситуацией помогут клиенты-новаторы, которые готовы выводить на первый план конкретные проблемы и задачи бизнеса, а полученные результаты использовать для их решения.
Как нейротехнологии помогают выяснить, не выгорел ли человек
Основной фокус текущей работы –– это построение «мостика» между научными исследовательскими разработками и конкретными задачами. Для этого исследуется рынок, проводится поиск компаний и ситуаций, где можно применить нейротехнологии.
После каждого проекта внедрения нейротехнологий появляется несколько вариаций для продолжения сотрудничества. На основе первых результатов принимается решение, как еще улучшить и повлиять на измеримые метрики. Для каждой ситуации разрабатывается отдельная методичка, и участие провайдера сводится к предоставлению заказчику технических мощностей по обработке информации.
Похожая работа ведется в области управления. При взаимодействии команд, которые работают над одним или несколькими продуктами, проявляется эффект, когда результат зависит не только от одного сотрудника, а от множества людей. И стоит учитывать, что у всех людей разная производительность труда в разное время суток. Они по-разному решают задачи и реагируют на появление новых.
С помощью нейротехнологий определяется, насколько хорошо член команды понял задание. Можно обнаружить момент недопонимания, даже если человек говорит, что все понимает. В итоге у руководителя появляется возможность планировать работу команды, исходя из состояния сотрудника –– не «сгорел» ли он на предыдущей задаче и готов ли выполнить новую за то же время. Это обеспечивает экологичность подхода к управлению людьми и при этом задает высокий темп выполнения задач.
Дополнительно решаются задачи по обучению сотрудников. Например, минимизация рисков, когда человек проходит испытательный срок и приступает к серьезным задачам. Для некоторых компаний это критически важно. Так, на металлургическом предприятии нельзя допускать стажера к выполнению опасных работ, если он на самом деле не получил всех необходимых знаний или неправильно понял инструкции и не готов к работе. Потому что его ошибка может привести к остановке производственного процесса и человеческим жертвам.
Обучение с использованием нейротехнологий минимизирует ситуации случайного прохождения тестирования для получения допуска на работу. Если в компанию приходит новый сотрудник, то в процессе обучения измеряется коэффициент усваиваемости информации и даются рекомендации о том, что с этим человеком делать дальше: продолжить обучать или вовсе не брать на работу.
Подобные нейропродукты также решают большой пласт задач по личному планированию, личной эффективности, наблюдению за своим состоянием или его тренировке. Например, для целей публичных выступлений можно натренировать оптимальное состояние, которое позволит эффектно выступать. То же справедливо для оптимальных состояний спортсменов на соревнованиях, продавцов в отделах продаж.
Конечно, человек может прийти к такому состоянию методом проб и ошибок. Но на специальной тренировке он видит нужное состояние на экране компьютера и быстрее приближается к результату. Этот процесс можно сравнить со стрельбой по мишени с закрытыми и открытыми глазами. Вероятность попадания в цель вслепую очевидно низкая, и нужно выстрелить множество раз, чтобы хотя бы одна пуля попала в цель.
Как внедряются нейротехнологии
Платформа NeuroAngel состоит из нескольких компонент. Ядро платформы –– система на базе ИИ, которая умеет интерпретировать ЭЭГ в различные психоэмоциональные состояния, находить связи между этими состояниями и производственной деятельностью. А также умеет обучаться выявлять новые состояния (например, состояние чемпиона продаж или лучший владелец продукта).
Ядро системы окружают бизнес-приложения для конкретных практических задач и интеграционная шина, обеспечивающая взаимодействие с разными моделями нейроинтерфейсов и различными бизнес-системами: CRM системы (Amo, Bitrix24), баг-трекеры (Jira, Github), LMS-платформы (Moodle, Ispring). Сами нейроинтерфейсы используются те, которые уже есть на рынке.
Чтобы научиться определять состояние человека (например, уровень его усталости), нужно предъявить искусственному интеллекту образцы энцефалограмм людей, про которых мы заранее знаем, что они устали или, наоборот, полны сил. Чем больше таких образцов мы покажем искусственному интеллекту, тем лучше он научится отличать их друг от друга.
Так можно научить платформу самым разным задачам. Она может по загрузке мозга узнавать, списывает ли школьник контрольную или решает сам. Или может определять, сколько часов может еще проехать водитель, прежде чем потеряет бдительность и допустит аварийную ситуацию.
В каждом таком случае понадобится измерить большое количество людей, будь то списывающие и не списывающие школьники или водители разной степени утомленности. На сегодняшний день накоплена большая база различных состояний и на конкретных проектах выполняется адаптация базовых моделей под специфику деятельности конкретной компании.
Система может одновременно обрабатывать данные, связанные с разными типами задач. Одним компаниям она может помогать управлять проектами, а другим в тот же момент времени –– следить за бодростью диспетчеров на ответственных участках производств.
Каждая из таких прикладных задач требует разных способов представления данных. Для одних заказчиков система будет рисовать солидные таблицы, для других –– красивые бегущие графики, третьим будет отправлять рекомендации по электронной почте или отображать их в мобильном приложении.
Реальный кейс: нейроисследование о реакциях мозга на просмотр образовательных видеороликов разной длительности
Один из заказчиков подобных нейроисследования — «Нетология» — решила выяснить, как люди взаимодействуют с их образовательным видеоконтентом. Нейродиагностика позволила понять, как мозг человека реагирует на обучение, независимо от того, в каком он сейчас настроении или как субъективно относится к преподаваемому контенту или спикеру. Для эксперимента выбрали самую наболевшую из гипотез: влияет ли длительность видео на эффективность обучения. Из имеющихся на рынке источников мнения об оптимальной длительности видеоконтента существенно расходились.
Исследование включало в себя мониторинг ресурсного состояния слушателей в разрезе четырех состояний:
- стресс (уровень негативного эмоционального фона);
- увлеченность (степень интереса к выполняемой задаче);
- концентрация (уровень расхода нейронных ресурсов для выполнения задачи);
- когнитивная нагрузка (нагрузка на кратковременную память).
Ключевая цель исследования –– выявить оптимальные временные параметры образовательного видеоконтента. Всего в эксперименте участвовали три группы по семь человек, смотревших два видеоурока с различной длительностью: короткие (5 минут), средние (10 минут) или длинные (20 минут).
Собранные данные по каждому студенту и просмотренному им видео объединялись в общие графики.
Далее по каждому из них выводилось медианное значение, которое показало следующие результаты:
- Увлеченность. В среднем более увлекательными оказались короткие видео. У видео средней длины больше моментов с высоким уровнем вовлеченности. Участники, смотревшие длительные видео, в среднем наименее увлечены, реже остальных ощущают моменты высокой увлеченности и меньше других демонстрируют минимальную увлеченность.
- Стресс. Наибольший средний уровень стресса — у участников, смотревших короткие видео. Для длинных видео характерны как ситуации повышенного стресса (мобилизация), так и ситуации низкого стресса (расслабленность), тогда как нейтральные ситуации встречаются реже. Наименьший стресс оказался у тех, кто смотрел видео средней длины.
- Концентрация. Наиболее концентрированными были участники, смотревшие средние видео, причем достаточно равномерно на всем протяжении видеоуроков. При коротких видео участники не успевают включиться в работу, поэтому их концентрация минимальна в сравнении с другими группами. На длительных видео наблюдается наибольший разброс — есть много участков с высокой и низкой концентрацией.
- Когнитивная нагрузка. Нагрузка на память при коротком видеоряде чрезмерна –– участники пытаются «проглотить все за раз». Оптимальная загрузка памяти отмечается при просмотре видео средней длительности. Наблюдается низкий и средний уровень со скачками –– моментами запоминания отдельных важных фактов.
Короткие видео с точки зрения эмоциональной увлеченности, получения уровня стресса и нагрузки на память имеют максимальный эффект. Но люди смотрят их целиком, не особо осмысливая. Короткие видео рационально использовать в качестве вводных тем, чтобы мотивировать на дальнейшее обучение. Либо использовать для промоматериалов об обучении, где эмоциональный момент важнее образовательного.
Оптимальный вариант для изучения несложных профессиональных навыков –– видео средней длительности. Люди успевают сконцентрироваться, они достаточно увлечены и напрягают память.
Длительные видео имеют преимущество, когда для обучения нужна максимальная концентрация. Исследование показало, что она проявлялась у людей именно во время просмотра 20-минутных видеороликов. Получается, что сложные темы, которые не получится объяснить просто или разбить на участки, лучше разъяснять в формате длинных видео. Причем так, чтобы самый сложный момент приходился на время пиковой концентрации учащегося.
Читать далее:
Гигантский айсберг A74 столкнулся с побережьем Антарктиды
На Земле уже происходил резкий рост температур во время глобального потепления