技术成果

智慧教育中混合式学习环境下学习过程数据化关键技术

本项目主要目标是针对信息技术支撑下学习空间多元化、场景复杂、需求多样化，学习 者及学习行为呈现出新的特点和规律，研究多元学习空间中学习行为数据化关键技术，构建 “云-边缘-物联网”架构的多模态数据存储与处理平台，实现混合式学习环境下学习行为智 能感知和数据化，优化学习行为模型，基于实际应用与不同学习目标函数及内容，建立可重 复、可预测、可验证的对比数据集，为数据驱动的智慧教育生态构建和教育应用提供核心技 术与数据支撑。 （三） 关键技术 我们面向智慧教育中准确认知学生的学习状态和行为的大数据需求提出研究方案。本项 目实施方案涉及教育学、物联网、云计算、人工智能、隐私保护等多个领域，主要技术路线 如图所示： 图2 技术路线图 其中，项目包括的关键技术主要有以下三点： 邮政编码：710126 传 真：029-81891405 电 话：029-81892585 西安电子科技大学技术转移中心公众微信号： （1）基于物联网的多模态数据实时智能感知和多时间域数据采集技术。 该技术针对学习状态的数据化、特征参数量化问题，设计能够采集多重学习空间下的智 能数据感知物联网系统。主要技术难点在于抽样频率与识别准确度的平衡、人机交互的变化 规律等全新科学问题。 （2）学习状态多模态数据解析和智能处理技术 利用智能感知物联网采集实时性的原始学习状态数据，包括面部表情、脑电信号、头部 姿态、交互行为等原始数据，这些数据具有数据量大、模态多、冗余度高等特点，需要通过 智能化的预处理方法转换成可以量化的状态数据。 （3）多层次数据差分隐私保护技术 学习行为数据是学习者被动采集的多方面行为数据，受到日益增长的具有争议性的数据 伦理的制约。该项技术通过数据隐私保护机制实现数据多层次化的差分隐私安全算法；在保 证学习者最大数据隐私性的前提下，研究满足学习行为分析所需要的数据颗粒度。 技术成熟度： □概念验证

基于脑机接口的人体效能增强

本项目面向人体效能增强、尤其是人员智能增强需求，通过大脑 表征观测定位任务参与核心脑区、多模态多参数心理人员精准选拔选 择优势参训人员、基于强化认知和脑机接口的效能增强提升人员在特 — 165 — 定任务下的表现，缩短人员专家化训练时间、提升人员表现极限。目 前，团队针对某关键战位人员的视觉认知增强需求，研发了全国首套 基于脑机接口的视觉增强装备，部署在主要我 J2 家主要人才培养单 位和 2 家一线单位，该装备 ZB 受邀参加 2021 年 10 月于南京举办的 “十三五”全国训练装备展。 （三） 关键技术 关键核心技术由高度耦合的复合技术群构成，含有大脑核心脑区 定位技术、基于多模态生物信息的人员精准选拔技术和基于脑机接口 的智能人机交互大脑靶向干预技术。目前，团队已经攻克项目关键技 术、并形成原理样机，相关单位利用该装备在 2021 年的红蓝对抗业 务比武中获胜。 技术成熟度： □概念验证 □原理样机 工程样机 □中试 □产业化 合作方式： □联合研发 □技术入股 □转让 □授权（许可） 面议 — 166 —

数据化关键技术

本项目主要目标是针对信息技术支撑下学习空间多元化、场景复 杂、需求多样化，学习者及学习行为呈现出新的特点和规律，研究多 元学习空间中学习行为数据化关键技术，构建“云-边缘-物联网”架构 的多模态数据存储与处理平台，实现混合式学习环境下学习行为智能 感知和数据化，优化学习行为模型，基于实际应用与不同学习目标函 数及内容，建立可重复、可预测、可验证的对比数据集，为数据驱动 的智慧教育生态构建和教育应用提供核心技术与数据支撑。 （三） 关键技术 我们面向智慧教育中准确认知学生的学习状态和行为的大数据 需求提出研究方案。本项目实施方案涉及教育学、物联网、云计算、 人工智能、隐私保护等多个领域，主要技术路线如图所示： — 151 — 其中，项目包括的关键技术主要有以下三点： （1）基于物联网的多模态数据实时智能感知和多时间域数据采 集技术。 该技术针对学习状态的数据化、特征参数量化问题，设计能够采 集多重学习空间下的智能数据感知物联网系统。主要技术难点在于抽 样频率与识别准确度的平衡、人机交互的变化规律等全新科学问题。 （2）学习状态多模态数据解析和智能处理技术 利用智能感知物联网采集实时性的原始学习状态数据，包括面部 表情、脑电信号、头部姿态、交互行为等原始数据，这些数据具有数 据量大、模态多、冗余度高等特点，需要通过智能化的预处理方法转 换成可以量化的状态数据。 （3）多层次数据差分隐私保护技术 学习行为数据是学习者被动采集的多方面行为数据，受到日益增 长的具有争议性的数据伦理的制约。该项技术通过数据隐私保护机制 实现数据多层次化的差分隐私安全算法；在保证学习者最大数据隐私 性的前提下，研究满足学习行为分析所需要的数据颗粒度。 技术成熟度： □概念验证 □√原理样机 □工程样机 □中试 □产业化 合作方式： □√联合研发 □√技术入股 □√转让 □授权（许可） □√面议 — 15

一种基于机器学习的耳颈部电刺激脑电反馈决策方法

本发明涉及医疗保健信息学技术领域，具体涉及一种基于机器学习的耳颈部电刺激脑电反馈决策方法。本发明采集多通道脑电信号、硬件阻抗握手位及刺激事件序列；依据阻抗握手位进行有效性筛查并对有效通道执行频段分解，基于患者历史刺激间隔自适应确定滑动窗口，计算各通道各频段的滑动中位值和滑动绝对中位差作为个体化鲁棒参照系；针对每采样时刻计算非平稳性度量指数，针对每刺激事件计算条件化脑电响应强度，并基于自适应回溯长度计算耳部与颈部响应对比的差异化标量；将上述指标与历史响应及参数序列拼接输入集成回归模型获得推荐参数，结合数据链路信度与模型共识信度计算置信度标签后封装输出。