Zastosowania neurofeedbacku w edukacji matematycznej: Eksperyment SpeedMath z udziałem uczniów wyższych klas szkoły podstawowej

Przybyła, Tomasz; Duszczak, Maria; Kruszwicka, Agnieszka; Rochatka, Weronika; Klichowski, Michał

Zastosowania neurofeedbacku w edukacji matematycznej: Eksperyment SpeedMath z udziałem uczniów wyższych klas szkoły podstawowej

dc.contributor.author	Przybyła, Tomasz
dc.contributor.author	Duszczak, Maria
dc.contributor.author	Kruszwicka, Agnieszka
dc.contributor.author	Rochatka, Weronika
dc.contributor.author	Klichowski, Michał
dc.contributor.editor	Przybyła, Tomasz
dc.date.accessioned	2021-06-24T07:59:17Z
dc.date.available	2021-06-24T07:59:17Z
dc.date.issued	2021-06-22
dc.description.abstract	Choć neurofeedback jest szeroko wykorzystywany w edukacji, trudno jest określić poziom skorelowania dostarczanych przez niego neuroparametrów z „realnymi” atrybutami uczących się matematyki, a w konsekwencji ocenić potencjał stosowania neurofeedbacku w edukacji matematycznej. Jaki byłby bowiem jego sens, gdyby tego typu parametry okazały się jedynie nieskorelowanymi z rzeczywistością artefaktami? W tym projekcie postanowiliśmy zatem sprawdzić, czy dane (neuroparametry) generowane przez MindWave (jedno z najpopularniejszych narzędzi neurofeedbacku) podczas wykonywania zadań arytmetycznych (w przypadku naszego eksperymentu były to ćwiczenia zaimplementowane w grę SpeedMath) są skorelowane z różnymi cechami poznawczymi ucznia czy innego typu danymi dotyczącymi jego funkcjonowania umysłowego. Postawiliśmy hipotezę, że średnia wysoka koncentracja podczas wykonywania zadania matematycznego czy umiejętność jej kontrolowania podczas takiego zadania, stanowiące rdzeń neuroanalityczny arytmetycznego treningu biofeedback EEG, powinny korelować z małą liczbą błędów dokonywanych podczas obliczeń, czy z ogólnymi dobrymi kompetencjami matematycznymi, a także z wysokimi wskaźnikami umiejętności koncentrowania się obliczonymi innymi – nie opartymi na EEG – metodami. I vice versa. Uzyskane przez nas wyniki okazały się bardzo zaskakujące i rzucają one nowe światło na to, który z parametrów generowanych przez urządzenia typu MindWave warto wykorzystywać w rzeczywistości edukacyjnej, jeśli neurofeedback ma stać się efektywną formą technologicznego wspomagania dydaktyki matematyki.	pl
dc.identifier.citation	Przybyła, T., Duszczak, M., Kruszwicka, A., Rochatka, W. i Klichowski, M. (2021). Zastosowania neurofeedbacku w edukacji matematycznej: Eksperyment SpeedMath z udziałem uczniów wyższych klas szkoły podstawowej. W: T. Przybyła (red), Liczby w cyfrowym świecie. Rozmowy o współczesnej edukacji matematycznej dziecka (pp. 101-123). Poznań: Wydawnictwo Naukowe UAM.	pl
dc.identifier.isbn	978-83-232-3908-6
dc.identifier.issn	0083-4254
dc.identifier.uri	https://hdl.handle.net/10593/26329
dc.language.iso	pol	pl
dc.publisher	Wydawnictwo Naukowe UAM	pl
dc.relation.ispartofseries	PSYCHOLOGIA I PEDAGOGIKA;336
dc.rights	info:eu-repo/semantics/openAccess	pl
dc.rights.uri	http://creativecommons.org/licenses/by-nc-sa/3.0/pl/	*
dc.subject	edukacja matematyczna	pl
dc.subject	neuronauka poznawcza	pl
dc.subject	neurofeedback	pl
dc.subject	biofeedback	pl
dc.subject	EEG	pl
dc.subject	trening mózgu	pl
dc.subject	trening poznawczy	pl
dc.subject	edukacja dziecka	pl
dc.title	Zastosowania neurofeedbacku w edukacji matematycznej: Eksperyment SpeedMath z udziałem uczniów wyższych klas szkoły podstawowej	pl
dc.type	Rozdział z książki	pl