BrainCoDe: 基于脑电图的阅读和听力理解检测
作者
脑机接口(BCI)与神经反馈认知障碍与神经多样性(自闭症、ADHD、阅读困难)环境感知与上下文计算
外国语言媒体的广泛可用性是语言学习的丰富资源。然而,每当理解出现问题时,学习者被迫中断媒体消费。我们介绍了BrainCoDe,这是一种通过评估事件相关电位(ERPs)来隐式检测词汇缺口的方法。在一个用户研究(N=16)中,我们通过比较已知单词和未知单词在听和读时的ERP振幅差异来评估BrainCoDe。我们发现在阅读时遇到未知单词时N400振幅有显著差异,在听时遇到未知单词时N100振幅有显著差异。为了评估ERP在实时应用中的可行性,我们训练了一个分类器,该分类器在阅读时以87.13%的准确率检测词汇缺口,在听时以82.64%的准确率检测,正确识别出十个单词中的八个为已知或未知。我们展示了BrainCoDe通过即时翻译或生成个性化学习内容来支持媒体学习的潜力。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
暂无符合条件(≥60% 相似度)的相关论文
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3313831.3376707
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2020
emoji_events
奖项
未标记奖项
group
作者
6 位作者
sell
研究子方向
脑机接口(BCI)与神经反馈、认知障碍与神经多样性(自闭症、ADHD、阅读困难)、环境感知与上下文计算
work
职业/产业
—
article
内容状态
仅摘要
hub
相关论文
0 篇相关论文