본문 바로가기
KERD
논문KCI 등재

모바일 EEG의 교육적 활용 및 도구적 타당성에 대한 체계적 문헌고찰

A Systematic Review on the Use of Mobile EEG Technology for Education Research and its Validity

이지현|안솔뫼|박유이
한국교육공학회 (Korean Society Of Educational Technology)|2022.12|교육공학연구 (Journal of Educational Technology)|제38권 제4호|pp. 1015-1057

0

조회

0

다운로드

1

인용

0

참고문헌

키워드

EEGElectroencephalography교육신경과학뇌전도모바일 EEGmobile EEGEducational neuroscience
주제분류교육학

초록

뇌전도(EEG)는 교육 연구에서 학습자의 학습 과정과 수행을 과학적으로 이해하기 위한 방법으로 활용되고 있으며, 최근 모바일 EEG 기기의 확산으로 인해 관심이 증가하고 있다. 하지만 모바일 EEG 기술이 적용될 수 있는 교육적 맥락과 연구 설계 방법, 도구적 타당성에 대한 종합적인 논의는 아직 부족한 상태이다. 따라서 본 연구의 목적은 교육 연구에서 모바일 EEG의 교육적 활용과 도구적 타당성을 체계적으로 검토하는 것이다. PRISMA 가이드라인에 따라 국외 주요 학술 데이터베이스에 2011년 1월부터 2022년 1월까지 출판된 관련 문헌을 수집하였고, 포함․제외 기준에 따라 최종적으로 27편의 논문을 선정하였다. 각 논문을 세 가지 주요 측면(연구 맥락과 관심 측정 영역, 실험설계 및 데이터 수집, 동시 수집 데이터 및 관계)을 중심으로 검토하였고, 분석된 결과는 다음과 같다. 첫째, 모바일 EEG 기술은 과학 교육 분야, 대학생을 대상으로 한 연구에서 가장 많이 활용되었으며, 관심 영역은 인지, 정서, 운동 영역 순으로 측정 빈도가 높았다. 둘째, EEG 기술은 준-자연적인 실험설계, 컴퓨터 기반의 학습 환경 연구 설계에서 주로 활용되었고, 다수의 연구에서 10채널 이하의 모바일 EEG 기기를 사용하고 있었다. 또한 EEG를 15분 이하로 측정한 연구가 가장 많았고, 모든 영역에서 뇌파 신호 주파수 데이터를 가장 빈번히 측정하였음을 확인할 수 있었다. 셋째, 설문지와 성취도 데이터는 모바일 EEG 데이터와 함께 가장 높은 빈도로 동시 수집되고 있었다. EEG 데이터와 동시 측정한 데이터의 관련성을 분석한 결과, 완전/준-자연적인 실험설계에서, 뇌파 측정 시간이 30분을 초과하는 경우, 알파파와 베타파를 측정하는 경우에 모바일 EEG 주의 영역 데이터의 타당도가 증가하는 것으로 확인되었다. EEG 기술이 교육 연구에서 활용되고 있는 현황과 도구적 타당성을 체계적으로 검토한 이 연구가 향후 교육 연구에서 모바일 EEG 기술을 활용하는 데 기여하기를 희망한다.

Abstract

Electroencephalography (EEG), a measure of electrical activity in the brain, is used in education research to understand learners' learning processes and performance. However, comprehensive information on the measurement of EEG for education research, research design using EEG, and the extent of validity of the EEG data need to be improved for education researchers. In this study, we intend to provide evidence-based guidelines on the research design and measurement method and investigate the concurrent validity of the EEG data by methodically reviewing the most recent pertinent education studies. Following the PRISMA guidelines, we searched the literature published between January 2011 and January 2022 on major online academic databases. 27 publications were chosen for the final analysis after a thorough screening process based on the inclusion/exclusion criteria. In addition to collecting data simultaneously, we also extracted data about the research context, areas of interest, and research design (data collection and analysis). The main findings are: First, mobile EEG technology was used most in science education and with university students. The most often assessed domains were the cognitive, then the emotional, and then the physical. The use of transportable EEG equipment with 10 channels or fewer, semi-natural experimental designs, and computer-based learning settings was also prevalent. Moreover, most studies measured EEG within 15 minutes, and its frequency bands were the most frequently measured across all domains. Third, most studies collected self-reported survey and achievement data and mobile EEG data. The conditions to enhance the validity of attention data from mobile EEG were 1) fully/semi-natural experimental designs, 2) recording more than 30 minutes, and 3) measuring alpha and beta bands. The EEG technology as it is today, and the reliability of the resources employed in educational research were both thoroughly assessed in this work. The use of mobile EEG in future educational research is something we hope this study will help with.

참고문헌 (54)

  1. 강명희, "학습과제의 실제성 인식수준에 따른 학습동기와 성취도 변화", 교육공학연구, 15(1), pp.25~39 (1999)
  2. 강병근, "뇌파 집중력 분석을 이용한 제어 신호 발생", 전자공학회논문지, 50(12), pp.254~260 (2013), 대한전자공학회
  3. 곽용태, "뇌파지도에서 위편측성을 보이는 뇌졸증 2예", 대한신경과학회지, 20(4), pp.418~421 (2002), 대한신경과학회
  4. 김도원, "뇌파의 이해와 응용" (2017), 학지사
  5. 김미라, "간질파 국소화에서 시각적 분석과 LOW Resolution Electromagnetic Tomography (LORETA) 방법의비교 연구", 대한신경과학회지, 20(2), pp.164~168 (2002), 대한신경과학회
  6. 김성일, "뇌 기반 학습과학: 뇌과학이 교육에 대해 말해주는 것은 무엇인가", 인지과학, 17(4), pp.375~398 (2006), 한국인지과학회
  7. 김연희, "Functional MRI를 이용한 뇌기능 연구", 한국뇌학회지, 1(1), pp.65~76 (2001)
  8. 김종규, "PET", CT 결합영상진단 검사에 관한 연구, 2004, pp.36(2), 193~198[DOI]
  9. 김홍진, "개정된 뇌파 용어와 임상 고찰", 대한신경과학회지, 40(2), pp.99~120 (2022), 대한신경과학회
  10. 민병경, "뇌파의 주파수축 분석법", 인지과학, 20(2), pp.155~181 (2009), 한국인지과학회[DOI]
  11. 은헌정, "정신건강의학과 의사를 위한 뇌파의 기초", 신경정신의학, 58(2), pp.76~104 (2019), 대한신경정신의학회[DOI]
  12. 이선아, "뇌파를 이용한 학습자의 인지학습활동 분석", 교육공학연구, 37(3), pp.649~679 (2021), 한국교육공학회[DOI]
  13. 전현진, "학습과 기억의 뇌파", 생물정신의학, 23(3), pp.102~107 (2016), 대한생물정신의학회
  14. 조은순, "교육공학 관점에서 보는 미래 교육환경", 교육공학연구, 31(3), pp.687~708 (2015), 한국교육공학회[DOI]
  15. 조희원, "청소년의 뇌파특성과 자기주도학습의 관계분석", 박사, pp.2019
  16. 최서현, "교육 분야의 EEG 활용에 대한 체계적 문헌 고찰", 디지털콘텐츠학회논문지, 23(2), pp.217~225 (2022), 한국디지털콘텐츠학회[DOI]
  17. 최 용, "양전자방출단층촬영(Positron Emission Tomography)의 원리와 응용", 대한핵의학기술학회지, 1(1), pp.26~34 (1996)
  18. 한국과학기술기획평가원, "제6회 과학기술예측조사를 위한 사전기획 연구" (2019), 동진문화사
  19. Antonenko, P., "Using electroencephalography to measure cognitive load", Educational psychology review, 22(4), pp.425~438 (2010)
  20. Antonenko, P. D., "Cognitive load measurement and application", pp.93~111 (2017), Routledge
  21. Brault Foisy, L. M., "Teachers as orchestrators of neuronal plasticity: Effects of teaching practices on the brain", Mind, Brain, and Education, 14(4), pp.415~428 (2020)
  22. Brown, T. T., "Brain development during the preschool years", Neuropsychology review, 22(4), pp.313~333 (2012)
  23. De Vos, M., "Mobile EEG : Towards brain activity monitoring during natural action and cognition", International Journal of Psychophysiology, 91(1), pp.1~2 (2014)
  24. Dobbing, J., "Quantitative growth and development of human brain", Archives of disease in childhood, 48(10), pp.757~767 (1973)
  25. Farzan, F., "Standardization of electroencephalography for multi-site, multi-platform and multi-investigator studies : Insights from the canadian biomarker integration network in depression", Scientific reports, 7(1), pp.7473~7411 (2017)
  26. Hafeez, T., "EEG in game user analysis : A framework for expertise classification during gameplay", Plos One, 16(6), pp.e0246913~e0246913 (2021)[DOI]
  27. Hasan, R., "Workplace mental state monitoring during VR-based training for offshore environment", Sensors (Basel, Switzerland), 21(14), pp.4885~ (2021)
  28. Huang, H. W., "The new science of learning", Educational Technology & Society, 23(4), pp.1~13 (2020)
  29. Im, C. H., "Computational EEG Analysis", pp.978~981 (2018), Springer
  30. Janssen, T. W. P., "Opportunities and limitations of mobile neuroimaging technologies in educational neuroscience", Mind, Brain, and Education, 15(4), pp.354~370 (2021)
  31. Kmet, L. M., "Standard quality assessment criteria for evaluating primary research papers from a variety of fields" (2004), Alberta Heritage Foundation for Medical Research(AHFMR)
  32. Ladouce, S., "Mobile EEG identifies the re-allocation of attention during real-world activity", Scientific reports, 9(1), pp.15851~15810 (2019)
  33. Lau-Zhu, A., "Mobile EEG in research on neurodevelopmental disorders : Opportunities and challenges", Developmental Cognitive Neuroscience, 36, pp.100635~100635 (2019)
  34. Lee, J., "Effective virtual patient simulators for medical communication training : a systematic review", Medical education, 54(9), pp.786~795 (2020)
  35. Lee, L., "Self-management education programs for age-related macular degeneration : A systematic review", Australasian journal on ageing, 27(4), pp.170~176 (2008)
  36. Makransky, G., "Role of subjective and objective measures of cognitive processing during learning in explaining the spatial contiguity effect", Learning and Instruction, 61, pp.23~34 (2019)
  37. Mutlu-Bayraktar, D., "Relationship between objective and subjective cognitive load measurements in multimedia learning", Interactive Learning Environments, pp.1~13 (2020)
  38. Ozel, P., "Neuroimaging tools in multimedia learning: A systematic review", Interactive Learning Environments, pp.1~18 (2021)
  39. Page, M. J., "The PRISMA 2020 statement : An updated guideline for reporting systematic reviews", International Journal of Surgery, 88, pp.105906~ (2021)
  40. Palumbo, A., "An embedded system for EEG acquisition and processing for brain computer interface applications. Lecture Notes in Electrical Engineering" (2010), Springer
  41. Purves, D., "Neuroscience" (2012), Sinauer Associates
  42. Roach, B. J., "Event-related EEG time-frequency analysis : An overview of measures and an analysis of early gamma band phase locking in schizophrenia", Schizophrenia bulletin, 34(5), pp.907~926 (2008)
  43. Saby, J. N., "The utility of EEG band power analysis in the study of infancy and early childhood", Developmental neuropsychology, 37(3), pp.253~273 (2012)
  44. Shapiro, K. L., "Alpha, beta : The rhythm of the attentional blink", Psychonomic bulletin & review, 24(6), pp.1862~1869 (2017)
  45. Skrzeba, C., "A cross-educational approach on skill-related movement technique performance : Central neuronal motor behaviour preceding the short badminton backhand serve", Neuroscience Letters, 686, pp.155~160 (2018)
  46. Sweller, J., "The psychology of learning and motivation: Cognition in education", pp.37~76 (2011), Elsevier Academic Press
  47. Tenório, K., "Brain-imaging techniques in educational technologies: A systematic literature review", Education and Information Technologies, pp.1~30 (2021)
  48. Tinga, A. M., "Non-invasive neurophysiological measures of learning : A meta-analysis", Neuroscience & Biobehavioral Reviews, 99, pp.59~89 (2019)
  49. Vázquez Marrufo, M., "Temporal evolution of alpha and beta bands during visual spatial attention", Cognitive brain research, 12(2), pp.315~320 (2001)
  50. Vogt, T., "Central neuronal motor behaviour in skilled and less skilled novices-Approaching sports-specific movement techniques", Human Movement Science, 52, pp.151~159 (2017)
  51. Wang, X. W., "Emotional state classification from EEG data using machine learning approach", Neurocomputing, 129, pp.94~106 (2014)
  52. Williamson, A., "Using self-report measures in neurobehavioural toxicology : Can they be trusted?", Neurotoxicology(Park Forest South), 28(2), pp.227~234 (2007)
  53. Wrzesien, M., "How the physical similarity of avatars can influence the learning of emotion regulation strategies in teenagers", Computers in Human Behavior, 43, pp.101~111 (2015)
  54. Xu, J., "Review on portable EEG technology in educational research", Computers in Human Behavior, 81, pp.340~349 (2018)

관련 논문AI추천

대학 강의에서 교수-학습법 유형에 따른 학습자의 인지 관련 EEG 신호 분석박현, 김광무, 김해인, 이현아, 조현모한국감성과학회 · 감성과학2025 · 제28권 제4호뇌파 측정 기반 가상환경에서의 몰입형 학습경험 효과성 분석에 관한 연구김경선, 김지형한국공학교육학회 · 공학교육연구2025 · 제28권 제1호뇌파를 이용한 학습자의 인지학습활동 분석변호승, 이선아한국교육공학회 · 교육공학연구2021 · 제37권 제3호EEG를 활용한 머신러닝 기반의 인지부하 예측모형 성능 비교류지헌, 정무석대한사고개발학회 · 사고개발2022 · 제18권 제3호체계적 문헌 고찰을 통한 교과교육에서 시선추적기를 활용한 연구 분석이선영, 채다혜, 최병권교과교육연구소 · 교과교육학연구2022 · 제26권 제6호시선추적 데이터를 활용한 국내 교육 연구 동향 분석: 인지과정 프레임워크를 바탕으로송지수, 신서경한국교육공학회 · 교육공학연구2022 · 제38권 제1호

이 간행물의 다른 논문 (7건)

국내 교육공학 연구 동향 분석 및 키워드 분석 연구: 2014~2022년「교육공학연구」를 중심으로유하원, 윤가영, 박인우, 김효정pp. 983-1014인식연결망분석(ENA)을 적용한 문제해결과정 비교: 초급자와 중급자, 전문가의 문제해결과정 탐색진명화, 정유진, 박은주, 김혜준, 임규연pp. 1059-1094코로나19 이후 대학에서 우수한 온라인 수업에 대한 교수자와 학습자의 인식 연구권성연pp. 1095-1131의과대학 환자안전교육을 위한사례기반 학습모형 개발임철일, 고보경pp. 1133-1169디지털 교육 생태계의 품질평가 모형개발 및 평가구인 타당화신안나, 조일현, 정겨운, 허열pp. 1171-1222
원문 보기