Assessment of learning through non-invasive neurophysiological measures

Angelique Tinga

Research output: ThesisDoctoral Thesis

1 Downloads (Pure)

Abstract

Publiekssamenvatting

Om te meten of iemand voldoende geleerd heeft, en dus ‘geslaagd’ is, wordt er doorgaans gebruik gemaakt van één enkel bepalend testmoment na afloop van alle inspanning om te leren. Het proces dat plaatsvindt tijdens leren blijft op deze manier onderbelicht. Inzicht in het leerproces kan echter waardevol zijn, omdat dit de mogelijkheid biedt om leren goed te monitoren en om ondersteuning te bieden waar nodig. Het leerproces zou mogelijk continu gemeten kunnen worden met neurofysiologische maten.

Neurofysiologische maten geven inzicht in lichamelijke processen. Voorbeelden hiervan zijn maten van hersenactiviteit, hartslag, ademhaling, zweetresponse en oog-gerelateerde maten zoals pupilgrootte, knipperen, fixaties en oogbewegingen. Tijdens leren neemt de mentale inspanning die geleverd moet worden af, deze maten reageren hierop en kunnen daardoor inzicht geven in leren.

In de wetenschappelijke literatuur bestaat er tot nu toe een onopgeloste discussie over de validiteit van neurofysiologie in het meten van leren. Waar aan de ene kant een groep wetenschappers optimistisch is, staat daar een groep wetenschappers tegenover die hun bedenkingen heeft.

In dit proefschrift is deze discussie geadresseerd in een (meta-)analyse van 113 eerder uitgevoerde experimenten, 5 nieuwe experimenten en een SWOT (sterktes, zwaktes, kansen en bedreigingen) analyse. Hierbij staan de volgende vragen centraal: 1) Welke neurofysiologische maten geven inzicht in leren? 2) Welke factoren beïnvloeden neurofysiologische veranderingen tijdens leren? 3) Hoe kan neurofysiologie worden toegepast om leren te meten in de praktijk?

De resultaten gepresenteerd in dit proefschrift laten zien dat neurofysiologie geschikt is om leren te meten. Verschillende neurofysiologische maten veranderen consistent tijdens leren in de experimentele studies, wat suggereert dat deze specifieke maten robuust zijn in het meten van leren.

Uit de resultaten blijkt ook dat individuele verschillen (zoals leeftijd) en taak-gerelateerde factoren (zoals het wel of niet geven van feedback) effect hebben op neurofysiologische veranderingen tijdens leren. Het is daarom van belang om met deze factoren rekening te houden.

Bij het meten van leren in de praktijk middels neurofysiologie moet daarnaast rekening worden gehouden met een aantal zwaktes en bedreigingen. Een paar voorbeelden zijn technische uitdagingen, kosten voor hard- en software en data privacy. Als dit goed wordt gedaan kan er optimaal geprofiteerd worden van voordelen en kansen. Zo geeft neurofysiologie rijke objectieve data die de mogelijkheid biedt om de leertaak in real-time aan te passen aan het individu. Bovendien worden neurofysiologische sensoren in toenemende mate in draadloze en makkelijk handelbare apparatuur verwerkt (denk bijvoorbeeld aan smartwatches met een hartslagsensor) waardoor metingen goedkoper, minder tijdrovend en comfortabeler worden.

Er zijn nog een aantal stappen te zetten voordat neurofysiologie grootschalig kan worden ingezet op een valide manier. Wel is het duidelijk dat neurofysiologie potentie heeft in het meten van leren. Een toekomstbeeld waarin een enkel testmoment na het leren wordt vervangen of aangevuld door het continu monitoren en bijstellen aan de hand van neurofysiologie kan dus goed werkelijkheid worden.
Original languageEnglish
QualificationDoctor of Philosophy
Awarding Institution
  • Tilburg University
Supervisors/Advisors
  • Louwerse, Max, Promotor
  • Postma, Eric, Promotor
  • Bekkering, H., Member PhD commission, External person
  • Murre, J.M.J., Member PhD commission, External person
  • Richardson, D.C., Member PhD commission, External person
  • Sitskoorn, Margriet, Member PhD commission
Thesis sponsors
Award date16 Sep 2020
Place of PublicationS.l.
Publisher
Print ISBNs9789402821284
Publication statusPublished - Sep 2020

Fingerprint Dive into the research topics of 'Assessment of learning through non-invasive neurophysiological measures'. Together they form a unique fingerprint.

  • Cite this