44、简易ABC框架：为脑机接口用户提供有效反馈

简易ABC框架：为脑机接口用户提供有效反馈

1. 引言

脑机接口（BCI）是一种将大脑信号转化为应用指令的交互系统，通常借助脑电图（EEG）接收大脑信号。其工作流程包括：先获取用户的EEG信号，接着用各种滤波器处理信号以提取关键特征，然后通过分类方法将特征转化为应用指令，最后告知用户EEG信号是否成功转化为计算机指令。目前，机器学习和深度学习算法已广泛应用于基于EEG的BCI实验和研究中。

然而，现有的脑机接口在实验室环境之外的可靠性欠佳。多数旨在解决可靠性问题的研究聚焦于改进将EEG信号转化为计算机指令的分类步骤，主要通过引入新的机器学习技术。但在提升用户与BCI系统交互的界面方面，研究关注相对较少。实际上，改善用户界面和培训可能是解决BCI可靠性问题的重要一步。

用户与BCI交互的能力并非与生俱来，需要学习操作BCI，同时系统也需学习对用户的EEG信号进行分类。用户要能为EEG提供稳定清晰的大脑活动模式，否则即便有高效的分类算法也无济于事。当前的教学方法常提供单模态反馈，未遵循知名的教学设计原则。

在相关研究中，Mladenovic强调了研究者对BCI用户培训协议设计标准化的需求。Kübler等人提出了一个强调有效性、效率和满意度的反馈框架，其他框架则更注重激励因素，如用户的好奇心、与用户价值观的相关性、信心以及内在和外在奖励等。Lotte等人认为关注这些因素可提升新手用户的BCI性能。Schumacher等人探索了在培训中为BCI用户提供解释性反馈的可能性，发现引入多种形式的反馈不会降低性能。教育研究也广泛探讨了有效反馈的运用，例如Narciss等人强调为学习者提供错误细节及策略缺陷的重要性。

此外，Roc等人对基于心理任务的BCI用