传统课堂教学模式已无法适应新时代的要求，而人工智能在智慧教育中正开始崭露头角。智慧教育的实现依赖于人工智能技术与教育过程的交叉融合，使教育成为一个可追溯、可视的清晰过程，由此促进学习者个性化深度学习以及达到优化教学的目的，进而超越传统的课堂结构，营造出一个活力四射且智能科技化的学习生态环境。

以往在课堂上，仅凭肉眼观察学生的注意力是否专注，是否聚精会神地听老师授课，已变得越发陈旧且主观性强。许多时候，一些学生表面上目视前方，或紧盯着书本在“认真”阅读，但眼神发直，面无表情，貌合神离，大脑早已“开了小差”。而根据血氧、身体姿态、眨眼频率等多元人体信息，较之目测无疑能给出更客观、更科学的注意力判断。不过，现阶段基于多元生理信息的注意力智能测量产品，由于测量参数多，需要长时间佩戴，会使学习者产生不适感，且限制了部分肢体的自由运动。

由哈尔滨医科大学基础医学院卜宪庚教授及哈尔滨工业大学仪器科学与工程学院电测技术及智能控制研究所曹天傲博士合作完成的一项科研课题——“脑电信号处理技术在注意力判断中的应用”，今年3月被美国第三届人工智能和先进制造国际会议论文集所收集，并被纳入美国工程索引数据库。这项利用学习者的脑电信号研究手段，为专注度的有效判定拓展了“柳暗花明”的科研空间。

智慧教育环境的建设，完整地贯穿于连通、感知、交互、适配、记录、整合化的学习进程，构筑以学生、数据、服务、体验为中心的学习教育环境，不断驱动教育模式的丰富化发展与深刻变革。曹天傲介绍说，在理想完美的智慧学习环境中，学习者可手持iPad等智能移动设备，模仿出纸质课本的全部功能，如做笔记、插入书签、做标注和批注等。同时，电子教材的内容是多媒体化的，知识点之间按照语义关系链接，可凸显知识内容的个性化；电子教材能与学习进度相绑定，可实现学习数据的云服务同步，便于记录和分析学习过程、学习成果。

曹博士描绘说，在学校学习中，教师可利用增强现实技术再现各种真实的学习场景，使学生能够身临其境地体验学习对象，提升学生的学习兴趣和动机。教师根据系统记录的学生预习结果，重点讲解较难理解的知识点；同时借助系统提供的丰富学习资源，设计各种学习活动。教师通过集成化的课堂控制系统，灵活地掌控学习终端，实时推送相关学习资源。而学生可以凭借系统提供的便捷交互工具，与教师开展互动。教师第一时间获得学生的反馈信息，根据反馈信息及时调节教学。智慧学习环境还能提供智能化的教学设计支持，以辅助教师进行课堂教学设计。

尤其在学习者进行自主学习的过程中，其注意力水平的变化对学习效率与学习效果干扰很大，最终影响其个性化学习身份的定制。从这个意义上，如何落实对学习者在学习过程中注意力的综合监测，进而对学习专注状态给出客观有效的评估，已成为教育界、心理学界、医学界等领域普遍关注的热点话题。卜宪庚教授介绍，他们课题组通过头皮电极的无创伤形式，单独采集学习者学习过程中的脑电信号，先剔除环境噪声，再去除眼电信号，得到了和注意力高度相关的脑电信号。

在此基础上，针对既往专注状态评价依据主观单一的缺陷，研究中提取并锁定了功率谱密度、eSense指数、样本熵等3种特征并予以综合比较，得以体现出了客观性的评价专注状态。卜宪庚课题组利用其建立的评价手段，最终将学习者的注意力进行打分并分为四个等级，即：注意力不集中（不专注）、注意力集中（专注）、注意力比较集中（比较专注）和注意力特别集中（特别专注），注意力判断的最高准确率为75.4%，使学习者直接掌握自己当前的学习状态，起到了自动提醒作用，大大节省了人力物力。

目前，正在英国利兹大学电子电气工程学院研修深造的曹天傲博士，通过电子邮件接受记者采访时介绍说，课题组采用的信号处理算法删繁就简，仅保留和注意力相关的真实而显著的脑电信号，客观地反映了学习者每时每刻的注意力是否分散，并能及时反馈，以提醒学习者调整自己的专注状态。未来在设计相关产品时，可以将测量端直接嵌入耳机，而无需夹在手指或者占用电脑摄像头，不干扰正常的学习状态。

与此同时，可在电脑端设置窗口显示界面，以显示学习者的脑电波形、注意力数值及等级。当注意力数值过低且专注状态显示注意力不集中（不专注）的时候，界面上的红灯将会闪烁，同时发出警报声。相关产品今后可应用于会议、培训、宣传等诸多大众场合，组织者无需徘徊走动即可在终端得知每个人的专注状态，讲师也可以随时调整自己讲述内容，增强互动，把握讲堂或会场气氛。