今天分享的文章发表于Psychol Sci（IF10.17），主要研究对象是在学习过程中，学生和老师之间的脑间同步（brain-to-brain synchrony, BBS）。研究者同时记录了9个分别由4名学生和1名老师所组成的被试小组的脑电数据，通过研究他们之间的BBS，探讨了BBS与学习表现之间的关系。研究发现，学生间 Alpha 波段 (8–12 Hz) 的BBS能预测学生实时和课后测验的绩效；在与学生正确回答的问题相关的特定课堂部分中，大脑间的同步性更高；师生间的大脑同步在学生脑活动相对于教师脑活动延迟300ms时能预测学习结果，这与口语理解的时间进程是一致的。这些发现为在生态有效环境中同时从学习者群体中收集大脑数据的重要性提供了关键的新证据。
The Temporal Dynamics of Brain-to-Brain Synchrony Between Students and Teachers Predict Learning Outcomes
关键词：learning; social cognition
引 言
社交互动在人类学习中起着核心作用，在整个发展过程中，孩子们通过模仿其他个体获得知识、技能和处事态度。通过与同伴或成年人的互动，孩子们接触到不同的想法和观点，并且开发了对周围世界更加复杂的理解。教室里更甚，学生之间及师生之间的互动对学生的参与、学习和幸福感产生深远影响。最近的研究表明，仅仅是教室里其他学生的存在就能影响学生的注意力和学习，与此相关的是，同步教学（学生和教师的实时互动）比异步教学（如学生观看预先录制的讲座）会带来更强的归属感和更好的学习成果。
尽管社交互动在学习中起着核心作用，但对支持此过程的脑机制却知之甚少。这是因为关于学习的研究通常集中在受控环境中独自测量个体，在过去几年中，人们对个体之间的脑活动如何保持同步产生了越来越多的兴趣，这种现象通常被称之为“脑间同步（brain-to-brain synchrony，BBS）”。有证据表明，BBS可以捕捉行为的认知、情感和社交方面，包括记忆保留和学习成果等。然而，先前大多数的研究都局限于非相互作用的个体或缺乏时间特异性的方法（如功能性磁共振成像fMRI等）。
在本文中，研究人员使用EEG同时记录在一个模拟课堂中四名学生和一名教室的脑活动，以研究师生之间的脑间同步是否与学习成果相关联。同时进一步探讨了脑间同步在课堂中的波动如何预测每个学生在测试问题上的学习水平，并研究了学生和老师之间的脑间同步是否会受到时间滞后的影响，以及这种影响是否会对学生的学习成果产生影响。
研究方法
参与者
招募了43名参与者（其中28名女性），以四名学生为一组进行测试。由于各种原因，最终样本由31名参与者（21名女性）组成，均为英语母语者，年龄在18-30岁之间，并且没有已知的神经系统疾病史。所有参与者都完成了高中学业，大多数为本科在读。
两名教师（一名女）是专业的高中科学教师，在分析的九组数据中，女教师参与了四组教学，男教师参与了五组教学。老师和学生之前互不相识，该研究由机构审查委员会审查和批准，所有参与者都提供了书面知情同意书，所有研究程序均按照美国心理学会人类受试者研究指南进行。
实验设置 /在课堂上，同时使用脑电图（EEG）对四名学生和一名教师进行测量
实验过程
实验在一个配备了投影仪和三个视频摄像机的实验室教室中进行。在EEG设置完成后，进行了基线EEG设置（睁眼和闭眼）以测试数据质量。测试包括四个约为7分钟（（平均值为 6:43 分钟，标准差为 0:45））的主题讲座。学生静坐在课桌，并在讲座期间不提问，以最大程度地减少由讲话或运动引起的伪影，每个讲座前学生可以自由互动，每个讲座结束后会进行一个简短的专题评估，以评估讲座的参与度和内容知识，评估由放置在学生前方的电脑进行。
时间轴/课程包括四个迷你讲座。在 EEG 测试1周前进行了预先测试，并在每次讲座后立即进行课后测试，在 EEG 测试结束1周后进行延迟测试
脑电设备和数据采集
使用32通道，采样率为500Hz的Enobio便携式脑电测试系统（西班牙巴塞罗那Neuroelectrics公司）记录参与者的EEG数据，带有两个电极（公共模式感知 [CMS] 和驱动右腿 [DRL]）的耳夹作为双重参照。电极放置遵循标准的 10-10 EEG 系统，使用 Neuroelectrics Instrument Controller (NIC2) 软件应用程序记录数据并评估信号质量。使用通过 LabStreamingLayer (Kothe，2014) 每秒发送的无线触发器，在毫秒级别上对学生和老师之间的数据进行对齐。
西班牙NE Enobio32通道脑电测试系统
脑电预处理
- 所有预处理都是通过MATLAB（版本R2018b）和EEGLAB（版本14.1.1b）完成的。主要包括：
- 使用MATLAB和EEGLAB软件对数据进行高通滤波（截止频率为0.5 Hz）和低通滤波（截止频率为35 Hz）；
- 通过自动通道拒绝（使用峰度指标，z得分=3）和频谱功率检查相结合的方法来识别和去除噪声通道；
- 将连续的EEG数据分成1秒的片段，用于非神经元件的可视化检查；
- 进行独立成分分析，以识别并去除与眨眼和眼球运动有关的成分；
- 最后，对信号范围在 -100 µV 到 100 µV 之外的异常残留片段进行自动标记和可视化检查；
由于此实验的性质，教师的EEG数据与学生的EEG数据相比更嘈杂，所以需要采用更严格的数据去除方法来获得高质量的教师数据。
结果与讨论
时间动态的分析表明学生与老师的脑电同步（BBS）。（a）学生到老师中央电极的alpha波段BBS与学生和老师的脑活动之间的时间滞后相关。负滞后值对应于老师的脑活动先于学生的脑活动。阴影区域反映了平均标准误差。在平均每组数据前，BBS值被归一化为0到1的范围（最大值-最小值）。在每个滞后时间点上，使用自助法测试BBS的统计显著性。*表示显著的BBS值（p ＜ 0.05，未校正）。（b）中央电极的alpha波段学生到老师BBS与预测测试到延迟后测试的变化之间的关系。每个点对应于300毫秒滞后（在面板a中由虚线标记）的一个学生和老师之间的BBS。误差带表示来自最小二乘拟合的1-SE预测区间。
虽然之前的研究已经将BBS与学习相关的变量联系起来，但是BBS与学习结果之间的关系存在争议。因此，本研究旨在通过测量在毫秒级别下师生间的BBS，来提供关于师生之间的脑间同步（BBS）与学生学习结果之间的关系证据。研究使用了 EEG 技术记录了学生和教师在课堂上的大脑活动，并使用一系列测试评估了学生的学习成果。
行为结果表明，测试表现从预先测试到即刻测试（immediate posttest，这里指在完成学习任务之后，立即进行的测试）显著提高，从预先测试到延迟测试（delayed post-test，这里指完成学习任务之后，间隔一段时间进行测试）也显著提高，但在即刻测试和延迟测试之间的一周内，测试表现下降。即预先测试结果可以提供一些信息，但不能完全预测学生即刻的掌握情况，延迟测试则更能反映出学生学习的长期效果。
此外，研究人员比较了学生对同一或不同讲座的大脑活动同步程度，发现了中央电极处 alpha 波频带同步在同一讲座中比不同讲座中更显著，进一步的分析表明，学习成果的改善与中央电极处 alpha 波频带同步显著相关，且在不同时间点的测试之间并未表现出明显的差异。
此外，研究人员还发现学生与教师之间的大脑活动同步也与学习成果有关，尤其是在教师的大脑活动提前约 300ms 的情况下。这为学生和教师之间大脑活动同步与学习成果之间的关系提供了初步的证据。
【1】Babiker, A., Faye, I., Mumtaz, W., Malik, A. S., & Sato, H. (2019). EEG in classroom: EMD features to detect situ- ational interest of students during learning. Multimedia Tools and Applications, 78(12), 16261–16281.
【2】Babiloni, F., & Astolfi, L. (2014). Social neuroscience and hyperscanning techniques: Past, present and future. Neuroscience & Biobehavioral Reviews, 44, 76–93.
【3】Balconi, M., Pezard, L., Nandrino, J. L., & Vanutelli, M. E. (2017). Two is better than one: The effects of strate- gic cooperation on intra-and inter-brain connectivity by fNIRS. PLOS ONE, 12(11), Article e0187652.
【4】Bandura, A. (1986). Social foundations of thought and action: A social cognitive theory. Prentice Hall.
【5】Bevilacqua, D., Davidesco, I., Wan, L., Chaloner, K., Rowland, J., Ding, M., Poeppel, D., & Dikker, S. (2019). Brain-to- brain synchrony and learning outcomes vary by student- teacher dynamics: Evidence from a real-world classroom electroencephalography study. Journal of Cognitive Neuroscience, 31(3), 401–411.
【6】Boudewyn, M. A., & Carter, C. S. (2018). I must have missed that: Alpha-band oscillations track attention to spoken language. Neuropsychologia, 117, 148–155.
【7】Burgess, A. P. (2013). On the interpretation of synchroniza- tion in EEG hyperscanning studies: A cautionary note. Frontiers in Human Neuroscience, 7, Article 881.
【8】Clarke, A. R., Barry, R. J., Dupuy, F. E., McCarthy, R., Selikowitz, M., & Heaven, P. C. (2011). Childhood EEG as a predictor of adult attention-deficit/hyperactivity dis- order. Clinical Neurophysiology, 122(1), 73–80.
【9】Cohen, S. S., Madsen, J., Touchan, G., Robles, D., Lima, S. F. A., Henin, S., & Parra, L. C. (2018). Neural engagement with online educational videos predicts learning performance for individual students. Neurobiology of Learning and Memory, 155, 60–64.
【9】Cohen, S. S., & Parra, L. C. (2016). Memorable audiovisual narratives synchronize sensory and supramodal neu- ral responses. eNeuro, 3(6).
【10】Delorme, A., & Makeig, S. (2004). EEGLAB: An open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. Journal of Neuroscience Methods, 134(1), 9–21.
【11】Dikker, S., Haegens, S., Bevilacqua, D., Davidesco, I., Wan, L., Kaggen, L., McClintock, J., Chaloner, K., Ding, M., West, T., & Poeppel, D. (2020). Morning brain: Real- world neural evidence that high school class times matter. Social Cognitive and Affective Neuroscience, 15(11), 1193–1202.
【12】Dikker, S., Silbert, L. J., Hasson, U., & Zevin, J. D. (2014). On the same wavelength: Predictable language enhances speaker–listener brain-to-brain synchrony in posterior superior temporal gyrus. The Journal of Neuroscience, 34(18), 6267–6272.
【13】Dikker, S., Wan, L., Davidesco, I., Kaggen, L., Oostrik, M., McClintock, J., Rowland, J., Michalareas, G., Van Bavel,J. J., Ding, M., & Poeppel, D. (2017). Brain-to-brain syn- chrony tracks real-world dynamic group interactions in the classroom. Current Biology, 27(9), 1375–1380.
【14】Dumas, G., Nadel, J., Soussignan, R., Martinerie, J., & Garnero, L. (2010). Inter-brain synchronization during social inter- action. PLOS ONE, 5(8), Article e12166
【15】Forrin, N. D., Huynh, A. C., Smith, A. C., Cyr, E. N., McLean,D. B., Siklos-Whillans, J., Risko, E. F., Smilek, D., & MacLeod, C. M. (2021). Attention spreads between stu- dents in a learning environment. Journal of Experimental Psychology: Applied, 27(2), 276–291.
