编辑推荐：
为探究 3D 物体对 N400 反应的影响及 N400 能否反馈物体识别信息，研究人员开展 AR 与 EEG 结合的研究。结果显示，N400 可用于评估语义理解，这为增强学习开辟新途径。
在当今科技飞速发展的时代，学习效率成为人们关注的焦点。从学生备战考试，到职场人士提升技能，高效学习和信息记忆至关重要。增强现实（AR）技术的出现，为学习带来了新的曙光。它能将数字内容与现实环境融合，创造出沉浸式、趣味十足的学习体验，有望大幅提高知识留存率。然而，如何精准评估学习者在 AR 环境中的知识掌握程度，尤其是语义理解方面，成为亟待解决的问题。
脑电图（EEG）技术能够在头皮表面对大脑活动进行连续、无创的监测，为解决上述问题提供了可能。研究发现，N400 事件相关电位（ERP）与语义处理密切相关，当大脑接收到语义不匹配的信息时，会在约 400 毫秒后产生明显的负向电位变化。于是，将 AR 与 EEG 相结合，利用 N400 来评估学习者语义理解的想法应运而生。但在此之前，仍有诸多疑问：3D 物体呈现在 AR 中会对 N400 反应产生何种影响？除了语义不匹配，物体与其名称的不匹配能否可靠地引发 N400？这些问题限制了 AR - EEG 系统在学习领域的应用与发展。
为了解开这些谜团，国外研究人员开展了一项极具意义的研究。他们招募了 24 名健康且英语熟练的成年人参与实验，让参与者通过 AR 头戴设备完成配对任务，同时使用 EEG 记录其大脑活动。研究人员精心设计了实验，操纵第一个刺激为 3D 物体或书面文字，第二个刺激在意义或名称上与第一个刺激匹配或不匹配，以此来探究不同条件下 N400 的反应情况。
在研究方法上，主要运用了以下关键技术：一是定制实验任务，借助 Magic Leap 1 AR 头戴设备和 Unity3D 定制脚本，设置模型 - 词关联（MWA）、词 - 词关联（WWA）、模型 - 词标签（MWL）、词 - 词标签（WWL）四种任务条件；二是 EEG 记录与同步技术，使用 Brain Products ActiCHamp 系统记录 64 通道 EEG 数据，并通过在 AR 设备耳机插孔发送脉冲，实现 EEG 与刺激呈现的精确同步；三是数据分析方法，包括 EEG 数据预处理、ERP 分析、分类分析等，运用重复测量 ANOVA 和非参数置换检验等统计方法。
3.1 行为表现：标签条件更具优势
研究人员对参与者在任务中的行为表现进行分析。结果发现，在所有条件下，参与者的表现总体良好。在准确性方面，标签条件下的准确性显著高于关联条件，这表明参与者在进行命名判断时更为准确。反应时间（RT）数据显示，标签条件下的反应速度比关联条件更快，且对匹配刺激对的反应速度比对不匹配刺激对更快。在关联条件中，识别词 - 词对的速度比模型 - 词对更慢；在标签条件下，对不匹配试验的反应速度比对匹配试验更慢。这一系列结果表明，参与者在命名判断任务中表现更优，反应更快更准确。
3.2 脑电反应：N400 在各条件下均显著
对脑电数据的分析显示，在所有实验条件下，均观察到了显著的 N400 ERP。从约 200 - 300 毫秒开始，不同条件下的脑电反应出现明显差异，证实了 N400 的存在。进一步分析发现，标签条件下的 N400 峰值潜伏期比关联条件更早，但不同条件下的平均振幅无显著差异。这表明，尽管 N400 在各条件下均能可靠引发，但判断类型会影响其波形特征，命名判断时大脑反应更为迅速。
3.3 分类结果：标签条件解码更早
通过逻辑回归分类分析，研究人员评估了基于 N400 信号对单个试验进行分类的准确性。结果显示，在所有条件下，分类准确率均高于随机水平，且标签条件下的成功解码时间比关联条件更早。这一结果表明，N400 信号在一定程度上能够区分匹配和不匹配的刺激对，尤其是在命名判断相关的标签条件下，具有潜在的应用价值。
研究结果表明，N400 可以作为评估语义理解的有效指标，在不同刺激和判断条件下均能可靠引发，且在命名判断任务中表现出独特优势。这一发现为开发基于 AR - EEG 的学习系统提供了重要依据，有望通过实时监测学习者的大脑反应，实现个性化学习反馈，提升学习效果。然而，目前研究仍存在一些局限性，如样本量较小、实验条件与现实场景差异较大、EEG 记录系统不够实用等。未来研究需要扩大样本规模，增加刺激的多样性，采用更接近现实的实验环境和实用的 EEG 设备，进一步优化分类算法，提高分类准确率，推动 AR - EEG 学习系统从理论研究走向实际应用，为教育和培训领域带来新的变革。该研究成果发表在《Computers in Human Behavior Reports》，为该领域的后续研究奠定了坚实基础。
