评估单一学生在学习平台上的专注力：一种增强机器学习的脑电图框架

本研究旨在针对在线学习时单个学生的专注状态进行分类，填补现有研究中个性化分析的空白。通过定制的机器学习模型和详细的脑电图数据采集与预处理协议，提取了50个统计特征，并优化了数据输入。研究发现，这种基于脑电图的个性化分析方法在计算机学习和虚拟现实环境中的分类准确率分别达到了97.6%和98%，展示了其在在线教育活动中的潜在影响。