功能性近红外光谱技术应用于教育研究的国际文献综述*——近十年研究图景与未来展望

詹泽慧 杨钦晨 周俞君 曾笑科

（华南师范大学 教育信息技术学院，广东广州 510000）

一、引言

21 世纪以来，神经科学领域的迅猛发展为心理学与教育学研究提供了大量的脑科学证据。 2004年，国际“心智、脑与教育学会”的正式创立，使得教育神经科学这一新兴交叉学科领域逐渐进入各国学者的视野。国内教育学、心理学领域的研究者对教育神经科学领域的概念进行了界定和剖析。 即教育神经科学是一门结合了神经科学、心理学、医学及教育学知识技能的整合学科，也是一门“新的学习科学”。其重要特征是运用神经影像技术等神经科学的研究方法，与行为研究相结合，来解决教育领域的问题，并促成神经科学研究成果在教育实践中的转化（周加仙，2016）。 这得益于功能性磁共振成像（functional Magnetic Resonance Imaging，fMRI）、 脑 电 图（Electroencephalogram，EEG）以及功能性近红外成像（functional Near-Infrared Spectroscopy，fNIRS）技术为代表的神经成像技术的日益成熟， 为教育神经科学这一新兴领域的研究提供了有力支撑。

在以往的综述研究中， 国内学者多聚焦于教育神经科学学科这一上位概念的探讨与剖析（张婧婧，等，2021），以及较为广泛的研究方法探讨（王宇，等，2022），而在具体方法与技术，尤其是fNIRS 这一更加适合教育研究的神经成像技术的应用方面， 则缺乏系统地梳理与总结。 国内外已有研究者对fNIRS在特定年龄段 （Hu，et al.，2020； Peng，et al.，2021；Yeung，2021；Yeung，et al.，2021）、 特殊个体（Zhang，et al.，2019）、 认 知 发 展 （Soltanlou Artemenko，et al.，2018）、运动认知科学（Tianran，et al.，2014）等领域的应用进行了综述， 但目前尚缺少对于教育领域应用的总结与分析。 此外，在研究方法上，以往综述文章大多采用普通的检索策略进行论文检索， 可能导致相关文献的遗漏。为此，本研究采用滚雪球的文献检索方法，对fNIRS 的教育研究现状、研究范式、领域应用等方面进行系统性梳理， 来探讨fNIRS 技术在未来教育研究的应用趋势。

二、功能性近红外成像技术原理及特点

在各种活动中， 外界刺激会激活学习者的大脑神经元，产生神经电活动，而这一过程需要大脑局部毛细血管内的含氧血红蛋白（oxygenated hemoglobin，oxy-Hb）供氧，从而引发局部血管中的血流量增加。即活动引起的大脑相关功能区域的供氧量逐渐大于氧气的耗损量， 大脑的局部区域血管内含氧血红蛋白浓度增高，脱氧血红蛋白（deoxygenated hemoglobin，deoxy-Hb）浓度下降（胡天然，等，2014）。而fNIRS 技术可以敏锐监测到这一过程， 进而反映学习者的认知、情感以及动作等方面的神经活动。

fNIRS 技术用于含氧或脱氧血红蛋白浓度的检测原理，如图1 所示。首先，采用发射极探头，发射波长范围为650～1000nm 的近红外光， 近红外光透过大脑表层结构后，部分被血红蛋白吸收，部分散射在组织中， 其余的近红外光则会穿过脑组织形成一个“香蕉形”通路，被接收极探头探测到，得到接收极与发射极之间的光强差异；然后，通过修正比尔—兰伯特 定 律 （ModifiedBeer-Lambert Law）（Tak，et al.，2014）进行计算，将光强差异转换为血红蛋白的浓度变化（Lai，et al.，2017），从而反映学习者的神经激活变化。通常，接收极与发射极之间的距离设置一般为2.5～3.0cm 之间， 可根据研究对象的头围做适当调整。 在针对成年人的研究中，大多采用3cm 的距离，而对一般婴幼儿的研究中， 需要选择更短的距离（Soltanlou Sitnikova，et al.，2018；Peng，et al.，2021；Frie，et al.，2018）。

图1 fNIRS 检测原理图

相比fMRI，fNIRS 对于研究对象的健康状态（例如，患有幽闭恐惧症或植入心脏起搏器的患者）对于身体姿态等方面的限制更少。 而EEG 相比fNIRS 有着更低的空间分辨率、 对电噪声的高度敏感性和繁复的实验前准备， 这无疑限制了其在更接近真实情境的任务中的应用。总体而言，由于fNIRS 的非侵入性、高时间分辨率、高生态效度以及更低的设备维护成本等特性， 使其在真实的教育情境研究范式中可以得到更广泛的应用。

三、fNIRS 教育应用文献筛选与编码方法

为了筛选出适切于主题的高质量论文， 本研究首先采用关键字搜索来确定该领域领先期刊的起始文章。 基于这个起始集， 再采用滚雪球式搜索方法（Wohlin，2014），通过前向浏览参考文献列表以及后向浏览文章的被引情况来确定文献集合。

（一）关键词搜索与起始集确定

本研究使用“fNIRS”和“学习/学生/学校/班级/教室/学生/教师/教师/学业/教育”作为关键词，通过ISI Web of Science、Scopus 等数据库的搜索，再经领域筛选缩小范围， 发现最早关于fNIRS 在教育领域应用的论文发表于2010 年， 遂以此作为论文发表年份筛选的起始节点。 由此采用以下纳入标准来确定应选择哪些论文作为目标样本：（1）论文应在过去11 年（从2010 年开始）在同行评审期刊上发表；（2）论文应采用fNIRS 进行教育相关实验或实证研究。关键词检索过程于2021 年7 月20 日结束，共找到2373 篇论文。 最后，根据纳入标准（1）对这些论文的标题和摘要进行分析，筛除部分文献。 然后，对所有论文集从头到尾快速阅读，以确保它们符合纳入标准（2）。 经筛选，共有51 篇论文被确定为雪球起始集。

（二）滚雪球过程

关键词搜索后，我们采用滚雪球法，以51 篇论文为起始集，在数据库中搜索论文，共找到1561 条后向滚雪球引用和32 条前向滚雪球引用 （共1593篇论文）。 综合以上两项纳入标准，共筛选出新论文18 篇。 在第二轮中，第一轮获得的18 篇论文被确定为滚雪球方法的新种子， 再阅读来自后向滚雪球的1007 篇参考文献和来自前向滚雪球的610 篇引用（共1617 篇论文）后，得到8 篇论文。依此类推，经过五轮滚雪球搜索，直至没有符合条件的新论文，表明迭代滚雪球过程结束。 滚雪球过程如表1 所示，最终确定了81 篇论文作为后续文献综述的分析集。

表1 滚雪球过程

本研究根据布鲁姆的教育目标分类理论以选定的文章作为领域编码（即认知、动作技能、情感），这是教育领域中最常见的维度划分框架。 其中，动作技能领域分为反射运动、基本运动、感知能力、身体能力、 技能运动和非话语交流维度（Harrow，1972）。 确定的分析集文章仅涉及其中三个，即感知能力、基本动作和技能运动。 由于大部分文献来源于认知神经研究，在认知领域和情感领域，难以完全按照布鲁姆教育目标分类理论的层次进行文章分类。 因此，我们根据认知心理学研究领域和扎根理论的选择性编码（Corbin，et al.，1990）方法将它们分为不同的类别。

认知心理学的范畴主要涵盖语言、问题解决、记忆、学习、执行功能等心理过程以及其他认知能力。因此， 本研究以这六个维度作为认知领域的二级维度来综述与认知领域相关论文。 情感领域的二级维度也根据先前心理学研究的结论分为两类（即情感和情绪）（Fredrickson，2001；Frijda，et al.，2009；Kleinginna，et al.，1981； Gross，1998）。 在二级维度编码方面，主要根据文献研究目的， 即实验检验的因变量对文献进行维度划分，编码表如表2 所示。为保证编码的可靠性，编码由两名独立的编码人员完成。如果两位编码员之间出现分歧，将通过协商讨论决定。两位编码员内部一致性系数k>0.90。

表2 fNIRS 教育应用领域编码表

四、fNIRS 教育应用文献分析结果

（一）发文量和被引情况

如图2 所示，fNIRS 技术在教育中的应用最早发表于2010 年，近十年来，将fNIRS 技术应用于教育研究的研究文献数量呈现逐年增长趋势。 在筛选出的81 篇文章中，国内发文量最多的是澳门大学和北京师范大学， 国外发文量最多的机构主要分布在德国、美国、加拿大以及日本等国家。

图2 2010-2021 年文献数量变化趋势

（二）研究对象统计

在81 篇文献中，共报告了3505 名研究对象，平均样本量为44 人， 最大样本量的文献中招募了484名被试，而最小样本量的研究仅研究了1 位被试。 本研究使用G. Power 软件进行计算， 如若需要对两等组样本进行t 检验，这一平均样本量仅能在高效应量（Cohen’s d =0.80），显著性水平为0.05 的条件下，检测到显著性差异。 总体而言，以往大多数研究样本量对于教育领域研究来说相对较少（DelI˙ce，2001）。 在所有文章中， 有75 篇报告了研究对象的性别比例（其中47.3%为男性，52.7%为女性）。研究对象的年龄分布广泛，范围从新生儿（1.6 天）到33 岁不等，且小学阶段（7～11 岁）被试数量占比最大（约25.1%）。

（三）实验任务设计

在实验设计类型方面，69.5%的文章完全采用了组块设计（Block Design），即在每一组块时间段内中反复呈现相同类型的实验条件刺激的实验设计方式。 25.6%的研究采用事件相关设计（Event-Related Design）， 即每隔一段时间呈现单个刺激的实验设计方式。 还有3.7%的研究采用混合实验设计，即在同一组块内设置不同类型的刺激，刺激之间的间隔随机。

组块设计是大多数实验研究所采用的主流实验设计范式，具有较高的信号探测能力。在组块设计实验中，参与者在固定时间内接受到相同的刺激，这在一定程度上与教学活动相似， 在未来教育研究中或将得到迁移。 表3 归纳了各教育领域应用的具体实验范式类型。可以发现，目前fNIRS 实验仍然依赖于经典心理学的实验设计范式。 由于经典神经影像学实验的严格限制， 大多数时候课堂教学的复杂或多任务行为无法在实验室环境中准确再现（Burgess，2014），因此，实验任务设计与实际教学和学习活动存在较大差异。

表3 各领域实验任务类型与文献数量

教育领域 实验任务类型（文章数n） 占比情绪刺激+问卷情感体验自我评估 (self -assessment manikin, SAM)问卷(n=1),状态-特质焦虑量表 (the State-Trait Anxiety Inventory)(n=1), 护理情境问题(n=1)3.7%AE行为检测任务护理情境决策(n=1), 视觉情绪连续表现(visual emotional continuous performance task, e-CPT) (n=1), 内隐认知再评价任务& 急性运动(n=1)3.7%

一些研究者已经关注到了这一问题， 并尽可能采用了接近真实情境的教学任务。 例如，有学者（Li C，et al.，2020） 采用自然主义的双语图书阅读任务。竹内（Takeuchi，et al.，2019）设计了接近真实教学互动的师生互动问题解决任务。 达席尔瓦·费雷拉·巴雷托（Da Silva Ferreira Barreto，et al.，2020）采用基于自然主义的音乐情感任务。 赛德尔 （Seidel，et al.，2017）将可穿戴fNIRS 应用在自然运动研究中。迪布维克（Dybvik，et al.，2021） 在研究对象的个人公寓开展研究， 直接将fNIRS 在瑜伽运动上的应用扩展到现实生活场景， 这极大地提高了fNIRS 实验任务的外部效度。

（四）数据采集方式与仪器

筛选出的81 篇文章共使用了21 种fNIRS 型号仪器，具体型号与参数如表4 所示。 在fNIRS 设备类型方面，在21 种型号仪器中，有5 种便携式设备，涵盖了语言、学习、问题解决、执行功能、基本运动、技能运动以及情绪等多个教育研究主题。

表4 使用fNIRS 系统与参数

通道位于每一个发射极和接收极之间的位置（Hu，et al.，2020）， 通道数量意味着，fNIRS 测量所能覆盖的脑区范围数量越多，其所能测量的脑区范围越广，越能够满足涉及多脑区协同的复杂任务研究。 因此，教育研究者对fNIRS 系统的选择，应首先考虑到学习活动所对应的心理功能，并厘清其神经基础，聚焦到具体脑区，从而准确选择能够满足脑区覆盖范围要求的设备。 采样率代表fNIRS 设备每秒钟所能采集数据的次数， 采样率越高， 则表明fNIRS 系统的时间分辨率越高， 即采集数据的时间精度越高（Ferrari，et al.，2012）。 因此，在采用fNIRS开展实验之前，研究者应首先确定在学习或教学研究中神经激活数据的时间精度要求，再选择适当的采样率参数设置。此外，在过程性行为编码与fNIRS神经数据的耦合分析中，也应当注意行为编码频率与fNIRS 采样频率的一致性问题（Pan，et al.，2022）。需要注意的是，fNIRS 设备的光源通常分为激光光源和LED 光源两种类型，前者精度较高但需配备雪崩光电二极管，造价往往也较高，会导致实验成本的增加。

图3 展示了设备类型在不同教育领域的分布情况。 约16.7%的研究使用了可穿戴或无线便携式fNIRS 设备。 大多数研究者由于研究经费等原因，仍使用传统的光纤式近红外仪器， 但传统的光纤式仪器所使用的光纤束较重，缺乏灵活性，易引起研究对象的不适。因此，近年来对于任务生态效度要求较高的研究逐渐开始采用便携式设备。目前，便携式设备多用于认知、运动技能领域的研究中，尤其在运动技能领域。 而随着fNIRS 技术的发展，fNIRS 设备的灵活性和便携性也在不断提高， 相比EEG 和fMRI 技术来说，fNIRS 技术更加适用于在真实情境的教育教学研究中的自然主义实验任务， 究其原因在于fNIRS 可以提供更加可靠的神经活动测量数据。

图3 采用不同仪器类型的各教育领域发文频次统计

在数据采集方面，有36.6%（n=30） 的文章只采集fNIRS 数据，没有结合行为数据。其余大多数研究文献均采用了行为数据与fNIRS 数据结合分析的方法。具体到各年龄段数据类型如图4 所示，值得注意的是，3 岁以下的研究对象，由于行为任务的不可控性，研究者没有收集其行为任务数据。 除此以外，部分文章倾向于采用fNIRS 和EEG（Artemenko，et al.，2019； Obrig，et al.，2017）、事件相关电位（ERP）、心率测试（Chong，et al.，2020）或者眼动追踪技术相结合的方法，对同一问题展开多维数据的耦合分析。例如，索尔塔楼和阿尔特门科（Soltanlou，et al.，2017；Artemenko，et al.，2019） 采用了fNIRS-EEG 结合的方法， 测量不同难度算术问题解决过程中的大脑激活变化。 苏古拉（Sugiura，et al.，2018）同时使用fNIRS和ERP 测量了男生和女生在第二语言学习中的个体差异。 还有学者（Li H，et al.，2020）通过三个实验分别采集了学龄前儿童的行为任务数据、 眼动追踪数据以及fNIRS 数据，研究观看高频出现奇幻事件的动画片对学龄前儿童执行功能的影响。 由于EEG 技术的空间分辨率低于fNIRS 技术，而fNIRS 时间分辨率低于EEG 技术，因此将二者结合进行同时测量，可以在时间和空间分辨率上实现互补，以获得更为精确的研究结果。

图4 不同数据类型支持各年龄段研究的发文频次统计

（五）研究应用领域与年龄段分布

通过分析fNIRS 所应用的教育领域，我们发现，目前认知领域仍是研究者们关注的重点， 其次是动作技能领域， 然而对情感领域的研究关注则略为不足。 进一步将各教育领域与fNIRS 研究对象年龄段进行交叉分析，结果如图5 所示。 需要注意的是，由于多数文献往往在一项研究中包含多个年龄段的研究对象， 为了更准确地反映研究对象在教育领域中的分布，因此图5 采用了基于研究对象数量的统计。据图5 的分析发现，首先总体上在各领域的研究中，12～17 岁的研究对象数量较少，青少年阶段是语言和认知发展的重要阶段（Sugiura，et al.，2018），因此未来研究十分有必要在这一年龄段进行拓展。 其次，具体到应用领域，在动作技能领域还缺少对4～6 岁学龄前儿童研究的应用；在情感领域中针对3 岁以下的婴幼儿研究的应用也较少。

表5 fNIRS 所应用的教育领域

图5 不同教育领域内各年龄段的样本数量统计

1.认知领域

目前，fNIRS 在教育领域应用的研究大多集中于认知领域，并且涵盖了记忆、学习、问题解决、语言、执行功能等多个研究主题。 认知领域的大部分研究聚焦语言学习，这一部分研究主要关注早期教育阶段语言环境和经验对于婴幼儿语言能力的影响（Benavides-Varela，et al.，2017； Kovelman，et al.，2012），以及学龄前、学龄儿童的双语学习经验对于后期语言学习的影响 （Arredondo，et al.，2019； Groba，et al.，2018； Jasińska，et al.，2017）。 在学习研究方面，fNIRS 技术主要用于检测和反馈在数学（Artemenko，et al.，2018； Zhao，et al.，2019）、 计 算 机（Uysal，2016）等具体学科学习过程中由学习引起的学习者神经血流动力学变化。 在问题解决方面，已有研究使用fNIRS 技术与其他神经成像技术或其他经典实验任务结合， 来检测学习者视觉空间问题（Hu，et al.，2019； Takeuchi，et al.，2019）、 算术问题（Meiri，et al.，2012）解决所发生的神经活动变化。

2.动作技能领域

针对动作技能领域，fNIRS 研究主要集中于感知能力、基本运动与技能操作这些主题。在感知觉能力的应用方面，fNIRS 技术主要应用于检测视觉（Niu，et al.，2014）、 听 觉 感 知 以 及 视 听 关 联 的 感 知（Kersey，et al.，2017）带来的大脑活动变化。 其中，婴幼儿的早期语音感知 （Homae，et al.，2011； Ferry，et al.，2016）方面的研究最多。在基本运动方面，已有研究利用fNIRS 开展了诸多运动学习任务神经活动研究（Sakurada，et al.，2019； Seidel，et al.，2017）。 在技能操作方面，fNIRS 的应用已包含医学外科操作培训（Soltanlou Sitnikova，et al.，2018； Khoe，et al.，2020）、无人机操作培训（Kerr，et al.，2021）等高等教育与职业教育的技能培训领域。

3.情感领域

相对而言，fNIRS 在教育情感领域的应用较少。“情感加工”的脑区一般也参与了“认知加工”的过程（Pessoa，2008）， 学习者的情绪和情感状态对认知学习也存在显著影响（Chong，et al.，2020）。而在实际教育教学中，以往教师对学生的情绪、情感识别通常出于主观判断， 而学习者的自我报告又容易出现社会赞许效应或要求特征等被试偏差， 所以能够对情绪和情感进行精确量化测量和分析的手段必不可少。已有研究采用fNIRS 技术对儿童情感移情加工（Brink，et al.，2011）、情绪刺激敏感性（Mauri，et al.，2020）等主题进行了研究，表明fNIRS 在儿童情感研究中的有效性。此外，研究者就fNIRS 在情感研究中的数据分析方法进行了诸多探究， 其中机器学习技术的应用证实了fNIRS 数据对于学习者情绪状态评估的准确性（Tang，et al.，2021； Duan，et al.，2020）。

（六）感兴趣脑区

大脑皮质的各区域在神经加工过程中发挥着诸多作用：额叶是判断、抑制、创造、专注以及情感表达等多种高级心理功能的主要基础； 颞叶对听觉刺激的知觉加工具有重要作用； 枕叶中的视觉加工区域主要负责对视觉信息进行加工； 顶叶中的躯体感觉区则在触觉、痛觉、温度感觉以及本体感觉等感觉信息加工方面发挥着主要作用。 大脑皮质中具有起着联络、综合作用的结构和机能系统，称为皮康层联合区，它是大脑皮层执行高级心理功能部位（Herreras，2010）。

总体而言，在入选的文章中，研究者均表现出对额叶区域的极大关注。一方面，可能归因于这一脑区在实验测量中较少头发干扰， 具有更好的头皮接触（Yeung，et al.，2021）， 因 而 在 额 叶 区 域 收 集 到 的fNIRS 信号质量更好。 另一方面，额叶区域涉及到的认知功能最为广泛。在筛选出的文章中，涉及额叶区域的文献研究主题涵盖了认知、 运动技能和情感多重主题。这与前人研究的证据一致，即额叶皮层已被证 明 在 记 忆 （Blumenfeld，et al.，2007）、 注 意 力（Rueckert，et al.，1998）、语言（Lawrence，et al.，2021）、运 动（Asgher，et al.，2021）、情 感（Mayberg，et al.，2013）和执行功能（H. Li，et al.，2020） 等方面都有着广泛的参与。

此外，“敏感期”是个体发展过程中的一个阶段，在这个阶段中， 环境输入可以使行为变化最大化（Sala，et al.，2012）。 在敏感期之后，神经回路的可塑性出现下降（Knudsen，2004）。 而教育的投入与干预也应该与相关神经系统的最大灵敏度相一致。因此，年龄对教育神经科学的讨论至关重要。 关注各脑区文献中研究对象的年龄分布，如图6 所示。

图6 关注不同脑区的研究在各年龄段内发文频次统计

首先， 针对3 岁以下婴幼儿的fNIRS 研究主要关注了颞叶区域， 涉及语言功能和听觉感知功能（Benavides-Varela，et al.，2017；Homae，et al.，2014）。fNIRS 用于新生儿和婴儿语言和听觉研究的优势在于其无侵入性、无噪声、不需要保持静止姿态（Peng，et al.，2021），以及便携性（De Roever，et al.，2018）等。而婴幼儿在理解行为任务规则， 或者听从指示完成任务方面存在障碍 （Wilcox，et al.，2015）。 因而，fNIRS 可能是关注婴幼儿早期语言、 音乐教育的首选方法。

其次，在4～6 岁学龄前儿童的研究中，研究者们对于额叶区域的关注仍然占据最高的比例， 这一部分研究对语言能力 （Li C，et al.，2020）、 工作记忆（Yang，et al.，2021）、情 感（Brink，et al.，2011），以 及执行功能（Mckay，et al.，2021）等能力进行了广泛的探究。 对4～6 岁对象的研究主题主要集中于执行功能。执行功能通常被认为由工作记忆、抑制控制和认知灵活性组成（Mareschal，et al.，2013）。 已有研究多采用问卷与行为任务结合的方法， 但在7 岁以下儿童的执行功能成分方面尚未形成共识。 学龄前儿童（Visu-Petra，et al.，2012）、7～12 岁儿童执行功能被认为仅由单一成分构成， 而12～18 岁青少年的执行功能则由4 种成分构成（Laureys，et al.，2022），并且执行功能随着儿童年龄变化而发展（Huizinga，et al.，2006）。 因此，对执行功能成分的研究仍需更多基于神经科学的实证研究证据。 在筛选出的fNIRS 文献中，已有基于fNIRS 神经证据的研究表明，工作记忆任务中外侧前额叶皮质存在增量激活 （León-Carrión，et al.，2010； Perlman，et al.，2016）。 在fNIRS 应用于语言功能相关的研究中， 研究者也注意到前额叶皮质在工作记忆和认知控制中的作用（Groba，et al.，2018），这表明在执行功能与语言功能发展之间可能存在密切的相关性。 此外，麦凯盖尔（McKay，et al.，2021） 等人发现双侧额叶皮质和反应监控之间存在相关性，这也与数学能力呈正相关。另有研究聚焦于高频出现奇幻事件的动画片对学龄前儿童的执行功能的消极影响（Li H，et al.，2020），而fNIRS 研究印证了执行功能发展对学龄前儿童语言、 数学等学科学习方面的显著影响，同时也为游戏、动画片等文化产品中不良刺激对儿童执行功能发展起到的负面作用提供了有力证据。

五、结果讨论

通过对近十年fNIRS 的教育应用研究的国际文献进行总结梳理， 本研究将基于fNIRS 的教育研究发展趋势归纳为以下四点。

（一）关注真实教育情境任务，提高fNIRS 教育研究的生态效度

fNIRS 技术的教育研究脱胎于传统神经科学研究，由于实验条件限制、研究经费限制等原因，以往基于fNIRS 的研究普遍存在样本量不足、 研究对象年龄段覆盖不全的问题。然而，对于我国教育实践而言，大班制教学仍然占据主流。 因此，未来研究在将神经科学的研究方法迁移至具体教育情境的过程中， 需要考虑到研究对象的个体差异以及复杂情境中混淆因素对研究结果的影响。虽然，以往研究对于便携式设备使用较少， 但随着近年来各厂商对便携式设备的开发投入增加， 便携式仪器的使用逐渐增多， 这无疑为fNIRS 在接近真实的教育研究中的应用提供了有力支持。而fNIRS 技术本身无创性、无噪声，对实验姿态、实验对象的限制更少，在真实教育情境研究应用中显现出巨大潜力。然而，目前除了少部分研究通过自然主义实验设计（Li C，et al.，2020；Takeuchi，et al.，2019）、 基于真实环境的实验研究（Dybvik，et al.，2021）、 基于自然主义实验设计采集的信号分析方法创新（Seidel，et al.，2017；Dybvik，et al.，2021）等创造性研究范式之外，大部分相关研究，在实验设计中仍然遵循传统的认知神经科学实验设计， 较少开发基于自然主义的真实情境任务设计，且一般实验时长较短，与真实教学与学习情境相去甚远，对实际教学和学习情境的检验外部效度仍然较低。 因此，未来研究应当利用fNIRS 诸多优势，更多关注真实教育情境任务， 创新fNIRS 实验任务范式，将教育领域真实问题迁移至神经科学研究设计中， 不断提高基于fNIRS 的教育研究生态效度与现实意义。

（二）助力早期教育研究，提供基于神经科学的数据支撑

幼儿早期教育对于个体的终身发展具有不可忽视的影响（Burger，2010）。 以往早期教育研究限于幼儿的表达能力，和行为任务不可控性，对幼儿的研究多采用问卷调查或访谈法， 且一般由家长或老师代为报告。然而，质性研究方法通常难以避免报告偏差等问题，加之在幼儿研究中任务设计之困难，使得早期教育研究在数据科学性上存在不足。我们发现，在fNIRS 研究中幼儿对象占很大比例， 这些研究为幼儿的认知、 动作以及情感研究提供了神经数据。 因此，在未来幼儿早期教育研究中，研究者可将fNIRS与问卷调查、访谈等研究方法相结合，设计基于幼儿早期教育研究的实验范式，考虑实验伦理问题，提高早期教育研究的数据科学性。

（三）监测学习与教学活动，赋能教育教学动态过程性评价

作为教育研究的两类主要研究对象， 学习者和教学者如何进行学习与教学， 一直以来都是教育研究者关注的重点。对应用领域的分析表明，在各教育领域中，fNIRS 都能够作为监测工具进行神经数据采集，应用于学生与老师的互动活动中。因而，fNIRS在学习、教学活动监测与评价研究中的应用潜力，应当引起研究者的充分重视。

1. 认知学习监测

学习者的教育学习情境涉及学习者的复杂认知加工与心理功能调动， 以往教学研究对于认知学习状态的监测往往通过教师观察或结果评测， 而缺少量化的过程性评测方法。因此，对于连续变化认知加工状态通常无法在时间轴上以连续的形式呈现为外显的数据，从而导致认知学习状态监测滞后。通过梳理以往研究发现，在语言、记忆、问题解决等多种学习活动过程中， 学生的认知功能情况可由fNIRS 神经成像数据表现出来， 并且fNIRS 技术能够捕捉学习者的瞬时认知状态变化， 形成对学习者的动态认知学习监测。

2. 运动技能训练评估

在高等教育与职业教育中，诸如医学、航空等学科领域的技能操作往往需要高精度的动作操控、长时间注意力的集中、 稳定的情绪控制， 也由此导致了较高认知负荷。因此，学习者可能会产生认知过载（Ayaz，et al.，2012）、倦怠甚至注意力分散（Wolfe，et al.，2007）等问题。这些学科的技能操作训练通常通过定量和定性反馈进行评估，易造成主观偏见（Shewokis，et al.，2017）。目前，已有较多研究将fNIRS 技术应用于医学外科技能培训（Aksoy，et al.，2020；Khoe，et al.，2020； Shewokis，et al.，2017； Tang，et al.，2021）、无人机操作训练（Kerr，et al.，2021），以及计算机编程训练（Uysal，2016）中的认知负荷评估与情绪状态监测中。因此，未来研究可将fNIRS 应用于医学、工程、军事等学科的技能训练评估中， 为精准技能训练提供有效的评估途径。

3. 学习情绪识别

经验观察与问卷的测量形式对于动态变化的情绪识别缺乏准确性。虽然相比认知与动作技能领域，情感研究在数量上尚有不足， 但是已有研究采用机器学习方法发现能够通过神经功能连接对于学习者情绪状态进行精确识别（Tang，et al.，2021），还可通过机器学习方法解码个体状态焦虑 （Duan，et al.，2020），以实现对于学习者情绪状态的准确预测。 因此， 未来仍需加强将fNIRS 应用于教育教学情境下学习者情绪状态识别的研究。 随着人工智能领域机器学习等算法的发展与其在数据科学领域的应用，研究者们也应当关注到更加广泛的学科领域的分析方法。

4.教学活动评价

现有研究中对于教师教学活动评价通常采用学生反馈与学业成绩、专家评教等途径，却甚少采用过程性评价方式对课堂教学策略以及师生互动进行基于神经的检测评估。近年来，愈多fNIRS 研究着眼于师生互动情境，对师生互动单人神经机制（Takeuchi，et al.，2019），生生或师生双人（Yuan，et al.，2022）或多人互动（Pan，et al.，2022）的脑间同步神经机制进行研究。 因此，在未来研究中，这种基于师生互动、生生互动的fNIRS 研究将成为神经成像技术与教育研究融合的主要切入点，尽管受到教育伦理等问题的限制，短时间内还无法推广至真实课堂，但基于fNIRS 的多人互动研究任务设计已更加接近于真实教育情境， 这无疑为教育神经科学的发展奠定了基础。

（四）融合多模态数据，精准实现多维度学习者画像

实际教育教学常伴随复杂的情境任务， 由此也产生大量文本、行为、眼动、神经、心率以及皮肤电等多模态的教育数据。 随着数据科学研究的发展，多模态数据分析成为学习分析研究领域的重要议题。 因此，fNIRS 作为神经信号采集方式之一，可与其他神经成像技术（Artemenko，et al.，2019），如心率（Ahonen，et al.，2018）、眼动（Li H，et al.，2020）等其他生理采集技术同时测量形成互补。 还可与问卷、访谈、录像等传统教育常用数据类型进行同时采集与关联分析，从不同维度监测学习引起的对象心理变化，通过三角互证提高数据的多样性，获得更加全面可靠的结论。 因此，未来研究为实现对教育研究对象的全面考查，可将脑成像技术或其他生理数据采集工具，结合问卷、访谈、行为等多模态数据，在教育理论指导下构建数据驱动的学习与教学分析模型，实现多维数据的相互融合与补充，实现学习者或教学者分析“画像”，以推动学习分析领域持续进步。

六、结论与展望

本研究运用滚雪球法对近十年基于fNIRS 的教育相关文献进行筛选与编码分析， 就分析结果提出未来fNIRS 应用于教育研究的发展趋势。 首先，从fNIRS 技术自身特点出发，其无创性、无噪声、无姿态局限、便携性、高空间分辨率以及对研究对象的包容性等优点，使其在教育研究中独具优势。尤其对婴幼儿群体的研究、 技能操作与运动的研究以及接近真实的教育教学情境任务研究的限制最少， 可操作性最好。 其次，从已有研究应用出发，fNIRS 能在广泛的教育研究领域、研究对象中应用，能够与其他神经成像技术或者与其他生理测量方法结合， 在多模态数据融合类教育研究中具有较大潜力。再次，以往基于fNIRS 的教育相关研究， 仍然存在实验设计生态效度不足、 情感领域以及青少年年龄段的研究不足等局限。 因此，fNIRS 技术自身的优势并未得到有效利用， 这也表明这些方面仍需要未来研究做更加广泛地延伸和拓展。 最后， 教育神经科学作为教育学、心理学与神经科学的交叉领域，研究教育问题、寻找教育的本质规律、 切实指导教育实践才是其最终旨归。因此，将fNIRS 应用于教育研究，应警惕“神经神话”，多进行更深层次的教育伦理思考，以促进技术应用回归教育本质。