यह शोधपत्र कंप्यूटर-आधारित शिक्षण सत्रों के दौरान शिक्षार्थियों के व्यवहार का विश्लेषण और पूर्वानुमान करने के लिए बायोसेंसर और मल्टीमॉडल लर्निंग एनालिटिक्स (एमएमएलए) के एकीकरण की एक व्यवस्थित समीक्षा करता है। 54 प्राथमिक अध्ययनों का विश्लेषण करके, हम यह जाँच करते हैं कि हृदय गति, मस्तिष्क गतिविधि और नेत्र ट्रैकिंग जैसे शारीरिक संकेतों को पारंपरिक अंतःक्रिया डेटा और स्व-रिपोर्ट के साथ कैसे जोड़ा जा सकता है ताकि संज्ञानात्मक अवस्थाओं और जुड़ाव के स्तरों के बारे में गहन जानकारी प्राप्त की जा सके। हम उन्नत मशीन लर्निंग एल्गोरिदम और मल्टीमॉडल डेटा प्रीप्रोसेसिंग तकनीकों जैसी सामान्य रूप से प्रयुक्त पद्धतियों का विश्लेषण करते हैं, वर्तमान शोध प्रवृत्तियों, सीमाओं और उभरती दिशाओं पर प्रकाश डालते हैं, और बायोसेंसर-आधारित अनुकूली शिक्षण प्रणालियों की परिवर्तनकारी क्षमता पर प्रकाश डालते हैं। हमारा सुझाव है कि मल्टीमॉडल डेटा एकीकरण व्यक्तिगत शिक्षण अनुभव, रीयल-टाइम फ़ीडबैक और बुद्धिमान शैक्षिक हस्तक्षेप को सुगम बना सकता है, जिससे अधिक व्यक्तिगत और अनुकूली ऑनलाइन शिक्षण अनुभव प्राप्त हो सकते हैं।
