我們所有人都曾為一個或多個高中課程而奮斗，但研究人腦是一件完全不同的事情。在一個典型的神經(jīng)解剖課上，學(xué)生們被大量的術(shù)語、定義、腦結(jié)構(gòu)（大小、形狀和位置各不相同）所淹沒。要了解大腦所有的功能和行為聯(lián)系需要花費(fèi)很長時間，在為了考試而進(jìn)行的短期強(qiáng)化工作后，學(xué)生們通常會忘記大量的知識。無疑需要有一種更有效的方式能將關(guān)鍵知識（關(guān)于大腦或任何其他學(xué)科）嵌入你的長期記憶。

事實證明，確實有一種方法。教育專家長期以來一直在呼吁技術(shù)互動教育，賓州州立大學(xué)正在研究把這種知識獲取方法引入神經(jīng)解剖學(xué)課程。這就是所謂的Brain3M，它已經(jīng)從賓州社會科學(xué)研究所獲得了資金。通過虛擬和3D打印模型，以及照片和圖表，他們希望能教給學(xué)生關(guān)于大腦的功能、解剖和進(jìn)化史的知識。

這是一個非常有創(chuàng)意的方法，可以改變教授困難概念的方式，既包括神經(jīng)解剖學(xué)領(lǐng)域又包括其他方面。該項目是由CyberScience研究所副主任兼心理學(xué)教授的Ping Li所主持，大腦、行為與認(rèn)知中心的聯(lián)合主管Victoria Braithwaite教授也有參與。

知識本身的水平大約相當(dāng)于大學(xué)入門課程?！拔覀冋J(rèn)為，Brain3M能讓學(xué)習(xí)者建立‘表現(xiàn)形式’，通過學(xué)習(xí)者的視覺、聽覺、動覺，以及其他學(xué)習(xí)目標(biāo)的感覺運(yùn)動方面的整合，”開發(fā)者說：“自適應(yīng)的探索和包含的知識可以顯著提高學(xué)習(xí)成果，尤其是關(guān)于長期記憶表現(xiàn)?！边@應(yīng)該能讓用戶使用個人的身體感覺來獲得知識，即一個由具體的認(rèn)知理論所支持的概念。

他們想要建立一個平臺，可以讓學(xué)生按照自己的步伐以3D形式來虛擬探索大腦，因此招募了畢業(yè)生Fan Zhang來幫助實現(xiàn)這一概念。“設(shè)計Brain3M網(wǎng)站和設(shè)計打印課程差別很大，更多的是設(shè)計用戶將要擁有的體驗，”Zhang說。最初開發(fā)出的是人和魚的大腦比較模塊，用于介紹進(jìn)化組件以及突出神經(jīng)特化?？偟膩碚f，教授了關(guān)于海馬體的20個關(guān)鍵知識點(diǎn)。

學(xué)生們能夠在課堂上廣泛使用3D打印的大腦模型，在探索復(fù)雜的脊柱和大腦褶皺的過程中，學(xué)生們的好奇心無處不在。它被證明是完美的，包括數(shù)字模塊、高品質(zhì)的照片和大量的圖表?！皩W(xué)生們可以點(diǎn)擊他們想要了解的任何大腦部分，所以我們可以真正讓學(xué)生們自己決定想要學(xué)習(xí)什么，”Legault透露?！斑@種主動學(xué)習(xí)會更有效，而且學(xué)生們似乎也喜歡按照自己的步伐來控制自己的學(xué)習(xí)體驗?！?/span>

Brain3M是有前途的，不過還需要更多工作來證明Brain3M和額外的空間學(xué)習(xí)成績之間的關(guān)系?！叭绻覀兡軌蜃C明學(xué)生們在學(xué)習(xí)大腦時的表現(xiàn)與空間能力相對應(yīng)，那么這個項目也可以幫助他們了解另一個涉及空間成分的話題，”Legault說。

但對于Li教授來說，最大的驅(qū)動力是Brain3M在STEM領(lǐng)域的廣泛影響?！斑@個項目真正證明了現(xiàn)代科學(xué)的協(xié)同工作，因為它有很多認(rèn)知心理學(xué)和神經(jīng)科學(xué)的成分，但它也涉及到了教育、數(shù)字化學(xué)習(xí)、大數(shù)據(jù)和3D模型，”Li說。如果能夠成功，同樣的原則也可以帶給許多其他領(lǐng)域。