Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Behavior
Click here for the English version

Behavior

कार्य विशेष तंत्रिका क्षमता की तुलना के लिए Electroencephalography माप का उपयोग: स्थानिक खुफिया कार्य

Published: August 9, 2016 doi: 10.3791/53327
Automatic Translation
1, 1, 1, 2, 2
1Department of Engineering Education, Utah State University, 2Department of Psychology, Utah State University

Summary

यह पांडुलिपि जबकि स्थानिक ध्यान केंद्रित इंजीनियरिंग समस्याओं को सुलझाने मनुष्य के तंत्रिका गतिविधि को मापने के लिए एक दृष्टिकोण का वर्णन है। electroencephalogram कार्यप्रणाली, तंत्रिका दक्षता के मामले में बीटा मस्तिष्क तरंग माप की व्याख्या में मदद करता है अंततः दोनों प्रकार के बीच समस्या और प्रतिभागियों के बीच कार्य प्रदर्शन की तुलना में समर्थ बनाने के उद्देश्य के साथ।

Abstract

स्थानिक खुफिया अक्सर इंजीनियरिंग शिक्षा और इंजीनियरिंग व्यवसायों में सफलता से जुड़ा हुआ है। electroencephalography के उपयोग के व्यक्तियों 'तंत्रिका दक्षता के तुलनात्मक गणना के रूप में वे समाधान प्राप्त करने के लिए स्थानिक क्षमता की आवश्यकता होती है लगातार कार्य करने के लिए सक्षम बनाता है। यहाँ तंत्रिका दक्षता कम बीटा सक्रियण रहा है, और इसलिए कम तंत्रिका संसाधनों खपा, अन्य समूहों या अन्य कार्यों की तुलना में एक कार्य को करने के रूप में परिभाषित किया गया है। इसी तरह की durations के साथ कार्यों को आपस में कार्य तुलना के लिए, इन मापों कार्य प्रकार कठिनाई की तुलना सक्षम हो सकता है। इंट्रा-भागीदार और अंतर-भागीदार तुलना के लिए, इन मापों स्थानिक क्षमता और विभिन्न इंजीनियरिंग समस्या सुलझाने के कार्यों की भागीदार के स्तर में संभावित अंतर्दृष्टि प्रदान करते हैं। चुने गए कार्यों पर प्रदर्शन का विश्लेषण किया और बीटा गतिविधियों के साथ जोड़ा जा सकता है। इस काम के लिए छात्रों को इंग्लैंड के तंत्रिका दक्षता का अध्ययन करने के लिए एक विस्तृत शोध प्रोटोकॉल प्रस्तुत करता हैठेठ स्थानिक क्षमता और स्टैटिक्स समस्याओं के हल में वृद्ध। और स्टैटिक्स: छात्रों के मानसिक करने के लिए विशिष्ट समस्याओं टेस्ट (एमसीटी), पर्ड्यू स्थानिक दृश्य घुमाव का परीक्षण (आर PSVT) काटने पूरा किया। जबकि इन समस्याओं को सुलझाने में लगे हुए है, 'प्रतिभागियों मस्तिष्क तरंगों ईईजी अल्फा और बीटा मस्तिष्क तरंग सक्रियण और उपयोग के संबंध में अनुमति देने के लिए एकत्र होने के लिए डेटा के साथ मापा गया। काम स्थानिक गहन इंजीनियरिंग कार्यों के साथ शुद्ध स्थानिक कार्यों पर कार्यात्मक प्रदर्शन सहसंबंधी इंजीनियरिंग में सफल प्रदर्शन के लिए रास्ते और इंजीनियरिंग शिक्षा के क्षेत्र में सुधार के परिणामस्वरूप अनुसरण कर सकते हैं कि पहचान करने के लिए लग रहा है।

Introduction

स्थानिक क्षमता (स्टेम) क्षेत्रों और शिक्षा विज्ञान, प्रौद्योगिकी, इंजीनियरिंग, और गणित के लिए महत्वपूर्ण है और इन क्षेत्रों 1,2,3 में सफलता के साथ संबद्ध। इसलिए, यह कैसे स्थानिक क्षमता प्रभावों 4 समस्या के हल के लिए विकास को समझने के लिए महत्वपूर्ण है। स्थानिक क्षमता इंजीनियरिंग पेशेवरों 8 में इंजीनियरिंग शिक्षाविदों 7 और सफलता के हित में 5, प्रदर्शन 6, सफलता के लिए जोड़ा गया है। हालांकि, कई स्थानिक क्षमता के साधन, न ही विशिष्ट इंजीनियरिंग सामग्री है कि अत्यधिक स्थानिक है के लिए विशिष्ट समस्याओं को सुलझाने में विशिष्ट तंत्रिका प्रक्रियाओं का संकेत बहुत काम की नहीं है।

इस पत्र डेटा संग्रह और स्थानिक क्षमता साधन तंत्रिका माप के साथ संयुक्त स्कोर के विश्लेषण के लिए इस्तेमाल किया तरीकों के लिए एक परिचय प्रदान करता है। जौव के साथ प्रकाशित करने के इरादे से एक व्यापक दर्शकों के लिए इन तरीकों को और अधिक सुलभ बनाने के लिए है। आम जनता के लिए हार्डवेयर और सॉफ्टवेयर werई इस अध्ययन में उपयोग किया। एक तरीकों कागज के रूप में, पूर्ण परिणाम / डेटा सेट रिपोर्ट नहीं कर रहे हैं, और न ही प्रदान की कई नमूने हैं। सभी छवियों इस प्रकाशन के लिए विशेष रूप से कब्जा कर लिया गया। विधियों के नीचे विस्तृत एक प्रारंभिक सम्मेलन की रिपोर्ट 9 आठ कॉलेज sophomore आयु वर्ग के प्रतिभागियों, जिनमें से तीन महिला थे से डेटा के आधार पर तैयार करने में उपयोग किया गया।

कई मौजूदा उपकरणों स्थानिक लिए निहित या व्यक्तियों से सीखा क्षमता के स्तर को इंगित करने के लिए उपयोग किया जाता है। 13: दो वैध और विश्वसनीय 10,11 उपकरणों है कि आमतौर पर इस्तेमाल कर रहे हैं मानसिक टेस्ट (एमसीटी) 12 काटना और घुमाव के पर्ड्यू स्थानिक दृश्य परीक्षण (आर PSVT) कर रहे हैं। जबकि मूल रूप से व्यवसाय से 14 के लिए डिज़ाइन इन उपकरणों Piagetian सिद्धांत 10,15 द्वारा वर्णित स्थानिक दृश्य विकास के विभिन्न चरणों का परीक्षण करें। इन उपकरणों के उपयोग को समझने के अंतर्निहित शारीरिक संज्ञानात्मक घटना existin एक जरूरत है बनाता हैजी जब व्यक्तियों को इन समस्याओं के माध्यम से काम करते हैं। इस कारण से, इस अध्ययन, अनुभवजन्य शारीरिक डेटा है कि अंततः स्थानिक सोचा के विश्लेषण और समझ में सुधार हो सकता उपयोग के तरीकों के प्रदर्शन के मौजूदा मेट्रिक्स परीक्षण क्षमताओं को सत्यापित, और स्थानिक आकलन करने के लिए और अधिक जटिल समस्याओं इंजीनियरिंग शिक्षा के लिए विशिष्ट की प्रयोज्यता में वृद्धि करना है। इन समस्याओं के कई इंजीनियरिंग स्टैटिक्स में सामना किया जा सकता है।

स्टैटिक्स एक मूलभूत यांत्रिकी बेशक सबसे इंजीनियरिंग के छात्रों के लिए दिया है (जैसे।, जैविक, मैकेनिकल, सिविल, पर्यावरण, एयरोस्पेस इंजीनियरिंग) 16,17। यह पहली बार व्यापक अनुभवों की समस्या को हल है कि छात्रों को इंजीनियरिंग कोर सामग्री 18 में दिए गए हैं में से एक है। स्टैटिक्स एक कठोर शरीर पर बलों की बातचीत बाकी या एक निरंतर वेग से आगे बढ़ रही है पर इस बात का अध्ययन शामिल है। दुर्भाग्य से स्टैटिक्स उच्च छोड़ने वालों की, वापसी, और असफलता की दर (14% जांच के रूप में देखा गया हैtigated विश्वविद्यालय) और इस पारंपरिक व्याख्यान और पाठ्यक्रम वितरण मॉडल है कि इस तरह की शिक्षा के लिए स्थानिक बढ़ाया दृष्टिकोण के रूप में समर्थन के प्रमुख रास्ते न आना से संबंधित हो सकता है। उदाहरण के लिए, स्टैटिक्स में स्थानिक बढ़ाया दृष्टिकोण कैसे बलों ठेठ विश्लेषणात्मक विश्लेषण के बाहर बातचीत के दृश्य को निशाना बनाने और जमीन अवधारणा के साथ छात्रों को 'प्रक्रिया संबंधी ज्ञान को मजबूत कर सकते हैं। इस तरह के हस्तक्षेप के प्रभाव का एक संज्ञानात्मक neuroscientific नजरिए से जांच की जानी चाहिए।

Electroencephalography (ईईजी) के छात्रों की brainwave गतिविधि को मापने का एक अनूठा और मोबाइल विधि प्रस्तुत करता है। कार्य प्रदर्शन व्यक्तियों, जो बीटा सक्रियण बटोर आम तौर पर बहुत कार्य विशेष के साथ लगे हुए हैं और वे 19,20 क्या कर रहे हैं के लिए चौकस कर रहे हैं। कार्य में वृद्धि, बीटा लहर बढ़ जाती है के आयाम की मांग है, के रूप में cortical क्षेत्र बैंडविड्थ आवृत्तियों पर कब्जा के आकार के रूप में करता है। अधिक न्यूरॉन्स कि भीतर आगबीटा आवृत्ति रेंज (अल्फा: 8 - 12 हर्ट्ज, बीटा: 12 - 24Hz) अधिक से अधिक बीटा शक्ति के रूप में परिभाषित किया जा सकता है। Relatedly, एक एक कार्य में अधिक अनुभवी हो जाता है, बीटा तरंगों के आयाम को कम करता है, कम बीटा बिजली पैदा होता है। यह तंत्रिका दक्षता परिकल्पना 21-28, जिसमें अधिक से अधिक कार्य जब एक कार्य प्रदर्शन आवृत्ति शक्ति में कमी से संबंधित है अनुभव का हिस्सा है। ईईजी पहले स्थानिक क्षमता (अक्सर मानसिक रोटेशन और स्थानिक नेविगेशन कार्यों के लिए) के अध्ययन में इस्तेमाल किया, हालांकि किया गया है - और लागू डेटा अल्फा, बीटा में पहचान की गई है, और थीटा बैंड 27-33 - अल्फा और बीटा बैंड इस के लिए मनाया गया अध्ययन, और बीटा इस पत्र में आगे प्रतिनिधि विश्लेषण के लिए और प्रारंभिक सम्मेलन की रिपोर्ट 9 में चुना गया था। प्रक्रियाओं इस प्रकार बीटा बैंड विश्लेषण पर ध्यान केंद्रित नीचे परिभाषित है, लेकिन सभी तीन बैंड में एक जांच, लॉग इन आंकड़ों के आधार पर भविष्य में सिफारिश की है।

तंत्रिका दक्षता परिकल्पना शतरंज, visuospatial स्मृति, संतुलन, और आराम सहित विभिन्न कार्यों, पर परीक्षण किया गया है। जब परिचित कार्यों का प्रदर्शन सभी में कमी आई आवृत्ति सत्ता में एक कारक के रूप में कार्य अनुभव का संकेत दिया है। एक विशेष अध्ययन 25 साक्ष्य प्रस्तुत किया गया है कि, हालांकि एक व्यक्ति के रूप में (बुद्धि से मापा जाता है) की खुफिया मदद कर सकते हैं व्यक्तिगत कौशल प्राप्त तंत्रिका दक्षता के लिए अपने योगदान में खुफिया outweighs एक कार्य, कार्य अनुभव के साथ प्रदर्शन करते हैं। दूसरे शब्दों में, अधिक अनुभवी एक व्यक्ति है, और अधिक कुशल neurally वह या वह हो जाता है।

मौजूदा तंत्रिका दक्षता स्थानिक क्षमता शामिल अध्ययन मुख्य रूप से स्थानिक रोटेशन पर ध्यान केंद्रित किया है, और विभिन्न समस्या सेट विभिन्न आबादी तुलना करने के लिए इस्तेमाल किया गया है (जैसे।, पुरुष / महिला) 27-28। स्थानिक क्षमता कार्यों के ईईजी अध्ययन भी अन्य कार्य प्रकार के प्रदर्शन की तुलना द्वारा अंतर्दृष्टि प्रदान की है (जैसे।, मौखिक कार्य)27,29,30। तरीकों पर इस पत्र को ध्यान में चर्चा की और एमसीटी, PSVT से समस्याओं की तुलना: आर, साथ ही स्थिर संतुलन कार्य है, जो स्थानिक क्षमता से जुड़े हुए हैं, लेकिन स्थानिक रोटेशन और नेविगेशन के लिए ही सीमित नहीं हैं। अन्य स्थानिक कार्यों को इस पांडुलिपि में उदाहरण के रूप में दिया वालों के स्थान पर प्रयोग किया जा सकता है। इस तरह, अतिरिक्त अंतर्दृष्टि विभिन्न आबादी के संबंध में भविष्य में प्राप्त किया जा सकता है (उदाहरण के लिए।, पुरुष / महिला या विशेषज्ञ / नौसिखिया) अंत में इंजीनियरिंग शिक्षा के तरीकों में सुधार करने में मदद करने के लिए।

स्थानिक क्षमता और इंजीनियरिंग योग्यता की जांच करने के प्रयास में, हम एक प्रोटोकॉल ईईजी माप का उपयोग विशिष्ट स्थानिक और इंजीनियरिंग कार्यों की एक सीमित बैटरी के दौरान उच्च प्रदर्शन वाले प्रतिभागियों के लिए कम प्रदर्शन के बीटा लहर एक्टीवेशन की पहचान करने के लिए विकसित किया है। इस मामले में, शब्द उच्च कलाकार भागीदार के प्रदर्शन से संबंधित है, और समय की राशि से क्षेत्र में खर्च के चिंतनशील नहीं हैशिक्षार्थी, के रूप में सभी प्रतिभागियों को उनके शिक्षा के क्षेत्र में लगभग एक ही बिंदु पर थे। इसके अतिरिक्त, समस्या सेट शामिल काफी विशिष्ट और बुनियादी है; इस प्रकार शर्तें "विशेषज्ञ" या "उच्च प्रदर्शन" के साथ साथ एक विशेषज्ञ, पेशेवर कार्यरत इंजीनियर के अर्थ में देखी नहीं होना चाहिए, लेकिन इंजीनियरिंग मैकेनिक्स पाठ्यक्रम और स्थानिक क्षमता उपकरणों की इस संकीर्ण टुकड़ा में केवल उच्च प्रदर्शन का प्रतिनिधित्व। तंत्रिका माप भी किसी भी सकल प्रवृत्तियों के लिए जो कार्य प्रकार दूसरों की तुलना में अधिक संज्ञानात्मक संसाधनों की भर्ती कर सकते हैं, कठिनाई के स्तर के बारे में संभव व्याख्या के साथ की पहचान करने के लिए इस्तेमाल किया जा सकता है। यह जानकारी संभावित स्थानिक क्षमता के संबंध में भविष्य के आकलन और हस्तक्षेप में अंतर्दृष्टि प्रदान कर सकता है। अन्य भविष्य अंतर्दृष्टि ईईजी इस्तेमाल किया हार्डवेयर में उपलब्ध चैनलों की सीमित संख्या के कारण मस्तिष्क, जो इस अध्ययन में संभव नहीं था के अधिक विशिष्ट क्षेत्रों पर विचार करके प्राप्त किया जा सकता है।

Subscription Required. Please recommend JoVE to your librarian.

Protocol

एथिकल वक्तव्य मानव प्रतिभागियों के उपयोग के संबंध

इस काम में शामिल प्रक्रियाओं मानव विषयों के अध्ययन के लिए संस्थागत समीक्षा बोर्ड (आईआरबी) यूटा राज्य विश्वविद्यालय में द्वारा अनुमोदित किया गया है। यह सिफारिश की है कि किसी भी इसी तरह के काम भी प्रासंगिक आईआरबी द्वारा अनुमोदित किया जाना चाहिए। प्रतिभागियों को रोकने के लिए या प्रयोग के दौरान किसी भी समय इस अध्ययन से वापस लेने के लिए अनुमति दी जाती है।

1. प्रतिभागियों का चयन

  1. छात्रों से एक स्वैच्छिक आधार पर प्रतिभागियों का चयन वर्तमान में एक स्टैटिक्स पाठ्यक्रम में दाखिला लिया। सुनिश्चित करें कि प्रतिभागियों को पहले से स्टैटिक्स सामग्री वे जबकि अध्ययन में देखेंगे को उजागर किया गया है।
    नोट: आदर्श रूप में प्रतिभागियों को व्याख्यान के माध्यम से सामग्री के लिए जोखिम इतना है कि वहाँ अंतर प्रदर्शन के स्तर की अवधारणाओं के समेकन और विकास के लिए समय है अध्ययन में भाग लेने के लिए कम से कम चार सप्ताह पहले होनी चाहिए।
  2. सभी आईआरबी प्रोटोकॉल का पालन भर्ती आचरण। समझानासभी प्रक्रियाओं और विस्तार में संभावित प्रतिभागियों के लिए प्रतिबंध। भविष्य से संपर्क करें और कैसे अध्ययन के परिणाम प्रकाशित किया है और / या प्रतिभागियों के लिए उपलब्ध कराया जा सकता है की गुंजाइश का वर्णन करें। अध्ययन में भाग लेने के लिए किसी भी मुआवजे को परिभाषित करें। एक स्वयंसेवक के अध्ययन में नामांकन के लिए चुनता है, उसे या उसके एक डबल कोडित पहचान कोड केवल करने के लिए जाना जाता है और प्रमुख अन्वेषक द्वारा नियंत्रित के साथ प्रदान करते हैं।
    नोट: विशिष्ट जनसंख्या भर्ती brainwave डेटा में व्यक्तिगत मतभेदों का विश्लेषण करने के लिए नमूना के सांख्यिकीय शक्ति और आवश्यक प्रतिभागियों की संख्या की पुष्टि करने के सांख्यिकीय विश्लेषण की आवश्यकता होगी। शोधकर्ता आबादी के बीच एक तुलनात्मक अध्ययन का संचालन करना चाहता है, तो एक शक्ति विश्लेषण दोनों आबादी के लिए उचित भागीदार समूह आकार को विकसित करने के लिए आयोजित किया जाना चाहिए।
  3. गतिविधियों या समस्या है कि अनुभवों के प्रतिभागियों के लिए वांछित के प्रतिनिधि हैं का चयन करें।
    नोट: इस प्रोटोकॉल में, द्वितीय स्तर के इंजीनियरिंगएक स्टैटिक्स पाठ्यक्रम में नामांकित छात्रों का चयन किया गया। मानसिक काटना विमान टेस्ट (एमसीटी) और पर्ड्यू स्थानिक दृश्य टेस्ट (PSVT-आर): प्रासंगिक समझा गतिविधियों परिचयात्मक स्टैटिक्स सामग्री के रूप में अच्छी तरह के रूप में दो आमतौर पर इस्तेमाल किया स्थानिक क्षमता उपकरणों से दिक्कत थी। प्रत्येक साधन स्थानिक क्षमता और इस चयनित छात्र जनसंख्या में स्थानिक विकास के स्तर के विभिन्न निर्माणों का परीक्षण करती है।
  4. प्रतिभागियों के लिए प्रयोगशाला सत्र व्यवस्थित करने के लिए एक कैलेंडर की स्थापना।

2. उपकरण की तैयारी

  1. ईईजी हेडसेट (उर्फ टोपी) निर्माता के निर्देशों के अनुसार सेट करें। इस तैयारी पूरी होने से पहले प्रतिभागी के अध्ययन के लिए आता है। दोहराना, इस प्रक्रिया के रूप में चिकित्सा ग्रेड ईईजी setups करने का विरोध किया, इस तरह के Emotiv के रूप में सामान्य मोबाइल हेडसेट के लिए विशिष्ट है।
    1. आदर्श कम से कम प्रति सत्र एक 1 घंटे की प्रभारी - ईईजी हेडसेट चार्ज। एक नियमित रूप से इस्तेमाल प्रयोगशाला के लिए, एक चार्ज में कम से कम दो headsets हैटी हर समय।
    2. एक सुलभ क्षेत्र में सभी आवश्यक तरल पदार्थ की जगह (जैसे।, पानी) और ईईजी संदर्भ नोड्स के लिए अच्छा संपर्क सुनिश्चित करने के लिए एक अक्खड़ क्लीनर ईईजी इलेक्ट्रोड कमी लाने के लिए तरल भी शामिल है।
    3. प्रत्येक आवरण (सोना संपर्क सुनिश्चित करने के लिए प्रत्येक आवरण में सुरक्षित रूप से बैठा है) में felts डालें। कमी लाने के तरल एक सिरिंज का उपयोग के साथ felts तर। घटा इलेक्ट्रोड आराम करने के लिए अनुमति दें।
  2. भागीदार व्यवहार को मापने के लिए किसी भी आवश्यक वीडियो कैमरों की स्थापना की। मौजूदा प्रोटोकॉल के लिए, भागीदार प्रति दो वीडियो कैमरे का उपयोग करें। फिर से समायोजित कैमरों एक बार भागीदार जगह में है। सुनिश्चित करें कि वीडियो समय की मुहर लगी है रहो।
    1. भागीदार के चेहरे पर एक कैमरा फोकस करता है, तो चेहरे का भाव रिकॉर्ड और उच्च गुणवत्ता ऑडियो प्राप्त करने के लिए लक्ष्य।
    2. भागीदार के सामने क्षेत्र पर अन्य कैमरा फोकस हाथ आंदोलन पर कब्जा करने की लिखावट कार्रवाई (यदि लिखावट की उम्मीद है, में एक लेखन का उपयोग सुनिश्चित करें सहित,strument कि अंधेरे और / या पर्याप्त कैमरे द्वारा कब्जा किए जाने की मोटी है), और कंप्यूटर मॉनीटर के लिए पर्याप्त अंतर्दृष्टि प्रदान करने के रूप में जो कार्य जो समय पर हल किया जा रहा है।
    3. कंप्यूटर चालू करें और सत्यापित करें कि सॉफ्टवेयर brainwave डेटा रिकॉर्ड करने पर है। सत्यापित करें कि सभी सॉफ्टवेयर और डेटा संग्रह उपकरणों डेटा संग्रह के लिए पर्याप्त रूप से interfacing रहे हैं।

3. अध्ययन प्रतिभागियों और सत्र प्रारंभ की तैयारी

  1. आईआरबी के ऊपर चर्चा समझौते के अनुसार प्रतिभागियों से दस्तावेज सहमति की प्राप्ति की जाँच करें। किसी भी सवाल का अध्ययन शुरू करने से पहले प्रतिभागियों का जवाब। प्रतिभागियों कि एकत्र आंकड़ों आईडी कोड द्वारा संदर्भित किया जाएगा और कोई पहचान की जानकारी है कि भाग लेने के लिए डेटा संबंधों को वहाँ हो जाएगा, और वे किसी भी समय वापस ले सकते हैं कि याद दिलाना।
  2. प्रत्येक भागीदार पूछो अध्ययन में भाग लेने से पहले एक जनसांख्यिकी सर्वेक्षण को भरने के लिए। इस सर्वेक्षण लिंग, एक के बारे में पूछ सकते हैंजीई, पिछले अनुभव है कि उनकी क्षमता अध्ययन में प्रभाव हो सकता है (जैसे।, पिछले इंजीनियरिंग या स्थानिक गहन पाठ्यक्रम, स्थानिक क्षमता बढ़ाने शौक है, और इस तरह के घाव मस्तिष्क की चोटों वे पीड़ित हो सकता है, जो हाथ का इस्तेमाल वे के रूप में अपवर्जन मानदंड के बारे में प्रश्न)।
    1. यदि निम्न में से कोई भी मौजूद ईईजी विश्लेषण के लिए स्वयंसेवी समूह से प्रतिभागियों को बाहर करें: (क) भागीदार, हाथ या कपटी छोड़ दिया है आदेश मस्तिष्क laterality घालमेल के लिए नियंत्रित करने के लिए; (ख); व्यक्ति एक शारीरिक विकलांगता के कारण प्रयोगशाला सत्र में भाग नहीं कर सकते हैं; या (ग) व्यक्ति गंभीर मस्तिष्क की चोट सामना करना पड़ा है। या भर्ती प्रक्रिया के दौरान इन सीमाओं के संभावित प्रतिभागियों को सूचित करें, जितनी जल्दी हो सके खर्च अनावश्यक समय और संसाधनों से बचने के लिए।
  3. आगमन पर, यह सुनिश्चित भागीदार आरामदायक है और किसी भी शेष प्रश्न या चिंताओं का समाधान।
    1. तर करने के लिए इस्तेमाल किया सिरिंज प्रदर्शित करता हैनोड और समझा है कि यह केवल ईईजी felts नम रखने के लिए इस्तेमाल किया जाएगा। भागीदार सुइयों का एक चरम डर है, (जब felts फिर से गीला उनकी फोकल हवाई जहाज़ से बाहर रखने सिरिंज जैसे।) अन्य सावधानियों को लागू करने पर विचार करें।
    2. भागीदार पूछो उनके व्यक्ति से किसी भी इलेक्ट्रॉनिक्स हटा दें।
  4. भागीदार पर ईईजी हेडसेट रखें।
    1. नमी के लिए felts चेक करें और ईईजी हेडसेट में लगा / आवरण संयोजन जगह है।
    2. घर्षण cleanser के साथ भागीदार के संदर्भ अंक (जैसे।, कर्णमूल प्रक्रिया) को साफ करें। किसी भी अवशेषों को दूर साफ कर लें।
    3. संदर्भ नोड्स को उचित संदर्भ अंक के साथ गठबंधन के साथ भागीदार पर हेडसेट रखें। जरूरत से ज्यादा हेडसेट की बाहों मोड़ नहीं है। संदर्भ नोड और कान के पीछे के बीच एक खाई छोड़ दो के रूप में तो परेशानी का कारण नहीं है, और भागीदार के सिर के साथ उचित पंक्ति में है और अंतरिक्ष हेडसेट।

4. सत्र के भीतर सॉफ्टवेयर निष्पादन

  1. ईईजी प्रवेश सॉफ्टवेयर शुरू करो। सुनिश्चित करें कि अच्छी कनेक्टिविटी की जाँच है कि चैनल के सभी प्रवेश करने डिवाइस पर प्रदर्शित कर रहे हैं द्वारा प्रवेश करने डिवाइस (जैसे।, पर्सनल कंप्यूटर) और ईईजी हेडसेट के बीच मौजूद है। जाँच करें कि सभी चैनलों को शुरू में कम आयाम दोलनों के साथ समान व्यवहार प्रदर्शित करते हैं। ईईजी चेक भागीदार के साथ अच्छी कनेक्टिविटी सुनिश्चित करने के लिए - फिर से गीला और इतनी के रूप में प्रवेश करने डिवाइस पर लगातार हासिल करने के लिए पैटर्न felts का समायोजन - तुरंत बाकी समय के पूर्ववर्ती और प्रत्येक नई समस्या प्रकार के शुरू होने से पहले।
    नोट: ईईजी 128 हर्ट्ज पर चल रही है। Electrooculography आँख आंदोलन रिकॉर्ड करने के लिए इस्तेमाल नहीं किया गया था, और लिंक-कान संदर्भ के लिए इस्तेमाल नहीं किया गया था।
  2. प्रतिभागी को हिदायत कार्य अभ्यास के दौरान के रूप में अभी भी शांत और संभव के रूप में रहने के लिए।
  3. कार्य-प्रस्तुति सॉफ्टवेयर आरंभ करें।
    नोट: डेटा संग्रह के दौरान, सभी पूर्वभागीदार के साथ योजना बनाई दृश्य संचार कंप्यूटर मॉनीटर के माध्यम से होता है। इस मामले में, स्थानिक और इंजीनियरिंग समस्याओं की एक श्रृंखला के कंप्यूटर स्क्रीन पर दिखाई देगा, और प्रतिभागियों उन्हें हल करने के लिए कहा जाएगा। सही जवाब डेटा संग्रह के दौरान प्रतिभागियों को प्रदान किया गया। समस्या छवियों उपयोगकर्ता इनपुट के आधार पर उन्नत है, इसलिए समय समस्या को सुलझाने अवधि के आधार पर किया गया था।
    1. प्रदर्शन स्थानिक समस्या प्रकार 1: 13 (जैसे, PSVT। आर - - एक बहु विकल्प परीक्षण, या सच-झूठी रोटेशन समस्याओं चित्रा 1 देखें)। नोट: (। उदाहरण के लिए, 30 सेकंड) इन समस्याओं की अवधि के डेटा विश्लेषण के लिए समय सीमा के रूप में इस्तेमाल किया जाएगा। पांच समस्याओं इस सेट में शामिल थे।
    2. प्रदर्शन स्थानिक समस्या टाइप 2 12 (जैसे, एमसीटी -। - एक बहु विकल्प परीक्षण, या सच-झूठी मानसिक काटने समस्याओं चित्र 2 देखें)। नोट: इन समस्याओं की अवधि (जैसे, 30 सेकंड।)डेटा विश्लेषण के लिए समय सीमा के रूप में इस्तेमाल किया जाएगा। पांच समस्याओं इस सेट में शामिल थे।
    3. प्रदर्शन इंजीनियरिंग समस्या प्रकार 17 (। जैसे, स्टैटिक्स समस्याओं - टूट इंजीनियरिंग स्टैटिक्स, या किसी अन्य एप्लाइड समस्या प्रकार स्थानिक घटक धारणा के विशिष्ट सिद्धांतों पर ध्यान केंद्रित करने के लिए - चित्रा 3 देखें)। नोट: इन समस्याओं के स्थानिक समस्याओं से हल करने के लिए काफी अधिक समय लगेगा। प्रतिभागियों को दिखाया समस्याओं की संख्या चार से दस तक विविध।
    4. शुरुआत में बाकी समय और डेटा संग्रह के अंत आवंटित - आधारभूत डेटा प्राप्त करने के लिए इस्तेमाल किया। सुनिश्चित इनमें से प्रत्येक में एक ही अवधि (जैसे।, 120 सेकंड) है।
  4. अगर वांछित, भागीदार के साथ एक निकास साक्षात्कार का आयोजन करेगा। यह ईईजी हेडसेट, संचार भर्ती और भागीदार तैयारी के दौरान इस्तेमाल की प्रक्रिया पहने, प्रयोगात्मक प्रस्तुति पर उनके विचारों को शामिल कर सकते हैं, और / ओआर किसी भी प्रोटोकॉल ऊपर उल्लेख मौखिक जवाब की जरूरत पड़ेगी। एक मान्य उपयोगकर्ता प्रश्नावली के बजाय एक साक्षात्कार के संचालन के प्रतिभागियों के लिए प्रदान किया जा सकता है।
  5. , कार्य-प्रस्तुति सॉफ्टवेयर, ईईजी प्रवेश सॉफ्टवेयर को बंद कर दें ईईजी हेडसेट को हटाने, और वीडियो रिकॉर्डिंग उपकरण बंद।

5. सत्र के समापन

  1. अध्ययन भागीदार बर्खास्त करें। (अनुवर्ती साक्षात्कार या अध्ययन के बाद के सत्र के लिए उदाहरण के लिए।,) भागीदार धन्यवाद और उन्हें भविष्य के किसी भी संपर्क के एक सिंहावलोकन प्रदान करते हैं, की व्याख्या कैसे अध्ययन के परिणाम प्रकाशित किया जा सकता है और / या प्रतिभागियों के लिए उपलब्ध कराया और प्रदान किसी भी जलपान या भुगतान (या कैसे भुगतान प्रदान किया जाएगा की एक व्याख्या) के एक अध्ययन में भाग लेने के लिए मुआवजे के हिस्से के रूप पर सहमत हुए।
  2. किसी भी आवश्यक लंबे समय तक या हस्तांतरण भंडारण उपकरणों के लिए स्थानांतरण डेटा लॉग। स्टोर पर हस्ताक्षर किए सहमति पत्र पर उचित रूप से और आईआरबी प्रोटोकॉल द्वारा नामित के रूप में।
  3. हेडसेट से felts निकालें और स्वच्छ बनाना या उनमें से निपटाने।
  4. ईईजी इलेक्ट्रोड casings लौटें और उचित भंडारण स्थान के लिए हेडसेट।
  5. इस्तेमाल किया सीरिंज और कचरे के निपटान के उचित रूप से।
  6. उचित भंडारण स्थानों के लिए तरल पदार्थ लौटें।
  7. प्रयोगशाला सुरक्षित नहीं है, तो अन्य शोधकर्ताओं द्वारा इस्तेमाल किया जा रहा है।

6. डेटा विश्लेषण

  1. हर चैनल और ईईजी डेटा लॉग से मार्कर डेटा के लिए पहचानें और कच्चे डेटा निकाल सकते हैं। ASCII सा मार्कर का उपयोग शुरुआत और डेटा संग्रह के अंत में, साथ ही डेटा संग्रह के विभिन्न चरणों (जैसे।, समस्या प्रकार) और व्यक्तिगत समस्याओं के बीच संक्रमण की पहचान। सुनिश्चित करें कि प्रत्येक चरण के प्रकार के रूप में तो विश्लेषण के दौरान भेदभाव सक्षम करने के लिए एक अलग मार्कर का महत्व है। एक तरह से भागीदार आईडी कोड को संदर्भ के स्रोत के रूप में डेटा को नाम दें।
    नोट: EEGLAB आदेशों घइस के साथ साथ efined, लेकिन EEGLAB इस निष्पादन के लिए MATLAB की आवश्यकता है।
    1. क्लिक करें फ़ाइल> आयात डेटा> EDF / EDF + जीडीएफ फ़ाइलों से EEGLAB कार्यों और प्लगइन्स> का उपयोग करना (BIOSIG उपकरण बॉक्स)
    2. उचित डेटा फ़ाइल का चयन करें। डेटा लोड करने के लिए खोलें क्लिक करें।
    3. चैनल सूची का चयन करें। ठीक स्वीकार करने के लिए क्लिक करें।
    4. एक डेटासेट नाम प्रदान करें। डेटा स्रोत और संग्रह की तिथि को दर्शाता है के लिए एक विवरणात्मक नाम निर्दिष्ट करें। इस मामले में, PSF1448 2014 के पतन में भागीदार आईडी 48 से डेटा इंगित करता है।
  2. मानचित्र असेंबल करने के लिए निकाले गए डेटा (यानी, ईईजी नोड्स के लेआउट।) ईईजी हेडसेट विक्रेता द्वारा प्रदान की असेंबल का चयन करके (जैसे, एक 10 -। 20 प्रणाली)। सुनिश्चित करें असेंबल विश्लेषण के लिए इस्तेमाल किया जा रहा ईईजी हेडसेट सत्र के दौरान उपयोग के लेआउट मेल खाता है। यह निर्माता-विशिष्ट है।
    1. संपादित करें> चैनल स्थान पर क्लिक करके चैनल संपादित स्थानों।
    2. असेंबल का चयन करें। इस मामले में defauएलटी असेंबल उपयुक्त है, तो बस स्वीकार करने के लिए ठीक क्लिक करें।
    3. चयन चैनल सूचना विशिष्टता। इस मामले में डिफ़ॉल्ट उपयुक्त है, तो बस स्वीकार करने के लिए ठीक क्लिक करें।
  3. कि करने के लिए ईईजी चैनल डेटा जो मस्तिष्क गतिविधि के सबसे प्रतिनिधि है, नीचे के रूप में परिभाषित कम करें।
    1. डेटा के लिए एक प्रारंभिक फिल्टर लागू करें। आमतौर पर, एक उच्च पास, कम पास फिल्टर लागू (0.1 हर्ट्ज कम उच्च पास फिल्टर के लिए बाध्य के रूप में और कम पास फिल्टर के ऊपरी बाध्य के रूप में 59 हर्ट्ज के साथ)। एक कम पास फिल्टर लागू करने से कम से कम 60 हर्ट्ज अमेरिका विद्युत ग्रिड से शोर को हटा। एक बिंदु बहाल के रूप में एक नए नाम के साथ डाटासेट बचाओ।
      1. उपकरण> मूल एफआईआर फ़िल्टर (नया, डिफ़ॉल्ट) पर क्लिक करें।
      2. बुनियादी फिल्टर मानकों सेट। 59 हर्ट्ज के लिए 0.1 हर्ट्ज के निचले किनारे, उच्च बढ़त सेट आवृत्ति प्रतिक्रिया साजिश नहीं है, और स्वीकार करने के लिए ठीक क्लिक करें।
      3. (जोड़कर मौजूदा डाटासेट नाम "_filtered") के द्वारा फ़िल्टर डेटा के लिए एक नया नाम निर्दिष्ट करें। ख की जाँच करेंबैल एक फ़ाइल के रूप में डेटा को बचाने के लिए, और फ़ाइल नाम के लिए एक ही नाम का उपयोग करने के लिए। ठीक स्वीकार करने के लिए क्लिक करें।
    2. ईईजी मार्कर रिकॉर्डिंग में किसी भी विलंबता ध्यान में रखते हुए - किसी भी डेटा है कि पहले ईईजी मार्कर से पहले या आखिरी ईईजी मार्कर के बाद झूठ निकालें। मार्कर डेटा रिकॉर्डिंग की दीक्षा और डेटा के अंत का संकेत है मार्कर के विलंबता का संकेत है की विलंबता (समय) रिकॉर्ड। एक बिंदु बहाल के रूप में एक नए नाम के साथ डाटासेट बचाओ।
      1. विलंबता मूल्यों में पाया जा सकता है "संपादित घटना मूल्यों - pop_editeventvals ()" स्क्रीन; अंतिम मार्कर ईईजी डेटा के अंत वाचक करने के लिए जाने के लिए ">>" बटन दबाएँ। कोई परिवर्तन नहीं स्वीकार किए जाने की जरूरत है, तो एक बार मूल्यों दर्ज किया गया है रद्द करें क्लिक करें।
      2. संपादित करें> डेटा का चयन करें।
      3. शुरुआत और अंत विलंबता (समय) मूल्यों, एक जगह से अलग, में "समय सीमा [मिनट अधिकतम] (ओं)" क्षेत्र में प्रवेश, और स्वीकार करने के लिए ठीक क्लिक करें।
      4. के लिए एक नया नाम निर्दिष्ट करेंफसली डेटा (मौजूदा डाटासेट नाम "_cropped" जोड़कर)। एक फ़ाइल के रूप में डेटा को बचाने के लिए, और फ़ाइल नाम के लिए एक ही नाम का उपयोग करने के लिए बॉक्स को चेक करें। ठीक स्वीकार करने के लिए क्लिक करें।
    3. बड़ी कलाकृतियों के साथ डेटा के वर्गों को अस्वीकार। नीचे दिए गए चरणों का वर्णन कैसे शामिल मैन्युअल यह करने के लिए है, जबकि नेत्रहीन डेटा का निरीक्षण। नोट: डेटा को हटाने की भी कलाकृतियों 34,35 कारण होगा।
      1. हर चैनल में डेटा मानक (मतलब निकालने के लिए और एक ही पैमाने पर प्रत्येक चैनल डाल)। इसके अलावा डीसी ऑफसेट हटाने के लिए (इस डेटा बदल, लेकिन नहीं दृश्य)।
        1. प्लॉट> चैनल डेटा (पुस्तक) पर क्लिक करें।
        2. क्लिक करें, सेटिंग्स> समय सीमा प्रदर्शित करने के लिए।
        3. क्षेत्र: समय सीमा निर्दिष्ट करें (। उदाहरण के लिए, 30 सेकंड) "नई विंडो लंबाई (ओं)" में साजिश में दिखाया जा सकता है। समय सीमा समस्या एक दिया चरण के भीतर (या दो स्थानिक समस्या चरणों के भीतर) के लिए मार्कर के बीच के समय पर आधारित है। समय सीमा के आधार हो सकता हैअधिकतम, न्यूनतम, या औसत मार्करों के बीच समय पर घ।
        4. साजिश में डेटा को सामान्य करने के लिए 'आदर्श' बटन पर क्लिक करें (इस कॉस्मेटिक ही है और अंतर्निहित डेटा को बदल नहीं है)।
        5. प्रदर्शन> निकालें क्लिक करें डीसी डीसी को दूर करने के लिए ऑफसेट साजिश में ऑफसेट (इस कॉस्मेटिक ही है और अंतर्निहित डेटा को बदल नहीं है)।
      2. बड़ी कलाकृतियों कि नियमित रूप से समय के साथ दोहराया नहीं कर रहे निकालें।
        1. मार्क असामान्य लग विरूपण साक्ष्य डेटा के सभी। एक बार सभी विरूपण साक्ष्य डेटा चिह्नित किया गया है, अस्वीकार बटन पर क्लिक करें।
          नोट: ये आंकड़े के रूप में असामान्य रूप से उच्च या व्यापक चोटियों प्रकट कर सकते हैं - एक या कई चैनलों में - या के रूप में लंबे समय के रुझान है कि चैनल की एक छोटी संख्या में दिखाई देते हैं। यदि अलग चैनलों से डेटा साजिश में एक दूसरे को पार करने के लिए प्रकट डेटा शक कर रहे हैं। ये डब्ल्यू कलाकृतियों कि brainwave स्पेक्ट्रम का हिस्सा नहीं हैं और सबसे अधिक संभावना भागीदार या एक नोड (एस) द्वारा मांसपेशी आंदोलन का प्रतिनिधित्व प्रतिनिधित्वith गरीब कनेक्टिविटी। कुछ भी एक वर्ग लहर जैसी मानव मस्तिष्क की गतिविधियों का प्रतिनिधि नहीं है।
      3. एक बिंदु बहाल के रूप में एक नए नाम के साथ डाटासेट बचाओ।
        1. फ़ाइल> के रूप में वर्तमान डाटासेट सहेजें क्लिक करें।
        2. (मौजूदा डाटासेट नाम "_manRej" जोड़कर) फसली डेटा के लिए एक नया नाम निर्दिष्ट करें। स्वीकार करने के लिए सहेजें क्लिक करें।
      4. एक खास चैनल दोषपूर्ण प्रतीत होता है, तो यह व्यक्तिगत रूप से डेटा को हटा दें। इस डेटा में एक बड़ा नुकसान का प्रतिनिधित्व करता है, तो बड़ी सावधानी के साथ ऐसा करते हैं। एक लंबे समय अवधि में चैनल से डेटा को देखो, के रूप में यह अक्सर समय के साथ बैठती है और उपयोगी डेटा प्रदान करता है।
    4. एक स्वतंत्र घटक विश्लेषण (आईसीए) चलाने के लिए और brainwave गतिविधि का सबसे अच्छा अभ्यावेदन का चयन करें।
      नोट: इस डेटा में दोहराव कलाकृतियों के सेट को हटाने में मदद करता है। ये सेट कलाकृतियों कि एक बार शा के साथ मोटे तौर पर नियमित अंतराल पर कई बार दिखाए जाएंगेपीई। जिनमें से प्रत्येक अपने स्वयं के सेट होगा - आमतौर पर वे इस तरह के निमिष या नाड़ी के रूप में जैविक कार्यों का परिणाम होते हैं।
      1. कपाल असेंबल के आधार पर प्रतिनिधित्व करने के लिए आईसीए-अलग डाटा मानचित्र। जो अक्सर क्रमश: मंदिरों के पास, या कान पर, आंखों के ऊपर जोर के क्षेत्रों के रूप में आईसीए परिणामों में दिखाई देगा -, निमिष नाड़ी, या मांसपेशियों में तनाव के साथ जुड़े परिणामों को अस्वीकार। किसी भी घटक है कि क्योंकि यह मस्तिष्क गतिविधि (चित्रा 4 देखें) के प्रतिनिधि नहीं लगे हुए किया जा रहा के रूप में पूरे कपाल चलता अस्वीकार 35 अन्य परिणाम (देखें आंकड़े 5 - 6) स्वीकार करते हैं।।
        1. उपकरण> आईसीए में चलाएँ।
        2. डिफ़ॉल्ट (runica) आईसीए कलन विधि का चयन करें। ठीक स्वीकार करने के लिए क्लिक करें।
        3. प्लॉट> घटक गुण क्लिक करें।
        4. घटक सूचकांकों (14 ईईजी इलेक्ट्रोड चैनलों स्मृति में लोड) और वर्णक्रम विकल्पों का चयन करें। जैसा कि पहले, निचले छोर 0.1 हर्ट्ज है, और उच्च बढ़त 59 हैहर्ट्ज। ठीक प्रविष्टियों को स्वीकार करने के लिए क्लिक करें।
        5. स्वीकार / अस्वीकार खिड़की के भीतर, अस्वीकार करने के लिए स्थिति को बदलने के लिए स्वीकार करें बटन पर क्लिक करें (और वापस स्वीकार करने के लिए इसे बदलने के लिए इसे फिर से क्लिक करें)। स्वीकार / अस्वीकार लेबलिंग लॉग इन करने के ठीक क्लिक करें।
      2. 2-डी रंग की साजिश में आईसीए-अलग डेटा प्लॉट। कि, अस्थायी खाली, या discontinuities के साथ मामला दिखाई परिणाम अस्वीकार, फिर एक बिंदु बहाल के रूप में एक नए नाम के साथ डाटासेट बचाने (आंकड़े 5 देखें - 6)।
        1. स्वीकार / अस्वीकार खिड़की के भीतर, अस्वीकार करने के लिए स्थिति को बदलने के लिए स्वीकार करें बटन पर क्लिक करें (और वापस स्वीकार करने के लिए इसे बदलने के लिए इसे फिर से क्लिक करें)। स्वीकार / अस्वीकार लेबलिंग लॉग इन करने के ठीक क्लिक करें।
        2. > उपकरण क्लिक करें हटाये अवयव - वास्तव में डेटा अस्वीकृति के लिए पहले से चिह्नित हटा दें।
        3. जारी रखने के लिए ठीक क्लिक करें। अस्वीकृति के लिए लॉग इन घटकों के सूचकांक "घटकों को दूर" विंडो में दिखाए जाते हैं।
        4. ग के लिए "पुष्टि" विंडो में स्वीकार क्लिक करेंडेटा की छंटाई के साथ जारी रखें।
        5. (मौजूदा डाटासेट नाम "_manRejPruned" जोड़कर) pruned डेटा के लिए एक नया नाम निर्दिष्ट करें। एक फ़ाइल के रूप में डेटा को बचाने के लिए, और फ़ाइल नाम के लिए एक ही नाम का उपयोग करने के लिए बॉक्स को चेक करें। ठीक स्वीकार करने के लिए क्लिक करें।
          नोट: धारियाँ कि अब की तुलना में 0.5 सेकंड अस्वीकृति के लिए उचित माना जाता है पिछले। सापेक्ष "अच्छाई" कितना अच्छा अन्य डेटा सेट होना दिखाई देते हैं पर निर्भर करता है, यहाँ उपयोग करने की आवश्यकता हो सकती है - यह वांछनीय है घटकों के कम से कम आधे रखने के लिए। अच्छा परिणाम अक्सर एक 2-डी सतत डेटा रंग भूखंड 34 पर निरंतर ग्रेडेशन द्वारा प्रतिनिधित्व कर रहे हैं।
  4. सीमा डेटा में छोड़ दिया मूल्यों निकालें। एक बिंदु बहाल के रूप में एक नए नाम के साथ डाटासेट बचाओ।
    1. संपादित करें> घटना मूल्यों पर क्लिक करें।
    2. घटनाओं के माध्यम से स्क्रॉल करें और हटाएँ घटना बटन पर क्लिक करें जब इवेंट प्रकार एक सीमा है। जब सभी हटा दिया गया है, ठीक क्लिक करें।
    3. विशिष्टफिर से नष्ट कर दिया सीमा डेटा के लिए (मौजूदा डाटासेट नाम "_deleteBoundaries" जोड़कर) नया नाम। स्वीकार करने के लिए सहेजें क्लिक करें। एक ही मेनू मद चयन का प्रयोग के रूप में पहले इस स्क्रीन को पाने के लिए (कदम 6.3.3.3.1 देखें)।
  5. एक अभ्यास के प्रकार के लिए पूर्ण शक्ति मीट्रिक की गणना। । प्रत्येक आवृत्ति बैंड (डेल्टा, थीटा, अल्फा, बीटा, गामा और) के लिए गणना की 22 - यह एक बिजली आधारित लघुगणक microvolt माप और समय के आधार पर बदलना है
    1. हिस्सा ब्लॉकों में डेटा, मार्कर का उपयोग शुरुआत है और प्रत्येक कार्य के अंत का संकेत है।
      1. घटनाओं का उपयोग कर संपादित करें> डेटा का चयन करें।
      2. प्रत्येक कार्य के प्रकार के लिए उचित समय-सीमा का उपयोग। एक आराम की अवधि की अवधि के द्वारा बाकी समय के लिए समय सीमा को परिभाषित करें। स्थानिक समस्याओं (जो मोटे तौर अवधि में समान हैं) के लिए, या तो सभी स्थानिक कार्यों की औसत अवधि या सभी स्थानिक कार्यों की अधिकतम अवधि का उपयोग करें। आवेदन किया है (उदाहरण के लिए।, Engineerinजी स्टैटिक्स) की समस्याओं, प्रत्येक समस्या के लिए औसत अवधि की पहचान। एक बिंदु बहाल के रूप में एक नए नाम के साथ डाटासेट बचाओ।
        1. में मार्कर प्रकार दर्ज "घटना प्रकार (ओं) ([] = सभी)" क्षेत्र, (जैसे।, मार्कर प्रकार 50 बाकी घटनाओं चिह्नित करने के लिए इस्तेमाल किया गया था)। बाकी घटनाओं इस मामले में 120 सेकंड की अवधि के लिए किया था, तो "1 120" में प्रवेश समय सीमा सरणी के लिए। ठीक स्वीकार करने के लिए क्लिक करें।
        2. (इस मामले में मौजूदा डाटासेट नाम "_rest" जोड़कर) घटना डेटा के लिए एक नया नाम निर्दिष्ट करें। एक फ़ाइल के रूप में डेटा को बचाने के लिए, और फ़ाइल नाम के लिए एक ही नाम का उपयोग करने के लिए बॉक्स को चेक करें। ठीक स्वीकार करने के लिए क्लिक करें।
          नोट: लागू किया भागों इतने कम किया जा सकता है, तो वे मोटे तौर पर स्थानिक कार्यों के रूप में समय की एक ही राशि ले, तो स्थानिक कार्यों के रूप में एक ही समय सीमा आकार का उपयोग करें। चूंकि ईईजी एक समय के प्रति संवेदनशील उपाय है, और अधिक सटीक समय युगों हर हालत के लिए कर रहे हैं, डेटा कम मुंह काला (अंत में कर रहे हैं अर्थात्।, नमूनों की संख्या प्रत्येक कब्जा के लिए एकत्रtion अधिक सुसंगत हो जाएगा)।
  6. अंतिम विश्लेषण के लिए परिणामों की तुलना करें।
    1. आधारभूत बाकी माप करने के लिए प्रत्येक हिस्सा रिश्तेदार के लिए प्रतिशत की गणना। 8 - और टेबल्स 1 पूरक संहिता फ़ाइल देखें।
      1. MATLAB में Absolutepower स्क्रिप्ट खोलें और डेटा कदम 6.6 दौरान कार्यक्षेत्र में लोड पर स्क्रिप्ट को चलाने के लिए रन बटन पर क्लिक (जैसे।, बाकी डेटा)।
      2. एक स्प्रेडशीट कार्यक्रम के हस्तांतरण के लिए MATLAB कार्यक्षेत्र में absolutepowermatrix डेटा का चयन करें (जैसे।, एमएस एक्सेल)।
    2. दोहराएँ कदम 6.5 - 6.6.1.2 हर व्यायाम / मार्कर प्रकार के लिए।
    3. एक दूसरे के समान समय-सीमा के साथ परिणाम (जैसे।, स्थानिक कार्य) की तुलना रिश्तेदार कठिनाई में अंतर्दृष्टि के लिए।
    4. प्रतिभागियों भर परिणामों कौशल में कम कलाकारों की तुलना में उच्च सापेक्ष कलाकारों की पहचान करने के लिए मूल्यांकन किया जा रहा तुलना करें। नोट: उच्च कलाकारों बहुत एल दिखा सकते हैंittle आधारभूत बीटा सक्रियण सापेक्ष में वृद्धि, कम कलाकारों 70% 21-26 के आदेश पर वृद्धि दिखा सकता है।

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

इस खंड में, पिछले चरणों नमूना आंकड़ों के साथ नीचे के रूप में वर्णित सचित्र हैं। सांख्यिकीय परीक्षण के साथ पूर्ण डेटा सारांश, प्रदान नहीं कर रहे हैं क्योंकि इस पत्र का उद्देश्य तरीकों पर ध्यान केंद्रित है। संभावित PSVT के उदाहरण: आर, एमसीटी, और स्थानिक समस्याओं, चित्रा 1, चित्रा 2, और 3 चित्र में दिए गए हैं क्रमशः।

ईईजी टोपी प्रत्येक दिया चैनल के रूप में चित्रा 7 में दिखाया गया है जो समानांतर में देखी जा सकती है के लिए बिजली क्षमता के माध्यम से मस्तिष्क सक्रियण एकत्रित करेगा। जैसा कि पहले उल्लेख, डेटा के भीतर कुछ कलाकृतियों, जबकि दूसरों को आईसीए के माध्यम से हटाया जा सकता है, मैन्युअल हटा दिया जाना चाहिए। कई बार एक दोषपूर्ण चैनल पहचाना जा सकता है। इस तरह की कलाकृतियों चित्रा 7 में दिखाई दे रहे हैं। विश्लेषण सॉफ्टवेयर में, बड़े, गैर दोहराए कलाकृतियों मैन्युअल अनुक्रम में चिह्नित किया जा सकता है और फिर (कदम 6.3.3.2.1 के रूप में) "अस्वीकार करें" बटन पर क्लिक करके हटा दिया। ईईजी डेटा विश्लेषण की छवियों के साथ सभी आंकड़ेसामग्री की तालिका में सूचीबद्ध विश्लेषण सॉफ्टवेयर उपकरण से कर रहे हैं।

1) सक्रियण के एक खोपड़ी-मैप प्रतिनिधित्व, और 2) एक 2-डी परीक्षण और समय से arrayed सक्रियण की सतत डेटा साजिश: आईसीए के बाद, विश्लेषण सॉफ्टवेयर को दो तरह से डेटा नक्शे। स्वीकार्य डेटा का एक उदाहरण चित्रा 5 में मनाया जा सकता है। खारिज कर दिया खोपड़ी का एक उदाहरण मैप किया तीन मामलों के लिए मस्तिष्क के साथ जुड़ा नहीं गतिविधि का संकेत डेटा उन्हीं को अस्वीकार कर तीन मामलों में देखा जा सकता है के लिए चित्रा में देखा जा सकता है 4. 2 डी सतत डेटा भूखंडों चित्रा 6। streaking को हटाने के लिए पहले दो भूखंडों वारंट विचार में मनाया। तीसरे साजिश में streaking की सीमा रेखा पर विचार किया जा सकता है - इस गुणवत्ता के 2-डी सतत डेटा भूखंडों शामिल किए जाने के लिए विचार किया जा सकता है, और शोधकर्ता नकली संकेतों सहित और मूल्यवान डेटा discarding के बीच संतुलन पर विचार करना चाहिए। 0.5 सेकंड से अधिक समय धारियाँ gro माना जाता हैअस्वीकृति के लिए unds। अधिक जानकारी के लिए, EEGLAB वेबसाइट (http://sccn.ucsd.edu/eeglab/) को देखें।

एक बार सभी confounding डेटा को अस्वीकार कर दिया गया है - या तो मैनुअल अस्वीकृति के माध्यम से जबकि brainwave भूखंडों पर या आईसीए के बाद लग रहा है - और डेटा उचित गतिविधि प्रकार के लिए समय में chunked किया गया है, पूर्ण शक्ति गणना प्रत्येक आवृत्ति बैंड और प्रत्येक गतिविधि के लिए किया जा सकता है MATLAB स्क्रिप्ट (विश्लेषण सॉफ्टवेयर कार्यों के आधार पर) से पूरक कोड फ़ाइल में दिए गए के माध्यम से लिखें। सारांश डाटा तो समारोह द्वारा उत्पन्न नीचे तालिका में दिखाया गया है 1 टेबल बाकी समय अवधि से डेटा शामिल हैं -।। जो दक्षता की गणना के लिए आधार रेखा के रूप में इस्तेमाल कर रहे हैं तालिका 2, 3 टेबल, और तालिका 4 पूर्ण शक्ति शामिल आर, एमसीटी, और समस्याएँ हैं, क्रमश: PSVT के लिए डेटा। इसी चैनल और आवृत्ति प्रतिबंध लगाने के लिए सेल मूल्य से विभाजित करकेक्रमश: आर, एमसीटी, और स्टैटिक्स समस्याओं: रेस्ट तालिका में डी, रिश्तेदार पूर्ण शक्ति के अनुपात में 5 टेबल, टेबल 6, और 7 तालिका में PSVT के लिए दिखाए जाते हैं।

अंत में, सभी चैनलों में औसत मूल्य के प्रत्येक गतिविधि के प्रकार के लिए बीटा आवृत्ति बैंड के लिए लिया जाता है, और परिणाम तालिका 8 में दिखाया जाता है। डेटा के इस प्रकार के भविष्य के अनुसंधान के लिए ROIs की पहचान करने के लिए इस्तेमाल किया जा सकता है। आर एमसीटी लिए की तुलना में सवाल में भाग लेने के लिए इन आंकड़ों से, हम रिश्तेदार पूर्ण शक्ति PSVT के लिए कम प्रतीत होता है कि वहाँ। निर्णायक के इस बयान के बारे में निष्कर्ष है, हालांकि, एक बड़ा नमूना आकार संभव सांख्यिकीय महत्व स्थापित करने के लिए पर निर्भर रहते हैं। स्टैटिक्स कार्यों के लिए रिश्तेदार पूर्ण शक्ति अन्य प्रतिभागियों, और उच्च कलाकार बनाम कम कलाकार संज्ञानात्मक परिश्रम पहचाना जा सकता है, जो सत्यापन के लिए स्टैटिक्स समस्याओं पर कार्यात्मक स्कोर के साथ जोड़ा जा सकता है की अनुमान से मूल्य की तुलना की जा सकती है। हालांकि यह विशेष रूप से एक तरीकों कागज है, और केवल एक भागीदार से डेटा का उदाहरण प्रस्तुत करता है, प्रारंभिक रिपोर्ट के सांख्यिकीय विश्लेषण एक Levene के परीक्षण का इस्तेमाल किया सामान्य, फ्राइडमैन परीक्षण समूह x कार्य की तुलना ईईजी चैनल एक्स के द्वारा पीछा आकलन करने के लिए। अंत में, एक अनुवर्ती Wilcoxon परीक्षण महत्वपूर्ण फ्राइडमैन प्रभाव और बातचीत पर प्रदर्शन किया गया था। उच्च और निम्न कलाकारों के बीच तुलना से पता चला है उच्च कलाकारों के लिए की तुलना में कम कलाकारों के लिए काफी अधिक बीटा सक्रियण स्तर (के लिए PSVT: आर, F3: χ 2 (1,6) = 5.33, पी <.03; T8: χ 2 (1, 6) = 4.08, पी <.05; FC6: χ 2 (1,6) = 4.08, पी <.05; F8: χ 2 (1,6) = 4.08, पी <.05; AF4: χ 2 (1 ।, 6) = 5.33, पी <.03 एमसीटी के लिए, F3: χ 2 (1,6) = 5.33, पी <.03; T8: χ 2 (1,6) = 5.33, पी <.03; FC6: χ 2 (1,6) = 5.33, पी <.03; AF4:। χ 2 (1,6) = 4.08, पी <.05 स्टैटिक्स, FC6 के लिए: χ 2 (1,6) = 4.08, पी <.05)। 9

आकृति 1
चित्रा 1: PSVT:। आर समस्या के रूप में प्रतिभागियों द्वारा देखी गई: आर उदाहरण समस्या भाग क एक भी नमूना PSVT को दर्शाता है। (स्रोत: Guay (1976))। सही जवाब सी पार्ट बी समाधान का एक दृश्य विवरण प्रदान करता है यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

चित्र 2
चित्रा 2:। एमसीटी उदाहरण समस्या भाग क एक भी नमूना एमसीटी समस्या के रूप में प्रतिभागियों द्वारा देखा दर्शाता है। सही जवाब डी पार्ट बी समाधान का एक दृश्य विवरण प्रदान करता है। (स्रोत: CEEB (1939))"लक्ष्य =" _blank "> यहां यह आंकड़ा का एक बड़ा संस्करण देखने के लिए क्लिक करें।

चित्र तीन
चित्रा 3:। स्टैटिक्स उदाहरण समस्या एक भी उदाहरण स्टैटिक्स प्रतिभागियों के लिए भी समस्या दिखाता है। इस समस्या के लिए में विमान (यानी।, 2-डी) के संतुलन को देखते हुए तीनों सेनाओं और एक आम कनेक्शन संरचना। है कृपया यहाँ यह आंकड़ा का एक बड़ा संस्करण देखने के लिए क्लिक करें।

चित्रा 4
चित्रा 4:। गैर-मस्तिष्क खोपड़ी-मैप गतिविधि के उदाहरण के बाद आईसीए खोपड़ी-मैप डेटा के तीन उदाहरण एक व्यक्ति, 23 वर्षीय, पुरुष भागीदार से दिखाए जाते हैं। पूर्ण खोपड़ी सक्रियण, एक भी आंख / मंदिर के ऊपर सक्रियण, और सक्रियण ओ ध्यान केंद्रितn आँखें और मंदिरों, के रूप में IC2, IC3 में आईसीए के बाद दिखाया गया है, और IC4, क्रमशः। शारीरिक गतिविधि न मस्तिष्क की गतिविधियों का संकेत कर रहे हैं यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

चित्रा 5
चित्रा 5:। एक नमूना मामले के लिए आईसीए के बाद स्वीकार्य पोस्ट-आईसीए डेटा छवियों स्वीकार्य खोपड़ी मानचित्र और 2-डी सतत डेटा साजिश का चित्रण, स्वतंत्र घटक 13 (IC13), एक व्यक्ति से 23 साल की उम्र में, पुरुष प्रतिभागी। एक्टिवेशन खोपड़ी-मैप दृश्य में मस्तिष्क के एक क्षेत्र पर केंद्रित किया जाना प्रतीत होता है, और कोई बड़ी धारियाँ सतत डेटा साजिश में दिखाई दे रहे हैं। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।


चित्रा 6:। 2-डी सतत डेटा भूखंडों मिलान स्काल्प-मैप छवियों को पोस्ट-आईसीए सतत डेटा भूखंडों के तीन उदाहरण एक व्यक्ति, 23 वर्षीय, पुरुष भागीदार से दिखाए जाते हैं। मोटी बैंड या आईसीए से 2-डी सतत डेटा भूखंडों में धारियाँ IC2 में सामान्य मस्तिष्क समारोह का संकेत नहीं discontinuities संकेत मिलता है, IC3, IC4 -। विशेष रूप से IC2 और IC3 भूखंडों में यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

चित्रा 7
चित्रा 7:। कलाकृतियों के साथ ब्रेनवेव डाटा एक विरूपण साक्ष्य का स्क्रीनशॉट (चैनल F7) मैन्युअल एक व्यक्ति, 23 वर्षीय, पुरुष भागीदार से एक नमूना समय सीमा के साथ अस्वीकृति के लिए चिह्नित किया। कई चैनलों भर में घटना नोट 132 और 133 के बीच: इसी तरह की घटनाओं में कई बार (लगभग एक ही आकार और नियमित अंतराल पर आकार) दोहराया जाता है - और इस तरह एक गैर-मस्तिष्क जैविक समारोह का प्रतिनिधित्व करने के लिए माना जाता है - और स्वतंत्र घटक विश्लेषण के माध्यम से हटाया जा सकता है (जैसे, निमिष।) (आईसीए)। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

। पूरक संहिता फ़ाइल: matlab स्क्रिप्ट और बदलाव परिवर्तन microvolt माप और समय पर आधारित के लिए स्क्रिप्ट (spectopo.m और absolutepower.m) प्रदर्शित करता है - प्रत्येक आवृत्ति बैंड के लिए गणना (डेल्टा, थीटा, अल्फा, बीटा, गामा और) - प्रत्येक आवृत्ति 22 में पूर्ण शक्ति प्राप्त करने के लिए। pop_chanedit.m में उचित कार्यक्षमता के लिए आवश्यक कोड में परिवर्तन भी शामिल हैं।lemental_Code_File.txt "> इस फाइल को डाउनलोड करने के लिए यहां क्लिक करें।

आराम AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4
डेल्टा 2.92885 4.08477 3.54998 2.34592 2.70998 2.32691 2.68544 4.27085 2.98234 8.86292 6.23237 4.78013 10.8036 3.25063
थीटा 0.97171 1.37529 1.31051 0.80067 0.86828 0.72737 0.89545 1.47262 0.9612 2.62535 1.81392 1.50252 3.17255 1.07803
अल्फा 1.05352 1.3154 1.1847 0.65468 0.80063 0.67154 1.02715 2.07336 1.08513 2.66165 1.57996 1.34778 3.03508 1.16919
बीटा 0.43161 0.90384 0.50791 0.53479 0.50098 0.38674 0.38319 0.58092 0.31785 1.01047 0.56527 0.49346 0.90616 0.48072
गामा 0.5045 1.34183 0.62215 0.84909 0.70052 0.51585 0.43051 0.67612 0.34162 1.03946 0.64008 0.5726 0.91932 0.51616

तालिका 1:। बाकी पूर्ण शक्ति आधारभूत बाकी समय अवधि के लिए पूर्ण शक्ति मान हैं। मूल्यों प्रत्येक ईईजी टोपी चैनल और प्रत्येक तंत्रिका आवृत्ति बैंड के लिए दिखाए जाते हैं। एक एक्सेल स्प्रेडशीट के रूप में इस तालिका डाउनलोड करने के लिए यहां क्लिक करें।

PSVT: आर AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4
डेल्टा 3.20159 4.9235 4.45167 2.34879 2.42221 2.02463 2.94513 5.43045 4.42694 12.7964 11.31 6.487 21.8189 4.09331
थीटा 0.96945 1.59045 1.37746 1.03259 0.84002 0.66437 1.07593 1.74327 1.17321 3.7199 2.85166 1.53374 5.03852 1.18174
अल्फा 0.85227 1.13582 1.02927 0.58288 0.67936 0.58545 0.74962 1.66418 0.99799 2.75755 2.02905 1.36223 3.80233 1.0266
बीटा 0.35494 0.678 0.40734 0.36971 0.37595 0.30512 0.31952 0.50253 0.28369 0.75791 0.71554 0.42837 1.01529 0.34922
गामा 0.30691 0.74519 0.41486 0.43652 0.39229 0.30623 0.30822 0.4174 0.22447 0.66889 0.70126 0.36895 0.90685 0.30268

तालिका 2: PSVT:। आर समस्याओं: आर पूर्ण शक्ति का समय समय जब भागीदार PSVT सुलझाने के लिए गया था पूर्ण शक्ति मान हैं। मूल्यों प्रत्येक ईईजी टोपी चैनल और प्रत्येक तंत्रिका आवृत्ति बैंड के लिए दिखाए जाते हैं। एक एक्सेल स्प्रेडशीट के रूप में इस तालिका डाउनलोड करने के लिए यहां क्लिक करें।

एमसीटी AF3 F7 F3 FC5 T7 P7 </ Td> O1 O2 P8 T8 FC6 FC4 FC8 AF4
डेल्टा 4.25246 7.54329 5.08043 5.52389 3.73567 3.26572 3.76397 5.8437 4.62085 18.7991 16.4444 6.24405 28.1184 4.59798
थीटा 1.19953 1.84997 1.70135 1.27424 1.30572 1.08925 1.09528 1.91699 1.34909 4.19652 3.73398 2.04338 6.21749 1.33753
अल्फा 1.18154 1.41989 1.23333 0.76868 0.8051 0.6844 1.02368 2.53414 1.29356 2.94347 2.26038 1.4973 3.94919 1.1579
बीटा 0.44047 0.89503 0.54 0.51125 0.46215 0.36589 0.3884 0.61918 0.35962 1.03223 0.89744 0.54226 1.35175 0.47197
गामा 0.41897 1.05133 0.51015 0.64259 0.51855 0.39244 0.41827 0.52564 0.29925 0.87269 0.84818 0.4996 1.08765 0.41331

तालिका 3:। एमसीटी पूर्ण शक्ति का समय समय जब भागीदार एमसीटी समस्याओं को सुलझाने के लिए गया था पूर्ण शक्ति मान हैं। मान ईएसी लिए दिखाए जाते हैंज ईईजी टोपी चैनल और प्रत्येक तंत्रिका आवृत्ति बैंड। एक एक्सेल स्प्रेडशीट के रूप में इस तालिका डाउनलोड करने के लिए यहां क्लिक करें।

स्थैतिकी AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4
डेल्टा 7.21032 12.8557 8.50834 7.09116 5.75386 4.80761 6.79589 9.11056 7.39437 23.7659 18.5893 11.7132 32.0165 8.38173
थीटा 1.64049 3.16334 1.98263 1.70548 1.52057 1.25686 1.61864 2.35557 1.6244 4.85163 3.79464 2.53764 6.50266 1.809
अल्फा 0.86505 1.37518 1.00568 0.72506 0.76361 0.6491 0.95616 1.63483 0.9386 2.56892 1.67092 1.18895 3.13664 0.98499
बीटा 0.35583 0.55288 0.41326 0.30866 0.34607 0.29362 0.357 0.59991 0.34927 1.04345 0.66066 0.44385 1.21395 0.42598
गामा 0.24587 0.43744 0.31831 0.23404 0.25428 0.2218 0.26349 0.39275 00.22939 0.7927 0.507 0.29891 0.94462 0.3172

सारणी 4:। जब भागीदार स्टैटिक्स समस्याओं को सुलझाने था स्टैटिक्स पूर्ण शक्ति समय अवधि के लिए पूर्ण शक्ति मान हैं। मूल्यों प्रत्येक ईईजी टोपी चैनल और प्रत्येक तंत्रिका आवृत्ति बैंड के लिए दिखाए जाते हैं। एक एक्सेल स्प्रेडशीट के रूप में इस तालिका डाउनलोड करने के लिए यहां क्लिक करें।

PSVT: आर% AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4 औसत
डेल्टा 1.09312 1.20533 1.254 1.00122 0.89381 0.8701 1.0967 1.27152 1.48439 1.44382 1.81472 1.35708 2.01959 1.25924
थीटा 0.99766 1.15645 1.05108 1.28965 0.96746 0.91339 1.20155 1.18379 1.22056 1.41692 1.5721 1.02078 1.58816 1.09621
अल्फा 0.80897 0.86348 0.86881 0.89032 0.84853 0.8718 0.7298 0.80265 0.9197 1.03603 1.28424 1.01072 1.2528 0.87804
बीटा 0.82237 0.75013 0.80199 0.69131 0.75043 0.78897 0.83383 0.86506 0.89252 0.75005 1.26584 0.86809 1.12043 0.72645 85.2%
गामा 0.60836 0.55535 0.66682 0.5141 0.56 0.59365 0.71594 0.61734 0.65707 0.6435 1.09557 0.64435 0.98644 0.5864

। तालिका 5: PSVT: आर सापेक्ष पूर्ण शक्ति रिश्तेदार पूर्ण शक्ति मान हैं - जो है, अनुपात बाकी आधारभूत की तुलना - समय अवधि जब भागीदार PSVT सुलझाने के लिए गया था: आर समस्याओं। मूल्यों प्रत्येक ईईजी टोपी चैनल और प्रत्येक तंत्रिका आवृत्ति बैंड के लिए दिखाए जाते हैं।यहाँ क्लिक करें एक एक्सेल स्प्रेडशीट के रूप में इस तालिका डाउनलोड करने के लिए /ftp_upload/53327/Table_5.xlsx">Please।

एमसीटी% AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4 औसत
डेल्टा 1.45192 1.84669 1.43111 2.35468 1.37849 1.40346 1.40162 1.36828 1.54941 2.12109 2.63855 1.30625 2.60268 1.41449
थीटा 1.23445 1.34515 1.29823 1.59146 1.5038 1.49751 1.22317 1.30176 1.40354 1।59,846 2.05851 1.35997 1.95978 1.24072
अल्फा 1.12151 1.07944 1.04106 1.17413 1.00557 1.01915 0.99661 1.22223 1.19207 1.10588 1.43065 1.11093 1.30118 0.99034
बीटा 1.02052 0.99025 1.06317 0.95599 0.9225 0.9461 1.01359 1.06585 1.13138 1.02154 1.58762 1.09891 1.49174 0.9818 109.2%
गामा 0.83046 0.78351 0.81998 0.7568 0.74023 0.76077 0.97157 0.77744 0.87596 0.83956 1.32511 0.87252 1.1831 0.80073

। टेबल 6: जब भागीदार एमसीटी समस्याओं को सुलझाने था समय अवधि के लिए - एमसीटी सापेक्ष पूर्ण शक्ति रिश्तेदार पूर्ण शक्ति मान हैं - जो है, अनुपात बाकी आधारभूत की तुलना में। मूल्यों प्रत्येक ईईजी टोपी चैनल और प्रत्येक तंत्रिका आवृत्ति बैंड के लिए दिखाए जाते हैं। एक एक्सेल स्प्रेडशीट के रूप में इस तालिका डाउनलोड करने के लिए यहां क्लिक करें।

स्टैटिक्स% AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4 औसत
2.46182 3.14723 2.39673 3.02277 2.12321 2.06609 2.53064 2.1332 2.47939 2.6815 2.9827 2.45039 2.96349 2.57849
थीटा 1.68824 2.30012 1.51286 2.13005 1.75125 1.72794 1.80763 1.59958 1.68997 1.84799 2.09195 1.68893 2.04966 1.67807
अल्फा 0.82111 1.04545 0.84889 1.1075 0.95375 0.96658 0.93089 0.78849 0.86496 0.96516 1.05757 0.88215 1.03347 0.84245
बीटा 0.82441 0.6117 0.81364 0.57716 0.69079 0.75922 0.93164 1.03269 1.09885 1.03264 1.16874 0.89947 1.33966 0.88613 90.5%
गामा 0.48736 0.326 0.51162 0.27564 0.36299 0.42997 0.61205 0.58088 0.67146 0.76261 0.79208 0.52202 1.02753 0.61453

। टेबल 7: जब भागीदार स्टैटिक्स समस्याओं को सुलझाने था समय अवधि के लिए - स्टैटिक्स सापेक्ष पूर्ण शक्ति रिश्तेदार पूर्ण शक्ति मान हैं - जो है, अनुपात बाकी आधारभूत की तुलना में। मान श कर रहे हैंस्वयं प्रत्येक ईईजी टोपी चैनल और प्रत्येक तंत्रिका आवृत्ति बैंड के लिए। यहाँ एक एक्सेल स्प्रेडशीट के रूप में इस तालिका डाउनलोड करने के लिए यहां क्लिक करें।

औसत
PSVT: आर% 85.2%
एमसीटी% 109.2%
स्टैटिक्स% 90.5%

। आर, एमसीटी, और स्टैटिक्स समस्याओं: टेबल 8: - - कि यह अनुपात बाकी आधारभूत की तुलना में समय अवधि के लिए सभी ईईजी टोपी चैनलों भर में औसतन जब प्रतिभागी को सुलझाने PSVT था औसतन सापेक्ष पूर्ण शक्ति रिश्तेदार पूर्ण शक्ति मान । प्रतिशत बीटा आवृत्ति बैंड के लिए दिखाए गए हैं ही। यहाँ एक के रूप में इस तालिका डाउनलोड करने के लिए क्लिक करेंn एक्सेल स्प्रेडशीट।

Subscription Required. Please recommend JoVE to your librarian.

Discussion

प्रोटोकॉल दो ठेठ स्थानिक क्षमता उपकरणों से काम कर समस्याओं प्रतिभागियों और अत्यधिक स्थानिक इंजीनियरिंग स्टैटिक्स समस्याओं के लिए मस्तिष्क की गतिविधियों को मापने के लिए electroencephalography के आवेदन पर चर्चा। यहाँ विस्तृत तरीकों अंततः इन समस्याओं को काम करने में लगे हुए उच्च और निम्न कलाकारों के तंत्रिका दक्षता को समझने में मदद करने में सक्षम हो सकता है। , आर के रूप में इन परीक्षणों अक्सर स्थानिक क्षमता का आकलन करने के लिए इस्तेमाल कर रहे हैं: यह एमसीटी और PSVT पर काम कर रहे इंजीनियरिंग के छात्रों के तंत्रिका क्षमता में कोई अंतर को समझने के लिए महत्वपूर्ण है। उन्हें एक दूसरे के मुकाबले हमें बेहतर इंजीनियरिंग में सफलता के लिए अपने प्रयोज्यता और मूलभूत इंजीनियरिंग पाठ्यक्रम में अपनी स्थिति का आकलन करने के लिए अनुमति देता है।

प्रोटोकॉल स्थानिक अनुभूति कार्यों के साथ जुड़े तंत्रिका क्षमता पर अनुसंधान के लिए प्रक्रियाओं को स्थापित करता है। यह महत्वपूर्ण है कि विश्वसनीय और वैध उपकरणों इंजीनियरिंग सामग्री से जुड़े स्थानिक क्षमता का आकलन करने के लिए उपयोग किया जाता है। यह मैंयह भी महत्वपूर्ण है कि इंजीनियरिंग समस्याओं एक विशेष पाठ्यक्रम के लिए प्रतिनिधि इंजीनियरिंग सामग्री को लक्षित। ईईजी माप इंजीनियरिंग समस्या के हल के स्थानिक पहलुओं में लगे हुए छात्रों से संज्ञानात्मक घटक डेटा त्रिकोणाकार के विशिष्ट गैर दखल देने की क्षमता प्रदान करते हैं। उचित समय मुद्रांकन इस तरह के डेटा संग्रह के लिए इस्तेमाल किया जाना चाहिए, वीडियो संग्रहीत की घटनाओं के साथ triangulation सुनिश्चित करने। आईआरबी प्रोटोकॉल इसरो पालन किया जाना चाहिए, भागीदार डेटा और विश्लेषण की गुमनामी सुनिश्चित करने।

अधिकांश समस्या निवारण चिंताओं पाए जाते हैं, जबकि नीचे विस्तृत रूप में ईईजी डेटा का संग्रह है, और इससे पहले कि डेटा दर्ज कर रहे हैं उन लोगों के बहुमत नियंत्रित किया जाता है। गरीब प्रतिबाधा और शोर के लिए सुधार के लिए सबसे अच्छा सेटअप के दौरान नियंत्रित किया जाता है। ईईजी हेडसेट निर्माता के निर्देशों के बाद महत्वपूर्ण है, और हमारे अनुभव में निर्माता के सॉफ्टवेयर से संकेत विशिष्ट इलेक्ट्रोड की जांच करने के लिए उपयोगकर्ताओं को निर्देशित कर सकते हैं। महसूस किया पैड और participan के बीच आमतौर पर कनेक्शनटी के सिर अधिक घटा किए जाने की जरूरत है, या प्रत्येक इलेक्ट्रोड और हेडसेट के बीच कनेक्शन की जाँच करने की आवश्यकता हो सकती है। कुछ कनेक्टिविटी दिखाई दे रहा है, लेकिन गुणवत्ता खराब है, सिरिंज का उपयोग लगा फिर से गीला हो जाना तो अक्सर पर्याप्त है, और कई बार हेडसेट शारीरिक रूप से समायोजित करने की खोपड़ी के साथ ठोस संपर्क सुनिश्चित करने की जरूरत है। मामलों के एक जोड़े में, हम एक सिंक में अपने बाल कुल्ला करने से पहले हम एक अच्छे संबंध प्राप्त करने में सक्षम थे प्रतिभागियों पूछना था। इलेक्ट्रोड डाटा संचारित नहीं किया जा दिखाई दिया है, यह अक्सर इलेक्ट्रोड को दूर करने और फिर इसे पुन: लगाने द्वारा remedied किया गया था। कई बार, इलेक्ट्रोड के लिए प्लास्टिक के मामले दरार हो सकता है, जो मामले में यह जगह की आवश्यकता होगी।

अन्य समस्या निवारण डेटा विश्लेषण के दौरान हो सकता है, और प्रोटोकॉल में चर्चा की है। डेटा preprocessing छानने और कलाकृतियों के हटाने शामिल है। अक्सर डेटा विश्लेषण सॉफ्टवेयर स्क्रिप्ट है कि preprocessing और समर्थक के दौरान चलाया जा सकता है और साथ ही मैनुअल अस्वीकृति का समर्थन करता है डेटा के cessing।

संशोधनों के विश्लेषण सॉफ्टवेयर के भीतर एक स्क्रिप्ट के लिए किए गए थे। उन परिवर्तनों को पूरक कोड फ़ाइल में दर्ज हैं। प्रोटोकॉल में संशोधन भी किया जा सकता है। एक समवर्ती प्रोटोकॉल इस्तेमाल किया गया है, जिसमें मौखिक जवाब के अध्ययन के दौरान आवश्यक हैं। यह ईईजी डेटा में अधिक कलाकृतियों का परिचय देंगे, लेकिन परीक्षण के दौरान प्रतिभागी की कार्यात्मक ज्ञान में और अधिक जानकारी प्रदान करेगा। एक वैकल्पिक भी इस्तेमाल किया गया है जिसमें प्रतिभागी को सत्र के बाद शोधकर्ता के साथ एक वीडियो दर्ज साक्षात्कार में भाग लेता है।

अन्य सिफारिश की संभावित संशोधनों का परीक्षण करती है 14 विभिन्न स्थानिक क्षमता के उपयोग में शामिल हैं, विभिन्न इंजीनियरिंग सवाल 17, या अन्य शैक्षिक आकलन। अलग मस्तिष्क गतिविधि मेट्रिक्स, ईईजी और अन्य उपकरण के माध्यम से संभव है, यह भी कठिनाई है, या अन्य विशेषताओं, कौशल आकलन के पर प्रकाश डाला सकता है।

jove_content "> हम समझते तकनीक इस दस्तावेज़ में परिभाषित सीमाओं के साथ देखते हैं कि स्थानिक क्षमता के निर्माणों (रोटेशन और काटने planed सतह) PSVT द्वारा मापा। आर और एमसीटी कई संभावित अन्य स्थानिक मैट्रिक्स के साथ औसत दर्जे का निर्माणों में से सिर्फ दो हैं। इसके अलावा, विभिन्न स्थानिक गहन कार्य (यानी।, समस्याओं या विभिन्न पाठ्यक्रमों और शोध के विभिन्न प्रकार के) भी मूल्यांकन किया जा सकता है। तंत्रिका दक्षता में रिसर्च कोर्स की भी इस तरह के स्टैटिक्स के रूप में सिर्फ मौलिक इंजीनियरिंग पाठ्यक्रमों की तुलना में एक व्यापक गुंजाइश पर आयोजित किया जाना चाहिए। लिए उदाहरण के लिए, यह स्थानिक तर्क 3 पर निर्भर करने के लिए साहित्य में स्वीकार कई स्टेम क्षेत्र के भीतर जांच की जानी चाहिए। इसके अलावा, तंत्रिका दक्षता अध्ययनों सीधे केवल स्थानिक क्षमता 21-28 से जुड़े कौशल तक ही सीमित नहीं किया जाना चाहिए। यहां तक brainwave में शामिल अनुसंधान के भीतर माप, कार्य की अवधि से अधिक बिजली की माप के औसत की प्रथा पर प्रतिबंध लगाता है जांचअन्य सह-संबंध है कि मस्तिष्क गतिविधि के पैटर्न के भीतर हो सकता है में। ईईजी माप, उनके अस्थायी responsivity के कारण, तंत्रिका दक्षता के अध्ययन तक सीमित नहीं हैं। और ईईजी इंस्ट्रूमेंटेशन ही है, brainwave गतिविधि यह पता लगा सकते हैं, खासकर जब कार्यात्मक लगभग अवरक्त स्पेक्ट्रोस्कोपी या कार्यात्मक चुंबकीय अनुनाद इमेजिंग के उच्च स्थानिक संकल्प की तुलना की गहराई द्वारा सीमित हालांकि इसके लौकिक responsivity सबसे अच्छा 36 के बीच बनी हुई है।

अंत में, शारीरिक माप का उपयोग शैक्षिक सिद्धांत और व्यवहार के लिए अंतर्दृष्टि प्रदान करने की क्षमता अपार 37,38 प्रकट होता है। तकनीकी दृष्टिकोण और इस प्रोटोकॉल के लक्ष्यों से बायोफीडबैक शैक्षिक / प्रशिक्षण में ईईजी का उपयोग कर दृष्टिकोण अध्ययन 39 अलग हैं, लेकिन सभी के लायक विचार के रूप में अंतर्दृष्टि ऐसे स्थानिक क्षमता विकास और इंजीनियरिंग कौशल विकास के रूप में घटना में इजाफा हुआ है। तंत्रिका effici जांच करने के लिए ईईजी का उपयोग करने का यह दृष्टिकोणविशिष्ट स्थानिक क्षमता उपकरणों के भीतर निहित स्थानिक कार्यों के बीच ency स्थानिक क्षमता परीक्षण को अलग करने का एक और विधि को परिभाषित करता है। इस स्थानिक क्षमता परीक्षण की जांच कर रही है, साथ ही मौजूदा शैक्षिक सिद्धांत की जांच की दिशा में एक neuroscientific दृष्टिकोण को खोलने के लिए एक neuroscientific दृष्टिकोण का एक नया आवेदन एक मिसाल है। सत्यापन और सत्यापन के लिए तरीके खोजने इंजीनियरिंग संस्कृति का हिस्सा है। इस नए आवेदन के भीतर, शारीरिक परीक्षण brainwave समझ और परिष्कृत शैक्षिक सिद्धांत का एक नया क्षेत्र खोल सकते हैं। दरअसल, अगर मान्यता का एक संभावित एवेन्यू, एक उपन्यास और इंजीनियरिंग की नई पीढ़ी के रूप में देखा शैक्षिक अनुसंधान उत्पन्न हो सकती है।

Subscription Required. Please recommend JoVE to your librarian.

Acknowledgments

लेखकों, क्रिस्टोफर ग्रीन, ब्राडली रॉबिन्सन, और मारिया मैनुएला वालाडेर्स स्वीकार करने के लिए डेटा संग्रह के साथ मदद करने के लिए करना चाहते हैं। ईईजी उपकरण के लिए अनुदान केरी जॉर्डन के Multisensory अनुभूति लैब के लिए अनुसंधान और स्नातक अध्ययन उपकरण अनुदान के यूटा राज्य विश्वविद्यालय के कार्यालय द्वारा प्रदान किया गया। बेंजामिन कॉल राष्ट्रपति डॉक्टरल रिसर्च फैलोशिप डॉ उतारा Goodridge के साथ अपने काम के लिए यूटा राज्य विश्वविद्यालय के स्कूल स्नातक अध्ययन के से प्राप्त द्वारा समर्थित है।

Materials

Name Company Catalog Number Comments
Emotiv EPOC Model 1.0 Emotiv Model: Emotiv Premium "High resolution, multi-channel, portable EEG system."
Emotiv Control Panel (software) Emotiv Used for data collection.
Emotiv Testbench (software) Emotiv Used for data collection.
Virtual Serial Port Emulator - VSPE (software) ETERLOGIC.COM Used COM10 in data collection. Available as a free download, depending on the operating system.
E-Prime 2.0 (software) Psychology Software Tools Used for data collection (presentation of problems to participants and collection of markers for different phases).
EEGLab 13.4.4b (software) Swartz Center for Computational Neuroscience (SCCN) Used for data analysis. "An open source environment for electrophysiological signal processing". SCCN is a Center of the Institute for Neural Computation, the University of California San Diego.
MATLAB R2014b The Mathworks, Inc. Used to run EEGLab
Microsoft Excel 2013 Microsoft Used to assemble and compare tabulated results from EEGLab & MATLAB, to create tables
Camcorder with built in Mic Canon CNVHFR50 Used to record sessions
Syringe Kit (5 cc syringe & 16 G blunted needles x 2) Electro-Cap Intnl. Inc. E7 For keeping the EEG cap's felts damp.
Nuprep EEG Skin Prep Gel Weaver and Company 10-30 For cleaning the mastoid process.
Sanitizer Purell S-12808 For sanitizing hands

DOWNLOAD MATERIALS LIST

References

  1. Sorby, S. A. Educational Research in Developing 3-D Spatial Skills for Engineering Students. Int. J. Sci. Educ. 31 (3), 459-480 (2009).
  2. Wai, J., Lubinski, D., Benbow, C. P. Spatial Ability for STEM Domains: Aligning Over 50 Years of Cumulative Psychological Knowledge Solidifies Its Importance. J. Educ. Psychol. 101 (4), 817-835 (2009).
  3. Uttal, D. H., Cohen, C. A. Spatial Thinking and STEM Education: When, Why, and How? Psychol. Learn. Motiv. 57, 147-181 (2012).
  4. Halpern, D. F., Collaer, M. L. The Cambridge handbook of visuospatial thinking. , Cambridge University Press. Cambridge. (2005).
  5. Lubinski, D., Benbow, P. Study of mathematically precocious youth after 35 years. Perspect. Psychol. Sci. 1 (4), 316-345 (2006).
  6. Sorby, S., Casey, B., Veurink, N., Dulaney, A. The role of spatial training in improving spatial and calculus performance in engineering students. Learn. Individ. Differ. 26, 20-29 (2013).
  7. Peters, M., Chisholm, P., Laeng, B. Spatial ability, student gender, and academic performance. J. Eng. Educ. 84 (1), 1-5 (1994).
  8. Pellegrino, J. W., Alderton, D. L., Shute, V. J. Understanding Spatial Ability. Educ. Psychol. 19 (3), 239-253 (1984).
  9. Goodridge, W., Villanueva, I., Wan, N. J., Call, B. J., Valladares, M. M., Robinson, B. S., Jordan, K. Neural efficiency similarities between engineering students solving statics and spatial ability problems. Poster presented at the meeting of the Society for Neuroscience. Washington, DC, , (2014).
  10. Sorby, S. A., Baartmans, B. J. The Development and Assessment of a Course for Enhancing the 3-D Spatial Visualization Skills of First Year Engineering Students. J. Eng. Educ. 89 (3), 301-307 (2000).
  11. Gorska, R., Sorby, S. A. Testing instruments for the assessment of 3-D spatial skills. Proceedings of the American Society for Engineering Education Annual Conference. , (2008).
  12. CEEB Special aptitude test in spatial relations. , CEEB. USA. (1939).
  13. Guay, R. Purdue spatial visualization test. , Purdue University. (1976).
  14. Hegarty, M. Components of Spatial Intelligence. , Elsevier Inc. San Diego, CA. (2010).
  15. Bishop, J. E. Developing Students' Spatial Ability. Sci. Teacher. 45 (8), 20-23 (1978).
  16. Goodridge, W. H., Villanueva, I., Call, B. J., Valladares, M. M., Wan, N., Green, C. Cognitive strategies and misconceptions in introductory Statics problems. 2014 IEEE Frontiers in Education Conference (FIE) Proceedings. , 2152-2159 (2014).
  17. Steif, P. S., Dantzler, J. A. A Statics Concept Inventory: Development and Psychometric Analysis. J. Eng. Educ. 94 (4), 363-371 (2005).
  18. Suresh, R. The relationship between barrier courses and persistence in engineering. J. Coll. Student Retention. 8 (2), 215-239 (2006).
  19. Pfurtscheller, G., Lopes da Silva, F. H. Event-related EEG/MEG synchronization and desynchronization: basic principles. Clin. Neurophysiol. 110 (11), 1842-1857 (1999).
  20. Klimesch, W. EEG alpha and theta oscillations reflect cognitive and memory performance: a review and analysis. Brain Res. Brain Res. Rev. 29 (2-3), 169-195 (1999).
  21. Babiloni, C., et al. Resting state cortical rhythms in athletes: a high-resolution EEG study. Brain Res. Bull. 81 (1), 149-156 (2010).
  22. Babiloni, C., et al. 34;Neural efficiency" of experts' brain during judgment of actions: a high-resolution EEG study in elite and amateur karate athletes. Behav. Brain Res. 207 (2), 466-475 (2010).
  23. Del Percio, C., et al. "Neural efficiency" of athletes' brain for upright standing: a high-resolution EEG study. Brain Res. Bull. 79 (3-4), 193-200 (2009).
  24. Grabner, R. H., Fink, A., Stipacek, A., Neuper, C., Neubauer, A. C. Intelligence and working memory systems: evidence of neural efficiency in alpha band ERD. Brain Res. Cognitive Brain Res. 20 (2), 212-225 (2004).
  25. Grabner, R. H., Neubauer, A. C., Stern, E. Superior performance and neural efficiency: the impact of intelligence and expertise. Brain Res. Bull. 69 (4), 422-439 (2006).
  26. Grabner, R. H., Stern, E., Neubauer, A. C. When intelligence loses its impact neural efficiency during reasoning in a familiar area. Int. J. Psychophysiol. 49, 89-98 (2003).
  27. Neubauer, A. C., Grabner, R. H., Fink, A., Neuper, C. Intelligence and neural efficiency: Further evidence of the influence of task content and sex on the brain-IQ relationship. Cognitive Brain Res. 25 (1), 217-225 (2005).
  28. Riecanský, I., Katina, S. Induced EEG alpha oscillations are related to mental rotation ability: The evidence for neural efficiency and serial processing. Neurosci. Lett. 482 (2), 133-136 (2010).
  29. Roberts, J. E., Ann Bell, M. Two- and three-dimensional mental rotation tasks lead to different parietal laterality for men and women. Int. J. Psychophysiol. 50 (3), 235-246 (2003).
  30. Roberts, J. E., Bell, M. A. The effects of age and sex on mental rotation performance, verbal performance, and brain electrical activity. Dev. Psychobiol. 40 (4), 391-407 (2002).
  31. Gill, H. S., O'Boyle, M. W., Hathaway, J. Cortical distribution of EEG activity for component processes during mental rotation. Cortex. 34 (5), 707-718 (1998).
  32. Caplan, J. B., Madsen, J. R., Schulze-Bonhage, A., Aschenbrenner-Scheibe, R., Newman, E. L., Kahana, M. J. Human Theta Oscillations Related to Sensorimotor Integration and Spatial Learning. The J. Neurosci. 23 (11), 4726-4736 (2003).
  33. Kahana, M., Sekuler, R., Caplan, J., Kirschen, M., Madsen, J. R. Human theta oscillations exhibit task dependence during virtual maze navigation. Nature. 399 (6738), 781-784 (1999).
  34. Delorme, A., Makeig, S. EEGLAB: An open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. J. Neurosci. Meth. 134, 9-21 (2004).
  35. Delorme, A., Sejnowski, T., Makeig, S. Enhanced detection of artifacts in EEG data using higher-order statistics and independent component analysis. NeuroImage. 34, 1443-1449 (2007).
  36. Meyer-Lindenberg, A. From maps to mechanisms through neuroimaging of schizophrenia. Nature. 468, 194-202 (2010).
  37. Campbell, S. R. Educational Neuroscience: Motivations, methodology, and implications. Educ. Neurosci.: Initiatives and Emerging Issues. Patten, K. E., Campbell, S. R. 43 (1), Wiley-Blackwell. West Sussex, United Kingdom. 7-16 (2011).
  38. Kelly, A. E. Can Cognitive Neuroscience Ground a Science of Learning?. Educ. Neurosci.: Initiatives and Emerging Issues. Patten, K. E., Campbell, S. R. 43 (1), Wiley-Blackwell. West Sussex, United Kingdom. 17-23 (2011).
  39. Cunningham, M. D., Murphy, P. J. The effects of bilateral EEG biofeedback on verbal, visual-spatial, and creative skills in learning disabled male adolescents. J. Learn. Disabil. 14 (4), 204-208 (1981).

Tags

व्यवहार अंक 114 स्थानिक खुफिया electroencephalography तंत्रिका दक्षता स्थानिक क्षमता स्थानिक सोच इंजीनियरिंग शिक्षा स्टैटिक्स
कार्य विशेष तंत्रिका क्षमता की तुलना के लिए Electroencephalography माप का उपयोग: स्थानिक खुफिया कार्य
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Call, B. J., Goodridge, W.,… More

Call, B. J., Goodridge, W., Villanueva, I., Wan, N., Jordan, K. Utilizing Electroencephalography Measurements for Comparison of Task-Specific Neural Efficiencies: Spatial Intelligence Tasks. J. Vis. Exp. (114), e53327, doi:10.3791/53327 (2016).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter