Summary
이 원고는 공간적으로 집중된 공학 문제를 해결하면서 인간의 신경 활성을 측정하는 방법을 설명한다. 뇌파 방법론 궁극적 문제 유형 간의 참가자 사이 모두 작업 성능의 비교를 가능하게 할 목적으로, 신경 효율의 관점에서 베타 뇌파 측정을 해석 돕는다.
Abstract
공간 정보는 종종 공학 교육과 공학 직업에서의 성공에 연결되어 있습니다. 뇌파의 사용은 해결책을 도출하는 능력을 필요 공간의 연속 작업을 수행 할 때 개인의 신경 효율의 비교 계산을 가능하게한다. 여기 신경 효율이 낮은 베타 활성을 갖는, 따라서 다른 그룹 또는 다른 작업에 비해 작업을 수행하기 위해, 더 적은 신경 리소스 팽창으로 정의된다. 유사한 기간과 작업 태스크 간 비교를 위해,이 측정 태스크 유형 난이도의 비교를 가능하게 할 수있다. 내 참가자 간 참가자 비교, 이러한 측정은 공간 능력과 다양한 공학 문제 해결 작업 참가자의 수준에 잠재적 인 통찰력을 제공합니다. 선택한 작업에 대한 성능 분석 및 베타 활동과 연관 될 수있다. 이 작품은 학생 ENG의 신경 효율을 공부 상세한 연구 조사 프로토콜을 제시전형적인 공간 능력과 정역학 문제의 해결에 세. 및 정역학 : 학생들은 정신에 특정 문제 테스트 (MCT) 회전, 퍼듀 공간 시각화 테스트 (R PSVT)를 절단을 완료했다. 이러한 문제를 해결 종사 동안 참가자 뇌파는 EEG는 알파 및 베타 뇌파 활성화 및 사용에 관한 데이터가 수집 될 수 있도록하여 측정 하였다. 이 작품은 공학 성공적인 성능에 대한 경로 및 수행 할 수 있습니다 공학 교육의 결과 개선을 식별하기 위해 공간적으로 집중 엔지니어링 작업에 순수 공간 작업에 대한 기능 성능의 상관 관계를 보인다.
Introduction
공간 능력 (STEM) 분야 및 교육 과학, 기술, 공학, 수학에 매우 중요하고이 분야 1,2,3에서의 성공과 상관. 따라서, 사 공간을 해결하는 방법의 능력에 영향을 문제의 발달을 이해하는 것이 중요하다. 공간 능력은 엔지니어링 전문가 8 엔지니어링 학자 7과 성공에 대한 관심 5, 성능, 6, 성공에 연결되어 있습니다. 그러나, 많은 공간 능력 악기 나 높은 공간이다 구체적인 기술 내용의 일반적인 문제점을 해결 특정 신경 프로세스들을 나타내는 많은 일이 없다.
이 논문은 데이터 수집 및 신경 측정과 결합 된 공간 능력 악기 점수의 분석을 위해 사용되는 방법을 소개합니다. 조브에 게시의 목적은 더 넓은 청중에게이 방법이 더 접근 할 수 있도록하는 것입니다. 일반 대중 하드웨어 및 소프트웨어 WER본 연구에 사용 전자. 방법 종이로, 전체 결과 / 데이터 세트가보고 않으며, 제공된 여러 샘플은되지 않습니다. 모든 이미지는이 책을 위해 특별히 촬영되었다. 아래에 설명 된 방법은 여성이었다 세 누구의 팔 대학 학년 연령의 참가자 데이터를 기반으로 예비 회의 보고서 (9)를 제조에 사용되었다.
기존의 많은 악기 고유의 또는 개인의 공간 학습 능력 레벨을 나타 내기 위해 사용된다. 13 : 일반적으로 사용되는 두 개의 유효하고 신뢰할 수있는 10, 11 악기 테스트 (MCT) (12)을 절단 정신 및 회전 수의 퍼듀 공간 시각화 테스트 (R PSVT)입니다. 원래 직업적 (14)를 설계하는 동안이 악기는 피아제의 이론 10, 15 설명 공간 시각화 개발의 여러 단계를 테스트합니다. 이러한기구의 사용은 기본적인 생리 현상인지 existin 이해할 필요성을 만들어g 개인은 이러한 문제를 통해 작업 할 때. 이러한 이유로, 본 연구는, 궁극적으로 공간 사상의 분석 및 이해를 향상시킬 수있다 경험적 생리 데이터를 이용하는 방법을 소개 기존 메트릭 테스트 기능을 확인하고, 공학 교육 전형적인 공간 평가보다 복잡한 문제에의 적용 가능성을 증가시키는 것을 목적으로한다. 이러한 문제 중 많은 엔지니어링 정역학에서 발생 될 수있다.
정적은 기초 역학 물론 대부분의 엔지니어링 학생들로 전달 (예., 생물, 기계, 토목, 환경, 항공 우주 공학) 16, 17. 그것은 학생들이 핵심 엔지니어링 콘텐츠 (18)에 주어진 첫 번째 광범위한 문제 해결 경험 중 하나입니다. 정적 휴식 또는 일정한 속도로 이동에있는 강체에 힘의 상호 작용의 연구를 포함한다. 불행하게도 정역학은 inves의에서와 같이 높은 드롭 아웃, 취소 될 수 있으며, 실패율 (14 %이동안 조사 대학)이 같은 교육을 공간적으로 향상된 방법으로 지원의 주요 도로를 생략 전통적인 강의와 교육 과정 제공 모델과 관련이있을 수 있습니다. 예를 들어, 정역학에서 공간적으로 향상된 방법은 힘이 일반적인 분석 분석의 외부 상호 작용하는 방식의 시각화를 대상으로 접지 개념화와 학생들의 절차 적 지식을 강화 할 수 있습니다. 이러한 개입의 효과는인지 신경 과학적 관점에서 검토 될 필요가있다.
뇌파 (EEG)은 학생들의 뇌파의 활동을 측정하는 독특한 이동 방법을 제시한다. 베타 활성화를 이끌어내는 작업을 수행하는 개인은 일반적으로 매우 작업 특성에 결합하고 그들이 19, 20를하고있는 일에 세심하고 있습니다. 대역폭 주파수가 점유 피질 영역의 크기도 마찬가지로 작업은 증가 베타 파의 진폭 증가를 요구하고있다. 내 불 더 많은 뉴런베타 주파수 범위 (알파 : 8 - 12 Hz로, β- : 12 - 24Hz는)이 큰 베타 힘으로 정의 될 수있다. 하나의 작업에 숙련 된대로 이와 관련하여, 베타 파의 진폭은 작은 베타 전력을 발생 감소한다. 이는 뉴럴 효율 가설 21-28, 태스크를 수행하는 것은 주파수 전력의 감소와 관련된 더 큰 작업 환경의 일부이다. EEG 이전 (종종 정신 회전 및 공간 탐색 작업) 공간 능력의 연구에 사용되었지만 - 및 관련 데이터는 α, β에서 식별되었으며, 세타 밴드 27-33 - 알파 및 베타 대역이 관찰되었다 연구 및 베타는이 논문에서 더 대표 분석 및 예비 회의 보고서 (9)에 선정되었다. 따라서 베타 밴드 분석에 초점을 아래에 정의 된 절차하지만, 기록 된 데이터에 따라 세 가지 밴드에 대한 조사는, 미래에 좋습니다.
그만큼신경 효율성 가설은 체스, 시공간 메모리, 균형, 그리고 휴식 등 다양한 작업에서 테스트되었습니다. 익숙한 작업을 수행 할 때 모든 주파수 감소 전력의 요인으로 작업 환경 나타내었다. 하나의 특정 연구 (25)는 증거를 제시하고, 그 (IQ로 측정 된) 사람의 지능은 개인이 신경 효율에 기여 지능을 능가 작업과 작업 경험을 수행하는 기술을 습득 할 수 있지만. 즉, 더 많은 개인이 경험은보다 효율적인 neurally 그 또는 그녀가된다.
공간 능력을 포함하는 기존의 신경 효율 연구는 주로 공간 회전에 초점을 맞추고 있고, 다른 문제 세트는 서로 다른 집단을 비교하는 데 사용되었다 (예., 남성 / 여성) 27 ~ 28. 공간 능력 작업 EEG 연구는 다른 태스크 유형의 성능을 비교하여 통찰력을 제공하고 (예를 들면., 구두 작업)27,29,30. 상기 방법은 본 연구에 초점 논의 및 MCT, PSVT에서 문제 비교 : 공간 능력과 관련되지만, 공간적 회전 및 탐색에 한정되지 않는다 R뿐만 아니라 정적 평형 작업. 다른 공간 작업이 원고의 예로서 주어진 것들 대신에 사용될 수있다. 이러한 방식으로 추가 통찰력이 다른 집단에 대한 미래에 얻을 수있다 (예., 남성 / 여성 또는 전문가 / 초보자) 궁극적으로 공학 교육 관행을 개선하는 데 도움이됩니다.
공간 능력 엔지니어링 적성을 조사하기 위해, 우리는 특정 공간 및 엔지니어링 태스크의 제한된 배터리 중에 고성능 참가자 저가 행하는 베타 파의 활성화를 식별하는 EEG 측정을 이용하는 프로토콜을 개발했다. 이 경우, 용어 높은 수행자 참가자의 성능과 관련되어, 상기에 의해 현장에서 소비 된 시간의 양을 반영하지 않다학습자, 모든 참가자가 교육에 거의 동일한 점에 있었다있다. 또한, 관련된 문제 세트는 매우 구체적이고 기본이다 따라서 용어 "전문가"또는 "고성능은"여기에 전문가, 전문 채용 엔지니어의 관점에서 볼하지만, 공학 역학 교육 과정 및 공간 능력 악기의이 좁은 조각 만 높은 성능을 나타내는해서는 안됩니다. 신경 측정은 또한 태스크 유형 난이도 관한 해석 가능한 다른 이상인지 자원을 채용 수도있는 심한 경향을 파악하는데 사용될 수있다. 이 정보는 잠재적 인 공간 능력과 관련하여 미래의 평가 및 조작에 대한 통찰력을 제공 할 수있다. 다른 미래 통찰력으로 인해 사용되는 뇌파 하드웨어에서 사용할 수있는 채널의 수가 제한되어 본 연구에서는 불가능했던 뇌의 이상 특정 지역을 고려하여 도출 될 수있다.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
인간 참가자의 사용에 관한 윤리 정책
이 작업에 참여 절차는 인간 대상의 연구 유타 주립 대학에서 임상 시험 심사위원회 (IRB)에 의해 승인되었습니다. 어떤 유사한 작업도 관련 IRB의 승인을 받아야하는 것이 좋습니다. 참가자는 중지 또는 실험 기간 동안 언제든지 연구에서 인출 할 수 있습니다.
참가자 1. 선택
- 학생들의 자발적으로 선택 참가자들은 현재 정역학 코스에 등록. 참가자 이전에 그들이 연구하는 동안 표시되는 정역학 콘텐츠에 노출되어 있는지 확인합니다.
참고 : 차동 성능 수준의 개념을 통합 및 개발을위한 시간이되도록 이상적으로 참가자가 연구에 참여 최소한 네 주 전에 강의를 통해 물질에 노출이 있어야합니다. - 모든 IRB 프로토콜 아래의 모집을 실시한다. 설명모든 절차 및 세부 사항의 잠재적 참가자들에게 제한. 앞으로 연락하는 방법이 연구의 결과는 공개 및 / 또는 참가자에게 제공 될 수의 범위를 설명한다. 연구 참여에 대한 보상을 정의합니다. 자원 봉사자가 연구에 등록하도록 선택하면, 이중 코딩 된 식별 코드에만 알려져 있으며, 연구 책임자에 의해 제어 그를 혹은 그녀를 제공합니다.
참고 : 특정 인구 모집은 뇌파 데이터의 개체 차이를 분석 할 수있는 통계 샘플의 능력과 필요한 참가자의 수를 확인하기 위해 통계 분석이 필요합니다. 연구자가 집단 간 비교 연구를 수행하기를 원하는 경우, 전력 분석은 두 집단에 적합한 참가자 그룹 크기를 개발하기 위해 수행되어야한다. - 선택 활동 또는 참가자 원하는 경험을 대표하는 문제.
참고 :이 프로토콜에서, 학년 수준의 엔지니어링정역학 과정에 등록한 학생이 선정되었다. 비행기 시험 (MCT)와 퍼듀 공간 시각화 시험 (PSVT-R)를 절단 정신 : 관련있는 것으로 간주 활동은 소개 정역학의 콘텐츠뿐만 아니라이 일반적으로 사용되는 공간 능력 악기에서 문제가 있었다. 각각의 악기는 공간 능력이 선택한 학생 인구의 공간적 발전 수준의 다른 구조를 테스트합니다. - 참가자의 실험실 세션을 구성하는 달력을 설정합니다.
악기 2. 준비
- 제조업체의 지침에 따라 EEG 헤드셋 (일명 캡)를 설정합니다. 참가자가 연구에 도착하기 전에이 준비를 완료합니다. 의료용 EEG의 설정에 반대 반복하려면이 절차는, 같은 이모 티브와 같은 일반적인 모바일 헤드셋에 따라 다릅니다.
- 세션 당 이상적으로 적어도 1 시간 충전 - 뇌파 헤드셋을 충전합니다. 정기적으로 사용되는 실험실를 들어, 충전 적어도 두 개의 헤드셋을t 항상.
- 뇌파 전극을 완충하기위한 액체를 포함하여 접근 가능한 지역에 필요한 액체를 놓습니다 (예., 물)와 EEG 참조 노드에 대한 좋은 접촉을 보장하기위한 연마 청소기.
- (각 케이스에 안전하게 장착 금색 접촉을 보장) 각각의 케이스에 펠트를 넣습니다. 주사기를 사용하여 완충 액체로 포화 펠트. 적신 전극이 휴식 할 수 있습니다.
- 참가자의 행동을 측정하기 위해이 필요한 비디오 카메라를 설정합니다. 현재의 프로토콜의 경우, 참가자 당 두 개의 비디오 카메라를 사용합니다. 참가자가 자리에되면 카메라를 다시 조정합니다. 비디오가 타임 스탬프가 있는지 확인합니다.
- 얼굴 표정을 기록하고 높은 품질의 오디오를 획득하는 것을 목표로하면 참가자의 얼굴에 초점을 하나의 카메라.
- 필기 조치 (필기가 예상되는 경우에 쓰기를 사용해야합니다 포함하여 손의 움직임을 캡처하는 참가자 앞의 영역에 다른 카메라 초점어떤 태스크 이때 해결되는로서 어두운 및 / 또는 카메라에 의해 포착 될 정도로 두꺼운 strument) 및 컴퓨터 모니터 충분 통찰력을 제공한다.
- 컴퓨터를 켜고 소프트웨어가 뇌파 데이터를 기록 켜져 있는지 확인합니다. 모든 소프트웨어 및 데이터 수집 디바이스는 데이터 수집을 위해 충분히 인터페이스되어 있는지 확인합니다.
연구 참가자 및 세션 개시 3. 준비
- 위에서 설명한 IRB 계약에 따라 참가자의 문서화 된 동의의 수신을 확인합니다. 이전 연구를 시작하기 참가자들이 가지고있는 질문에 대답합니다. 수집 된 데이터는 ID 번호에 의해 참조 될 것이며,이 참여자에 데이터를 묶어 어떤 식별 정보 일 수 없으며, 그들이 언제라도 인출 할 수 있다는 것을 참가자시킨다.
- 이전 연구에 참여에 인구 통계 조사를 채우기 위해 각 참가자에게 물어보십시오. 이 설문 조사는 성별, 약 요청할 수 있습니다GE, 연구에 자신의 능력에 영향을 미칠 수있는 이전의 경험 (예. 그런 그들이 사용하는 손들이 고통을 수 있습니다 외상성 뇌 손상 등의 제외 기준에 관한 과거의 엔지니어링 또는 공간적으로 집중 코스, 공간 능력 향상 취미, 질문).
- 다음 조건 중 하나라도 해당되면 뇌파 분석을위한 자원 봉사 그룹에서 참가자를 제외한다 : (a) 참가자가, 손 또는 양손 왼쪽 뇌의 편측성이 교란에 대한 제어하기 위해되며, (비); 개별 인해 신체 장애에 랩 세션에 참여할 수 없습니다; 또는 (다) 개인은 심각한 뇌 손상을 입었습니다. 채용 과정에서 이러한 제한의 잠재적 인 참가자 알림, 또는 가능한 한 빨리 지출 불필요한 시간과 자원을 방지 할 수 있습니다.
- 도착 후, 참가자가 편안 확인하고 남아있는 질문이나 문제를 해결.
- 포화하는 데 사용되는 주사기를 발휘노드는 단지 펠트 습기 뇌파를 유지하는 데 사용됩니다 설명합니다. 참가자가 바늘의 극단적 인 두려움이있는 경우, 기타주의 사항을 구현하는 것이 좋습니다 (예.의 펠트를 다시 습윤 때 자신의 초점면에서 주사기를 유지).
- 자신의 사람에서 모든 전자 제품을 제거하기 위해 참가자를 요청합니다.
- 참가자의 EEG 헤드셋을 놓습니다.
- 습기의 펠트를 확인하고 EEG 헤드셋에 펠트 / 케이스 조합을 배치합니다.
- 연마 세정제와 참가자의 기준점 (예., 유양동 프로세스)를 청소한다. 잔여 물을 닦아.
- 적절하게 참조 점 정렬 기준 노드 참가자에 헤드셋을 놓습니다. 과도하게 헤드셋의 팔을 구부리지 마십시오. 불편을 야기하고, 참가자의 헤드와 적절하게 정렬 헤드셋 공간하지 않도록 상기 기준 노드와 상기 귀로의 후면 사이의 갭을두고.
세션 내의 4. 소프트웨어 실행
- 뇌파 로깅 소프트웨어를 시작합니다. 좋은 연결이 모든 채널 로깅 장치에 표시되어 있는지 확인하여 기록 장치 (예., 개인용 컴퓨터) 및 EEG 헤드셋 사이에 있는지 확인하십시오. 모든 채널이 처음에 저 진폭 진동과 비슷한 동작을 표시하는지 확인합니다. 참가자 양호한 연결을 보장하기 위해 EEG 점검 - 즉시 나머지 기간에 선행하는 각각의 새로운 문제 유형의 개시전 - 상기 기록 장치에 일관된 패턴을 달성하도록 펠트 조정 습윤 재.
참고 : EEG는 128 Hz에서 동작한다. Electrooculography이 눈의 움직임을 기록하는데 사용되지 않았으며 연결된 이어폰 기준이 사용되지 않았다. - 작업 훈련 중 등 여전히 조용하고 가능한 한 유지하기 위해 참가자를 지시한다.
- 작업 - 프리젠 테이션 소프트웨어를 시작합니다.
주 : 데이터 수집 동안, 모든 사전을참가자와 계획 시각적 통신은 컴퓨터 모니터를 통해 발생합니다. 이 경우, 공간 및 공학 문제 일련의 컴퓨터 화면에 표시되며, 참가자들을 해결하도록 요청한다. 정답은 데이터를 수집하는 동안 참가자들에게 제공되지 않았다. 문제 이미지는 사용자 입력에 기초하여 전진되므로 타이밍 문제 해결 기간에 기초 하였다.- 디스플레이 공간 문제 유형 1 : 13 (예를 들어, PSVT. R - - 객관식 시험, 또는 참 - 거짓 회전 문제는 그림 1 참조). 주 : (. 예를 들면, 30 초)은 이러한 문제의 기간은 데이터 분석을위한 시간 범위로 사용된다. 다섯 문제는이 세트에 포함되었다.
- 공간 문제 유형이 표시 (12) (예를 들어, MCT -. - 객관식 시험, 또는 참 - 거짓 정신 절단 문제는 그림 2 참조). 주의 : 이러한 문제의 기간을한다 (예, 30 초).데이터 분석을위한 시간 범위로 사용된다. 다섯 문제는이 세트에 포함되었다.
- 디스플레이 공학 문제 유형 17 (. 예를 들어, 정역학 문제 - 엔지니어링 정역학, 또는 공간 구성 요소가 가설 다른 응용 문제 유형의 특정 원칙에 초점을 세분화는 - 그림 3 참조). 참고 :이 문제는 공간의 문제보다 해결하는 데 훨씬 많은 시간이 소요됩니다. 참가자 도시 문제의 수는 4부터 10까지 변화.
- 나머지 구간 시작 부분과 데이터 컬렉션의 끝에 할당 - 기준 데이터를 획득하기 위해 사용된다. 이들 각각은 (예., 120 초) 같은 시간이 있는지 확인합니다.
- 원하는 경우, 참여자와 출구 인터뷰를 실시. 이 O / 뇌파 헤드셋, 모집 및 참가자 준비 전반에 걸쳐 사용되는 통신 프로세스를 입고 실험 발표에 대한 자신의 생각을 포함하고있다위에서 언급 한 구두 답변을 필요로 연구하는 프로토콜입니다. 검증 된 사용자 설문 대신 인터뷰를 실시의 참가자들에게 제공 될 수있다.
- 작업 - 프리젠 테이션 소프트웨어, 뇌파 로깅 소프트웨어를 끄고 EEG 헤드셋을 제거하고, 비디오 녹화 장비의 전원을 끄십시오.
세션 5. 결론
- 연구 참가자를 닫습니다. 참가자 감사하고 그들에게 미래의 접촉에 대한 개요를 제공합니다 (예., 후속 인터뷰 또는 연구의 후속 세션), 연구의 결과 발표 및 / 또는 참가자들에게 제공 될 수있는 방법을 설명하고 제공 어떤 다과 또는 지불 (또는 결제가 제공됩니다 방법에 대한 설명은) 연구 참여에 대한 보상의 일환으로 합의.
- 필요한 장기 또는 전송 저장 장치에 데이터 전송 로그. 적절하고 IRB 프로토콜에 의해 지정된대로 서명 한 동의서를 저장합니다.
- 헤드셋에서 펠트를 제거하고 소독 또는 폐기하십시오.
- 뇌파 전극 케이스를 반환하고 적절한 저장 위치에 헤드셋.
- 적절하게 사용 된 주사기 및 쓰레기 폐기하십시오.
- 적절한 저장 위치에 액체를 돌려줍니다.
- 다른 연구자들에 의해하지 사용하는 경우 실험실을 고정합니다.
6. 데이터 분석
- 각 채널과 EEG 데이터 로그에서 마커 데이터에 대한 원시 데이터를 확인하고 압축을 풉니 다. 초기 데이터 수집의 단부뿐만 아니라, 데이터 수집의 다른 단계 (예., 문제 유형) 및 개별 문제 간의 전이를 식별하는 ASCII 비트 마커를 사용한다. 분석에서 분화 가능하도록 각상의 종류가 다른 마커 값을 갖는 것을 보장한다. 소스로서 참가자 ID 코드를 참조하는 방식으로 데이터의 이름.
참고 : EEGLAB 명령은 D이다여기에 efined하지만 EEGLAB이 실행 MATLAB을 필요로한다.- 파일을 클릭> 데이터 가져 오기> EDF / EDF + GDF 파일에서 EEGLAB 기능 및 플러그인을 사용> (BIOSIG 도구 상자)
- 적절한 데이터 파일을 선택합니다. 데이터를로드하기 위해 열기를 클릭합니다.
- 채널 목록을 선택합니다. 적용하려면 확인을 클릭합니다.
- 데이터 집합 이름을 제공합니다. 소스와 컬렉션의 날짜를 반영하는 데이터에 대한 설명이 포함 된 이름을 지정합니다. 이 경우, PSF1448는 2014 년 가을에 참가자 ID (48)의 데이터를 나타냅니다.
- 몽타주에 추출 된 데이터를 매핑 (즉, EEG 노드의 레이아웃입니다.) 뇌파 헤드셋 공급 업체에서 제공 한 몽타주를 선택하여 (예를 들어, 10 -. 20 시스템). 분석에 사용되는 몽타주 세션 동안 사용 된 EEG 헤드셋의 레이아웃과 일치 확인. 이는 제조업체 별이다.
- [편집]> [채널 위치를 클릭하여 편집 채널 위치.
- 몽타주를 선택합니다. 이 케이스 defau에서LT 몽타주는 해당하므로 단순히 적용하기 위해 확인을 클릭합니다.
- 채널 정보 사양을 선택합니다. 이 경우 기본이 적합하므로 단순히 적용하기 위해 확인을 클릭합니다.
- 아래에 정의 된 두뇌 활동의 가장 대표적인는입니다에 EEG 채널 데이터를 줄일 수 있습니다.
- 데이터에 초기 필터를 적용합니다. 일반적으로, 고역 통과, 저역 통과 필터를 적용 (하부 하이 패스 필터의 하한 0.1 Hz에서 로우 패스 필터의 상한으로서 59 Hz에서 사용). 저역 통과 필터를 적용 미만 60Hz의 미국 전기 계통에서 잡음을 제거한다. 복원 지점으로 새 이름으로 데이터 집합을 저장합니다.
- 도구> 기본 FIR 필터 (새 기본)를 클릭합니다.
- 기본 필터 매개 변수를 설정합니다. 59 Hz에서 0.1 Hz에서에 낮은 가장자리, 높은 가장자리를 설정 주파수 응답을 플롯되지 않으며, 적용하려면 확인을 클릭합니다.
- (기존 데이터 세트 이름 "_filtered"를 추가하여) 필터링 된 데이터에 대한 새 이름을 지정합니다. ㄴ 확인소는 파일과 데이터를 저장 한 파일명에 대해 동일한 이름을 사용한다. 적용하려면 확인을 클릭합니다.
- 뇌파 마커를 기록 염두에 어떤 대기 시간을 유지 - 마지막 EEG 마커 첫 번째 EEG 마커 이전 또는 이후에 거짓말 데이터를 제거합니다. 데이터 기록의 시작 및 데이터의 종료를 나타내는 마커의 지연 시간을 나타내는 마커의 지연 시간 (시간)을 기록한다. 복원 지점으로 새 이름으로 데이터 집합을 저장합니다.
- 지연 값은에 있습니다 "편집 이벤트 값 - pop_editeventvals ()"화면을; 뇌파 데이터의 끝을 나타내는 최종 마커로 이동 ">>"버튼을 누릅니다. 변화가 허용 할 필요가 없기 때문에 값이 기록 된 후에는 취소를 클릭합니다.
- [편집]> [데이터 선택을 클릭합니다.
- 의 공백으로 구분하여 시작과 끝 대기 시간 (시간) 값, "시간 범위 [분 최대 (들)"필드를 입력하고 적용하려면 확인을 클릭합니다.
- 의 새 이름을 지정합니다(기존 데이터 세트 이름 "_cropped"를 추가하여) 데이터를 잘립니다. 파일로 데이터를 저장하고 파일 이름에 같은 이름을 사용 확인란을 선택합니다. 적용하려면 확인을 클릭합니다.
- 큰 유물과 데이터의 섹션을 거부합니다. 단계는 아래에 포함 시각적으로 데이터를 검사하는 동안 수동으로이 작업을 수행하는 방법에 대해 설명합니다. 참고 : 데이터의 제거는 유물 34, 35의 원인이됩니다.
- 각 채널의 데이터를 정규화 (평균을 제거하고 동일한 규모로 각 채널을 넣어). 또한 (이것은 데이터를 변경 아니지만 시각화) DC 오프셋을 제거한다.
- 플롯> 채널 데이터 (스크롤)를 클릭합니다.
- 설정을 클릭> 시간 범위를 표시합니다.
- 필드 : 시간 범위를 지정합니다 (. 예를 들면, 30 초)은 "새 창 길이 (들)"의 플롯에 표시합니다. 시간 범위는 주어진 위상 내 (또는 두 개의 공간 문제 단계 내에서) 문제 마커들 사이의 시간에 기초한다. 시간 범위는 기지국 일 수있다마커 사이의 최대, 최소, 또는 평균 시간에 라.
- (이것은 단지 화장품과 기본 데이터를 변경하지 않습니다) 플롯의 데이터를 정상화하기 위해 "규범"버튼을 클릭합니다.
- (이것은 단지 화장품과 기본 데이터를 변경하지 않습니다) 제거> 표시를 클릭 DC는 DC를 제거하는 오프셋 플롯의 오프셋 (offset).
- 시간이 지남에 따라 정기적으로 반복되지 않는 큰 아티팩트를 제거합니다.
- 마크 이상 찾고 이슈의 모든 데이터. 모든 이슈 데이터가 표시되고 나면, 거부 버튼을 클릭합니다.
참고 :이 데이터와 같이 비정상적으로 높거나 넓은 피크가 나타날 수 있습니다 - 채널의 작은 숫자에 표시 또는 긴 동향 - 하나 또는 여러 개의 채널에 있습니다. 별도의 채널에서 데이터를 플롯으로 서로 교차 나타날 경우 데이터는 의심이다. 다음은 브레인 웨이브 스펙트럼의 일부가 아닌 가장 가능성이 참가자 또는 노드 (들)에 의해 근육의 움직임을 나타내는 유물 w를 나타냅니다i 번째 가난한 연결. 구형파를 닮은 아무것도 인간의 두뇌 활동을 대표하지 않습니다.
- 마크 이상 찾고 이슈의 모든 데이터. 모든 이슈 데이터가 표시되고 나면, 거부 버튼을 클릭합니다.
- 복원 지점으로 새 이름으로 데이터 집합을 저장합니다.
- > 파일을 클릭으로 현재의 데이터 집합을 저장합니다.
- (기존 데이터 세트 이름 "_manRej"를 추가하여) 자른 데이터의 새 이름을 지정합니다. 동의하려면 저장을 클릭합니다.
- 특정 채널에 결함이 나타납니다 경우 개별적에서 데이터를 제거합니다. 이것은 매우 큰주의를 이렇게 데이터에 큰 손실을 나타냅니다. 종종 시간이 지남에 따라 침전 유용한 데이터를 제공하기 때문에, 장시간에 걸쳐 상기 채널로부터 데이터를 봐.
- 각 채널의 데이터를 정규화 (평균을 제거하고 동일한 규모로 각 채널을 넣어). 또한 (이것은 데이터를 변경 아니지만 시각화) DC 오프셋을 제거한다.
- 독립 성분 분석 (ICA)를 실행하고 뇌파 활동의 최고의 표현을 선택합니다.
주 : 이것은 데이터 세트 반복 아티팩트의 제거를 돕는다. 이 세트는 반복 샤와 거의 일정한 간격으로 여러 번 나타납니다 유물을 포함체육. 이들 각각은 자신의 세트를해야합니다 - 일반적으로 사람들은 점멸 또는 펄스와 같은 생물학적 기능의 결과이다.- 몽타주에 기초하여 두개의 표현으로 ICA 구분 된 데이터를 매핑. 종종 눈 위의 중점 분야로 ICA 결과, 사원 근처, 또는, 귀를 통해 각각 나타납니다 - 깜박 펄스, 또는 근육의 긴장과 관련된 결과를 거부합니다. 뇌의 활동 (그림 4 참조)의 그것을하지 담당자 이후 맞물림로 전체 두개골을 표시 구성 요소를 거부 (35)는 다른 결과 (참조 그림 5-6)를 적용합니다..
- 도구> 실행 ICA를 클릭합니다.
- 기본 (runica) ICA 알고리즘을 선택합니다. 적용하려면 확인을 클릭합니다.
- 플롯> 구성 요소 속성을 클릭합니다.
- 구성 요소의 인덱스 (메모리에로드 14 EEG 전극 채널) 및 스펙트럼 옵션을 선택합니다. 이전과 같이, 하단 0.1 Hz로하고, 높은 에지 (59) 인Hz에서. 항목을 적용하려면 확인을 클릭합니다.
- 거부 '/ 수락 창 내에서 거부하는 상태를 변경하려면 수락 버튼을 클릭 (그리고 수락하도록 다시 변경하려면 다시 클릭). 거부 '/ 수락 표시를 기록 확인을 클릭합니다.
- 2-D 색상 플롯에서 ICA 구분 된 데이터를 플롯. 다음 (- 6 그림 5 참조) 복원 지점으로 새 이름으로 데이터 집합을 저장, 줄무늬 빈, 또는 불연속과 후추를 표시 결과를 거부합니다.
- 거부 '/ 수락 창 내에서 거부하는 상태를 변경하려면 수락 버튼을 클릭 (그리고 수락하도록 다시 변경하려면 다시 클릭). 거부 '/ 수락 표시를 기록 확인을 클릭합니다.
- 구성 요소> 도구를 클릭 제거 - 실제로 이전에 거부 표시된 데이터를 제거 할 수 있습니다.
- 계속하려면 확인을 클릭합니다. 거부에 대해 기록 된 구성 요소의 인덱스는 "구성 요소를 제거"창에 표시됩니다.
- C에 "확인"창에서 적용을 클릭합니다데이터의 정리와 ontinue.
- (기존 데이터 세트 이름 "_manRejPruned"를 추가하여) 제거 된 데이터에 대한 새 이름을 지정합니다. 파일로 데이터를 저장하고 파일 이름에 같은 이름을 사용 확인란을 선택합니다. 적용하려면 확인을 클릭합니다.
참고 : 이상 0.5 초를 거부 합리적인 것으로 간주됩니다보다 지속 줄무늬를. 이 성분의 적어도 절반을 유지하는 것이 바람직하다 - 상대 "양호"는 다른 데이터 세트로 표시 양호함에 따라 여기에 이용 될 필요가있다. 좋은 결과가 종종 2-D 지속적인 데이터 컬러 플롯 (34)에 연속 계조로 표현됩니다.
- 몽타주에 기초하여 두개의 표현으로 ICA 구분 된 데이터를 매핑. 종종 눈 위의 중점 분야로 ICA 결과, 사원 근처, 또는, 귀를 통해 각각 나타납니다 - 깜박 펄스, 또는 근육의 긴장과 관련된 결과를 거부합니다. 뇌의 활동 (그림 4 참조)의 그것을하지 담당자 이후 맞물림로 전체 두개골을 표시 구성 요소를 거부 (35)는 다른 결과 (참조 그림 5-6)를 적용합니다..
- 데이터에 초기 필터를 적용합니다. 일반적으로, 고역 통과, 저역 통과 필터를 적용 (하부 하이 패스 필터의 하한 0.1 Hz에서 로우 패스 필터의 상한으로서 59 Hz에서 사용). 저역 통과 필터를 적용 미만 60Hz의 미국 전기 계통에서 잡음을 제거한다. 복원 지점으로 새 이름으로 데이터 집합을 저장합니다.
- 데이터에 남아 경계 값을 제거합니다. 복원 지점으로 새 이름으로 데이터 집합을 저장합니다.
- 편집> 이벤트 값을 클릭합니다.
- 이벤트를 통해 스크롤 이벤트 유형이 경계 때 삭제 이벤트 버튼을 클릭합니다. 모두가 제거되었을 때, 확인을 클릭합니다.
- 과 특이나중에 삭제 된 경계 데이터 (기존 데이터 세트 이름 "_deleteBoundaries"를 추가하여) 새 이름을 입력합니다. 동의하려면 저장을 클릭합니다. 이 화면에 도착하기 이전과 같은 메뉴 항목 선택을 사용한다 (단계 6.3.3.3.1 참조).
- 각 운동 유형에 대한 절대 권력 통계를 계산합니다. . 각 주파수 대역 (델타, 쎄타, 알파, 베타, 감마) 산출 (22) - 이는 전력 기반 대수 마이크로 볼트 측정과 시간에 따라 변화이고
- 청크 각 작업의 시작과 종료를 나타내는 마커를 사용하여 블록으로 데이터.
- 이벤트를 사용하여 편집> 데이터 선택을 클릭합니다.
- 각 작업 유형에 대한 적절한 시간대를 활용합니다. 휴식 기간의 지속 시간에 의해 나머지 기간에 대한 기간을 정의합니다. (기간이 대략 비슷합니다) 공간 문제를 들어, 모든 공간 작업의 평균 기간 또는 모든 공간 작업의 최대 지속 시간 중 하나를 사용하십시오. 적용 (예를 들면., 기술 장치g 정역학) 문제, 각 문제에 대해 평균 지속 시간을 확인합니다. 복원 지점으로 새 이름으로 데이터 집합을 저장합니다.
- 에 마커 유형을 입력합니다 "이벤트 유형 (들) ([] = 모든)"필드 (예., 마커 형 (50)은 나머지 이벤트를 표시하는 데 사용되었다). 나머지 일정 정도로 제한 시간 배열은 "1 (120)"를 입력 한 경우,이 120 초의 지속 기간을 가졌다. 적용하려면 확인을 클릭합니다.
- (이 경우 기존 데이터 세트 이름 "_rest"를 추가하여) 이벤트 데이터에 대한 새 이름을 지정합니다. 파일로 데이터를 저장하고 파일 이름에 같은 이름을 사용 확인란을 선택합니다. 적용하려면 확인을 클릭합니다.
주 : 도포 부분이 너무 작게 할 수없는 경우가 다음 작업 공간과 동일한 기간의 크기를 사용하여 작업 공간으로 거의 동일한 시간이 걸릴. EEG가 시간에 민감한 측정이되기 때문에,보다 정확한 시간 에폭은 각 상태를위한, 덜 혼동 데이터를 (마지막에 예., 샘플의 수는 각각 CONDI 수집기)의 일관성을 것입니다.
- 청크 각 작업의 시작과 종료를 나타내는 마커를 사용하여 블록으로 데이터.
- 최종 분석 결과를 비교한다.
- 기준선 나머지 측정에 대한 각 청크 상대에 대한 백분율을 계산합니다. 보조 코드 파일을 참조하고, 표 1-8.
- MATLAB에서 Absolutepower 스크립트를 열고 단계 6.6 동안 작업 공간에 들어있는 데이터에 스크립트를 실행하려면 실행 버튼을 클릭합니다 (예., 나머지 데이터).
- 스프레드 시트 프로그램을 전송하기 위해 MATLAB 작업 공간에서 absolutepowermatrix 데이터를 선택 (예., MS 엑셀).
- 모든 운동 / 마커 유형에 대한 6.6.1.2 - 반복 6.5 단계를 반복합니다.
- 상대적으로 어려움에 대한 통찰력 비슷한 시간대와 결과 (예., 공간 작업) 서로 비교.
- 참가자에서 결과가 평가되는 기술 낮은 공연에 비해 상대적으로 높은 공연을 식별하기 위해 비교. 참고 : 높은 공연은 매우 리터를 표시 할 수 있습니다낮 공연 70 % 21 ~ 26 정도의 증가를 표시 할 수 있습니다 동안 ittle는 기준에 베타 활성화 상대적으로 증가.
- 기준선 나머지 측정에 대한 각 청크 상대에 대한 백분율을 계산합니다. 보조 코드 파일을 참조하고, 표 1-8.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
아래에 설명 된대로이 섹션에서는, 앞의 단계는 샘플 그림과 함께 설명된다. 본 논문의 목적은 방법에 초점을 같이 통계 테스트와 전체 데이터 요약, 제공되지 않습니다. 잠재적 PSVT의 예 : R, MCT 및 공간 문제는 각각 그림 1, 그림 2, 그림 3에 나와있다.
뇌파 캡은도 7에 도시 된 바와 같이 평행하게 볼 수있는 각각의 특정 채널에 대한 전기 포텐셜을 통해 뇌의 활성화를 수집 할 것이다. 전술 한 바와 같이 다른 ICA를 통해 제거 할 수 있지만, 데이터 내의 특정 아티팩트는 수동으로 제거되어야한다. 시간에 결함이 채널은 식별 할 수 있습니다. 이러한 유물은 그림 7에서 볼 수 있습니다. 분석 소프트웨어에서 큰 비 반복적 인 유물을 수동으로 순서대로 표시 할 수 있습니다 다음 (단계 6.3.3.2.1에서와 같이)를 '거부'버튼을 클릭하여 제거. EEG 데이터 분석의 이미지와 함께 모든 수치재료의 표의 분석 소프트웨어 툴로부터이다.
활성화 1) 두피 매핑 표현하고, 시험 시간 및 배열에 의해 활성화 2) 2-D 연속 데이터 그림 다음 ICA 후, 분석 소프트웨어는 두 가지 방식으로 데이터를 매핑한다. 허용되는 데이터의 일례는도 5에서 관찰 될 수있다. 거부 두피의 예는 매핑 삼가지 경우에 대한 뇌와 연관되지 활성을 나타내는 데이터에서 알 수있는 것과 같은 거부 삼가지 경우에 대해도 4에 2D 연속 데이터 그림을 볼 수있다 도 6. 제거 처음 두 플롯 보증 고려 관찰 스트리킹. 이러한 품질의 2-D 연속 데이터 그림이 포함을 위해 고려 될 수 있으며, 연구자는 스퓨리어스 신호를 포함하고 가치있는 데이터를 폐기 사이의 균형을 고려한다 - 제 플롯 스트리킹 경계로 간주 될 수있다. 0.5 초 이상 줄무늬는 촉진제로 간주됩니다거부 unds. 더 많은 통찰력의 경우, EEGLAB 웹 사이트 (http://sccn.ucsd.edu/eeglab/)을 참조하십시오.
브레인 웨이브 플롯 또는 ICA 후 보면서 어느 설명서 거절 - 스루 - 한번 모든 교란 데이터가 거부 된 데이터가 적절한 활동 유형에 시간에 청크 된 절대 전력 계산은 각 주파수 대역 각각의 활동이 될 수있다 보조 코드 파일에 주어진 (분석 소프트웨어의 기능에 따라)에 MATLAB 스크립트를 통해 입력. 표 2, 표 3 효율 계산의 기준으로 사용하고, 표 4의 절대 전력을 포함 -.. 다음 함수에 의해 생성 된 요약 데이터가 표 1 휴지 기간의 데이터를 포함하는 아래의 표에 나타내었다 각각 R, MCT 및 정역학 문제, 상기 PSVT에 대한 데이터. 해당 채널 주파수에 대한 금지 셀 값 나누어서나머지 테이블 D는 상대 절대 전력비는 PSVT 표 5, 표 6 및 표 7에 나타낸다 : R, MCT 및 정역학 문제 각각.
결국, 모든 채널의 평균 값이 각 활동 유형 베타 주파수 대역에 대해 수행되고, 결과를 표 8에 나타낸다.이 유형의 데이터는 향후 연구의 ROI를 식별하기 위해 사용될 수있다. R을 MCT에 대한보다 : 문제의 참가자에 대한 이러한 데이터에서, 우리는 상대 절대 권력은 PSVT 낮은 나타나는 것을 알 수있다. 이 명령에 대한 결정적인 결론은, 그러나, 가능한 통계적 유의성을 설정하는 더 큰 샘플 크기에 따라 남아 있습니다. 정역학 작업에 대한 상대적인 절대 권력은 다른 참가자 및 검증을 위해 정역학 문제에 기능 점수와 상관 관계가 될 수 식별 될 수있다 낮은 연기자인지 적 노력 대 높은 연주자의 추정치의 값에 비교 될 수있다. 이 구체적으로 방법 종이이며, 하나의 참가자 데이터의 예를 제시하지만, 예비 보고서의 통계 분석은 EEG 채널 x를 그룹 X의 작업을 비교 프리드먼의 시험 다음에 정상을 평가하기 위해하는 Levene의 시험을 사용했다. 마지막으로, 후속 윌 콕슨 테스트 상당한 프리드만 효과 및 상호 작용을 수행 하였다. , χ 2 (1 : T8,, χ 2 (1,6) = 5.33, P <0.03를 : F3, R : 높고 낮은 공연 사이의 비교는 PSVT를 들어 (높은 공연보다 낮은 공연에 대한 상당히 높은 베타 활성화 수준을 보여 주었다 6) = 4.08, p <0.05; FC6 : χ 2 (1,6) = 4.08, p <0.05; F8 : χ 2 (1,6) = 4.08, p <0.05; AF4 : χ 2 (1 ., 6) = 5.33, p <0.03 MCT를 들어, F3 : χ 2 (1,6) = 5.33, p <0.03; T8 : χ 2 (1,6) = 5.33, p <0.03; FC6 : χ 2 (1,6) = 5.33, p <0.03; AF4 :. χ 2 (1,6) = 4.08, p <.05 정역학, FC6의 경우 : χ 2 (1,6))은 4.08, p <.05 =. 9
그림 1 : PSVT :. R 문제 참가자들이 본 : R 예 문제 파트 A는 하나의 샘플 PSVT을 보여줍니다. (출처 : Guay (1976)). 정답은 C. 파트 B는 솔루션의 시각적 설명을 제공입니다 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 2 :. MCT 예 문제 파트 A는 참가자와 같이 하나의 샘플 MCT 문제를 보여줍니다. 정답 D. 파트 B는 용액의 시각적 설명을 제공한다. (출처 : CEEB (1939))"대상 ="_ 빈은 ">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 3 :. 정역학 예 문제는 참가자들에게 주어진 하나의 예를 들어 정역학 문제를 보여줍니다. 이 문제는 평면 (예., 2-D) 평형 주어진 세 가지 힘과 공통의 연결 구조.입니다 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 4 :. 비 뇌 두피 - 매핑 활동의 예 후 ICA 두피 매핑 데이터의 세 가지 예는 개인, 23 세, 남성 참가자에서 표시됩니다. 전체 두피 활성화, 하나의 눈 / 사원 위의 활성화 및 활성화는 오 집중IC2, IC3에 ICA 후 도시 및 IC4 각각.로 n 개의 눈과 사원, 신체적 활동이 아닌 뇌의 활성을 가리킨다 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 5 :. 개인의 샘플 케이스에 대한 ICA 후 허용 두피지도 및 2-D 지속적인 데이터 플롯의 허용 후 ICA 데이터 이미지 그림, 독립적 인 구성 요소 (13) (IC13), 23 세, 남성 참가자. 정품 인증은 두피 맵보기에서 뇌의 영역에 집중 될 것으로 보인다, 더 큰 줄무늬가 연속 데이터 그림에서 볼 수 없습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 6 :. 두피 - 매핑 된 이미지를 일치하는 2-D 지속적인 데이터 플롯 후 ICA 연속 데이터 플롯의 세 가지 예는 개인, 23 세, 남성 참가자에서 표시됩니다. ICA에서 2-D 지속적인 데이터 플롯에 두꺼운 밴드 또는 줄무늬가 IC2 정상적인 뇌 기능을 표시하지 불연속을 표시, IC3, IC4 -. 특히 IC2 및 IC3 플롯은 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 7 :. 이슈의 이슈와 브레인 웨이브 데이터 스크린 샷 (채널 F7)를 수동으로 개인, 23 세, 남성 참가자의 샘플 시간 범위 거부에 대한 표시. 여러 채널에서 이벤트를 참고 132과 133 사이 : 유사 이벤트가 여러 번 (대략 동일한 형상 및 일정한 간격 크기)을 반복한다 - 따라서 비 뇌 생물학적 기능을 나타내는 것으로 가정된다 - 그리고 독립 성분 분석을 통해 제거 될 수있다 (예를 들어, 점멸). (ICA). 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
. 기업 코드 파일 - 각 주파수 대역에 대해 계산 된 (델타, 쎄타, 알파, 베타, 감마) MATLAB 스크립트 변질 마이크로 볼트 측정 시간에 기초하여 상기 변환을위한 스크립트 (spectopo.m 및 absolutepower.m)를 표시 - 각각의 주파수 (22)의 절대 전력을 얻었다. pop_chanedit.m의 기능이 제대로 작동에 필요한 코드 변경도 포함되어 있습니다.lemental_Code_File.txt ">이 파일을 다운로드하려면 여기를 클릭하십시오.
| 휴식 | AF3 | F7 | F3 | FC5 | T7 | P7 | O1 | O2 | P8 | T8 | FC6 | FC4 | FC8 | AF4 | |
| 델타 | 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 | |
| 세타 | 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 | ||
| 알파 | 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 | |
| 베타 | 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 | |
| 감마 | 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 | |
표 1 :. 나머지 절대 전원을 기준 휴식 시간주기의 절대 전력 값을 포함합니다. 값이 각각의 뇌파 캡 채널과 각 신경 주파수 대역에 대해 표시됩니다. Excel 스프레드 시트로이 표를 다운로드하려면 여기를 클릭하십시오.
| PSVT : R | AF3 | F7 | F3 | FC5 | T7 | P7 | O1 | O2 | P8 | T8 | FC6 | FC4 | FC8 | AF4 | |
| 델타 | 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 | ||
| 세타 | 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 | |
| 알파 | 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 | |
| 베타 | 0.35494 | 0.678 | 0.40734 | 0.36971 | 0.37595 | 0.30512 | 0.31952 | 0.50253 | 0.28369 | 0.75791 | 0.71554 | 0.42,837 | 1.01529 | 0.34922 | |
| 감마 | 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 | |
표 2 : PSVT :. R 문제 : R 절대 전원을 참가자가 PSVT를 해결 한 시간 동안 절대 전력 값을 포함합니다. 값이 각각의 뇌파 캡 채널과 각 신경 주파수 대역에 대해 표시됩니다. Excel 스프레드 시트로이 표를 다운로드하려면 여기를 클릭하십시오.
| MCT | AF3 | F7 | F3 | FC5 | T7 | P7 </ TD> | O1 | O2 | P8 | T8 | FC6 | FC4 | FC8 | AF4 | |
| 델타 | 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 | |
| 세타 | 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 | |
| 알파 | 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 | |
| 베타 | 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 | |
| 감마 | 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 | |
표 3 :. MCT 절대 전원 참가자가 MCT 문제를 해결 한 기간의 절대 전력 값을 포함합니다. 값은 EAC에 대해 표시됩니다시간 EEG 캡 채널과 각 신경 주파수 대역. Excel 스프레드 시트로이 표를 다운로드하려면 여기를 클릭하십시오.
| 정적 | AF3 | F7 | F3 | FC5 | T7 | P7 | O1 | O2 | P8 | T8 | FC6 | FC4 | FC8 | AF4 | |
| 델타 | 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 | |
| 세타 | 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 | |
| 알파 | 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 | |
| 베타 | 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 | |
| 감마 | 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 | |
표 4 :. 참가자가 정역학 문제를 해결했을 때 정역학 절대 전원을 기간의 절대 전력 값을 포함합니다. 값이 각각의 뇌파 캡 채널과 각 신경 주파수 대역에 대해 표시됩니다. Excel 스프레드 시트로이 표를 다운로드하려면 여기를 클릭하십시오.
| PSVT : R % | AF3 | F7 | F3 | FC5 | T7 | P7 | O1 | O2 | P8 | T8 | FC6 | FC4 | FC8 | AF4 | 평균 | |
| 델타 | 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 | ||
| 세타 | 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 | ||
| 알파 | 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 | ||
| 베타 | 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 % | |
| 감마 | 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 | ||
. 표 5 : PSVT가 : 상대 절대 전원 R 상대 절대 전력 값을 포함합니다 - 즉, 비율이 나머지베이스 라인에 비해 - 참가자가 PSVT를 해결 한 시간 동안 : R 문제. 값은 각각의 EEG 캡 채널 각각 신경 주파수대 나타낸다.Excel 스프레드 시트로이 표를 다운로드하려면 여기를 클릭 /ftp_upload/53327/Table_5.xlsx">Please.
| MCT의 % | AF3 | F7 | F3 | FC5 | T7 | P7 | O1 | O2 | P8 | T8 | FC6 | FC4 | FC8 | AF4 | 평균 | |
| 델타 | 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 | ||
| 세타 | 1.23445 | 1.34515 | 1.29823 | 1.59146 | 1.5038 | 1.49751 | 1.22317 | 1.30176 | 1.40354 | 1.59846 | 2.05851 | 1.35997 | 1.95978 | 1.24072 | ||
| 알파 | 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 | ||
| 베타 | 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 % | |
| 감마 | 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 | ||
. 표 6 : MCT 상대 절대 전력은 상대 전력의 절대 값을 포함 - 즉, 비율이 나머지에 비해 기준 - 상기 시간 기간 동안 참가자 MCT 문제를 해결했을 때. 값이 각각의 뇌파 캡 채널과 각 신경 주파수 대역에 대해 표시됩니다. Excel 스프레드 시트로이 표를 다운로드하려면 여기를 클릭하십시오.
| 정적의 % | AF3 | F7 | F3 | FC5 | T7 | P7 | O1 | O2 | P8 | T8 | FC6 | FC4 | FC8 | AF4 | 평균 | |
| 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 | |||
| 세타 | 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 | ||
| 알파 | 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 | ||
| 베타 | 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 % | |
| 감마 | 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 | ||
. 표 7 : 정역학 상대 절대 전력 상대적인 전력의 절대 값을 포함 - 즉, 비율이 나머지에 비해 기준 - 상기 시간 기간 동안 참가자 정역학 문제를 해결했을 때. 값은 쉬입니다자신의 각각의 뇌파 캡 채널과 각 신경 주파수 대역에 대해. Excel 스프레드 시트로이 표를 다운로드하려면 여기를 클릭하십시오.
| 평균 | |
| PSVT : R % | 85.2 % |
| MCT의 % | 109.2 % |
| 정적의 % | 90.5 % |
. R, MCT 및 정역학 문제 : 도표 8 : - - 즉, 나머지베이스 라인에 비해 비율 인 기간에 대한 모든 EEG 캡 채널을 통해 평균 참가자가 해결 PSVT 때 상대 절대 권력 '평균 상대 절대 전력 값을 포함합니다 . 백분율이 베타 주파수 대역에 대한 표시됩니다 만. 이 표를 다운로드하려면 여기를 클릭하십시오n은 Excel 스프레드 시트.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
이 프로토콜은 두 개의 일반적인 공간적 능력 장비에서 문제가 작동 참가자 높은 공간 설계 정역학 문제에 대한 뇌 활동을 측정하는 뇌파의 적용을 설명한다. 여기에 자세한 방법은 궁극적으로 이러한 문제를 작업에 종사 높고 낮은 연예인의 신경 효율성을 이해하는 데 도움이 할 수 있습니다. 이러한 테스트는 종종 공간 능력을 평가하는 데 사용되는 바와 같이, R : MCT 및 PSVT 작업 엔지니어링 학생들의 신경 효율성의 차이를 이해하는 것이 중요합니다. 서로를 비교하는 것은 우리가 더 나은 엔지니어링의 성공에 자신의 응용 및 기초 공학 교육 과정에서의 위치를 평가 할 수 있습니다.
이 프로토콜은 공간인지 작업과 관련된 신경 효율성에 대한 연구 절차를 확립한다. 믿을 수 있고 올바른 악기 공학 컨텐츠 공간에 접속 능력을 평가하기 위해 사용되는 것이 중요하다. 그것은 내가공학 문제가 특정 코스 대표 엔지니어링 콘텐츠를 타겟팅하는 것도 중요하다. EEG 측정은 엔지니어링 문제 해결의 공간적 측면에 종사하는 학생들의인지 적 구성 요소 데이터를 삼각 측량하는 별개의 비 간섭 기능을 제공합니다. 적절한 시간은 비디오 아카이브 이벤트와 삼각 측량을 보장, 이러한 데이터 수집을 위해 사용되어야한다 스탬핑. IRB 프로토콜 엄격 참가자 데이터 분석의 익명 성을 보장 따라야한다.
아래에 설명 된 바와 같이 EEG 데이터를 수집하는 동안 가장 문제의 우려가 발생하고, 데이터가 기록되기 전에 이들의 대부분이 처리된다. 가난한 임피던스와 노이즈에 대한 수정은 가장 설치 중에 처리됩니다. 뇌파 헤드셋 제조업체의 지침을 따르는 것은 매우 중요합니다, 우리의 경험 제조업체의 소프트웨어에 의한 표시는 특정 전극을 확인하는 사용자를 안내 할 수 있습니다. 펠트 패드와 participan 사이에 일반적으로 연결t의 머리보다 약화 될 필요가 각 전극과 헤드셋 간의 접속을 체크 할 필요가있다. 어떤 연결성이 표시되지만 품질 펠트 재 저해하는 주사기를 사용하여 불량 인 경우 종종 충분하고, 항상 헤드셋 두피 고체 접촉을 보장하기 위해 물리적으로 조절 될 필요가있다. 경우 몇 년, 우리는 우리가 좋은 연결을 얻을 수 있었다 전에 싱크대에 머리를 씻어 참가자를 요청했다. 전극이 데이터를 송신하지 등장하면, 자주 전극을 제거하고 다시 삽입하여 해결할 하였다. 때때로, 전극 용 플라스틱 케이스에 균열이 있고,이 경우는 교체 될 필요가있을 것이다.
기타 문제 해결 데이터 분석 중에 발생할 수 있으며, 프로토콜에서 설명합니다. 데이터 전처리 필터링 및 유물의 제거를 포함한다. 종종 데이터 분석 소프트웨어는 전처리 및 프로시 실행할 수있는 스크립트뿐만 아니라 수동 제거를 지원 데이터의 cessing.
변형은 분석 소프트웨어 내의 스크립트 하였다. 이러한 변경 사항은 추가 코드 파일에 설명되어 있습니다. 프로토콜에 대한 수정도 가능하다. 동시 프로토콜이 사용 된 언어에 대한 답은 연구 기간 동안 요구된다. 이 EEG 데이터에 더 많은 유물을 소개합니다,하지만 테스트 기간 동안 참가자의 기능에 대한 지식에 더 많은 통찰력을 제공 할 것입니다. 대안은 참가자가 세션 후 연구자와 비디오 녹음 인터뷰에 참여하는 데 사용되어왔다.
기타 권장 잠재적 인 수정은 다른 엔지니어링 질문 (17), 또는 기타 교육 평가, (14)는 테스트 다른 공간 기능을 사용하는 것을 포함한다. EEG 및 기타 장비를 통해 가능한 다른 뇌 활동 측정은 또한 기술 평가의 어려움, 또는 다른 특성을 밝혀 수 있습니다.
jove_content "> 우리는이 문서에 정의 된 기술에 한계가 있음을 인식 PSVT에 의해 측정 된 공간 능력의 구조 (회전 절단이었습니다면). R과 MCT는 다른 공간 통계와 측정 가능한 많은 잠재적 인 구조의 두 가지입니다. 또한, 다른 공간 집약적 인 작업 (예 :., 문제 또는 다른 교육 과정과 교과 과정의 다른 유형)도 평가 될 수있다. 신경 효율성에 대한 연구는 물론 또한 정역학처럼 기본적인 공학 과정보다 더 넓은 범위에서 수행되어야한다. 들어 예를 들어, 공간 추론 (3)에 의존 문헌에서 인정 많은 STEM 분야 내에서 조사되어야한다. 또한, 신경 효율 연구는 직접 만의 공간 능력 21 ~ 28에 연결 기술에 한정되는 것은 아니다. 심지어 뇌파에 관련된 연구에서 측정 태스크의 지속 기간 동안 전력 측정치의 평균의 실시 조사 금지뇌 활동의 패턴 내에서 발생할 수있는 다른 상관 관계로. 그들의 반응성 시간적으로 EEG 측정, 뉴럴 효율 시험에 한정되지 않는다. 그 시간 응답 성이 최고 (36) 사이에 남아 있지만, 뇌파 계측 자체는 그것이 특히 기능성 근적외선 분광법 또는 기능적 자기 공명 영상의 높은 공간 해상도를 비교하면 감지 할 수 뇌파의 활동의 깊이에 의해 한정된다.결국, 교육 이론과 실습에 대한 통찰력을 제공하는 생리적 측정으로의 전위 37,38 엄청난 나타난다. 기술적 접근 방법과이 프로토콜의 목표는 교육 / 훈련 EEG를 사용하여 바이오 피드백 방법은 39 연구와는 다른, 그러나 모든 통찰력은 공간 능력 개발 및 엔지니어링 기술 개발로 현상에서 얻은대로 가치가 고려된다. 신경 effici를 검사 EEG를 사용하는 이러한 접근특정 공간 능력 악기 내에서 고유 한 공간 작업 사이의 ency는 공간 능력 시험을 분리하는 다른 방법을 정의합니다. 이 공간 능력 시험을 조사뿐만 아니라, 교육 이론 기존의 조사 향해 신경 과학적 방법을 개방하기위한 신경 과학 방법의 새로운 애플리케이션을 예시한다. 확인 및 검증을위한 방법을 찾기 엔지니어링 문화의 일부입니다. 이 새로운 응용 프로그램 내 생리 학적 뇌파 검사는 이해와 정제 교육 이론의 새로운 영역을 열 수 있습니다. 엔지니어링의 검증의 잠재적 인 길, 소설과 새로운 세대로 볼 경우 실제로, 교육 연구가 발생할 수 있습니다.
Subscription Required. Please recommend JoVE to your librarian.
Acknowledgments
저자는 데이터 수집과 도와 크리스토퍼 그린, 브래들리 로빈슨, 그리고 마리아 마뉴 엘라 바 야다을 인정하고 싶습니다. EEG 장비 자금은 케리 요르단의 감각적인지 연구소에 연구 및 대학원 연구 장비 그랜트의 유타 주립 대학의 사무실에 의해 제공되었다. 벤자민 콜 박사 웨이드 Goodridge와 그의 작품에 대 대학원의 유타 주립 대학의 학교에서 얻어 대통령 박사 연구 활동 지원됩니다.
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 |
References
- Sorby, S. A. Educational Research in Developing 3-D Spatial Skills for Engineering Students. Int. J. Sci. Educ. 31 (3), 459-480 (2009).
- 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).
- Uttal, D. H., Cohen, C. A. Spatial Thinking and STEM Education: When, Why, and How? Psychol. Learn. Motiv. 57, 147-181 (2012).
- Halpern, D. F., Collaer, M. L. The Cambridge handbook of visuospatial thinking. , Cambridge University Press. Cambridge. (2005).
- Lubinski, D., Benbow, P. Study of mathematically precocious youth after 35 years. Perspect. Psychol. Sci. 1 (4), 316-345 (2006).
- 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).
- Peters, M., Chisholm, P., Laeng, B. Spatial ability, student gender, and academic performance. J. Eng. Educ. 84 (1), 1-5 (1994).
- Pellegrino, J. W., Alderton, D. L., Shute, V. J.
- 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).
- 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).
- 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).
- CEEB Special aptitude test in spatial relations. , CEEB. USA. (1939).
- Guay, R. Purdue spatial visualization test. , Purdue University. (1976).
- Hegarty, M. Components of Spatial Intelligence. , Elsevier Inc. San Diego, CA. (2010).
- Bishop, J. E.
- 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).
- Steif, P. S., Dantzler, J. A. A Statics Concept Inventory: Development and Psychometric Analysis. J. Eng. Educ. 94 (4), 363-371 (2005).
- Suresh, R. The relationship between barrier courses and persistence in engineering. J. Coll. Student Retention. 8 (2), 215-239 (2006).
- Pfurtscheller, G., Lopes da Silva, F. H. Event-related EEG/MEG synchronization and desynchronization: basic principles. Clin. Neurophysiol. 110 (11), 1842-1857 (1999).
- 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).
- Babiloni, C., et al. Resting state cortical rhythms in athletes: a high-resolution EEG study. Brain Res. Bull. 81 (1), 149-156 (2010).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Meyer-Lindenberg, A. From maps to mechanisms through neuroimaging of schizophrenia. Nature. 468, 194-202 (2010).
- 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).
- 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).
- 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).
