Waiting
Login processing...

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

Behavior

पास-रियल-टाइम प्रामाणिक परीक्षा अनुभवों के अध्ययन के लिए एक क्रॉस-अनुशासन और मल्टी-मोडल प्रायोगिक डिजाइन

Published: September 4, 2019 doi: 10.3791/60037
Automatic Translation
1, 3, 1, 1, 1, 2, 3, 3
1Department of Engineering Education, College of Engineering, Utah State University, 2Department of Electrical and Computer Engineering, College of Engineering, Utah State University, 3Department of Educational Psychology, College of Education, University of Oregon

Summary

एक प्रयोगात्मक डिजाइन एक परीक्षा अनुभव के वास्तविक समय प्रभावों की जांच करने के लिए भावनात्मक वास्तविकताओं उच्च शिक्षा सेटिंग्स और कार्यों में छात्रों के अनुभव का आकलन करने के लिए विकसित किया गया था. इस डिजाइन एक पार-अनुशासनात्मक (उदा., शैक्षिक मनोविज्ञान, जीव विज्ञान, शरीर क्रिया विज्ञान, इंजीनियरिंग) और बहु मॉडल (उदा., लार मार्करों, सर्वेक्षण, इलेक्ट्रोडर्मल सेंसर) दृष्टिकोण का परिणाम है।

Abstract

पिछले दस वर्षों में, शैक्षिक वातावरण में छात्रों की भावनाओं में अनुसंधान में वृद्धि हुई है. हालांकि शोधकर्ताओं ने अधिक अध्ययन है कि भावनात्मक अनुभव के उद्देश्य उपायों पर भरोसा करने के लिए बुलाया है, बहु मॉडल डेटा स्रोतों के उपयोग पर सीमाएं मौजूद हैं. कक्षाओं में भावना और भावनात्मक विनियमन के अध्ययन पारंपरिक रूप से सर्वेक्षण उपकरणों, अनुभव नमूना, कलाकृतियों, साक्षात्कार, या अवलोकन प्रक्रियाओं पर भरोसा करते हैं। इन तरीकों, जबकि मूल्यवान, मुख्य रूप से भागीदार या पर्यवेक्षक पर निर्भर हैं और एक कक्षा गतिविधि या कार्य करने के लिए छात्रों के वास्तविक समय प्रदर्शन के अपने प्रामाणिक माप में सीमित है. बाद में, विशेष रूप से, कई विद्वानों के लिए एक बाधा बन गया है जो वास्तविक समय में कक्षा में भावनाओं और अन्य संबंधित उपायों को निष्पक्ष रूप से मापने की मांग करते हैं।

इस काम का उद्देश्य एक प्रामाणिक मूल्यांकन की स्थिति के दौरान परीक्षा अनुभवों के लिए छात्रों के वास्तविक समय प्रतिक्रियाओं का प्रयोगात्मक अध्ययन करने के लिए एक प्रोटोकॉल पेश करना है। इसके लिए, शैक्षिक मनोवैज्ञानिकों, इंजीनियरों, और इंजीनियरिंग शिक्षा शोधकर्ताओं की एक टीम ने एक प्रयोगात्मक प्रोटोकॉल तैयार किया है जो सटीक शारीरिक सेंसर माप के लिए आवश्यक सीमाओं को बनाए रखता है, लार संग्रह का सर्वोत्तम अभ्यास, और एक प्रामाणिक परीक्षण वातावरण. विशेष रूप से, मौजूदा अध्ययन है कि शारीरिक सेंसर पर भरोसा प्रयोगात्मक वातावरण है कि शैक्षिक सेटिंग्स से काट रहे हैं में आयोजित कर रहे हैं (उदाहरण के लिए, Trier तनाव परीक्षण), समय में अलग (उदाहरण के लिए, पहले या बाद में एक कार्य), या विश्लेषण त्रुटि परिचय (उदा., वातावरण में सेंसर का उपयोग जहां छात्रों को स्थानांतरित करने की संभावना है). यह कक्षा की गतिविधियों और कार्यों के लिए छात्रों के वास्तविक समय प्रतिक्रियाओं की हमारी समझ को सीमित करता है। इसके अलावा, हाल ही में अनुसंधान के लिए और अधिक विचार भर्ती, प्रतिकृतिता, वैधता, setups, डेटा सफाई, प्रारंभिक विश्लेषण, और विशेष परिस्थितियों के मुद्दों के आसपास कवर किया जा करने के लिए कहा गया है (उदाहरण के लिए, प्रयोगात्मक में एक चर जोड़ने डिजाइन) शैक्षिक भावनाओं अनुसंधान में है कि बहु मॉडल दृष्टिकोण पर निर्भर करता है.

Introduction

मनोवैज्ञानिक लंबे समय से अपने व्यवहार1को स्पष्ट करने में मनुष्य की भावनाओं के महत्व को समझते हैं। शिक्षा के अध्ययन के भीतर, शैक्षणिक उपलब्धि भावनाओं (AEE) भावना अनुसंधान2का ध्यान केंद्रित हो गया है. शोधकर्ताओं का उपयोग करें कि एएई का तर्क है कि स्थिति संदर्भ छात्रों में खुद को खोजने के लिए जब छात्रों की भावनाओं की जांच पर विचार करने के लिए महत्वपूर्ण हैं. छात्रों को परीक्षण से संबंधित, वर्ग से संबंधित, या सीखने से संबंधित भावनाओं का अनुभव हो सकता है जिसमें बहु-घटक प्रक्रियाएं शामिल होती हैं, जिनमें प्रभावित, शारीरिक, प्रेरक और संज्ञानात्मक घटक शामिल हैं। एईई दो रूपों में व्यक्त किया जाता है: संयोजकता (सकारात्मक/नकारात्मक) और सक्रियण (केंद्रित/केंद्रित ऊर्जा)। सकारात्मक सक्रिय भावनाओं, जैसे आनंद, मेटाकॉग्निशन की तरह चिंतनशील प्रक्रियाओं में वृद्धि हो सकती है, जबकि सकारात्मक निष्क्रिय भावनाओं जैसे गर्व संज्ञानात्मक प्रसंस्करण के निम्न स्तर में परिणाम हो सकता है. क्रोध और चिंता जैसी भावनाओं को सक्रिय करने वाले नकारात्मक सगाई को जन्म दे सकते हैं, जबकि निराशा जैसी नकारात्मक भावनाएं प्रेरणा3,4,5को कम कर सकती हैं । शैक्षणिक भावनाओं को कैसे हम जानने के लिए योगदान, अनुभव, तय, जवाब, और समस्या को हल2. अकादमिक भावनाओं को विनियमित करने के लिए, एक व्यक्ति को आत्म-दक्षता (एसई)6,7,8, जो उनकी प्रेरणा, व्यवहार, और सामाजिक वातावरण पर नियंत्रण को रोजगार करने की क्षमता में उनका विश्वास है होना चाहिए 6.आत्म-दक्षता और शैक्षणिक भावनाओं interrelated हैं, जहां कम आत्म दक्षता नकारात्मक निष्क्रिय भावनाओं से जुड़ा हुआ है (उदा., चिंता, क्रोध, बोरियत) और उच्च आत्म दक्षता सकारात्मक सक्रिय भावनाओं से जुड़ा हुआ है (उदा., खुशी, आशा, उत्तेजना)6,7,8. एसई को भीप्रदर्शन 6,7,8से मजबूती से जुड़ा माना जाता है .

अनुसंधान है कि कक्षा भावनाओं की जांच की है आत्म रिपोर्ट पर भरोसा किया है, टिप्पणियों, साक्षात्कार, और कलाकृतियों (उदा., परीक्षा, परियोजनाओं)9,10. हालांकि इन तरीकों के छात्रों की कक्षा के अनुभवों के बारे में समृद्ध प्रासंगिक जानकारी प्रदान करते हैं, वे महत्वपूर्ण सीमाएं हैं. उदाहरण के लिए, साक्षात्कार, अवलोकन, और आत्म रिपोर्ट व्यक्तियों के आत्मनिरीक्षण10पर निर्भर करते हैं। अन्य तरीकों से पहले के शोधकर्ताओं की तुलना में अकादमिक भावनाओं की अधिक proximaly की जांच करने की मांग की है, इस तरह के अनुभव नमूना दृष्टिकोण के आधार पर उन लोगों के रूप में जहां शोधकर्ताओं ने छात्रों को स्कूल के दिन11के दौरान अपनी भावनाओं पर रिपोर्ट करने के लिए पूछना . हालांकि इस शोध हमें छात्रों की भावनाओं को और अधिक सही रिपोर्ट करने के लिए अनुमति देता है, यह काम आत्म रिपोर्ट तरीकों पर निर्भर करता है और वास्तविक समय रिपोर्टिंग के लिए अनुमति नहीं है के रूप में छात्रों को परीक्षा पर अपने काम को थामने के लिए अनुभव सर्वेक्षण पता है.

हाल ही में, शोधकर्ताओं ने भावना9के जैविक या शारीरिक उपायों के उपयोग के माध्यम से आत्म रिपोर्ट उपायों के बारे में चिंताओं को संबोधित करने के लिए शुरू कर दिया है, कि अन्य उपकरणों या इस तरह के सर्वेक्षण, टिप्पणियों, या साक्षात्कार के रूप में तकनीक के साथ संयुक्त, शैक्षिक और मनोवैज्ञानिक अनुसंधान12के लिए डेटा संग्रह के एक बहु-मोडल रूप के होते हैं। उदाहरण के लिए, लार बायोमार्कर सहित जैविक तकनीकों का उपयोग अनुभूति, भावना, अधिगम और निष्पादन13,14,15पर जैविक प्रक्रियाओं की भूमिका को समझने के लिए किया जा रहा है। संज्ञानात्मक प्रक्रियाओं के लिए, एण्ड्रोजन (उदाहरण के लिए, टेस्टोस्टेरोन) वयस्कों और बच्चों में विभिन्न स्थानिक मान्यता पैटर्न से जोड़ा गया है16,17 जबकि hypothalamic-पिट्यूटरी-एड्रेनोकोर्टिकल हार्मोन (उदाहरण के लिए, कोर्टिसोल) और एड्रीनर्जिक हार्मोन (उदा., लार -एमिलेस या एसएए) व्यक्तियों के बीच तनाव प्रतिक्रिया से जुड़े हुए हैं18,19,20.

इलेक्ट्रोडर्मल गतिविधि (EDA) स्वायत्त तंत्रिका तंत्र के सक्रियण के एक शारीरिक उपाय का प्रतिनिधित्व करता है (ANS) और प्रणाली की वृद्धि हुई सक्रियण से जुड़ा हुआ है, संज्ञानात्मक लोड, या तीव्र भावनात्मक प्रतिक्रियाओं21,22 ,23. परीक्षा गतिविधियों में, EDA शारीरिक गतिशीलता21,22, शारीरिक और परिवेश तापमान24,25,26,27, और मौखिकसे प्रभावित है विचार28, साथ ही संवेदनशीलता और त्वचा के लिए एनालॉग डिजिटल इलेक्ट्रोड की कनेक्टिविटी की डिग्री29.

हालांकि इन EDA का उपयोग करने के लिए सीमाओं हो सकता है, इस तकनीक अभी भी क्या निकट वास्तविक समय परीक्षाओं के दौरान होता है में मूल्यवान अंतर्दृष्टि प्रदान कर सकते हैं और एक आशाजनक उपकरण के रूप में सेवा करने के लिए AEE का पता लगाने और हद तक, आत्म दक्षता कर सकते हैं. नतीजतन, छात्रों के AEE की एक सटीक तस्वीर सर्वेक्षण विधियों का एक संयोजन के माध्यम से प्राप्त किया जा सकता है, भावना की संयोजकता निर्धारित करने के लिए, और शारीरिक और जैविक डेटा, कि भावना के सक्रियण को मापने के लिए. यह पेपर परीक्षा गतिविधियों पर पिछले प्रकाशन पर बनाता है30 और बहु मॉडल दृष्टिकोण शामिल करने के लिए उस काम के दायरे का विस्तार (अनुभव नमूना सर्वेक्षण का उपयोग करके, EDA सेंसर, और लार biomarkers) एक परीक्षा परिदृश्य में. यह उल्लेख है कि प्रोटोकॉल के नीचे वर्णित कई भागीदार डेटा के लिए एक ही प्रयोगात्मक सेटिंग के भीतर एक ही समय में एकत्र करने के लिए अनुमति देता है आवश्यक है.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

मानव विषयों पर अध्ययन और इन निर्माणों के उपयोग के लिए यूटा राज्य विश्वविद्यालय में एक सामान्य समीक्षा के अंतर्गत संस्थागत समीक्षा बोर्ड (आईआरबी) द्वारा प्रक्रियाओं को अनुमोदित किया गया था। ठेठ परिणाम एक इंजीनियरिंग स्थैतिक पाठ्यक्रम के दो सेमेस्टर, एक थोड़ा अलग प्रयोगात्मक सेटअप के साथ प्रत्येक, संयुक्त राज्य अमेरिका में उच्च शिक्षा के एक पश्चिमी संस्थान में शामिल हैं. अभ्यास परीक्षा, जिसकी सामग्री वास्तविक परीक्षा समानांतर, पाठ्यक्रम प्रशिक्षक द्वारा विकसित किए गए थे और हमारे अध्ययन के लिए इस्तेमाल किया गया. कृपया ध्यान दें कि नीचे दिए गए प्रोटोकॉल समवर्ती चरणों का वर्णन करता है, और कुछ चरण अधिव्याप्त हो सकते हैं.

1. प्रयोगात्मक डिजाइन और अनुशासनात्मक प्रथाओं के एकीकरण के लिए विचार

के रूप में शोधकर्ताओं ने इस प्रकृति के प्रयोगात्मक डिजाइन पर विचार, अनुशासनात्मक ज्ञान और दृष्टिकोण एक तरीका है कि पूरक और मुख्य अनुसंधान लक्ष्य को बनाए रखने में एकीकृत किया जाना चाहिए. नए उपकरणों और तरीकों जोड़ रहे हैं के रूप में, अतिरिक्त सत्यापन विचार की जरूरत है। इस काम में, हम एक प्रयोगात्मक अध्ययन का पता लगाने जहां सर्वेक्षण और इलेक्ट्रोडर्मल सेंसर सेमेस्टर में से एक के लिए इस्तेमाल किया गया (प्रयोगात्मक डिजाइन ए), और लार biomarker संग्रह (यानी, कोर्टिसोल और एसएए) बाद के सेमेस्टर में जोड़ा गया था (प्रयोगात्मक डिजाइन बी). नीचे दो setups के लिए विचार कर रहे हैं:

  1. सर्वेक्षण और इलेक्ट्रोडर्मल सेंसर के साथ प्रायोगिक डिजाइन
    1. इलेक्ट्रोडर्मल सेंसर संवेदनशील होते हैं। प्रतिभागियों की चौंका प्रतिक्रियाओं, अगर अनजाने सक्रिय, EDA प्रतिक्रिया में एक महत्वपूर्ण कील बना सकते हैं. यह विशेष रूप से महत्वपूर्ण है जब डेटा संग्रह के लिए एकाधिक प्रतिभागियों पर विचार, जिनकी क्रियाएँ इन चौंका प्रतिसादों को एन्हांस कर सकते हैं। इस तरह के रूप में, कार्यक्षेत्र को ध्यान से स्थापित करने के लिए संभव के रूप में कई distractions के रूप में कम से कम करने के लिए सुनिश्चित हो. जैसा कि चित्र 1में दिखाया गया है, यदि किसी व्यक्ति या व्यक्तियों के समूह के लिए परीक्षा अनुभवों की खोज की जाए तो एक परीक्षण शील्ड शामिल करें.
      नोट: परीक्षण पर्यावरण की पारिस्थितिक वैधता बढ़ाने के लिए, प्रतिभागियों पर प्रतिबिंबित और किसी भी आवश्यक परीक्षा समस्याओं को बाहर काम करने के लिए अनुमति देने के लिए एक छात्र अपने वास्तविक परीक्षा (उदा., कार्यपुस्तिकाओं, समीकरण शीट) पर उपयोग किया जाएगा कि किसी भी सामग्री प्रदान करने की योजना
    2. इलेक्ट्रोडर्मल सेंसर एक सेकंड के हर 1 डिग्री 4वें संकेत प्रदान करते हैं। किसी ईवेंट को परिभाषित और अध्ययन करने की अनुमति देने के लिए, किसी कार्य की शुरुआत का सटीक माप एकत्र करने के लिए योजना को कार्यान्वित करें. सर्वेक्षण के साथ इलेक्ट्रोडर्मल सेंसर्स को सिंक्रनाइज़ करते समय, सुनिश्चित करें कि सर्वेक्षण प्रश्न की प्रस्तुति डेटा संग्रह समय सीमा स्थापित करने के लिए कंप्यूटर की आंतरिक घड़ी का उपयोग करके इलेक्ट्रोडर्मल सेंसर से सिंक्रनाइज़ की जाती है (चित्र 1देखें). यदि किसी भी ब्लूटूथ-सक्षम इलेक्ट्रोडर्मल सेंसर का उपयोग कर (उदाहरण के लिए, सामग्री की तालिकादेखें), ग्रीनविच मेरिडियन समय (GMT) में समय क्षेत्र परिवर्तन और डेटा संग्रह प्रक्रियाओं के दौरान डेलाइट बचत समय अंतर के लिए खाते में सिंक समय30.
      नोट: यदि उत्तेजनाओं की प्रस्तुति के लिए एक वेब सर्वर का उपयोग कर (उदाहरण के लिए, परीक्षण प्रश्न, सर्वेक्षण आइटम, आदि), सर्वर और कंप्यूटर आंतरिक घड़ी के बीच समय संरेखित करने के लिए सुनिश्चित हो के रूप में ये आम तौर पर synched नहीं कर रहे हैं. ध्यान दें कि यह अध्ययन के लिए इस्तेमाल किया प्रत्येक कंप्यूटर के लिए एक पार मंच वेब सर्वर (उदाहरण के लिए, XAMPP या अन्य अपाचे सर्वर) पूर्व स्थापित करने के लिए आवश्यक हो सकता है. यदि वीडियो रिकॉर्डिंग उद्देश्यों के लिए वेब कैमरा सिंक करने का इरादा है, तो वीडियो के दिनांक, समय, घंटे, मिनट, दूसरे और मिलीसेकंड (उदा., 01/01/2000 04:01:02:05) की रिकॉर्डिंग की अनुमति देने वाले सुरक्षा सॉफ़्टवेयर का उपयोग करने पर विचार करें. ध्यान दें कि इस वीडियो को कंप्यूटर की आंतरिक घड़ी और अन्य डिवाइस (उदा., EDA सेंसर) के साथ भी सिंक किया जाना चाहिए. यदि आवश्यक हो, तो विभिन्न कोणों पर प्रतिभागी के चेहरे को मापने के लिए वेब कैमरे सेट करें। हम अनुशंसा करते हैं कि एक ललाट का सामना करना पड़ा वेब कैमरा केलिए; वीडियो कार्य स्थान की सतह के समानांतर तैनात है और नीचे का सामना करना पड़ वेब कैमरों के लिए 30 डिग्री से 45 डिग्री पर वीडियो की स्थिति के लिए कार्य स्थान सतह से भागीदार के चेहरे के लिए.
    3. डेटा संग्रह के दौरान आंदोलन या इलेक्ट्रोड संपर्क त्रुटि के कारण संकेत में किसी भी शोर को कम करने के लिए प्रतिभागी के गैर-प्रमुख हाथ पर इलेक्ट्रोडर्मल सेंसर रखें, जैसा कि पूर्व प्रोटोकॉल30में सुझाव दिया गया है। यदि शोधकर्ताओं को आंदोलन के कारण EDA में कलाकृतियों को कम करना चाहते हैं, एक विकल्प के लिए एक स्थान है कि भागीदार के लिए आरामदायक है में एक कलाई जेल पैड शामिल है और है कि एक साथ उन्हें अपने गैर प्रमुख हाथ पर आराम करने के लिए अनुमति देता है.
      नोट: लैपटॉप कंप्यूटर, जेल पैड, सेंसर, परीक्षा शीट, और अध्ययन में अन्य तत्वों की नियुक्ति परीक्षा की स्थिति और सेमेस्टर भर में repeatability सुनिश्चित करने के लिए मानकीकृत किया जाना चाहिए. चित्र 1में दिखाया गया है के रूप में, चित्रकार टेप प्रतिभागियों और डेटा संग्रह के सेमेस्टर में लगातार प्रयोगात्मक सेटअप के प्रत्येक आइटम (जैसे, लैपटॉप, परीक्षा शीट, कैमरा) केंद्र के लिए इस्तेमाल किया गया था।
    4. इलेक्ट्रोडर्मल सेंसर रीडिंग के लिए, एक अवधि की स्थापना करें जिसके दौरान प्रतिभागियों ने आधाररेखा ईडीए डेटा31स्थापित करने के लिए एक आराम की स्थिति हासिल की है। इस के लिए, या तो प्रतिभागियों के लिए परीक्षा की शुरुआत में एक समय का संकेत परीक्षण ढाल को घूरना ($5-15 मिनट) या timestamping कार्यक्रम के भाग के रूप में लैपटॉप कंप्यूटर में इस क्यू कार्यक्रम. इस अवधि को पूरा करने पर, प्रतिभागियों को किसी भी उचित सर्वेक्षण और परीक्षा सवालों के साथ शुरू कर सकते हैं. इसी नस में, परीक्षा अनुभव के अंत में एक छूट अवधि असाइन करें।
  2. सर्वेक्षण के साथ प्रायोगिक डिजाइन, इलेक्ट्रोडर्मल सेंसर, और Salivary Biomarkers
    1. जब सर्वेक्षण और लार biomarkers के साथ इलेक्ट्रोडर्मल सेंसर को एकीकृत, सुनिश्चित करें कि अवरोधों को सबसे अच्छा संभव हद तक कम से कम कर रहे हैं. एक रणनीति के रूप में, प्रतिभागियों को समझने के लिए कैसे विनिर्माण विनिर्देशों के अनुसार परीक्षा के निर्धारित समय अवधि में अपने लार नमूने प्रदान करने में मदद करने के लिए एक प्रशिक्षण वीडियो बनाने के लिए (सामग्री की तालिकादेखें) से रुकावट को कम करने के लिए शोधकर्ताओं.
      नोट: इस अध्ययन में, शोधकर्ताओं ने चार समय अंक के दौरान लार इकट्ठा करने में रुचि रखते थे: शुरुआत, मध्य, अंत, और बाद परीक्षा. हालांकि, शोधकर्ताओं ने अन्य बार वे अपने अध्ययन के लिए उपयुक्त समझे चुन सकते हैं. इसके अलावा, हम उपयोग में आसानी और तेजी से नमूना संग्रह बार के लिए अपनी निष्क्रिय drool विधि33 के बजाय झाड़ू संग्रह विधि32 का इस्तेमाल किया। इसके अलावा, हम कोर्टिसोल34 और एसएए35 किट का चयन किया (सामग्री की तालिकादेखें) और इसके प्रसंस्करण में निर्माता विनिर्देशों का पालन किया। तथापि, यदि आपके समूह के पास इस प्रकार के परीक्षण के लिए जैविक प्रयोगशाला नहीं है, तो अन्य प्रदाता 32,36नमूनों का विश्लेषण कर सकते हैं।
    2. लार के नमूने इकट्ठा करते समय, -20 डिग्री सेल्सियस के आंतरिक तापमान के साथ सूखी बर्फ के साथ एक कूलर है; यह कोर्टिसोल के नमूनों34के लिए एंजाइमों के कमरे के तापमान अवक्रमण को रोक देगा। यदि लार अल्फा-एमाइलस इकट्ठा कर रहा है, तो इसकी स्थिरता बहुत लंबी है (कमरे के तापमान पर पांच दिन और 5 फ्रीज-थॉव चक्र35के लिए अनुमति देता है)। यदि दोनों को एकत्रित किया जाए, जैसा कि इस अध्ययन में था, तो निर्माता की सिफारिशों के अनुसार लार कोर्टिसोल के नमूनों को स्टोर करने के लिए आवश्यक दिशा निर्देशों का पालन करें34,35.
    3. यदि झाड़ू संग्रह विधि25का उपयोग कर , झाड़ू या तो भीतरी गाल में या 60 s के लिए भागीदार की जीभ के नीचे रहते हैं. शीशियों और नमूना संग्रह टोपियां से निपटने, निर्माता प्रोटोकॉल34,35 का पालन करें और अध्ययन के शुरू होने से पहले प्रतिभागियों को जानकारी दे।
      नोट: यदि प्रयोग अधिक दानेदार है (उदाहरण के लिए, प्रश्न डेटा संग्रह द्वारा प्रश्न), प्रत्येक लार नमूना संग्रह की शुरुआत और ऑफसेट समय रिकॉर्ड करने के लिए सुनिश्चित करें, के रूप में इन EDA विश्लेषण में के लिए हिसाब करने की आवश्यकता हो सकती है. एक ही शुरुआत और सर्वेक्षण डेटा संग्रह समय की ऑफसेट करने के लिए लागू होता है। लार डेटा संग्रह के लिए, हमारे समूह ने एक ध्वज प्रणाली विकसित की ताकि प्रतिभागियों को शोधकर्ता/प्रोक्टर को सूचित करने की अनुमति दी जा सके जब लार का नमूना एकत्र करने के लिए तैयार था। मामले में कई लार नमूने एकत्र और संग्रहीत करने के लिए तैयार कर रहे हैं एक प्रयोगात्मक सत्र के दौरान के साथ सहायता करने के लिए कई proctors डिजाइन पर विचार करें.

2. सेटअप और पूर्व और बाद प्रयोग की सफाई

  1. सर्वेक्षण
    1. सर्वेक्षण प्रपत्र में, शेड्यूलिंग प्रक्रिया व्यवस्थित करें, सहभागी आईडी निर्दिष्ट करें, और आवश्यकतानुसार कोई भी जनसांख्यिकीय जानकारी एकत्रित करें. इसके अलावा, स्थापित करने या डेटा निर्यात के लिए तैयार करने में किसी भी उचित सर्वेक्षण प्रश्न पूर्व लेबल. यह तेजी से और अधिक कुशल डेटा सफाई, प्रबंधन, और सांख्यिकीय विश्लेषण सक्षम हो जाएगा.
    2. परीक्षा प्रोटोकॉल के दौरान सर्वेक्षण प्रस्तुति और निकास समय सिंक करें। यदि सेंसर या वीडियो एकीकृत करते हैं, तो इन तकनीकों को सर्वेक्षण सॉफ़्टवेयर के साथ भी सिंक्रनाइज़ करें.
    3. शिष्टाचार की बात के रूप में और एक सौहार्दपूर्ण और स्वागत अनुसंधान वातावरण में योगदान के हित में, और यदि प्रशिक्षकों सहमत हैं, एक स्वचालित अनुवर्ती ईमेल की स्थापना की परीक्षा सवालों के जवाब युक्त प्रतिभागियों को तुरंत या जल्द ही बाद में भेजा जाएगा सत्र में उनकी भागीदारी.
  2. इलेक्ट्रोडर्मल सेंसर
    1. एक परीक्षा सत्र / समय के लिए प्रतिभागियों को पूर्व अनुसूची की योजना, EDA और लार संग्रह30 और EDA संग्रह30के लिए हाथ प्रभुत्व के लिए किसी भी चिकित्सा जानकारी और आहार की आदतों का आकलन, और प्रतिभागियों की खपत से बचने के लिए याद दिलाना प्रयोग के दिन मीठा या कैफीनयुक्त उत्पाद। यह कुछ चिकित्सा शर्तों के रूप में महत्वपूर्ण है (जैसे, चयापचय संबंधी विकार) और आहार की आदतों (जैसे, कैफीन की खपत) EDA को प्रभावित कर सकते हैं (और लार मूल्यों), के रूप में एक पूर्व प्रोटोकॉल में सुझाव दिया30.
    2. प्रतिभागियों के आने से पहले, सुनिश्चित करें कि सेंसर सही ढंग से calibrated कर रहे हैं, सॉफ्टवेयर अद्यतन का ध्यान रखा गया है, और सेंसर के साथ साफ किया गया है 70% शराब पोंछे30.
    3. जब एक भागीदार की कलाई पर EDA सेंसर फिटिंग, यह भागीदार के गैर प्रमुख हाथ पर जगह सुनिश्चित करें. EDA सेंसर फिट करने के लिए:
      1. अंगूठे की ओर नीचे का सामना करना पड़ बटन के साथ सेंसर प्लेस.
      2. उनके चेहरे की ओर सामना करना पड़ उनकी हथेलियों के साथ, प्रतिभागियों को उनके गैर-प्रमुख हाथ की दूसरी और तीसरी उंगली के बीच अंतरिक्ष से उनके मध्य कलाई क्षेत्र के लिए एक काल्पनिक रेखा आकर्षित और सेंसर इलेक्ट्रोड वहाँ जगह है.
      3. प्रतिभागियों से पूछो एक तरीका है कि बहुत तंग या बहुत ढीला नहीं है में सेंसर पट्टियाँ फिट करने के लिए.
        नोट: इस फिटिंग का एक प्रतिनिधि छवि चित्र 2में पाया जा सकता है।
    4. सेंसर प्रारंभ करते समय, सेंसर डेटा एकत्रित करने के लिए सेट कर रहे हैं यह सुनिश्चित करने के लिए निर्माता प्रोटोकॉल31 का पालन करने के लिए सुनिश्चित करें. इस प्रयोग में, प्रोटोकॉल सेंसर की एक विशेष ब्रांड के साथ उपयोग करने के लिए सिलवाया है (सामग्री की तालिकादेखें), हालांकि शोधकर्ताओं को अपने को चुनने के किसी भी शारीरिक सेंसर का उपयोग करने के लिए स्वागत है.
      1. यहाँ इस्तेमाल किया उपकरणों के लिए, तीन सेकंड के लिए सेंसर बटन दबाना. एक हरे रंग की रोशनी आवर्तक रूप से झपकी, एक लाल पलक प्रकाश के बाद, और फिर एक फीका बाहर होता है.
      2. फीका बाहर के दौरान, सेंसर चालू है सुनिश्चित करने के लिए, कम से कम 1 s के लिए एक बार बटन दबाएँ. यदि यह लाल झपकी, यह संकेत है कि यह डेटा रिकॉर्डिंग है.
    5. सेंसर बंद करते समय, 3 s के लिए बटन दबाएँ. सेंसर बंद हो जाएगा अगर wristband के तल पर रोशनी हरे रंग से फीका करने के लिए जाना.
    6. सेंसर से डेटा पुनर्प्राप्त करने के लिए, इसे कंप्यूटर से कनेक्ट करें, और निर्माता की सिफारिशों31के अनुसार प्रबंधन सॉफ्टवेयर सिस्टम में डेटा अपलोड करें।
  3. सालिवरी बायोमार्कर्स
    1. जैसा कि पहले कहा गया है, किसी भी चिकित्सा शर्तों या आहार की आदतों है कि विश्लेषण के दौरान लार मूल्यों को प्रभावित कर सकते हैं पूर्व मूल्यांकन. इसके अलावा, प्रतिभागियों को याद दिलाना किसी भी होंठ बाम पहनने के लिए नहीं, मेकअप, या होंठ के पास उत्पादों जब वे सत्र में आने, क्योंकि यह contaminants कि कोर्टिसोल और लार अल्फा amylase नमूने को प्रभावित कर सकते हैं परिचय सकता है. यदि प्रतिभागियों को इन उत्पादों पहने आते हैं, धीरे उन्हें एक टॉयलेट के लिए गाइड या उचित पोंछे कि अन्य रसायनों को शुरू करने के बिना इन उत्पादों को दूर करेगा प्रदान (जैसे, एक नैपकिन बनाम मेकअप पदच्युत तौलिए पर पानी). अंत में, एक मजबूत गंध (उदा., पिज्जा, संतरे) है कि प्रतिभागियों के बीच लार उत्पादन में वृद्धि हो सकती है कि भोजन या पेय के स्पष्ट प्रयोग कमरे.
    2. प्रयोगात्मक कमरे में प्रतिभागियों के आगमन पर, हाथ प्रतिभागियों 1 औंस पानी की उनकी उपस्थिति में एक कप में डाल दिया. उन्हें पानी को निगलने और निगलने के लिए कहें। यह किसी भी खाद्य अवशेषों है कि कोर्टिसोल और लार अल्फा amylase डेटा को प्रभावित कर सकते हैं के मुंह को साफ करने के लिए किया जाता है।
    3. लार के साथ संयोजन के रूप में EDA डेटा इकट्ठा करते हैं, धीरे EDA सेंसर है कि हाथ आंदोलन को कम करने के लिए प्रतिभागियों को याद दिलाना. इस प्रकार, प्रतिभागियों को सूचित किया जाना चाहिए कि प्रदान की गई किसी भी लार नमूना संग्रह उनके प्रमुख हाथ में किया जाना है। इस प्रक्रिया को सुविधाजनक बनाने के लिए, यह अनुशंसा की जाती है कि प्रयोगात्मक सेटअप में पूर्व-लेबल शीशियों और नमूनों के किसी भी नुकसान को कम करने के लिए एक स्टैंड शामिल है (चित्र 1को देखें)।
    4. लार के नमूने इकट्ठा करते समय, लार नमूना शीशी में स्थानांतरित करने के लिए किसी भी धूल कण या हाथ तेलों से किसी भी अन्य संदूषक को कम करने के लिए ताजा नाइट्रिल दस्ताने पहनें।
    5. जैसा कि पहले संकेत दिया गया है, तुरंत नमूनों को एक कूलर में स्थानांतरित करें जिसमें -20 डिग्री सेल्सियस का आंतरिक तापमान है।

3. सर्वेक्षण के प्रकाश में पारिस्थितिक वैधता में वृद्धि, इलेक्ट्रोडर्मल सेंसर, और लार biomarkers

  1. परीक्षा प्रामाणिकता के बारे में
    1. एक प्रामाणिक परीक्षण अनुभव प्रदान करने के लिए, पाठ्यक्रम सामग्री के साथ परीक्षा सामग्री संरेखित करें। इसके लिए, पाठ्यक्रम प्रशिक्षक सहित सामग्री विशेषज्ञों के समूह के साथ पाठ्यक्रम सामग्री की समीक्षा करें.
    2. पाठ्यक्रम सामग्री है कि एक प्रयोगात्मक सेटिंग में दोहराया जा सकता है की एक मूल्यांकन (परीक्षण या मूल्यांकन) का चयन करें, या कि मौजूदा पाठ्यक्रम सामग्री (उदा., अभ्यास परीक्षा) पूरक कर सकते हैं.
      नोट: अपनी संस्था के संस्थागत समीक्षा बोर्ड की नीतियों पर निर्भर करता है, वास्तविक परीक्षा का उपयोग पाठ्यक्रम में छात्रों के ग्रेड के लिए अपने संभावित नुकसान के कारण अनुमति नहीं दी जा सकती है. इस प्रकार, एक समकक्ष अनुभव (जैसे, अभ्यास परीक्षा) के बजाय विचार किया जा सकता है।
    3. प्रशिक्षक के साथ, एक उत्तर कुंजी और परीक्षा समस्याओं और उसके समाधान विकसित करने के लिए एक दानेदार स्तर पर प्रदर्शन डेटा इकट्ठा करने के लिए इस्तेमाल किया जा (यानी, प्रश्न द्वारा प्रश्न) और /
    4. प्रशिक्षक से यह भी पूछें कि आम तौर पर उनकी परीक्षा (जैसे, धोखा शीट) या किसी भी स्वीकार्य सामग्री (जैसे, पाठ्यपुस्तकों, संदर्भों की सूची) में आम तौर पर उपयोग किया जाता है कि किसी भी अतिरिक्त सामग्री प्रदान करने के लिए आम तौर पर अपने पाठ्यक्रमों में इस्तेमाल किया। प्रतिभागियों को ये उपकरण प्रदान करने के लिए प्रयोगकर्ताओं को तैयार रहना चाहिए।
    5. सुनिश्चित करें कि परीक्षण वातावरण प्रयोगात्मक सेटअप (जैसे, परीक्षा के समय, परीक्षा-परीक्षण केंद्र या कक्षा, आदि की पेशकश) और इसकी विशेषताओं जैसे डेस्क स्थान, प्रकाश व्यवस्था, कमरे का तापमान, दूसरों के बीच में समानांतर है।
  2. सर्वेक्षण शामिल करने के संबंध में
    1. सर्वेक्षण प्रश्नों की संख्या के आधार पर, अनुमानित समय के लिए खाते में यह महत्वपूर्ण होगा; यह प्रतिभागियों को सर्वेक्षण सवालों को पूरा करने के लिए ले सकता है, जबकि वे अपनी परीक्षा ले रहे हैं.
    2. अतिरिक्त परीक्षण लेने के समय रुकावट के लिए खाते में आवंटित और परीक्षा कार्यक्रम डिजाइन करने के लिए एक विशेष परीक्षा समस्या के लिए छात्रों को वापस अगर एक सर्वेक्षण शीघ्र उन्हें बाधित. साथ ही, सुनिश्चित करें कि यह व्यवधान समय प्रतिभागियों में संगत है (उदा., शुरुआत, मध्य, और परीक्षा का अंत).
    3. प्रयोगात्मक डिजाइन के प्रकार के आधार पर, यदि प्रतिक्रियाओं के दानेदार प्रकार की जरूरत है (जैसे, प्रश्न द्वारा प्रश्न), पहले परीक्षा समस्या पेश करने की योजना है, तो प्रतिभागियों को सर्वेक्षण के सवाल का जवाब देने के लिए संकेत, और फिर प्रतिभागियों को उनके प्रवेश करने की अनुमति प्रतिक्रिया (उदा., खुला पाठ, एकाधिक विकल्प, आदि). यह प्रतिभागियों को पहले समस्या को देखने और प्रस्तुत समस्या के अनुसार सर्वेक्षण प्रश्न का जवाब देने की अनुमति देगा। यदि प्रयोगात्मक डिज़ाइन किसी मैक्रो-स्तर पर है, तो सुनिश्चित करें कि प्रतिभागियों को प्रत्युत्तर देने से पहले उस बिंदु तक परीक्षा अनुभव पर प्रतिबिंबित करने की अनुमति है.
      नोट: सिद्धांत और hypotheses एक आइटम (जैसे, सर्वेक्षण, परीक्षा) की प्रस्तुति के विशेष प्रकार के चुनाव के रूप में इस कदम में विचार करने के लिए महत्वपूर्ण हैं बात करेंगे. उदाहरण के लिए, यदि आत्म-दक्षता का अध्ययन, यह सबसे अच्छा परीक्षण प्रश्न के स्तर पर मूल्यांकन किया है, जबकि शैक्षिक उपलब्धि भावनाओं को आम तौर पर पूर्व कहा जाता है, के दौरान, और बाद में परीक्षा.
  3. इलेक्ट्रोडर्मल गतिविधि सेंसर के बारे में
    1. यह सुनिश्चित करने के लिए कि प्रतिभागियों को प्रयोगात्मक प्रोटोकॉल के कारण अधिक जोर नहीं दिया जा रहा है, परीक्षा अनुभव के दौरान अंशांकन और विश्राम अवधि शामिल करें। एक रणनीति प्रतिभागियों को सवालों के बीच उनका ध्यान फिर से ध्यान केंद्रित करने की अनुमति देने के लिए हो सकती है। एक सरल करने के लिए प्रतिक्रिया सवाल के साथ शुरुआत (उदा., "सप्ताह के किस दिन में हम कर रहे हैं?") और प्रतिभागियों को अनुमति देते हैं 30 s प्रत्येक परीक्षा प्रश्न के बीच में आराम करने के लिए.
      नोट: ध्यान रखें कि परीक्षा सवालों के डिजाइन को समझने और छात्रों की प्रतिक्रियाओं की भविष्यवाणी महत्वपूर्ण हो सकता है (जैसे, संज्ञानात्मक भार या तंत्रिका क्षमता37में वृद्धि ) के रूप में वे लार मार्कर और EDA डेटा को प्रभावित कर सकता है घर की वस्‍तुएँ आदि. उदाहरण के लिए, परीक्षा सवाल सभी निबंध प्रविष्टि के रूप में होना चाहिए, जो हाथ आंदोलन है कि EDA डेटा24,25 या एक परीक्षा को प्रभावित कर सकते हैं कठिनाई के विभिन्न स्तरों, जो छात्रों को प्रभावित कर सकता द्वारा डिजाइन किया जा सकता है की आवश्यकता होगी' संज्ञानात्मक भार या तंत्रिका क्षमता37|
    2. सुनिश्चित करें कि समय मुद्रांकन कार्यक्रम परीक्षा अनुभव में किसी भी परिवर्तन के लिए खाता होगा (उदाहरण के लिए, अंशांकन अवधि, शुरुआत और में सेंकिकेशन सवालों के बीच ऑफसेट, सर्वेक्षण सवाल शुरू और ऑफसेट, शुरू और परीक्षा के खत्म). यह एक महत्वपूर्ण कदम के रूप में यह डेटा स्रोत मिलान है, जो अंतराल या घटनाओं संसाधित और विश्लेषण किया जा करने के लिए निर्धारित करेगा के लिए अनुमति देगा है.
  4. लार बायोमार्कर उपयोग के बारे में
    1. जब लार biomarkers इकट्ठा करने के लिए ध्यान रखें.
      नोट: Salivary जैव मार्कर अध्ययन आम तौर पर एक पूर्व के माध्यम से पता लगाया जाता है पूर्व मध्य पोस्ट पोस्ट डिजाइन32,33,34,35,36. के रूप में कोर्टिसोल 20 मिनट लगते हैं तनाव का जवाब14, इन समय lags कोर्टिसोल शुरुआत और वसूली का निरीक्षण करने के लिए आवश्यक हैं. एक परीक्षा के लिए छात्रों की तैयारी के मामले में, प्रतिभागियों को परीक्षा लेने के बारे में चिंतित हो सकता है, और, इस प्रकार, एक से पहले शुरू उपाय संभव नहीं हो सकता है। यह भी महत्वपूर्ण है कि परीक्षा के दौरान छात्रों को बार-बार बाधित न किया जाए। हमारे अध्ययन में, हम एक बार शुरू करने से पहले लार इकट्ठा करने का विकल्प चुना, एक बार के दौरान, तुरंत बाद, और 20 मिनट के बाद परीक्षा के बाद के रूप में चुपचाप संभव के रूप में अवरोधों को कम करने के लिए. चित्र 3में एक नमूना परीक्षण समयरेखा प्रदान की गई है।
    2. परीक्षा कार्यक्रम में, यह लार इकट्ठा करने के लिए समय है जब क्यू प्रतिभागियों के लिए समय संकेत शामिल हैं। एक 60-s टाइमर शामिल करें, इसलिए प्रतिभागियों को लार संग्रह की अवधि के बारे में पता है। 60 एस के पूरा होने के बाद वे परीक्षा में काम कर रहे थे समस्या के लिए प्रतिभागियों को लौटें।

4. डेटा प्रसंस्करण और विश्लेषण के लिए विचार

  1. किसी भवन की दशा की सावधानी से जाँच करना
    1. सुनिश्चित करें कि डेटा आउटपुट लेबल और प्रभावी डेटा प्रबंधन के लिए अनुमति देने के लिए उचित रूप से आयोजित कर रहे हैं और सांख्यिकीय कार्यक्रमों (जैसे, SPSS, SAS) किसी भी आवश्यक विश्लेषण प्रदर्शन कर सकते हैं सुनिश्चित करने के लिए।
    2. सर्वेक्षण के लिए मानकों के आधार पर किसी भी संभावित बाहरी डेटा की पहचानकरें 38 और साथ ही पहले एकत्र किए गए जनसांख्यिकीय डेटा (उदाहरण के लिए, चिकित्सा शर्तों) के माध्यम से किसी भी निर्धारित।
    3. स्थापित अनुसंधान प्रश्न (ओं) और/या परिकल्पनाओं के आधार पर आचरण करने के लिए सांख्यिकीय विश्लेषण और/या मॉडलिंग के प्रकार का निर्धारण करें
  2. इलेक्ट्रोडर्मल गतिविधि
    1. ध्यान दें कि इलेक्ट्रोडर्मल डेटा आउटपुट कंपनी द्वारा भिन्न हो सकते हैं। इस अध्ययन में इस्तेमाल किया डिवाइस के लिए31, डेटा outputs एक प्रारंभिक GMT में मापा समय के साथ एक एकल स्तंभ के रूप में प्रस्तुत कर रहे हैं, डेटा संग्रह की आवृत्ति और eda microSiemens में मापा द्वारा पीछा किया. EDA डेटा तब डेटा संग्रह की आवृत्ति के अनुसार वृद्धि. चूंकि डेटा शुरुआत के समय पर निर्भर है, इस समय को विनिर्माण प्रोटोकॉल और पिछले प्रोटोकॉल30के अनुसार यूनिक्स समय में परिवर्तित करें। इससे पूरे प्रयोग में EDA डेटा परिवर्तनों का अधिक निर्बाध सिंक्रनाइज़ेशन होगा.
    2. पहचानऔर outliers के किसी भी संभावित निर्माता स्रोतों को दूर, इस तरह के सेंसर खराबी के रूप में, अधूरा डेटा संग्रह, या त्वचा में इलेक्ट्रोड के गरीब संपर्क. ये नकारात्मक मानों या स्थिर लगभग शून्य निरंतर डेटा खंडों में डेटा आउटपुट पत्रक द्वारा पहचाना जाएगा।
    3. पहचान और इस तरह के अनियमित आंदोलनों के रूप में outliers के किसी भी संभावित उपयोगकर्ता जनित स्रोतों को दूर (जैसे, हाथ से टकराने डेस्क या तंत्रिका दोहन), सर्वेक्षण या लार biomarker संग्रह अवधि, या शरीर के तापमान या रक्त की मात्रा दबाव रीडिंग में बड़े परिवर्तन .
    4. आंदोलन के कारण शोर को दूर करने के लिए, चरणों की निम्न श्रृंखला करते हैं:
      1. सबसे पहले, प्रतिभागियों के accelerometer (एसीसी) प्रोफाइल के माध्यम से स्कैन, भी कलाई सेंसर द्वारा प्रदान की. ध्यान दें कि डेटा में क्रमशः तीन-आयामी क्षैतिज, ऊर्ध्वाधर, और स्थानिक हाथ आंदोलनों को इंगित करने वाले एक्स, वाई, और जेड कॉलम होंगे। कुल आंदोलन की गणना करने के लिए यूक्लिडीय दूरी (L2-Norm)39,53 समीकरण के अनुसार इस accelerometer डेटा की गति औसत की गणना:
        Equation 1
      2. संपूर्ण सहभागी सेट के लिए यूक्लिडियन दूरी मानों के मानक विचलन की गणना करें और उन्हें रैंक-क्रम करें. यूक्लिडियन दूरी मानों के औसत मानों की गणना भी करें.
      3. निम्न समीकरण के अनुसार40 संकेत-से-शोर अनुपात निर्धारित करने के लिए यूक्लिडियन दूरी मानों के प्रसरण के गुणांक की गणना करें:
        Equation 2
        नोट: 1 के स्कोर से अधिक प्रसरण मानों का गुणांक एक बाहरी इंगित करता है और डेटा33को संभालने में सिफारिशों के अनुसार विश्लेषण से निकाला जाना चाहिए।
      4. आंदोलन के कारण शोर निकाल दिया जाता है एक बार, डेटा फ़िल्टर करने के लिए आवश्यक सीमा निर्धारित. इसके लिए, संकेतों के मानक विचलन के 95% के ऊपरी और निचले सीमा की गणना करें। इन श्रेणियों के बाहर के किसी भी डेटा को या तो डेटासेट/विश्लेषण से निकाला जा सकता है या शोधकर्ता के लक्ष्यों और उद्देश्यों के अनुसार आरोपित किया जा सकता है। इस अध्ययन के लिए, हमने निर्धारित स्वीकार्य डेटा के साथ बाहरी श्रेणियों का औसत करने का विकल्प चुना.
      5. EDA डेटा पर लौटें और EDA (जो भी समय-स्टैम्प ्ड किया गया है) के इसी अंतराल की पहचान करने के लिए समय-स्टैम्प्ड accelerometer डेटा का उपयोग करें।
        नोट: accelerometer और इलेक्ट्रोडर्मल डेटा सिंक करने के लिए, रिकॉर्डिंग आवृत्तियों अलग हैं कि ध्यान दें (4 EDA के लिए हर्ट्ज और 32 हर्ट्ज एसीसी के लिए) तो वे पहले गठबंधन किया जाना चाहिए. चूंकि, स्वाभाविक रूप से, EDA डेटा की तुलना में अधिक ACC डेटा होगा, इस अंतर के लिए खाते में औसत EDA मानों का उपयोग करें.
    5. एक बार EDA डेटा सेट साफ किया गया है41,42 हालांकि फ़िल्टर किए गए accelerometer डेटा, निर्धारित उपकरणों का उपयोग कर टॉनिक (बेसलाइन) और phasic (तुरंत, प्रतिक्रियाशील) संकेतों को अलग करने के लिए आगे बढ़ना (जैसे, Ledalab, EDA एक्सप्लोरर)43 ,44, सांख्यिकीय विश्लेषण के लिए, मुख्य रूप से phasic, फ़िल्टर EDA डेटा का उपयोग किया जाता है और मूल्यों (उदाहरण के लिए, परिमाण, चोटियों की संख्या, विलंबता समय) अनुसंधान प्रश्न के आधार पर गणना कर रहे हैं / Bouscien22,23.
  3. सालिवरी बायोमार्कर
    1. कोर्टिसोल और लार दोनों के लिए अल्फा-एमिलेस परख, निर्माता प्रोटोकॉल का पालन करें22,23,24,25,26,27,28 और उपयोग की शर्तों के बारे में तकनीशियन सिफारिशें, भंडारण, और नमूने से निपटने.
    2. स्पिन ने 4 डिग्री सेल्सियस पर 1,500 x ग्राम पर नमूने लिए। ध्यान से swabs को दूर करने के लिए सुनिश्चित करें और शीशियों mucin जुदाई सुनिश्चित करने के लिए शीशी के तल पर लार supernatant है कि.
    3. के रूप में अच्छा अभ्यास, परख प्रोटोकॉल का पालन करने से पहले, प्रसंस्करण से पहले एक थाली वॉशर का उपयोग कुओं का एक बफर rinsing करते हैं. यह कोर्टिसोल के लिए विशेष रूप से महत्वपूर्ण है।
    4. सुनिश्चित करें कि ऑप्टिकल घनत्व प्लेट रीडर को उचित तापमान के लिए पूर्व-प्रोग्राम किया गया है (जैसे, एसएए नमूनों को 37 डिग्री सेल्सियस के ऊष्मायन तापमान की आवश्यकता होती है जबकि कोर्टिसोल नमूनों को कमरे के तापमान रीडिंग की आवश्यकता होती है) और तरंगदैर्ध्य (यानी, एसएए को 405 की आवश्यकता होती है) एनएम और कोर्टिसोल 450 एनएम और 490-492 एनएम संदर्भ फिल्टर की आवश्यकता है। SAA assays के लिए, यह अनुशंसा की जाती है कि प्लेट रीडर इस्तेमाल किया दोनों एक शेकर और अंदर एक इनक्यूबेटर है.
    5. निर्माता प्रोटोकॉल का पालन करें34,35 प्रत्येक नमूना की एकाग्रता मूल्यों की गणना करने के लिए और भिन्नता के गुणांक के इसी अंतर और अंतर-आस्से प्रतिशत (%CV) समीकरणों से outliers की पहचान करने के लिए डेटा सेट (यह पहले प्रदान किए गए समीकरण की तुलना में अलग ढंग से परिकलित किया जाता है). SAA के लिए, वे मानकीकृत नहीं कर रहे हैं के रूप में नियंत्रण में इस्तेमाल किया बहुत संख्या का ट्रैक रखने के लिए कि कृपया ध्यान दें.
      1. सबसे पहले, बहुत संख्या के अनुसार नियंत्रणों का %CV औसत और फिर एक भव्य औसत %CV स्कोर प्राप्त करने के लिए इन मानों का औसत.
      2. नमूनों के लिए, निर्माता की सिफारिश की है कि नमूनों की इंट्रा-एससेख 10% के तहत एक %CV होना चाहिए, जबकि नियंत्रण 15%34,35के तहत एक अंतर-assay %CV होना चाहिए . हालांकि, ये %CV मान काफी प्रयोगशाला शर्तों और अनुसंधान का संचालन करने के लिए इस्तेमाल उपकरणों पर निर्भर करेगा. इस प्रकार, इम्युनोसाय परख सत्यापन के वैकल्पिक तरीकों पर विचार करें जैसा किआवश्यक है 45।
    6. इसके सत्यापन के सत्यापन की अनुमति देने के लिए परख के बाद -80 डिग्री सेल्सियस पर लार के नमूने फ्रीज करें। नमूनों या नियंत्रणों की आगे एंजाइमी गिरावट को रोकने के लिए एक से अधिक बार thaw फ्रीज न करें।
  4. डेटा त्रिकोणीयन
    1. शोध प्रश्न या परिकल्पना के आधार पर, प्रासंगिक चरों को सहसंबंधित करें. सुनिश्चित करें कि46का उपयोग करने से पहले सभी आउटलियर और डेटा उचित रूप से पूर्व-प्रसंस्कृत और फ़िल्टर किए जाते हैं.
    2. निर्धारित करें कि नमूना आकार, डेटा संग्रह अंक, सांख्यिकीय शक्ति का अवलोकन किया, और अनुसंधान प्रश्न या परिकल्पना डेटा47को मिलाने की आवश्यकता है, या दोहराया गया विश्लेषणात्मकतकनीकों काउपयोग 48,49, 50|
    3. कार्य समय51 में अंतर-व्यक्तिगत अंतरों के लिए लेखांकन और14तनाव के लिए लार biomarkers की प्रतिक्रिया में देरी, timestamps का उपयोग करें, या एक साथ डेटासेट सिंक्रनाइज़ करने के लिए घटनाओं का निर्धारण.
    4. सांख्यिकीय मॉडल और सॉफ्टवेयर का उपयोग करना, डेटा सेट का विश्लेषण, और निष्कर्षों की व्याख्या.

16 ज़िप फ़ाइलें शामिल हैं.  प्रत्येक ज़िप फ़ाइल एक दिया कोर अध्याय के लिए ईओएल क्विज़ के सभी शामिल हैं।  वे इस फ़ाइल को खोलना चाहते हैं, और फिर प्रत्येक ज़िप फ़ाइल कैनवास में व्यक्तिगत रूप से लोड हो जाता है.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

इस अध्ययन में, हम स्वयं दक्षता, प्रदर्शन, और शारीरिक (EDA सेंसर) और जैविक (एसएए और कोर्टिसोल) के प्रभावों का अध्ययन करने में रुचि रखते थे के रूप में वे एक अभ्यास परीक्षा ले लिया. दिखाया डेटा नमूनों का एक प्रतिनिधि सबसेट है: (क) एक है कि सर्वेक्षण और इलेक्ट्रोडर्मल सेंसर (प्रयोग डिजाइन ए) और (ख) एक है कि लार biomarker डेटा (प्रयोग डिजाइन बी) के साथ एक ही परीक्षा शामिल माना जाता है. जब तक हम इस अध्ययन में भावनाओं डेटा एकत्र, हम इसे पेश नहीं करेंगे, के रूप में हमारा लक्ष्य वास्तविक समय में दानेदार डेटा प्रदर्शित करने के बजाय परीक्षा की शुरुआत, मध्य, या अंत में निर्धारित समय बिंदु पर था, जो है, जहां भावनाओं डेटा एकत्र किया गया था.

जैसा कि चित्र 4में दिखाया गया है, छात्रों की सामूहिक प्रतिक्रिया के अनुसार परीक्षा की कठिनाई की डिग्री की तुलना प्रयोगात्मक डिजाइनों में की गई थी। इसके अलावा, छात्रों के एक समारोह के रूप में मतलब EDA - परीक्षा सवालों को पूरा करने से पहले आत्म दक्षता स्कोर की सूचना दी साजिश रची गई थी. हालांकि कठिनाई की डिग्री दो डिजाइनों के लिए एक ही था, मतलब EDA मूल्यों में मतभेद का विरोध विभिन्न आत्म दक्षता स्कोर भर में सही और गलत प्रतिक्रियाओं के बीच पाया गया. प्रयोगात्मक डिजाइन ए (EDA सेंसर और सर्वेक्षण) के लिए, मतलब EDA छात्रों को जो सही ढंग से सवालों का जवाब देने के छात्रों की तुलना में परीक्षा के सवालों के लिए गलत जवाब के लिए एक मध्य एसई स्कोर के लिए वृद्धि हुई(पी और 0.001). प्रयोगात्मक डिजाइन बी (EDA सेंसर, सर्वेक्षण, और लार biomarkers) के लिए, मतलब EDA मूल्यों विविध जहां एक विपरीत प्रभाव कम एसई स्कोर के लिए पाया गया था (पी एंड एलटी; 0.05) और उच्च एसई स्कोर(पी एंड एलटी; 0.01), क्रमशः.

किसी भी संभावित लार प्रभावों को समझने के लिए, परीक्षा में सेट डेटा बिंदुओं के लिए औसत ईडा के साथ-साथ कोर्टिसोल और एसएए परख मूल्यों (परीक्षा के बाद शुरू, मध्य, अंत, और 20-मिनट) को सामान्यीकृत किया गया (चित्रा 5) प्रयोगात्मक डिजाइन बी के लिए। यह नोट करना महत्वपूर्ण है कि इस तालिका के लिए माध्य EDA मान ों को पूर्व-निर्धारित समय-सीमा के दौरान 60-s अंतरालों पर काट दिया गया था ताकि प्रत्येक लार मार्कर के बीच तुलना की जा सके. आंकड़ों से पता चलता है कि ईडा का स्तर परीक्षा के अंत तक शुरू से ही कम हो गया, और परीक्षा के बाद इन स्तरों में 20 मिनट के निशान से सुधार हुआ। इन प्रवृत्तियों कोर्टिसोल और एसएए डेटा में समानांतर थे. सांख्यिकीय महत्व, ANOVA के माध्यम से निर्धारित के रूप में, परीक्षा की शुरुआत और मध्य में EDA और sAA के बीच पाया गया था(पी और 0.05 दोनों बार के लिए) जबकि EDA और कोर्टिसोल परीक्षा के मध्य और अंत के बीच महत्व दिखाया(p और lt; 0.01 और p और lt; 0.05, क्रमशः). 20 मिनट के निशान तक, EDA और sAA(पी एंड एलटी; 0.01) और कोर्टिसोल और एसएए(पी एंड एलटी; 0.05) एक दूसरे के बीच महत्व दिखाने लगे.

Figure 1
चित्र 1. परीक्षा अनुभवों का अध्ययन करने के लिए सर्वेक्षण और इलेक्ट्रोडर्मल सेंसर का उपयोग करते समय प्रायोगिक सेटअप। छवि प्रायोगिक डिजाइन ए (सेंसर और सर्वेक्षण) और बी (सेंसर, सर्वेक्षण, और लार biomarkers) से पता चलता है. कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 2
चित्र 2. प्रतिभागियों को फिट और इलेक्ट्रोडर्मल सेंसर शुरू कर सकते हैं कि कैसे की एक योजनाबद्ध प्रतिनिधित्व. छवि एक (बाएं में) सेंसर पर शुरू बटन की नियुक्ति से पता चलता है, जबकि छवि बी (दाएं) भागीदार की कलाई पर EDA इलेक्ट्रोड की नियुक्ति से पता चलता है. कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 3
चित्र 3. एक प्रयोगात्मक समय रेखा का प्रतिनिधित्व जब सर्वेक्षण, लार biomarkers, और इलेक्ट्रोडर्मल सेंसर शामिल हैं. कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 4
चित्र 4. कठिनाई की डिग्री। सामूहिक छात्र प्रदर्शन के अनुसार परीक्षा की कठिनाई की डिग्री और प्रयोगात्मक डिजाइन ए (ए और बी) और प्रयोगात्मक के लिए सही और गलत प्रतिक्रियाओं के लिए प्रतिभागियों द्वारा आत्म-दक्षता पैमाने रैंकिंग के एक समारोह के रूप में EDA मतलब डिजाइन बी (सी और डी)। डिजाइन प्रति N $ 15 प्रतिभागियों; डेटा मतलब के रूप में रिपोर्ट किया गया है - मतलब के मानक त्रुटि (त्रुटि सलाखों में प्रतिनिधित्व); पैनल ए और सी पर डैश्ड रेखाएँ कठिनाई की मध्यम श्रेणियों के लिए सीमाओं का प्रतिनिधित्व करती हैं (0.3 से 0.8 के बीच)52; *पी और एलटी; 0.05, ** पी और एलटी; 0.01, और * * *पी और lt; 0.001, एक सांख्यिकीय महत्वपूर्ण अंतर जिसका अर्थ है। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 5
चित्र 5. सामान्य एसएए, कोर्टिसोल और मतलब EDA. सामान्य एसएए, कोर्टिसोल और प्रयोगात्मक डिजाइन बी के लिए मतलब EDA परीक्षा के दौरान निर्धारित समय अवधि में 60-s अंतराल पर तुलना में (शुरू, मध्य, अंत, 20 मिनट के बाद). N ] 15; डेटा मतलब पर रिपोर्ट किया गया है - मतलब के मानक त्रुटि (त्रुटि सलाखों में प्रतिनिधित्व); *पी और 0.05 और * *पी और lt; 0.01, एक सांख्यिकीय महत्वपूर्ण अंतर जिसका अर्थ है. कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

हालांकि शारीरिक उपायों कई प्रामाणिक सीखने संदर्भों में इस्तेमाल किया गया है, यह एक अध्ययन वातावरण है कि वर्तमान प्रौद्योगिकी की सीमा के प्रति जागरूक है डिजाइन करने के लिए महत्वपूर्ण है. हमारे डिजाइन एक प्रामाणिक परीक्षण वातावरण के लिए की जरूरत संतुलन और प्रौद्योगिकी को समायोजित. प्रतिभागी आंदोलन को आराम से सीमित करना, अनपेक्षित व्यवधानों को कम करना, और प्रतिभागियों के परीक्षण प्रतिसाद टाइमस्टैम्पिंग प्रोटोकॉल के भीतर सभी महत्वपूर्ण चरण हैं.

अंतरिक्ष और इलेक्ट्रोडर्मल सेंसर उपकरणों की कीमत सीमित अनुसंधान कोष के साथ शोधकर्ताओं के लिए अध्ययन अव्यावहारिक बना सकते हैं. हालांकि, एक बार खरीदा, इन सेंसरों असीमित उपयोग करता है. लार बायोमार्कर को प्रयोगशाला में संसाधित किया जाना चाहिए और प्रति-प्रति-प्रति-प्रति-प्रति-पूर्व और प्रसंस्करण व्यय महत्वपूर्ण होना चाहिए। यह भी विशेष प्रयोगशाला शर्तों और इस्तेमाल किया उपकरणों पर विचार करने के लिए महत्वपूर्ण है, वैकल्पिक लार परख सत्यापन तरीकों के रूप में सीवी के अंतर और अंतर-आस्से प्रतिशत की पहचान करने के लिए आवश्यक हो सकता है.

प्रोटोकॉल शैक्षिक भावनाओं के अध्ययन में बहु-मोडल दृष्टिकोण के आवेदन में एक महत्वपूर्ण कदम है. प्रोटोकॉल एक प्रामाणिक परीक्षण वातावरण है, जो छात्र coursework और कक्षा के अध्ययन के अधिक उद्देश्य वास्तविक समय अध्ययन सक्षम बनाता है नकल करते हुए प्रतिभागी प्रतिक्रियाओं timestamping द्वारा EDA माप की शुद्धता को अधिकतम, एक को संबोधित बाधा है कि सीमित पूर्व अनुसंधान अध्ययन सीखने और प्रदर्शन पर ध्यान केंद्रित किया. यह कीस्ट्रोक कैप्चर की आवश्यकता होती है जो ऑनलाइन सीखने की गतिविधियों को शामिल करने के लिए तकनीक को संशोधित करने के लिए संभव है। यह भी जहां परीक्षण या वर्तमान पाठ आधारित संकेतों की कठिनाई परीक्षण के लिए छात्रों की उम्मीदों को प्रभावित करने के लिए पूर्व डिजाइन कर रहे हैं में धोखे के अध्ययन के लिए प्रोटोकॉल का उपयोग करने के लिए संभव है.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

लेखकों को खुलासा करने के लिए कुछ भी नहीं है.

Acknowledgments

यह सामग्री राष्ट्रीय विज्ञान फाउंडेशन (एनएसएफ) सं. Ed-1661100 के रूप में अच्छी तरह के रूप में एक NSF GRFP अनुदान Darcie Christensen (सं. 120214) को दिया. इस सामग्री में व्यक्त की गई कोई भी राय, निष्कर्ष, और निष्कर्ष या सिफारिशें जरूरी रूप से एनएसएफ या यूएसयू के उन लोगों को प्रतिबिंबित नहीं करती हैं। हम अपने सांख्यिकीय विश्लेषण के लिए उसकी तरह चर्चा और सिफारिशों के लिए शेरी बेन्सन शुक्रिया अदा करना चाहता हूँ.

इस पत्र में लेखक योगदान इस प्रकार हैं: Villanueva (अनुसंधान डिजाइन, डेटा संग्रह और विश्लेषण, लेखन, संपादन); Husman (अनुसंधान डिजाइन, डेटा संग्रह, लेखन, संपादन); Christensen (डेटा संग्रह और विश्लेषण, लेखन, संपादन); Youmans (डेटा संग्रह और विश्लेषण, लेखन, और संपादन); खान (डेटा संग्रह और विश्लेषण, लेखन, संपादन); Vicioso (डेटा संग्रह और विश्लेषण, संपादन); Lampkins (डेटा संग्रह और संपादन); ग्राहम (डेटा संग्रह और संपादन)

Materials

Name Company Catalog Number Comments
1.1 cu ft medical freezer Compact Compliance # bci2801863 They can use any freezer as long as it can go below -20 degrees Celsius; these can be used to store salivary samples for longer periods of time (~4 months) before running salivary assays.
Camping Cooler Amazon (any size/type) Can be used to store salivary samples during data collection
E4 sensor Empatica Inc E4 Wristband Rev2 You can use any EDA sensor or company as long as it records EDA and accelerometry
EDA Explorer https://eda-explorer.media.mit.edu/ (open-source) Can be used to identify potential sources of noise that are not necessarily due to movement
Laptops Dell Latitude 3480 They can use any desktop or laptop
Ledalab http://www.ledalab.de/ (open-source) Can be used to separate tonic and phasic EDA signals after following filtration steps
MATLAB https://www.mathworks.com/products/matlab.html (version varies according to updates) To be used for Ledalab, EDA Explorer, and to create customized time-stamping programs.
Salivary Alpha Amylase Enzymatic Kit Salimetrics ‎# 1-1902 For the salivary kits, you should plan to either order the company to analyze your samples and/or go to a molecular biology lab for processing
Salivary Cortisol ELISA Kit Salimetrics # ‎1-3002 For the salivary kits, you should plan to either order the company to analyze your samples and/or go to a molecular biology lab for processing
Testing Divider (Privacy Shields) Amazon #60005 They can use any brand of testing shield as long as they cover the workspace
Web Camera Amazon Logitech c920 They can use any web camera as long as it is HD and 1080p or greater

DOWNLOAD MATERIALS LIST

References

  1. William, J. What is an emotion? Mind. 9 (34), 188-205 (1884).
  2. Pekrun, R., Linnenbrink-Garcia, L. Emotions in education: Conclusions and future directions. International handbook of emotions in education. Pekrun, R., Linnenbrink-Garcia, L. , Routledge Press. London. 659-675 (2014).
  3. Pekrun, R. The control-value theory of achievement emotions: Assumptions, corollaries, and implications for educational research and practice. Educational Psychology Review. 18 (4), 315-341 (2006).
  4. Pekrun, R., Perry, R. P. Control-value theory of achievement emotions. International Handbook of Emotions in Education. , 120-141 (2014).
  5. Pekrun, R., Stephens, E. J., et al. Academic emotions. APA Educational Psychology Handbook. Harris, K. R., et al. , American Psychological Association. Washington, D.C. 3-31 (2011).
  6. Bandura, A. Self-efficacy: The exercise of control. , W. H. Freeman & Co. New York, NY. (1997).
  7. Bandura, A. Social foundations of thought and action: A social cognitive theory. , Prentice Hall. Upper Saddle River, New Jersey. (1986).
  8. Bandura, A. Guide for constructing self-efficacy scales. Self-efficacy beliefs of adolescents. Pajares, F., Urdan, T. , Information Age Publishing. Charlotte, NC. 307-337 (2006).
  9. Jarrell, A., Harley, J. M., Lajoie, S., Naismith, L. Success, failure and emotions: examining the relationship between performance feedback and emotions in diagnostic reasoning. Educational Technology Research and Development. 65 (5), 1263-1284 (2017).
  10. Pekrun, R., Bühner, M. Self-report measures of academic emotions. International Handbook of Emotions in Education. Pekrun, R., Linnenbrink-Garcia, L. , Routledge Press. London. 561-566 (2014).
  11. Nett, U. E., Goetz, T., Hall, N. C. Coping with boredom in school: An experience sampling perspective. Contemporary Educational Psychology. 36 (1), 49-59 (2011).
  12. Azevedo, R. Defining and measuring engagement and learning in science: Conceptual, theoretical, methodological, and analytical issues. Educational Psychologist. 50 (1), 84-94 (2015).
  13. Spangler, G., Pekrun, R., Kramer, K., Hofman, H. Students’ emotions, physiological reactions, and coping in academic exams. Anxiety, Stress, & Coping. 15 (4), 413-432 (2002).
  14. Husman, J., Cheng, K. C., Puruhito, K., Fishman, E. J. Understanding engineering students stress and emotions during an introductory engineering course. American Society of Engineering Education. , Paper ID #13148 (2015).
  15. Vedhara, K., Hyde, J., Gilchrist, I., Tytherleigh, M., Plummer, S. Acute stress, memory, attention and cortisol. Psychoneuroendocrinology. 25 (6), 535-549 (2000).
  16. Berenbaum, S. A., Moffat, S., Wisniewski, A., Resnick, S. Neuroendocrinology: Cognitive effects of sex hormones. The Cognitive Neuroscience of Development: Studies in Developmental Psychology. de Haan, M., Johnson, M. H. , Psychology Press. 207-210 (2003).
  17. Lundberg, U., Frankenhaeuser, M. Pituitary-adrenal and sympathetic-adrenal correlates of distress and effort. Journal of Psychosomatic Research. 24 (3-4), 125-130 (1980).
  18. Nater, U. M., Rohleder, N. Salivary alpha-amylase as a non-invasive biomarker for the sympathetic nervous system: Current state of research. Psychoneuroendocrinology. 34 (4), 486-496 (2009).
  19. Denson, T., Spanovic, M., Miller, N., Cooper, H. Cognitive appraisals and emotions predict cortisol and immune responses: A meta-analysis of acute laboratory social stressors and emotion inductions. Psychological Bulletin. 135 (6), 823-853 (2009).
  20. Van Stegeren, A. H., Wolf, O. T., Kindt, M. Salivary alpha amylase and cortisol responses to different stress tasks: Impact of sex. International Journal of Psychophysiology. 69 (1), 33-40 (2008).
  21. Benedek, M., Kaernbach, C. A continuous measure of phasic electrodermal activity. Journal of Neuroscience Methods. 190 (1), 80-91 (2010).
  22. Boucsein, W., Backs, R. W. Engineering psychophysiology as a discipline: Historical and theoretical aspects. Engineering psychophysiology. Issues and applications. Backs, R. W., Boucsein, W. , Lawrence Erlbaum. Mahwah, NJ. 3-30 (2000).
  23. Boucsein, W., Backs, R. W. The psychophysiology of emotion, arousal, and personality: Methods and models. Handbook of digital human modeling. Duffy, V. G. , CRC. Boca Raton. 35-38 (2009).
  24. Turpin, G., Shine, P., Lader, M. H. Ambulatory electrodermal monitoring: effects of ambient temperature, general activity, electrolyte media, and length of recording. Psychophysiology. 20, 219-224 (1983).
  25. Posada-Quintero, H. F., et al. Timevarying analysis of electrodermal activity during exercise. PLoS ONE. 13 (6), e0198328 (2018).
  26. Lobstein, T., Cort, J. The relationship between skin temperature and skin conductance activity: Indications of genetic and fitness determinants. Biological Psychology. 7, 139-143 (1978).
  27. Scholander, T. Some measures of electrodermal activity and their relationships as affected by varied temperatures. Journal of Psychosomatic Research. 7, 151-158 (1963).
  28. Schwerdtfeger, A. Predicting autonomic reactivity to public speaking: don't get fixed on self-report data! International Journal of Psychophysiology. 52 (3), 217-224 (2004).
  29. Braithwaite, J. J., Watson, D. G., Jones, R., Rowe, M. A guide for analysing electrodermal activity (EDA) & skin conductance responses (SCRs) for psychological experiments. Psychophysiology. 49 (1), 1017-1034 (2013).
  30. Villanueva, I., Valladares, M., Goodridge, W. Use of galvanic skin responses, salivary biomarkers, and self-reports to assess undergraduate student performance during a laboratory exam activity. Journal of Visualized Experiments. (108), e53255 (2016).
  31. Empatica, E4 wristband from Empatica: User’s manual. Empatica. , 1-32 (2018).
  32. Salimetrics, Collection methods: Passive drool using the saliva collection aid. Salimetrics Technical Summary. , 1-2 (2018).
  33. Salimetrics, Collection methods: Passive drool using the saliva collection aid. Salimetrics Technical Summary. , 1-2 (2018).
  34. Salimetrics, Expanded range high sensitivity salivary cortisol enzyme immunoassay kit. Salimetrics Technical Summary. , 1-21 (2016).
  35. Salimetrics, Salivary α-amylase kinetic enzyme assay kit. Salimetrics Technical Summary. , 1-17 (2016).
  36. Moore, D. Innovative Hormone Testing: Saliva Test Specifications, ZRT Laboratory Reports. , Available from: https://www.zrtlab.com/resources/ (2014).
  37. Call, B., Goodridge, W., Villanueva, I., Wan, N., Jordan, K. Utilizing electroencephalography measurements for comparison of task-specific neural efficiencies: spatial intelligence tasks. Journal of Visualized Experiments. (114), (2016).
  38. Ruel, E. E., Wagner, W. E. III, Gillespie, B. J. The practice of survey research: theory and applications. , SAGE Publications. Thousand Oaks, CA. (2016).
  39. Barrett, P. Euclidean distance: raw, normalized, and double-spaced coefficients. The Technical Whitepaper Series. 6, 1-26 (2005).
  40. Groeneveld, R. A. Influence functions for the coefficient of variation, its inverse, and CV comparisons. Communications in Statistics- Theory and Methods. 40 (23), 4139-4150 (2011).
  41. Tronstad, C., Staal, O. M., Sælid, S., Martinsen, ØG. Model-based filtering for artifact and noise suppression with state estimation for electrodermal activity measurements in real time. 37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society. , 2750-2753 (2015).
  42. Routray, A., Pradhan, A. K., Rao, K. P. A novel Kalman filter for frequency estimation of distorted signals in power systems. IEEE Transactions on Instrumentation and Measurement. 51 (3), 469-479 (2002).
  43. Benedek, M., Kaernbach, C. A continuous measure of phasic electrodermal activity. Journal of Neuroscience Methods. 190, 80-91 (2010).
  44. Taylor, S., et al. Automatic Identification of Artifacts in Electrodermal Activity Data. 37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society. , 1934-1937 (2015).
  45. Andreasson, U., et al. A practical guide to immunoassay method validation. Frontiers in Neurology. 6 (179), 1-8 (2015).
  46. Adam, E. K., Kumari, M. Assessing salivary cortisol in large-scale, epidemiological research. Psychoneuroendocrinology. 34 (10), 1423-1436 (2009).
  47. Pruessner, J. C., Kirschbaum, C., Meinlschmid, G., Hellhammer, D. H. Two formulas for computation of the area under the curve represent measures of total hormone concentration versus time-dependent change. Psychoneuroendocrinology. 28 (7), 916-931 (2003).
  48. Girden, E. R. ANOVA: Repeated measures. , Sage. Thousand Oaks, CA. (1992).
  49. Raudenbush, S. W., Bryk, A. S. Hierarchical linear models: Applications and data analysis methods (Vol. 1). , Sage. Thousand Oaks, CA. (2002).
  50. Duncan, T. E., Duncan, S. C., Strycker, L. A. An introduction to latent variable growth curve modeling: Concepts, issues, and application. , Routledge. Abingdon, United Kingdom. (2013).
  51. Mehta, P. D., West, S. G. Putting the individual back into individual growth curves. Psychological Methods. 5 (1), 23-43 (2000).
  52. Exploring relationships between electrodermal activity, skin temperature, and performance during engineering exams. Khan, M. T. H., Villanueva, I., Vicioso, P., Husman, J. IEEE Frontiers in Education Conference (FIE) Conference, Oct 16 to 19, 2019, Cincinnati, OH, USA, , (Accepted).
  53. Stretched Too Much? A Case Study of Engineering Exam-Related Predicted Performance, Electrodermal Activity, and Heart Rate. Christensen, D., Khan, M. T. H., Villanueva, I., Husman, J. 47th SEFI Conference, 16-19 Sept 2019, Budapest, HU, , (Accepted).

Tags

व्यवहार अंक 151 वास्तविक समय परीक्षा प्रदर्शन पार-अनुशासनात्मक बहु-मोडल प्रयोगात्मक
पास-रियल-टाइम प्रामाणिक परीक्षा अनुभवों के अध्ययन के लिए एक क्रॉस-अनुशासन और मल्टी-मोडल प्रायोगिक डिजाइन
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Villanueva, I., Husman, J.,… More

Villanueva, I., Husman, J., Christensen, D., Youmans, K., Khan, M. T., Vicioso, P., Lampkins, S., Graham, M. C. A Cross-Disciplinary and Multi-Modal Experimental Design for Studying Near-Real-Time Authentic Examination Experiences. J. Vis. Exp. (151), e60037, doi:10.3791/60037 (2019).

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