Waiting
Login processing...

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

Behavior

En tverrfaglig og multi-modal eksperimentell design for å studere nær-Real-Time autentisk eksamen erfaringer

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

En eksperimentell design ble utviklet for å undersøke sanntids påvirkninger av en undersøkelse opplevelse å vurdere den emosjonelle realiteter studentene opplever i høyere utdanning innstillinger og oppgaver. Denne designen er et resultat av et tverrfaglig (f. eks, pedagogisk psykologi, biologi, fysiologi, engineering) og multi-modal (f. eks, spytt markører, undersøkelser, electrodermal sensor) tilnærming.

Abstract

I løpet av de siste ti årene, forskning på elevenes følelser i pedagogiske miljøer har økt. Selv om forskerne har oppfordret til flere studier som er avhengige av objektive målinger av emosjonell erfaring, finnes det begrensninger på bruk av multi-modal datakilder. Studier av følelser og emosjonell regulering i klasserom er tradisjonelt avhengig av undersøkelsesinstrumenter, erfarings prøving, artefakter, intervjuer eller observasjons prosedyrer. Disse metodene, mens verdifulle, er i hovedsak avhengig av deltaker eller observatør subjektivitet og er begrenset i sin autentiske måling av studentenes Real-Time ytelse til et klasserom aktivitet eller oppgave. Sistnevnte, i særdeleshet, utgjør en snubler blokk for mange forskere som ønsker å objektivt måle følelser og andre relaterte tiltak i klasserommet, i sanntid.

Hensikten med dette arbeidet er å presentere en protokoll for å eksperimentelt studere studentenes sann tids svar på eksamens opplevelser i en autentisk vurderings situasjon. For dette, et team av pedagogiske psykologer, ingeniører, og engineering utdanning forskere utformet en eksperimentell protokoll som beholdt de grensene som kreves for nøyaktig fysiologisk sensor måling, beste praksis av spytt samling, og en autentisk testmiljø. Spesielt er eksisterende studier som er avhengige av fysiologiske sensorer utført i eksperimentelle miljøer som er koblet fra pedagogiske innstillinger (f. eks Trier stress test), løsrevet i tid (f. eks, før eller etter en oppgave), eller innføre analysefeil (f.eks. Bruk av sensorer i miljøer der det er sannsynlig at elevene beveger seg). Dette begrenser vår forståelse av elevenes sann tids svar på klasseromsaktiviteter og oppgaver. Videre har nyere forskning kalt for flere hensyn å være dekket rundt spørsmål om rekruttering, replicability, gyldighet, oppsett, datarensing, Foreløpige analyser, og spesielle omstendigheter (for eksempel legge til en variabel i den eksperimentelle design) i akademiske følelser forskning som er avhengig av multi-modal tilnærminger.

Introduction

Psykologer har lenge forstått viktigheten av menneskers følelser i Elucidating deres atferd1. Innenfor studiet av utdanning, har Academic Achievement Emotions (AEE) blitt fokus for følelser forskning2. Forskere som bruker AAE hevder at situasjonsforståelse kontekster studentene befinner seg i er viktig å vurdere når undersøke studentenes følelser. Studentene kan oppleve test relaterte, klasse relaterte eller lærings relaterte følelser som involverer prosesser med flere komponenter, inkludert affektive, fysiologiske, motiverende og kognitive komponenter. AEE uttrykkes i to former: Valence (positiv/negativ) og aktivering (fokusert/ufokusert energi). Positiv aktivering følelser, for eksempel nytelse, kan øke reflekterende prosesser som Metacognition, mens positive deaktivere følelser som stolthet kan føre til lave nivåer av kognitiv prosessering. Negative aktiverer følelser som sinne og angst kan gnist engasjement, mens negative deaktivere følelser som håpløshet kan dempe motivasjonen3,4,5. Akademiske følelser bidrar til hvordan vi lærer, oppfatter, bestemmer, svarer, og problem løse2. Å regulere akademiske følelser, må en person ha selv-effekt (se)6,7,8, som er deres tillit til deres evne til å ansette kontroll over sin motivasjon, atferd og sosiale miljø 6. Self-effekt og akademiske følelser er beslektede, der lavere selv effekt er knyttet til negative deaktivering følelser (f. eks angst, sinne, kjedsomhet) og høyere selv-effekt er knyttet til positive aktivere følelser (f. eks lykke, håp, spenning)6,7,8. SE er også antatt å være sterkt knyttet til ytelse6,7,8.

Forskning som har undersøkt klasserommet følelser har stolt på selv-rapporter, observasjoner, intervjuer og gjenstander (f. eks eksamener, prosjekter)9,10. Selv om disse metodene gir rik kontekstuell informasjon om studentenes klasseroms opplevelser, har de betydelige begrensninger. For eksempel, intervjuer, observasjoner, og selv-rapporter stole på individer ' introspections10. Andre metoder har søkt å undersøke akademiske følelser mer proksimalt enn tidligere forskere, slik som de basert på erfaring-prøvetaking tilnærminger der forskerne be elevene til å rapportere om sine følelser i løpet av skoledag11. Selv om denne forskningen tillater oss å rapportere elevenes følelser mer nøyaktig, dette arbeidet er avhengig av egen rapport metoder og tillater ikke for sanntids rapportering som elevene må stanse sitt arbeid på eksamen for å møteopplevelsen undersøkelsen.

Nylig har forskerne begynt å ta opp bekymringer om egen rapportering tiltak gjennom bruk av biologiske eller fysiologiske tiltak av følelser9, som kombinert med andre instrumenter eller teknikker som undersøkelser, observasjoner, eller intervjuer, består av en multi-modal form for datainnsamling for pedagogisk og psykologisk forskning12. For eksempel blir biologiske teknikker, inkludert spytt biomarkører, brukt til å forstå den rolle biologiske prosesser har på kognisjon, følelser, læring og ytelse13,14,15. For kognitive prosesser, androgener (f. eks, testosteron) har vært knyttet til ulike romlige gjenkjennings mønstre i voksne og barn16,17 mens hypothalamus-hypofysen-adrenokortikal hormoner (f. eks kortisol) og adrenerge hormoner (f. eks spytt α-Amylase eller sAA) er knyttet til stress respons blant individer18,19,20.

Electrodermal aktivitet (EDA) representerer et fysiologisk mål på aktiveringen av det autonome nervesystemet (ans) og er knyttet til økt aktivering av systemet, kognitiv belastning eller intense følelsesmessige reaksjoner21,22 ,23. I undersøkelses aktiviteter påvirkes EDA av fysisk mobilitet21,22, kroppslige og omgivelsestemperaturer24,25,26,27og Verbalisering av av tanker28, samt følsomhet og grad av tilkobling av analoge-digitale elektroder til huden29.

Selv om disse kan være begrensninger ved bruk av EDA, kan denne teknikken likevel gi verdifull innsikt i hva som skjer i nær sanntid undersøkelser og kan tjene som et lovende verktøy for å utforske AEE og i omfang, selv effekt. Som et resultat, et nøyaktig bilde av studentenes AEE kan fås gjennom en kombinasjon av undersøkelsen metoder, for å bestemme Valence av følelser, og fysiologiske og biologiske data, for å måle aktiveringen av at følelser. Dette papiret bygger på en tidligere publikasjon på eksamens aktiviteter30 og utvider omfanget av dette arbeidet for å inkludere multi-modal tilnærminger (ved hjelp av erfaring-prøvetaking undersøkelser, EDA sensorer, og spytt biomarkører) i en undersøkelse scenario. Det er viktig å nevne at protokollen som er beskrevet nedenfor, gjør det mulig for flere deltaker data å bli samlet på samme tid innenfor en enkelt eksperimentell innstilling.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Prosedyrer ble godkjent av den institusjonelle Review Board (IRB) under en generell gjennomgang ved Utah State University for studier på menneskelige og bruk av disse konstruksjoner. De typiske resultatene inkluderer to semester av en ingeniør Statikk kurs, hver med en litt annen eksperimentell oppsett, på en vestlig institusjon for høyere utdanning i USA. Praksis eksamener, hvis innhold parallelle selve eksamener, ble utviklet av kurset instruktør og ble brukt for våre studier. Vær oppmerksom på at protokollen som er beskrevet nedenfor, beskriver samtidige trinn, og noen trinn kan overlappe.

1. betraktninger om eksperimentell design og integrering av disiplinære praksiser

Som forskere vurdere eksperimentelle design av denne art, disiplinære kunnskaper og tilnærminger må integreres på en måte som utfyller og opprettholder de viktigste forsknings mål. Etter hvert som nye instrumenter og metoder legges til, er det nødvendig med ytterligere validerings hensyn. I dette arbeidet vil vi utforske en eksperimentell studie der undersøkelser og electrodermal sensorer ble brukt til ett av semester (eksperimentell design A), og spytt biomarkør samling (dvs. kortisol og sAA) ble lagt til den påfølgende semester (eksperimentell design B). Nedenfor er hensynet til de to oppsettene:

  1. Eksperimentell design med undersøkelser og Electrodermal sensorer
    1. Electrodermal sensorer er følsomme. Deltakernes skremme svar, hvis utilsiktet aktivert, kan skape en betydelig økning i EDA-responsen. Dette er spesielt viktig når du vurderer flere deltakere for datainnsamling, hvis handlinger kan forbedre disse skremme svarene. Som sådan, sørg for å sette opp arbeidsområdet nøye for å minimere så mange distraksjoner som mulig. Som vist i figur 1, inkluderer en testing skjold hvis utforske eksamen opplevelser for en enkelt person eller en gruppe av individer.
      Merk: for å øke den økologiske gyldigheten av testing miljøet, planlegger å gi materiale som en student ville være å bruke på deres faktiske eksamen (f. eks arbeidsbøker, ligninger ark) for å tillate deltakerne å reflektere over og utarbeide eventuelle behov eksamen problemer
    2. Electrodermal sensorer gir et signal hver 1/4th av et sekund. Hvis du vil at en hendelse skal defineres og studert, implementerer du en plan for å samle inn et nøyaktig mål for starten på en oppgave. Når tiden synkronisering electrodermal sensorer med spørreundersøkelser, må du kontrollere at presentasjonen av spørre undersøkelses spørsmålet er synkronisert med electrodermal sensoren ved å bruke den interne klokken på datamaskinen til å etablere en tidsramme for datainnsamling (se figur 1). Hvis du bruker noen Bluetooth-aktiverte electrodermal sensorer (for eksempel se tabell over materialer), samkjøre ganger i Greenwich Meridian time (GMT) for å gjøre rede for tidssoneendringer og sommertid forskjeller under datainnsamlings prosedyrer30.
      Merk: Hvis du bruker en webserver for presentasjon av stimuli (f. eks, test spørsmål, undersøkelse element, etc.), må du passe på å justere ganger mellom serveren og datamaskinen interne klokken som disse er vanligvis ikke synkronisert. Merk at det kan være nødvendig å pre-installere en Cross-Platform Web server (f. eks XAMPP eller andre Apache-servere) til hver datamaskin som brukes for studien. Hvis tenkt å synkronisere et web-kamera for videoopptak formål, bør du vurdere å bruke sikkerhetsprogramvare som gjør opptak av dato, klokkeslett, time, minutt, sekund og millisekunder (f. eks 01/01/2000 04:01:02:05) av videoen. Vær oppmerksom på at denne videoen også må synkronisert med datamaskinens interne klokke og de andre enhetene (for eksempel EDA-sensor). Sett webkameraene til å måle deltakerens ansikt i forskjellige vinkler, om nødvendig. Vi anbefaler at for en frontal møtt webkamera; videoen er plassert parallelt med arbeidsstasjonens overflate, og for de nedover motstående webkameraene kan du plassere videoen ved 30 ° til 45 ° fra arbeidsstasjons overflaten til deltakerens ansikt.
    3. Plasser electrodermal sensoren på den ikke-dominerende hånden til deltakeren for å minimere støy i signalet på grunn av bevegelses-eller elektrode kontakt feil under datainnsamlingen, som foreslått i en tidligere protokoll30. Hvis forskerne ønsker å minimere artefakter i EDA på grunn av bevegelse, er ett alternativ å inkludere en håndleddet gel pad på et sted som er behagelig for deltakeren, og som samtidig tillater dem å hvile sin ikke-dominerende hånd på.
      Merk: plasseringen av den bærbare datamaskinen, gel pad, sensor, eksamen ark, og andre elementer i studien må være standardisert for å sikre repeterbarhet på tvers av eksamen forhold og semester. Som vist i figur 1, ble Painter ' s tape brukt til å sentrere hvert element (for eksempel bærbare datamaskiner, eksamens ark, kameraer) av den eksperimentelle oppsett konsekvent på tvers av deltakere og semester av datainnsamling.
    4. For electrodermal sensoravlesninger må du etablere en periode der deltakerne har oppnådd en avslappet tilstand for å etablere opprinnelige EDA-data31. For dette, enten indikere en tid i begynnelsen av eksamen for deltakerne å stirre på testing skjoldet (~ 5-15 minutter) eller programmere dette stikkordet i den bærbare datamaskinen som en del av tidsstempel programmet. Ved fullføring av denne perioden, kan deltakerne begynne med alle relevante undersøkelser og eksamensspørsmål. I samme retning, tildele en avslapning periode på slutten av eksamen erfaring.
  2. Eksperimentell design med undersøkelser, Electrodermal sensorer, og spytt biomarkører
    1. Ved integrering av electrodermal sensorer med spørreundersøkelser og spytt-biomarkører, må du sørge for at forstyrrelsene minimeres i best mulig utstrekning. Som en strategi, lage en opplæringsvideo for å hjelpe deltakerne å forstå hvordan å gi sine spytt prøver på angitte tidsperioder av eksamen i henhold til produksjons spesifikasjoner (se tabell over materialer) for å minimere avbrudd fra Forskere.
      Merk: i denne studien, forskerne var interessert i å samle spytt i løpet av fire gang-poeng: begynnelsen, midten, slutten, og etter eksamen. Men forskerne kan velge andre ganger de anser som hensiktsmessig for studiet. Også, vi brukte pinnen samlingen metoden32 i stedet for sin passive sikle metoden33 for brukervennlighet og raskere sample samling ganger. Også valgte vi kortisol34 og sAA35 kits (se tabell over materialer) og fulgte produsentens spesifikasjoner i behandlingen. Men hvis gruppen ikke har et biologisk laboratorium for å gjennomføre disse formene for testing, kan andre leverandører kunne analysere prøvene32,36.
    2. Når du samler spytt prøver, har en kjøligere med tørr is med en intern temperatur på-20 ° c; Dette vil hindre romtemperatur nedbrytning av enzymer for kortisol prøvene34. Hvis samle spytt Alpha-Amylase, dens stabilitet er mye lengre (~ fem dager ved romtemperatur og åpner for 5 fryse-tine sykluser35). Hvis samle begge, slik tilfellet var i denne studien, Følg retningslinjene som trengs for å lagre spytt kortisol prøver i henhold til produsentens anbefalinger34,35.
    3. Hvis du bruker metoden for innsamling av pinnen25, må du ha en serviett i det indre kinnet eller under tungen til deltakeren for 60 s. Når du håndterer hetteglassene og prøve innsamlings dekslene, følger du produsent protokollene34,35 og formidler informasjonen til deltakerne før studien begynner.
      Merk: Hvis eksperimentet er mer detaljert (for eksempel spørsmål om datainnsamling), må du sørge for å registrere start-og Forskyvnings tidene for hver spytt prøve samling, da disse kanskje må tas hensyn til i EDA-analysen. Det samme gjelder for utbruddet og forskyvningen av datainnsamlings tider for undersøkelser. For spytt datainnsamling, vår gruppe utviklet et flagg system for å tillate deltakerne å varsle forsker/Proctor når en spytt prøven var klar til å bli samlet. Vurder å utpeke flere proctors for å bistå med en eksperimentell økt i tilfelle flere spytt prøver er klare til å samles og lagres.

2. oppsett og rengjøring pre-og post-eksperiment

  1. Undersøkelser
    1. I undersøkelsesskjemaet organiserer du en planleggingsprosess, angir deltaker-IDer og samler inn demografisk informasjon etter behov. Også etablere eller pre-Label noen aktuelle undersøkelsen spørsmål som forberedelse for dataeksport. Dette vil muliggjøre raskere og mer effektiv datarensing, administrasjon og statistiske analyser.
    2. Synkroniser undersøkelses presentasjonen og avslutnings tidene i løpet av eksamens protokollen. Hvis du integrerer sensorer eller video, synkroniserer du disse teknologiene med evalueringsprogramvaren også.
    3. Som et spørsmål om høflighet og av hensyn til å bidra til en hjertelig og innbydende forskningsmiljø, og hvis instruktører er enige, sette opp en automatisert oppfølging e-post som inneholder svar på eksamensspørsmål skal sendes til deltakerne umiddelbart eller kort tid etter deltakelse i sesjonen.
  2. Electrodermal sensorer
    1. Planlegg å pre-planlegge deltakere til en undersøkelse sesjon/tid, vurdere eventuell medisinsk informasjon og kosttilskudd vaner for EDA og spytt samling30 og hånd DOMINANS for EDA samling30, og minne deltakerne å unngå forbruk av sukker eller koffeinholdige produkter dagen av eksperimentet. Dette er viktig som visse medisinske tilstander (f.eks. metabolske forstyrrelser) og diett vaner (f.eks. koffein forbruk) kan påvirke EDA (og spytt verdier), som foreslått i en tidligere protokoll30.
    2. Før deltakerne kommer, må du kontrollere at sensorene er riktig kalibrert, programvareoppdateringer har blitt tatt vare på, og sensorer har blitt rengjort med 70% alkohol kluter30.
    3. Når du monterer EDA-sensoren på en deltakers håndledd, må du sørge for å plassere den på deltakerens ikke-dominerende hånd. Slik tilpasser du EDA-sensoren:
      1. Plasser sensoren med knappen vendt ned mot tommelen.
      2. Med håndflatene vendt opp mot ansiktet deres, har deltakerne trekke en innbilt linje fra mellomrommet mellom andre og tredje finger av deres ikke-dominerende hånd til midten av håndleddet området og plassere sensoren elektrodene der.
      3. Be deltagerne tilpasse sensor remmene på en måte som ikke er for stram eller for løs.
        Merk: et representativt bilde av denne tilpasningen finner du i figur 2.
    4. Når du starter sensoren, må du sørge for å følge produsentens protokoller31 for å sikre at sensorene er konfigurert til å samle inn data. I dette eksperimentet er protokollen skreddersydd for bruk med et bestemt merke av sensorer (se tabell over materialer), selv om forskerne er velkomne til å bruke enhver fysiologisk sensor av deres valg.
      1. For enheter som brukes her, trykker du inn sensor knappen i tre sekunder. Et grønt lys vil blinke periodisk, etterfulgt av et rødt blinkende lys, og deretter oppstår det en uttoning.
      2. Under fade-out, for å sikre at sensoren er på, trykk på knappen én gang for mindre enn 1 s. Hvis den blinker rødt, indikerer det at den registrerer data.
    5. Når du slår av sensoren, trykker du på knappen for 3 s. Sensoren vil slå seg av hvis lysene på undersiden av armbåndet går fra grønt til visne.
    6. Å hente data fra sensoren, koble den til datamaskinen, og laste opp data i administrerende programvaresystemet i henhold til produsentens anbefalinger31.
  3. Spytt biomarkører
    1. Som nevnt tidligere, pre-vurdere eventuelle medisinske tilstander eller kosttilskudd vaner som kan påvirke spytt verdier under analyse. Også minne deltakerne om ikke å bære noen Lip Balm, make-up, eller produkter i nærheten av leppene når de kommer til økten, da dette kan innføre forurensninger som kan påvirke kortisol og spytt Alpha-Amylase prøver. Hvis deltakerne ankommer iført disse produktene, forsiktig veilede dem til et toalett eller gi passende kluter som ville fjerne disse produktene uten å innføre andre kjemikalier (f. eks vann på en serviett versus make-up Remover håndklær). Til slutt, klare eksperiment rom av mat eller drikke som har en sterk lukt (f. eks, pizza, appelsiner) som kan forbedre spytt produksjonen blant deltakerne.
    2. Ved deltakernes ankomst til det eksperimentelle rommet, hånd deltakerne 1 unse vann helles i en kopp i deres nærvær. Be dem om å swish og svelge vannet. Dette gjøres for å fjerne munningen av noen matrester som kan påvirke kortisol og spytt Alpha-Amylase data.
    3. Hvis du samler inn EDA-data i forbindelse med spytt, må du forsiktig minne deltakerne på å minimere håndbevegelser i hånden som har EDA-sensoren. Som sådan, vil deltakerne må bli informert om at noen spytt sample samling forutsatt må gjøres i sin dominerende hånd. For å lette denne prosessen, anbefales det at det eksperimentelle oppsettet inkluderer pre-merket hetteglass og et stativ for å minimere tap av prøver (se figur 1).
    4. Ved Oppsamling av spytt prøver bør du ha på deg fersk nitril hansker for å minimere støvpartikler eller andre forurensende stoffer fra hånd oljer som skal overføres til spytt prøve hetteglasset.
    5. Som indikert tidligere, må du umiddelbart overføre prøvene til en kjøler som har en intern temperatur på-20 ° c.

3. økende økologisk gyldighet i lys av undersøkelser, electrodermal sensorer, og spytt biomarkører

  1. Når det gjelder eksamen autentisitet
    1. For å gi en autentisk test opplevelse må du justere eksamens innholdet med emneinnhold. For dette kan du se gjennom emneinnholdet sammen med en gruppe innholdseksperter, inkludert kurs læreren.
    2. Velg en evaluering (test eller vurdering) av emneinnholdet som kan replikeres i en eksperimentell innstilling, eller som kan utfylle eksisterende emneinnhold (f.eks. øvelses eksamen).
      Merk: avhengig av institusjonens retningslinjer for vurdering av institusjonen din, kan bruk av virkelige eksamener ikke være tillatt på grunn av potensiell skade for studentenes vurderinger i faget. Som sådan, kan en tilsvarende erfaring (f. eks, praksis eksamen) vurderes i stedet.
    3. Ved siden av instruktøren, utvikle en svar nøkkel og eksamens problemer og dens løsninger som skal brukes til å samle ytelsesdata på et detaljert nivå (dvs. spørsmål på spørsmål) og/eller makro-nivå (dvs. hele eksamen) avhengig av målene for forskningen
    4. Be instruktøren også å gi noen ekstra materialer som vanligvis brukes i sine eksamener (f. eks jukse ark) eller eventuelle tillatte materialer (f. eks, lærebøker, liste over referanser) som vanligvis brukes i sine kurs. Forskere bør være forberedt på å gi disse verktøyene til deltakerne.
    5. Sørg for at testing miljøet paralleller den eksperimentelle oppsett (f. eks, eksamens tider, tilbud om eksamen-testing senter eller klasserom, etc.) og dens funksjoner som skrivebordplass, belysning, temperaturen i rommet, blant andre.
  2. Når det gjelder inkludering av undersøkelsen
    1. Avhengig av antall spørsmål i undersøkelsen, vil det være viktig å gjøre rede for omtrentlig tider; Det kan ta deltakerne å fullføre undersøkelsen spørsmål mens de tar eksamen.
    2. Allot ytterligere test-tar tid å gjøre rede for avbrudd og designe eksamen programmet for å returnere studentene til en bestemt eksamen problem hvis en undersøkelse spørsmål avbrutt dem. Vær også sikker på at denne avbrudds tiden er konsistent på tvers av deltakere (for eksempel begynnelsen, midten og slutten av eksamenen).
    3. Avhengig av type eksperimentell design, hvis den detaljerte typen svar er nødvendig (for eksempel spørsmål etter spørsmål), planlegger å presentere eksamen problemet først, deretter be deltakerne til å svare på spørsmålet om undersøkelsen, og deretter la deltakerne til å skrive inn sine (f.eks. åpen tekst, fler valg osv.). Dette vil tillate deltakerne først å se problemet og svare på undersøkelsen spørsmålet i henhold til presentert problemet. Hvis den eksperimentelle designen er på en makro-nivå, sørg for at deltakerne får lov til å reflektere over eksamens opplevelsen frem til det punktet før du svarer.
      Merk: teorier og hypoteser er viktig å vurdere i dette trinnet som valg av bestemt type presentasjon av et element (for eksempel undersøkelse, eksamen) vil saken. Hvis du for eksempel studerer selv effekt, vurderes dette best på nivå med test spørsmålet, mens følelser for akademiske prestasjoner vanligvis stilles før-, under-og etter eksamen.
  3. Når det gjelder electrodermal aktivitet sensorer
    1. For å sikre at deltakerne ikke blir altfor stresset på grunn av den eksperimentelle protokollen, inkluderer kalibrering og avslapping perioder gjennom eksamen erfaring. En strategi kan være å la deltakerne fokusere på sin oppmerksomhet mellom spørsmål. Begynner med et enkelt-å-svare spørsmål (for eksempel "hvilken dag i uken er vi i?") og la deltakerne 30 s til å hvile i mellom hver eksamen spørsmål.
      Merk: Husk at å forstå utformingen av eksamen spørsmålene selv og forutsi hva studentenes reaksjoner kan være viktig (f. eks, økt kognitiv belastning eller neural effektivitet37) som de kunne påvirke spytt markør og EDA data Samling. For eksempel bør eksamen spørsmålene alle være i form av essay oppføring, noe som ville kreve hånd bevegelse som kan påvirke EDA data24,25 eller en eksamen kan være utformet av varierende vanskelighetsgrad, som kan påvirke elevenes kognitive belastninger eller nevrale effektivitet37.
    2. Sørg for at tidsstempling programmet vil ta hensyn til eventuelle endringer i eksamen erfaring (f. eks kalibrering perioder, utbruddet og forskyvning av i-mellom kalibrering spørsmål, undersøkelse spørsmål debut og offset, start og slutt på eksamen). Dette er et viktig skritt som det vil tillate for datakilde matching, som vil bestemme intervaller eller hendelser som skal behandles og analyseres.
  4. Når det gjelder spytt biomarkør bruk
    1. Vær oppmerksom på når du skal samle spytt biomarkører.
      Merk: spytt bio-markør studier vanligvis utforskes gjennom en pre-pre-mid-post-post-post design32,33,34,35,36. Som kortisol tar 20 minutter å svare på stress14, disse tid etterslep er nødvendig for å observere kortisol utbruddet og utvinning. Når det gjelder studentenes forberedelser til en eksamen, kan deltakerne være bekymret for å ta eksamen, og dermed kan en før-utbruddet ikke være mulig. Det er også viktig å ikke avbryte studentene ofte under eksamenen. I studien vår, valgte vi å samle spytt en gang før utbruddet, en gang under, umiddelbart etter, og 20 minutter etter eksamen så stille som mulig for å minimere avbrudd. Et eksempel på en tidslinje for testing er angitt i Figur 3.
    2. I eksamen programmet, inkluderer tidsbestemte spørsmål til stikkordet deltakere når det er på tide å samle spytt. Inkluder en 60-s timer, slik at deltakerne er klar over varigheten av spytt samlingen. Returner deltakerne til problemet de arbeidet med i eksamenen når 60-ene er fullført.

4. betraktninger om databehandling og analyse

  1. Undersøkelse
    1. Pass på at data utganger er merket og organisert på riktig måte for å muliggjøre effektiv databehandling og sikre statistiske programmer (for eksempel SPSS, SAS) kan utføre alle nødvendige analyser.
    2. Identifisere eventuelle potensielle avvikende data basert på standarder for undersøkelse avvikende deteksjon38 samt eventuelle bestemt gjennom demografiske data samlet inn tidligere (for eksempel medisinske tilstander).
    3. Bestem hvilken type statistisk analyse og/eller modellering å utføre basert på de etablerte forskningsspørsmål og/eller hypoteser
  2. Electrodermal aktivitet
    1. Vær oppmerksom på at electrodermal data utganger kan variere fra selskap til bedrift. For enheten som brukes i denne studien31, blir data utganger presentert som en enkelt kolonne med en starttid målt i GMT, etterfulgt av hyppigheten av datainnsamling og EDA målt i microSiemens. EDA-dataene øker deretter i henhold til hyppigheten av datainnsamlingen. Siden dataene er avhengig av tidspunktet for utbruddet, konvertere denne tiden til UNIX tid i henhold til produksjons protokoller og tidligere protokoller30. Dette vil gi mer sømløs synkronisering av EDA-data endres gjennom hele eksperimentet.
    2. Identifiser og fjern eventuelle produsent kilder til outliers, for eksempel sensor feil, ufullstendig datainnsamling eller dårlig kontakt av elektrodene i huden. Disse vil bli identifisert av negative verdier eller konstant nær null kontinuerlige datasegmenter i data output Sheet.
    3. Identifisere og fjerne eventuelle brukergenerert kilder til outliers som uberegnelige bevegelser (for eksempel hånd treffer skrivebordet eller nervøs tappe), undersøkelse eller spytt biomarkør samling perioder, eller store endringer i kropps temperaturer eller blod volum trykkavlesninger .
    4. Hvis du vil fjerne støy på grunn av bevegelse, gjør du følgende serie med trinn:
      1. Først skanner gjennom deltakernes accelerometer (ACC) profiler, også gitt av håndleddet sensor. Legg merke til at dataene vil ha X-, Y-og Z-kolonner som indikerer tredimensjonale horisontale, vertikale og romlige håndbevegelser. Beregn det glidende gjennomsnittet av dette accelerometer data i henhold til euklidsk avstand (L2-norm)39,53 ligning for å beregne den totale bevegelsen:
        Equation 1
      2. Beregn standardavviket for euklidsk avstands verdier for hele deltaker settet og Ranger dem. Beregn gjennomsnittsverdiene for Euclidian avstands verdier også.
      3. Beregn Avviks koeffisienten til euklidsk avstands verdier for å bestemme signal-til-støy-forhold40 i henhold til følgende ligning:
        Equation 2
        Merk: Avviks koeffisienten som overskrider en poengsum på 1 indikerer en avvikende og må fjernes fra analysen i henhold til anbefalingene i håndteringen av signal data33.
      4. Når støyen på grunn av bevegelse er fjernet, må du bestemme den nødvendige terskelen for å filtrere dataene. For dette, beregne øvre og nedre grense for 95% av standardavviket av signalene. Alle data utenfor disse områdene kan enten fjernes fra datasettet/analysen eller kalkulatoriske i henhold til målene og målsettingene til forskeren. For denne studien, valgte vi å gjennomsnittlig utsiden områder med bestemt akseptable data.
      5. Returner til EDA-dataene og bruk de tidsstemplet akselerasjonsmåler dataene til å identifisere de tilsvarende intervallene av EDA (som også har vært tidsstemplet).
        Merk: for å synkronisere akselerasjonsmåler og electrodermal data, Vær oppmerksom på at opptaks frekvensene er forskjellige (4 Hz for EDA og 32 Hz for ACC), slik at de først må justeres. Siden det iboende, vil det være mer ACC data enn EDA data, bruker gjennomsnittlig EDA verdier å gjøre rede for denne forskjellen.
    5. Når EDA datasett har blitt rengjort41,42 om de filtrerte akselerasjonsmåleren data, fortsetter å skille tonic (Baseline) og phasic (umiddelbare, reaktive) signaler ved hjelp av foreskrevet verktøy (f. eks., Ledalab, EDA Explorer)43 ,44, for statistisk analyse, primært phasic, filtrert EDA data brukes og verdier (f.eks. magnitudes, antall topper, ventetid) beregnes basert på forsknings spørsmålet/hypotesen og ved hjelp av metoder beskrevet av Bouscien22,23.
  3. Spytt biomarkør
    1. For både kortisol og spytt Alpha-Amylase analyser, følger produsenten protokoller22,23,24,25,26,27,28 og tekniker anbefalinger om bruksvilkår, lagring og håndtering av prøver.
    2. Spin tint prøver ved 1 500 x g ved 4 ° c. Pass på at du fjerner pensle forsiktig og at hetteglassene har spytt supernatanten i bunnen av hetteglasset for å sikre mucin separasjon.
    3. Som god praksis, før du følger analysen protokollene, gjør en buffer skylling av brønnene ved hjelp av en plate vaskemaskin før behandling. Dette er spesielt viktig for kortisol.
    4. Sørg for at den optiske tetthets plate leseren er forhånds programmert til riktig temperatur (f.eks. at inkubasjons temperaturer på 37 ° c, mens kortisol prøver krever målinger av romtemperatur) og bølgelengder (det vil si at sAA krever 405 NM og kortisol krever 450 nm og 490 – 492 NM referanse filtre). For sAA-analyser anbefales det at plate leseren som brukes har både en shaker og en inkubator inne.
    5. Følg produsentens protokoller34,35 for å beregne konsentrasjons verdiene for hver prøve og tilsvarende intra-og inter-analysen prosent av koeffisienten for variasjon (% CV) ligninger for å identifisere outliers fra datasett (dette er beregnet annerledes enn ligningen gitt tidligere). Vær oppmerksom på at for sAA, holde styr på partinumrene som brukes i kontrollene som de ikke er standardisert.
      1. Først gjennomsnittlig% CV av kontrollene etter partinummer og deretter gjennomsnittlig disse verdiene for å få en stor gjennomsnittlig% CV score.
      2. For prøver, anbefaler produsenten at intra-analysen av prøvene bør ha en% CV under 10% mens kontrollene skal ha en Inter-analysen% CV under 15%34,35. Disse% CV-verdiene vil imidlertid i betydelig grad avhenge av laboratorie forholdene og utstyret som brukes til å utføre forskningen. Som sådan, vurdere alternative metoder for immunanalysen analysen validering etter behov45.
    6. Frys spytt prøver på-80 ° c etter analysen for å tillate verifisering av sin validering. Ikke Frys tine mer enn én gang for å hindre ytterligere enzymatisk degradering av prøvene eller kontrollene.
  4. Data triangulering
    1. Avhengig av forsknings spørsmålet eller hypotesen, relatere relevante variabler. Sørg for at alle outliers og data er forhånds behandlet og filtrert før bruk46.
    2. Bestem om utvalgsstørrelsen, datainnsamlingspunkter, observert statistisk kraft, og undersøkelsesspørsmål eller hypotese som er nødvendige amalgamating data47, eller bruk av gjentatte tiltak analytiske teknikker48,49, i 50.
    3. Regnskap for Inter-individuelle forskjeller i oppgaven tid51 og forsinkelsen som svar på spytt biomarkører til stress14, bruke tidsstempler, eller bestemme hendelser å synkronisere datasett sammen.
    4. Bruke statistiske modeller og programvare, analysere datasettet, og tolke funnene.

inneholder de 16 zip-filene.  Hver zip-fil inneholder alle EOL tester for en gitt Core kapittel.  De vil ønske å pakke ut denne filen, og deretter hver zip-fil blir lastet enkeltvis inn Canvas.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

I denne studien var vi interessert i å studere påvirkningene av selv effekt, ytelse og fysiologiske (EDA-sensorer) og biologiske (sAA og kortisol) svar på Undergraduate ingeniørstudenter som de tok en praksis eksamen. Dataene som vises er en representativ undergruppe av prøver: (a) en som betraktet undersøkelser og electrodermal sensorer (eksperiment design A) og (b) en som inkluderte samme eksamen sammen med spytt biomarkør data (eksperiment design B). Mens vi samlet inn følelser data i denne studien, vil vi ikke presentere det, som vårt mål var å demonstrere detaljerte data i sanntid i stedet for på foreskrevet tidspunkter i begynnelsen, midten eller slutten av eksamen, som er der følelser data ble samlet inn.

Som vist i Figur 4, ble vanskelighetsgraden av eksamenen i henhold til den kollektive responsen til elevene sammenlignet på tvers av de eksperimentelle designene. Også den gjennomsnittlige EDA som en funksjon av studenter ́ rapporterte om selv effekt score før de fullførte eksamens spørsmålene ble plottet. Selv om vanskelighetsgraden var den samme for de to designene, ble det funnet motstridende forskjeller i gjennomsnittlig EDA-verdier mellom de korrekte og feilaktige svarene på tvers av ulike selv effektresultater. For eksperimentell design A (EDA-sensorer og spørreundersøkelser) økte gjennomsnittlig EDA for en mid-SE-poengsum for studenter som reagerte feil på eksamens spørsmålene sammenlignet med studenter som svarte på spørsmålene riktig (p < 0,001). For eksperimentell design B (EDA-sensorer, undersøkelser og spytt-biomarkører), betyr det at EDA-verdier varierte der det ble funnet en motsatt effekt for lave SE-resultater (p < 0,05) og høye se-resultater (p < 0,01).

Å forstå eventuelle spytt påvirkninger, gjennomsnittlig EDA samt kortisol og sAA analysen verdier for Angi datapunkter i eksamen (begynnelsen, midten, slutten, og 20 minutter etter eksamen) ble normalisert (figur 5) for eksperimentell design B. Det er viktig å merke seg at den gjennomsnittlige EDA-verdier for denne tabellen ble avkortet ved 60-s intervaller i løpet av den forhåndsinnstilte tidsrammen for å muliggjøre sammenligninger mellom hver spytt markør. Dataene tyder på at EDA-nivåer gikk ned fra begynnelsen til slutten av eksamenen, og disse nivåene ble gjenopprettet med en 20-minutters merke etter eksamenen. Disse trendene ble parallelle i kortisol og sAA data. Statistisk betydning, som bestemmes gjennom ANOVA, ble funnet mellom EDA og sAA i begynnelsen og midten av eksamenen (p < 0,05 for begge ganger), mens EDA og kortisol viste betydning mellom midten og slutten av eksamenen (p < 0,01 og henholdsvis p < 0,05). Ved 20-minutters merket begynte EDA og sAA (p < 0,01) og kortisol og SAA (p < 0,05) å vise betydning mellom hverandre.

Figure 1
Figur 1. Eksperimentell oppsett ved bruk av spørreundersøkelser og electrodermal sensorer for å studere undersøkelses opplevelser. Bildet viser eksperimentell design A (sensorer og undersøkelse) og B (sensorer, undersøkelse og spytt-biomarkører). Vennligst klikk her for å se en større versjon av dette tallet.

Figure 2
Figur 2. En skjematisk fremstilling av hvordan deltakerne kan få plass til og starte electrodermal sensoren. Bilde A (i venstre) viser plasseringen av Start knappen på sensoren mens bilde B (til høyre) viser plasseringen av EDA-elektrodene på håndleddet til deltakeren. Vennligst klikk her for å se en større versjon av dette tallet.

Figure 3
Figur 3. Representasjon av en eksperimentell tidslinje når undersøkelser, spytt biomarkører og electrodermal sensorer er inkludert. Vennligst klikk her for å se en større versjon av dette tallet.

Figure 4
Figur 4. Vanskelighetsgrad. Vanskelighetsgraden av eksamenen i henhold til kollektiv student ytelse og gjennomsnittlig EDA som en funksjon av egen effekt skala rangering av deltakere for korrekt og ukorrekt respons for eksperimentell design A (a og B) og eksperimentell design B (C og D). N = 15 deltakere per design; data rapporteres som middel ± standard feil av gjennomsnittet (representert i feilfeltene); stiplede linjer på paneler A og C representerer grensene for moderate områder av vanskelighetsgrad (mellom 0,3 til 0,8)52; *p < 0,05, * *p < 0,01, og * * *p < 0,001, noe som tyder på en statistisk signifikant forskjell. Vennligst klikk her for å se en større versjon av dette tallet.

Figure 5
Figur 5. Normalisert sAA, kortisol og mener EDA. Normalisert sAA, kortisol og mener EDA for eksperimentell design B sammenlignet ved 60-s intervaller på foreskrevet tidsperioder under eksamen (begynnelsen, midten, slutten, 20 minutter etter). N = 15; data rapporteres på gjennomsnittlig ± standard feil av gjennomsnittet (representert i feilfeltene); *p < 0,05 og * *p < 0,01, noe som tyder på en statistisk signifikant forskjell. Vennligst klikk her for å se en større versjon av dette tallet.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Selv om fysiologiske tiltak har vært brukt i mange autentiske læring sammenhenger, er det avgjørende å designe en studiemiljø som er oppmerksomme på grensene for dagens teknologi. Designen balanserer behovet for et autentisk testmiljø og har plass til teknologien. Komfortabelt å begrense deltaker bevegelsen, redusere utilsiktede avbrudd og tidsstempel deltakernes test svar er alle kritiske trinn i protokollen.

Plassen og bekostning av electrodermal sensor enheter kan gjøre studien upraktisk for forskere med begrenset forskningsmidler. Men når du har kjøpt disse sensorene har ubegrenset bruk. Spytt biomarkører må behandles i et laboratorium og har betydelige per-sample pre-og post-prosessering utgifter. Det er også viktig å vurdere bestemte laboratorieforhold og utstyr som brukes, som alternative spytt analysen validering metoder kan være nødvendig for å identifisere Inter-og intra-analysen prosenter av CV.

Protokollen er et betydelig skritt fremover i anvendelsen av multi-modal tilnærminger i studiet av akademiske følelser. Protokollen maksimerer presisjonen til EDA-målinger ved å tidsstempel deltakernes svar mens den replikerer et autentisk testmiljø, noe som muliggjør mer objektive sann tids studier av student kurs og klasseroms studier, adressering av en begrensninger som begrensede tidligere forskningsstudier fokuserte på læring og ytelse. Det er mulig å endre teknikken til å inkludere online læringsaktiviteter som krever tastetrykk fangst. Det er også mulig å bruke protokollen for bedrag studier i hvor vanskeligheten av testen eller presentere tekstbaserte spørsmål er pre-designet for å påvirke studentenes forventninger til testen.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne har ingenting å avsløre.

Acknowledgments

Dette materialet er basert på arbeid støttes delvis av National Science Foundation (NSF) nr. EED-1661100 i tillegg til en NSF GRFP Grant gitt til Darcie Christensen (nr. 120214). Eventuelle meninger, funn og konklusjoner eller anbefalinger uttrykt i dette materialet ikke nødvendigvis gjenspeiler de av NSF eller USU. Vi ønsker å takke Sheree Benson for hennes type diskusjoner og anbefalinger for vår statistiske analyse.

Forfatter bidrag i dette dokumentet er som følger: Villanueva (forskningsdesign, datainnsamling og analyse, skriving, redigering); Husman (forskning design, datainnsamling, skriving, redigering); Christensen (datainnsamling og analyse, skriving, redigering); Youmans (datainnsamling og analyse, skriving og redigering); Khan (datainnsamling og analyse, skriving, redigering); Vicioso (datainnsamling og analyse, redigering); Lampkins (datainnsamling og redigering); Graham (datainnsamling og redigering)

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

Atferd sanntid eksamen ytelse tverrfaglig multi-modal eksperimentell
En tverrfaglig og multi-modal eksperimentell design for å studere nær-Real-Time autentisk eksamen erfaringer
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