Waiting
Login processing...

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

Neuroscience

ओपन एंडेड सहयोगी लर्निंग में इंटर-ब्रेन सिंक्रोनी: एक fNIRS-हाइपरस्कैनिंग अध्ययन

Published: July 21, 2021 doi: 10.3791/62777
Automatic Translation
1,2, 1,2, 1,2
1School of Psychology and Cognitive Science, East China Normal University, 2Shanghai Key Laboratory of Mental Health and Crisis Intervention, East China Normal University

Summary

एक प्रकृतिवादी सीखने के माहौल में सहयोगी सीखने dyads पर fNIRS हाइपरस्कैनिंग प्रयोगों के संचालन के लिए प्रोटोकॉल रेखांकित किया गया है। इसके अलावा, ऑक्सीजनयुक्त हीमोग्लोबिन (ऑक्सी-एचबी) संकेतों के इंटर-ब्रेन सिंक्रोनी (आईबीएस) का विश्लेषण करने के लिए एक पाइपलाइन प्रस्तुत की गई है।

Abstract

FNIRS हाइपरस्कैनिंग का व्यापक रूप से सामाजिक संपर्क के न्यूरोबायोलॉजिकल अंडरपिनिंग का पता लगाने के लिए उपयोग किया जाता है। इस तकनीक के साथ, शोधकर्ताओं ने इंटर-ब्रेन सिंक्रोनी (आईबीएस) (यानी, चरण और/या समय भर में हीमोडायनामिक संकेतों के आयाम संरेखण) नामक एक उपन्यास सूचकांक के साथ दो या अधिक इंटरैक्टिव व्यक्तियों की समवर्ती मस्तिष्क गतिविधि को अर्हता प्राप्त की । एक प्रकृतिवादी सीखने के माहौल में सहयोगी सीखने dyads पर fNIRS हाइपरस्कैनिंग प्रयोगों के संचालन के लिए एक प्रोटोकॉल यहां प्रस्तुत किया जाता है । इसके अलावा ऑक्सीजनयुक्त हीमोग्लोबिन (ऑक्सी-एचबी) सिग्नल के आईबीएस का विश्लेषण करने की पाइपलाइन के बारे में बताया गया है। विशेष रूप से, प्रयोगात्मक डिजाइन, एनआईआरएस डेटा रिकॉर्डिंग की प्रक्रिया, डेटा विश्लेषण विधियों और भविष्य के निर्देशों पर सभी चर्चा कर रहे हैं। कुल मिलाकर, एक मानकीकृत fNIRS हाइपरस्कैनिंग पाइपलाइन को लागू करना दूसरे व्यक्ति के तंत्रिका विज्ञान का एक मौलिक हिस्सा है। इसके अलावा, यह अनुसंधान की प्रजनन क्षमता में सहायता करने के लिए ओपन-साइंस के आह्वान के अनुरूप है।

Introduction

हाल ही में, इंटरैक्टिव डायड या किसी समूह के सदस्यों में समवर्ती मस्तिष्क गतिविधि को प्रकट करने के लिए, शोधकर्ता हाइपरस्कैनिंग दृष्टिकोण1,2को नियोजित करते हैं। विशेष रूप से, इलेक्ट्रोएंसेफेलोग्राम (ईईजी), कार्यात्मक चुंबकीय अनुनाद इमेजिंग (एफएमआरआई), और कार्यात्मक निकट-अवरक्त स्पेक्ट्रोस्कोपी (एफएनआईआरएस) का उपयोग दो या अधिक विषयों से तंत्रिका और मस्तिष्क गतिविधियों कोएक साथ3,4, 5से रिकॉर्ड करने के लिए कियाजाताहै। शोधकर्ता इस तकनीक के आधार पर समवर्ती मस्तिष्क युग्मन को आकर्षित करने वाले एक तंत्रिका सूचकांक निकालते हैं, जो इंटर-ब्रेन सिंक्रोनी (आईबीएस) (यानी, चरण और/या समय भर में न्यूरोनल या हीमोडायनामिक संकेतों के आयाम संरेखण को संदर्भित करता है)। कई व्यक्तियों (जैसे, खिलाड़ी-दर्शक, प्रशिक्षक-शिक्षार्थी और नेता-अनुयायी)6,7,8 के बीच सामाजिक संपर्क के दौरान विभिन्न प्रकार के हाइपरस्कैनिंग शोध में आईबीएस पायागया। इसके अलावा , आईबीएस प्रभावी शिक्षा और अनुदेश 9 ,10 ,11,12,13,14केविशिष्ट निहितार्थरखताहै । प्राकृतिक शिक्षण परिदृश्यों में हाइपरस्कैनिंग अनुसंधान की बढ़ती के साथ, हाइपरस्कैनिंग प्रयोगों का एक मानक प्रोटोकॉल स्थापित करना और इस क्षेत्र में डेटा विश्लेषण की पाइपलाइन आवश्यक है।

इस प्रकार, यह पेपर सहयोगी लर्निंग डायड के एफएनआईआरएस-आधारित हाइपरस्कैनिंग और आईबीएस का विश्लेषण करने के लिए एक पाइपलाइन आयोजित करने के लिए एक प्रोटोकॉल प्रदान करता है। फनीआरएस एक ऑप्टिकल इमेजिंग टूल है, जो अप्रत्यक्ष रूप से हीमोग्लोबिन के स्पेक्ट्रल अवशोषण का आकलन करने के लिए निकट-अवरक्त प्रकाश को विकीर्ण करता है, और फिर हेमोडायनामिक/ऑक्सीजन गतिविधिको 15,16,17मापा जाता है। एफएमआरआई की तुलना में, एफएनआईआरएस गति कलाकृतियों से कम प्रवण है, जो वास्तविक जीवन प्रयोग कर रहे हैं (जैसे, नकल, बात कर रहे हैं, और गैर-मौखिक संचार)18,7,19से माप की अनुमति देता है। ईईजी की तुलना में, एफएनआईआरएस उच्च स्थानिक संकल्प रखता है, जिससे शोधकर्ताओं को मस्तिष्क गतिविधि20के स्थान का पता लगाने की अनुमति देता है। इस प्रकार, स्थानिक संकल्प, रसद और व्यवहार्यता में ये फायदे हाइपरस्कैनिंग माप1का संचालन करने के लिए fNIRS को योग्य बनाते हैं। इस तकनीक का उपयोग करके, एक उभरता हुआ अनुसंधान निकाय आईबीएस के रूप में एक सूचकांक शब्द का पता लगाता है - दो (या अधिक) लोगों के मस्तिष्क गतिविधि का तंत्रिका संरेखण - प्राकृतिक सामाजिक सेटिंग्स9,10, 11,12,13, 14के विभिन्न रूपों में। उन अध्ययनों में, इस सूचकांक की गणना करने के लिए विभिन्न तरीकों (यानी, सहसंबंध विश्लेषण और वेवलेट ट्रांसफॉर्म जुटना (डब्ल्यूटीसी) विश्लेषण लागू किए जाते हैं; इस बीच, इस तरह के विश्लेषण पर एक मानक पाइपलाइन आवश्यक है, लेकिन कमी है । नतीजतन, आईबीएस की पहचान करने के लिए डब्ल्यूटीसी विश्लेषण का उपयोग करके fNIRS-आधारित हाइपरस्कैनिंग और एक पाइपलाइन के संचालन के लिए एक प्रोटोकॉल इस काम में प्रस्तुत किया जाता है

इस अध्ययन का उद्देश्य एफएनआईआरएस हाइपरस्कैनिंग तकनीक का उपयोग करके सहयोगी सीखने वाले डायड्स में आईबीएस का मूल्यांकन करना है। सबसे पहले, एक सहयोगी सीखने के कार्य के दौरान प्रत्येक डायड के प्रीफ्रंटल और बाएं अस्थायी क्षेत्रों में एक साथ एक हीमोडायनामिक प्रतिक्रिया दर्ज की जाती है। इन क्षेत्रों की पहचान इंटरैक्टिव शिक्षण और अधिगम 9 ,10 ,11,12,13,14से जुड़ेकेरूप में की गई है । दूसरा, IBS प्रत्येक संबंधित चैनल पर गणना की है । एफएनआईआरएस डेटा रिकॉर्डिंग प्रक्रिया में दो भाग होते हैं: आराम-राज्य सत्र और सहयोगी सत्र। आराम-राज्य सत्र 5 मिनट तक रहता है, जिसके दौरान दोनों प्रतिभागियों (आमने-सामने बैठे, एक मेज (0.8 मीटर) द्वारा एक-दूसरे के अलावा) अभी भी बने रहने और आराम करने की आवश्यकता होती है। इस विश्राम-राज्य सत्र को बेसलाइन के रूप में परोसा जाता है । फिर, सहयोगी सत्र में, प्रतिभागियों को एक साथ पूरी सीखने की सामग्री का अध्ययन करने, समझ प्राप्त करने, नियमों का सारांश, और सुनिश्चित करें कि सभी सीखने की सामग्री में महारत हासिल कर रहे है कहा जाता है । यहां, प्रयोग और fNIRS डेटा विश्लेषण आयोजित करने के विशिष्ट चरण प्रस्तुत किए जाते हैं।

Subscription Required. Please recommend JoVE to your librarian.

Protocol

सभी भर्ती प्रतिभागी (४० डायड, मतलब आयु २२.१ ± १.२ वर्ष; १००% दाएं हाथ; सामान्य या सही-से-सामान्य दृष्टि) स्वस्थ थे । प्रयोग से पहले प्रतिभागियों ने सूचित सहमति दी । प्रतिभागियों को उनकी भागीदारी के लिए आर्थिक रूप से मुआवजा दिया गया । इस अध्ययन को यूनिवर्सिटी कमेटी ऑफ ह्यूमन रिसर्च प्रोटेक्शन (एचआर-0053-2021), ईस्ट चाइना नॉर्मल यूनिवर्सिटी ने मंजूरी दी थी ।

1. डेटा अपनाने से पहले तैयारी के कदम

  1. घर का बना एनआईआरएस टोपियां
    1. ऑप्टोड होल्डर ग्रिड को रखने के लिए लोचदार स्विमिंग कैप अपनाएं।
      नोट: यह देखते हुए कि प्रतिभागियों के सिर के आकार अलग हैं, टोपियां के दो आकारों का उपयोग किया जाता है। 55.4 ± 1.1 सेमी के सिर परिधि वाले प्रतिभागियों के लिए छोटे कैप तैयार किए जाते हैं, और बड़ी टोपियां प्रतिभागियों के लिए 57.9 ± 1.2 सेमी की सिर परिधि के साथ हैं।
    2. लोचदार तैराकी टोपियां पर मानक अंतरराष्ट्रीय 10-10 प्रणाली के अनुसार संदर्भ ऑप्टोड के रूप में ईईजी इलेक्ट्रोड (inion, Cz, T3, T4, Fpz, और P5) के स्थान को एंकर करें (सामग्री की तालिकादेखें)।
      1. सबसे पहले, मानक 10-10 ईईजी टोपी (सामग्री की तालिकादेखें) को सिर के मोल्ड पर रखें, और ईईजी कैप पर लोचदार स्विमिंग कैप रखें। दूसरा, प्रत्येक टोपी पर चाक के साथ मार्क संदर्भ ऑप्टोड (आयन, सीजेड, टी 3, टी 4, एफजेड और पी 5)। अंत में, दो संदर्भ ऑप्टोड (यानी, एफजेड और पी 5, चित्रा 1) को रखने के लिए व्यास में 15 मिमी केबारे में दो छेद काटें।
        नोट: विशेष रूप से, एक 3 x 5 ऑप्टोड जांच सेट और एक 4 x 4 ऑप्टोड जांच सेट को प्रीफ्रंटल क्षेत्र पर अलग से रखा गया है (संदर्भ ऑप्टोड एफपीजेड, फिगर 1बीमें रखा गया है) और बाएं टेम्पोरेपियल क्षेत्रों (संदर्भ ऑप्टोड पी 5, चित्रा 1Bपर रखा गया है)।
    3. अन्य ऑप्टोड्स को रखने के लिए छेद काटें। सिर मोल्ड पर सीधे दो ग्रिड धारकों के साथ एक स्विमिंग कैप की व्यवस्था करें। फिर, चाक के साथ अन्य ऑप्टोड के स्थान को चिह्नित करें। उसके बाद, यह सुनिश्चित करने के लिए बाकी छेद काटें कि ग्रिड धारक फिट बैठता है।
    4. तैराकी टोपियां (सामग्री की तालिकादेखें) के लिए दो जांच सेट (यानी, 3 x 5 और 4 x 4) माउंट करें।
      नोट: एनआईआरएसएस माप प्रणाली (सामग्री की तालिकादेखें) इन मानक जांच सेट (यानी, 3 x 5 और 4) मानक धारक कुर्सियां के साथ 30 मिमी ऑप्टोड जुदाई सुनिश्चित प्रदान करता है ।
    5. एनआईआरएसएस माप प्रणाली पर जांच सेट मॉनिटर विंडो खोलें और प्रत्येक व्यक्ति के लिए 3 x 5 और 4 x 4 में अलग से व्यवस्थित चार जांच सेट का चयन करें।
      नोट: दो टोपियां की जांच व्यवस्था जांच सेट खिड़की में संरचनाओं के अनुरूप होना चाहिए (यानी, रिसीवर जांच संख्या और संबंधित उत्सर्जक का सही स्थान) ।
  2. प्रयोग की तैयारी
    1. डेटा रिकॉर्ड करने से पहले, सुनिश्चित करें कि एनआईआरएस सिस्टम कम से कम 30 मिनट के लिए सिस्टम शुरू करके एक स्थिर ऑपरेटिंग तापमान रख रहा है।
      नोट: स्थिर ऑपरेटिंग तापमान 5 डिग्री सेल्सियस से लेकर 35 डिग्री सेल्सियस तक था।
    2. इवेंट से संबंधित माप के लिए माप मोड सेट करें। सुनिश्चित करें कि ट्रिगर रिसीवर सक्रिय है (यानी, RS232 सीरियल इनपुट)।
      नोट: प्रयोग व्यावसायिक रूप से उपलब्ध मनोविज्ञान सॉफ्टवेयर में प्रोग्राम किया गया है (सामग्री की तालिकादेखें)। निकट अवरक्त प्रकाश (दो तरंगदैर्ध्य: 695 और 830 एनएम) के अवशोषण को 10 हर्ट्ज की नमूना दर के साथ मापा जाता है।
    3. लाइट्ड फाइबर ऑप्टिक प्रोब तैयार करें, जिसका इस्तेमाल बालों को एक तरफ ले जाने के लिए किया जा सकता है।
    4. प्रतिभागियों की सीटों को आमने-सामने रखने के लिए दो कुर्सियों के साथ एक मेज के साथ प्रयोग वातावरण निर्धारित करें ।

2. प्रतिभागियों को निर्देश देकर डेटा को अपनाना

  1. प्रतिभागियों को तैयार करें
    1. प्रतिभागियों को एनआईआरएसएस माप विधियों का विवरण सहित निर्देश दें।
      नोट: सभी प्रतिभागियों को स्वस्थ थे और आर्थिक रूप से भागीदारी के लिए मुआवजा दिया गया । कोई प्रतिभागियों को आधे रास्ते के माध्यम से प्रयोग से वापस ले लिया । एनआईआरएस की लेजर बीम प्रतिभागियों की आंखों के लिए हानिकारक हो सकती है, और उन्हें निर्देश दिया गया था कि वे सीधे उन लेजर बीम में न देखें।
    2. प्रतिभागियों को आमने-सामने बैठें (एक मेज (0.8 मीटर) के अलावा) यह सुनिश्चित करने के लिए कि वे एक दूसरे को सीधे देख सकते हैं। प्रतिभागियों को आराम से बैठने के लिए कुर्सी-से-मेज की दूरी (यानी लगभग 03 मीटर) समायोजित करें।
    3. लेजर बटन चालू करें, और प्रतिभागियों के सिर पर जांच सेट के साथ टोपियां रखें।
      नोट: 3 x 5 जांच सेट प्रतिभागियों के माथे को कवर (नीचे पंक्ति के मध्य जांच Fpz पर रखा गया है); 4 x 4 प्रोब सेट बाएं टेम्पोरपोरेरिटल कॉर्टेक्स को कवर करते हैं (तीसरी पंक्ति की तीसरी जांच पी 5 पर रखी गई है)।
    4. प्रतिभागियों या कुर्सियों के साथ संपर्क के बिना धारक की बाहों पर ढीला चार ऑप्टिकल फाइबर बंडलों रखो ।
      नोट: यहां, एनआईआरएसएस माप प्रणाली ऑप्टिकल फाइबर के चार बंडलों है । इसके अतिरिक्त, सुनिश्चित करें कि प्रतिभागियों को टोपियां खींचने के लिए बहुत भारी महसूस न करें।
    5. जांच युक्तियां ध्यान से अपने सॉकेट में प्रत्येक वसंत लोड जांच आगे धक्का द्वारा प्रतिभागियों की खोपड़ी को छूने दें ।
    6. सिग्नल अंशांकन करें।
      1. सबसे पहले, एफएनआईआरएस मशीन की जांच सेट मॉनिटर विंडो में ऑटो गेन पर क्लिक करके सिग्नल की गुणवत्ता की जांच करें। फिर, एक चैनल के खराब संकेत और पर्याप्त संकेत क्रमशः जांच सेट मॉनिटर विंडो में पीले और हरे रंग में चिह्नित कर रहे हैं ।
        नोट: अपर्याप्त संकेतों के साथ एक चैनल के लिए, प्रकाश फाइबर ऑप्टिक जांच एक तरफ जांच टिप के तहत बालों को स्थानांतरित करने के लिए उपयोग किया जाता है ।
      2. फिर, पर्याप्त संकेत प्राप्त करने के लिए जांच को उनकी कुर्सियां में आगे बढ़ाएं। इस प्रक्रिया को तब तक दोहराएं जब तक कि सभी चैनलों को एनआईआरएसएस माप प्रणाली की जांच सेट मॉनिटर विंडो में हरे रंग में चिह्नित न किया जाए, यह दर्शाता है कि संकेतों की गुणवत्ता सुलभ है।
  2. प्रयोग चलाएं
    1. प्रयोग को 5 मिनट आराम राज्य के साथ शुरू करें, जो बेसलाइन के रूप में कार्य करता है। फिर, दो प्रतिभागियों को सीखने की सामग्री सह-सीखने की आवश्यकता होती है।
    2. प्रयोग के बाद, कच्चे प्रकाश तीव्रता डेटा का निर्यात करने और डेटा को टेक्स्ट फाइल के रूप में सहेजने के लिए टेक्स्ट फाइल आउट पर क्लिक करें।
      नोट: एनआईआरएस माप प्रणाली में कोई फ़िल्टर लागू नहीं होते हैं.
    3. प्रत्येक प्रतिभागी के लिए उत्सर्जक, रिसीवर और अन्य संदर्भों (यानी, आयन, नाशन, सीजेड और बाएं और दाएं कानों) के स्थानों का निर्धारण करने के लिए त्रि-आयामी (3डी) डिजिटाइज़र (सामग्रीकी तालिका देखें) का उपयोग करें।
      1. व्यावसायिक रूप से उपलब्ध संख्यात्मक कंप्यूटिंग प्लेटफॉर्म21 (सामग्री की तालिकादेखें) का उपयोग करके रिकॉर्डिंग चैनलों के लिए एमएनआई निर्देशांक प्राप्त करें। अनुपूरक तालिका S1 प्रत्येक चैनल के संबंधित शारीरिक स्थानों को दर्शाती है।
    4. इथेनॉल के साथ स्वच्छ जांच और जांच धारक। हल्के डिटर्जेंट के साथ टोपियां धोएं और टोपियां हवा सूखी चलो।

3. डेटा विश्लेषण

  1. डेटा प्रीप्रोसेसिंग
    नोट: पिछले अनुसंधान चर गैर वाणिज्यिक सॉफ्टवेयर संकुल अपनाया है (जैसे, Homer222, विश्लेषक23, या एनआईआरएस लैब24} संख्यात्मक कंप्यूटिंग प्लेटफार्मों के साथ (देखें सामग्री की तालिका) FNIRS डेटा विश्लेषण पर, और वे सभी वेबसाइट पर उपलब्ध हैं। यहां Homer2 एनआईआरएसएस डेटा की प्रीप्रोसेसिंग करने के लिए इस्तेमाल किया गया था । इसके अतिरिक्त, बाकी और सहयोगी सीखने के चरणों में एकत्र किए गए दोनों फनीआरएस रिकॉर्डिंग डेटा एक ही प्रीप्रोसेसिंग और विश्लेषण पाइपलाइन को साझा करते हैं।
    1. फनीआरएस मशीन से डाटासेट कॉपी करें। मूल डेटा गठन को उचित गठन में परिवर्तित करें (यानी, सीवी फ़ाइल को एनआईआर फाइल में परिवर्तित करें)।
    2. न्यूमेरिक कंप्यूटिंग प्लेटफॉर्म (सामग्री की तालिकादेखें) में प्रदान किए गए "एचएमरिंटेंस2ओडी" फ़ंक्शन के साथ कच्चे डेटा को ऑप्टिकल घनत्व (ओडी) डेटा में परिवर्तित करें।
    3. खराब चैनलों को हटा दें। फिर प्रत्येक चैनल पर प्रत्येक प्रतिभागी के लिए ओडी मूल्य और क्रमशः पूर्ण नमूना अंक औसत।
      नोट: यहां, ४६ औसत आयुध डिपो मान प्राप्त कर रहे हैं ।
      1. प्रत्येक प्रतिभागी के लिए मानक विचलन (एसडी) की गणना करें।
      2. अनुपयोगी के रूप में चिह्नित करें और प्रत्येक प्रतिभागी के लिए विश्लेषण से बहुत कम या उच्च ओडी (जो 5 एसडी से अधिक) वाले चैनलों को हटा दें।
        नोट: यह कदम fNIRS डेटा प्रीप्रोसेसिंग से पहले और/या बाद में किया जा सकता है । इस डेटा में पाइपलाइन का विश्लेषण करता है, फन्नेर डेटा प्रीप्रोसेसिंग से पहले खराब चैनलों का पता लगाया जाता है।
    4. ऑड टाइम डेटा को ऑक्सी-एचबी, डीऑक्सी-एचबी और संशोधित बीयर-लैम्बर्ट लॉ25के आधार पर संयुक्त सिग्नल में परिवर्तित करें ।
      नोट: संदर्भ25 कहते हैं, "सभी डेटा विश्लेषण कदम ऑक्सी-एचबी डेटा पर आयोजित किए जाते हैं, जो क्षेत्रीय मस्तिष्क रक्त प्रवाह में परिवर्तन का एक संकेतक है जिसमें उच्च सिग्नल-टू-शोर अनुपात26होता है । इसके अतिरिक्त, पिछले शोध में शिक्षण और सीखने के परिदृश्यों में एफएनआईआरएस हाइपरस्कैनिंग को नियोजित किया गया था, जो मुख्य रूप से ऑक्सी-एचबी एकाग्रता11,12,13, 14पर केंद्रित था।
    5. चैनल-बाय-चैनल वेवलेट-आधारित विधि द्वारा गति कलाकृतियों से ऑक्सी-एचबी समय श्रृंखला को कैलिब्रेट करें।
      नोट: विशेष रूप से, 0.1 पर ट्यूनिंग पैरामीटर के साथ Daubechies 5 (db5) तरंग (Homer2 मैनुअल में विवरण देखें)27,28 गति कलाकृतियों को हटाने में अपनाया जाता है।
    6. हाई-फ्रीक्वेंसी शोर और स्लो ड्रिफ्ट को कम करने के लिए कैलिब्रेटेड ऑक्सी-एचबी डेटा पर बैंड-पास फिल्टर (यानी 001-1 हर्ट्ज) लगाएं।
    7. गैर-तंत्रिका वैश्विक घटकों (जैसे, रक्तचाप, श्वसन, और रक्त प्रवाह भिन्नता) को हटाने के लिए ऑक्सीएचबी सिग्नल पर प्रमुख घटक विश्लेषण (पीसीए) का संचालनकरें 29।
      नोट: झांग और सहयोगियों द्वारा प्रस्तावित पीसीए विश्लेषण29 यहां अपनाया जाता है ।
      1. सबसे पहले, सिग्नल को विघटित करें।
        नोट: FNIRS संकेत के अपघटन का विशिष्ट फार्मूला है: एच = UΣवीटी। यहां, फनीआरएस डेटा के लौकिक और स्थानिक पैटर्न दो मैट्रिस (यानी, आप और वी) में प्रस्तुत किए जाते हैं। यू एक 2डी (नमूना बिंदु एक्स प्रमुख घटक) मैट्रिक्स है। वी एक 2डी (प्रिंसिपल कंपोनेंट एक्स प्रिंसिपल कंपोनेंट) मैट्रिक्स भी है। वी में कॉलम एक प्रमुख घटक (पीसी) को इंगित करता है, और कॉलम के प्रत्येक प्रविष्टि में किसी विशेष चैनल के लिए उस पीसी की ताकत का अनुमान लगाया जाता है। प्रत्येक पीसी के सापेक्ष महत्व को विकर्ण मैट्रिक्स Σ के मूल्य द्वारा दर्शाया जाता है।
      2. दूसरा, स्थानिक चौरसाई का संचालन करें।
        नोट: गौसियन गिरी कन्वोल्यूशन स्थानीय संकेतों को हटाने और वैश्विक घटक प्राप्त करने के लिए नियोजित है।
      3. तीसरा, सिग्नल का पुनर्निर्माण करें।
        नोट: FNIRS डेटा के वैश्विक घटक की गणना करने के लिए, चिकनी स्थानिक पैटर्न मैट्रिक्स V* अपघटन फार्मूला में वापस खामियों को दूर किया है: एचग्लोबल = UΣ(V*)टी। फिर, एचग्लोबल को घटाने के लिए मूल डेटा एच का उपयोग करके स्थानीयकृत व्युत्पन्न न्यूरोनल सिग्नल प्राप्त किया जा सकता है: एचन्यूरोनल = एच - एचग्लोबल।
  2. इंटर-ब्रेन सिंक्रोनी
    नोट: दूसरे व्यक्ति तंत्रिका विज्ञान में मस्तिष्क युग्मन प्रकट करने के लिए, तरंग परिवर्तन जुटना (डब्ल्यूटीसी) यहां अपनाया है । संक्षेप में, डब्ल्यूटीसी आवृत्ति और समय के एक समारोह के रूप में दो बार श्रृंखला के बीच संबंध उपाय । दो बार श्रृंखला एक्स और वाई की तरंग जुटना का विशिष्ट सूत्र है:
    Equation 1
    टी और एस समय और तरंग पैमाने को अलग से निरूपित करते हैं, ‹·› पैमाने और समय में एक चौरसाई ऑपरेशन इंगित करता है। डब्ल्यू निरंतर तरंग परिवर्तन का प्रतिनिधित्व करता है। फिर, एक 2D (समय एक्स आवृत्ति) डब्ल्यूटीसी मैट्रिक्स30उत्पन्न होता है। डब्ल्यूटीसी मूल्य की गणना करने के लिए कई टूलबॉक्स का उपयोग किया जाता है। यहां ग्रिनस्टेड और सहकर्मियों द्वारा बनाए गए टूलबॉक्स का उपयोग30किया गया था।
    1. संख्यात्मक कंप्यूटिंग मंच के डब्ल्यूटीसी समारोह को अपनाएं (सामग्री की तालिकादेखें)।
      नोट: यहां, मां तरंग (यानी, अपने मापदंडों बीटा और गामा के साथ सामान्यीकृत मोर्स वेवलेट) की डिफ़ॉल्ट सेटिंग का उपयोग किया जाता है। मदर वेवलेट हर बार श्रृंखला को आवृत्ति और समय डोमेन में परिवर्तित करता है।
    2. अन्य मापदंडों (यानी मोंटेकार्लोकाउंट, महत्व गणना में सरोगेट डेटा सेट की संख्या का प्रतिनिधित्व करते हुए) पर डिफ़ॉल्ट सेटिंग सेट करें।
    3. एक संख्यात्मक कंप्यूटिंग मंच (सामग्रीकी तालिका देखें) में दो संबंधित चैनलों (दो प्रतिभागियों में एक ही चैनल) के लिए डब्ल्यूटीसी मूल्य की गणना करें। इसी प्रक्रिया का पालन करते हुए 46 डब्ल्यूटीसी मैट्रिस 46 चैनलों से उत्पन्न होते हैं।
    4. ब्याज की आवृत्ति बैंड (FOI) निर्धारित करें, जो सहयोगी सीखने के प्रति संवेदनशील है।
      नोट: यहां, ऐसे FOI31का पता लगाने के लिए एक क्लस्टर-आधारित क्रमपरिवर्तन दृष्टिकोण अपनाया जाता है, जो मल्टी-चैनल और बहु-आवृत्ति डेटा में कई तुलनाओं का समाधान प्रदान करता है।
      1. प्रत्येक चैनल संयोजन के लिए क्रमशः आराम और सहयोगी सीखने के चरणों में डब्ल्यूटीसी मूल्यों का समय-औसत करें। फिर, इन समय-औसत डब्ल्यूटीसी मूल्यों (सहयोगी सीखने बनाम आराम) पर पूरी आवृत्ति (आवृत्ति सीमा: 0.01-1Hz32)के साथ जोड़ा नमूना टी-परीक्षणआचरण करें। इसके बाद, आवृत्ति डिब्बे की पहचान करें जिस पर कार्य प्रभाव महत्वपूर्ण है (सहयोगात्मक सीखने > आराम, पी < 0.05)।
      2. मनाया समूहों और इसी टी मूल्यों के रूप में महत्वपूर्ण आवृत्ति पड़ोसी अंक (≥2) प्राप्त करें।
      3. 1000 बार के लिए चरण 3.2.4.2 में योग्य प्रत्येक क्लस्टर के लिए टी मान उत्पन्न करने के लिए क्रमुत डेटा पर युग्मित नमूना टी-परीक्षणों की एक श्रृंखला का संचालन करें।
        नोट: क्रममित डेटा बनाने के लिए, प्रतिभागियों को बेतरतीब ढंग से नए दो सदस्यीय जोड़े बनाने के लिए सौंपा जाता है । चूंकि प्रत्येक यादृच्छिक जोड़ी के लिए डायड में डेटासेट की लंबाई भिन्न होती है, इसलिए लंबे डेटासेट को छोटे33के समान लंबाई तक छंटनी की जाती है।
      4. 1000 क्रमपरिवर्तन के टी मूल्यों के साथ मूल जोड़े से औसत क्लस्टर-आधारित टी मूल्यों की तुलना करें।
        नोट: इस सूत्र द्वारा मूल्यांकन किए गए पी मान34:
        Equation 2, जहां एस0 औसत-क्लस्टर टी-वैल्यू को दर्शाता है, μपी और σपी क्रमपरिवर्तन मूल्यों के मतलब और मानक विचलन को इंगित करता है।
      5. प्रत्येक डायड में प्रत्येक चैनल में पहचाने गए एफओआई में औसत डब्ल्यूटीसी मान। फिर, डब्ल्यूटीसी मूल्यों का एक सामान्य वितरण प्राप्त करने के लिए डब्ल्यूटीसी मूल्यों के लिए फिशर जेड परिवर्तन लागू करें। आगे सांख्यिकीय विश्लेषण के लिए IBS सूचकांक के लिए इस मूल्य का उपयोग करें ।

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

चित्रा 1 प्रायोगिक प्रोटोकॉल और जांच स्थान दिखाता है। FNIRS डेटा रिकॉर्डिंग प्रक्रिया में दो भाग होते हैं: आराम-राज्य सत्र (5 मिनट) और सहयोगी सत्र (15-20 मिनट)। सहयोगी सीखने dyads आराम करने के लिए और आराम राज्य सत्र में अभी भी रखने के लिए आवश्यक हैं । उसके बाद, प्रतिभागियों को सीखने की सामग्री(चित्रा 1A)को सह-सीखने के लिए कहा जाता है । उनके प्रीफ्रंटल और बाएं टेम्पोरपोरेरियल क्षेत्र इसी जांच सेट(चित्रा 1B)द्वारा कवर किए जाते हैं।

चित्रा 2 fNIRS डेटा विश्लेषण पाइपलाइन दिखाता है। FNIRS डेटा विश्लेषण प्रत्येक प्रतिभागी और प्रत्येक चैनल से रिकॉर्ड किए गए सभी fNIRS डेटा पर लागू होता है। सबसे पहले, एक निश्चित डायड के लिए चैनल 33 में ऑप्टोड घनत्व चित्रा 2 एमें कल्पना की जाती है। ऑप्टोड घनत्व fNIRS माप प्रणाली द्वारा प्रत्येक सहयोगी लर्निंग डायड के 46 चैनलों (सीएचएस) में दर्ज किया जाता है। दूसरा, ऑपरेशन के साथ कदम 3.1.5 और 3.1.7 में स्पष्ट किया गया है, डब्ल्यूटीसी विश्लेषण के लिए व्यवहार्य डेटा तैयार किए जाते हैं। यहां, लाल वक्र वेवलेट-आधारित गति कलाकृतियों को हटाने की विधि द्वारा निकाले गए डेटा का प्रतिनिधित्व करता है; ब्लू वक्र वेवलेट-आधारित गति कलाकृतियों को हटाने विधि और पीसीए दोनों द्वारा निकाले गए डेटा का प्रतिनिधित्व करता है। दो घटता के बीच विज़ुअल अंतर से पता चलता है कि पीसीए गैर-तंत्रिका संकेतों(चित्रा 2B)को हटाने में कुशल है। तीसरा, डब्ल्यूटीसी मैट्रिक्स चित्रा 2Cमें कल्पना की है । रंग नक्शा नीले से पीले रंग में भिन्न होता है, जो 0 से 1 तक नाराज आईबीएस के मूल्य का प्रतिनिधित्व करता है (समय और आवृत्ति के एक समारोह के रूप में सहसंबंध गुणांक)। यहां, 1 दो fNIRS संकेतों के बीच सबसे बड़ा जुटना को दर्शाता है, और 0 कोई जुटना का पता चला है दर्शाता है । साजिश में एक लाल आयत महत्वपूर्ण गुणांक को चिह्नित करता है। इसके अतिरिक्त, परिणाम 1 हर्ट्ज के आसपास एक मजबूत जुटना दिखाते हैं, जो डायड के कार्डियक रिदम जुटना का प्रतिनिधित्व करते हैं। अंत में, ऑपरेशन के साथ चरण 3.2.4 में कहा गया है, मनाया टी मूल्य और यादृच्छिक टी मूल्य के वितरण के बीच तुलना (यानी, 1000 बार) महत्वपूर्ण परिणाम (टी (38) = 3.31, एफडीआर 0.05 < पी सही, कोहेन डी = 1.05) पहचाना FOI में (0.015 हर्ट्ज-0.021Hz)(चित्रा 2)

चित्रा 3 सहयोगात्मक सीखने प्रासंगिक आवृत्ति बैंड का पता लगाने के लिए उपयोग किए जाने वाले क्लस्टर-आधारित क्रमपरिवर्तन दृष्टिकोण के महत्वपूर्ण चरण प्रस्तुत करता है।

डेटा विश्लेषण पाइपलाइन के बाद, एक साथ लिया गया, आवृत्ति बैंड (0.015 हर्ट्ज से 0.021 हर्ट्ज तक नाराज), जो सहयोगी सीखने के प्रति संवेदनशील है, क्लस्टर-आधारित क्रमपरिवर्तन दृष्टिकोण द्वारा पहचाना जाता है। इसके अलावा, प्रत्येक चैनल के लिए, समय औसत IBS मूल्य जोड़ा नमूना टीपरीक्षणों की एक श्रृंखला का उपयोग कर बाकी और सहयोगी सीखने चरणों के बीच तुलना की जाती है । कई तुलना समस्या को हल करने के लिए, 46 चैनलों में सभी मनाए गए पी-मानों को एफडीआर विधियों द्वारा ठीक किया जाता है35,36। परिणाम बताते हैं कि चैनल 33 पर आईबीएस सहयोगी शिक्षा के दौरान महत्व तक पहुंचता है (एफडीआर ने पी < 0.05) को सही किया। किसी अन्य संबंधित चैनल ने महत्वपूर्ण प्रभावों (पी > 0.05) का संकेत नहीं दिया।

Figure 1
चित्र 1:प्रायोगिक प्रोटोकॉल और जांच स्थान। डायड से मस्तिष्क गतिविधि एक साथ fNIRS का उपयोग कर प्राप्त की जाती है। आराम-राज्य सत्र 5 मिनट तक रहता है, जिसमें आराम करने और अभी भी रखने के लिए dyads की आवश्यकता होती है। उसके बाद, प्रतिभागियों को सह सीखने के लिए कहा जाता है सीखने की सामग्री (15-20 मिनट) । (ख)ऑप्टोड्स जांच सेट । दो जांच सेट प्रीफ्रंटल और बाएं अस्थायी क्षेत्रों को कवर करते हैं । कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

Figure 2
चित्र 2:FNIRS डेटा विश्लेषण का अवलोकन। (A)ऑप्टोड घनत्व चैनल 33 में एक अनुकरणीय डायाड के लिए। ऑप्टोड घनत्व प्रत्येक सहयोगी लर्निंग डायड के 46 चैनलों (सीएचएस) में दर्ज किया गया है। i, j, ऑप्टोड घनत्व एक सहयोगी सीखने डायड के दो प्रतिभागियों का; टी, समय। (ख)डाटा प्रीप्रोसेस प्रक्रिया। वेवलेट-आधारित मोशन कलाकृतियों को हटाने की विधि और पीसीए अनुक्रम में ऑक्सी-एचबी डेटा पर लागू होते हैं। यहां, लाल वक्र वेवलेट-आधारित गति कलाकृतियों को हटाने की विधि द्वारा निकाले गए डेटा का प्रतिनिधित्व करता है; ब्लू वक्र वेवलेट-आधारित गति कलाकृतियों को हटाने विधि और पीसीए दोनों द्वारा निकाले गए डेटा का प्रतिनिधित्व करता है। कश्मीरवेवलेट-आधारित विधि,वेवलेट-आधारित गति कलाकृतियों द्वारा निकाले गए डेटा प्रक्रिया को नष्ट करते हैं। कश्मीरवेवलेट-आधारित विधि + पीसीए,वेवलेट-आधारित गति कलाकृतियों को हटाने विधि और पीसीए दोनों द्वारा निकाले गए डेटा। (C)एक अनुकरणीय डायड के लिए चैनल ३३ में डब्ल्यूटीसी प्लॉट । रंग नक्शा नीले से पीले रंग में भिन्न होता है, जो आईबीएस के मूल्य का प्रतिनिधित्व करता है जो 0 से 1 तक (समय और आवृत्ति के कार्य के रूप में सहसंबंध गुणांक) है। यहां, 1 दो fNIRS संकेतों के बीच सबसे बड़ा जुटना को दर्शाता है, और 0 इंगित करता है कि कोई जुटना का पता चला है । साजिश में एक लाल आयत महत्वपूर्ण गुणांक को चिह्नित करता है। डब्ल्यूटीसी ने दो क्लीन ऑक्सी-एचबी टाइम सीरीज पर आईबीएस का अनुमान लगाया । 1)क्लस्टर आधारित क्रमपरिवर्तन दृष्टिकोण। पहचाने गए एफओआई (0.015 हर्ट्ज-0.021 हर्ट्ज) में रैंडम टी मानों के वितरण के साथ मनाया टी मूल्य की तुलना करें। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

Figure 3
चित्र 3-सहयोगी सीखने से संबंधित एफओआई की पहचान करने का फ्लोचार्ट. कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

अनुपूरक तालिका S1। कृपया इस तालिका को डाउनलोड करने के लिए यहां क्लिक करें ।

Subscription Required. Please recommend JoVE to your librarian.

Discussion

सबसे पहले, वर्तमान प्रोटोकॉल में, सहयोगी सीखने के परिदृश्य में FNIRS हाइपरस्कैनिंग प्रयोगों के संचालन के विशिष्ट चरणों को बताया गया है। दूसरा, सहयोगी लर्निंग डायड्स में हीमोडायनामिक संकेतों के आईबीएस का आकलन करने वाली डेटा विश्लेषण पाइपलाइन भी प्रस्तुत की गई है । FNIRS हाइपरस्कैनिंग प्रयोगों के संचालन पर विस्तृत ऑपरेशन ओपन-साइंस के विकास को बढ़ावा देगा। इसके अलावा, हाइपरस्कैनिंग अनुसंधान की पुन: उत्पन्न क्षमता को बढ़ाने के लिए विश्लेषण पाइपलाइन यहां प्रदान की जाती है। निम्नलिखित में, प्रयोग डिजाइन के महत्वपूर्ण मुद्दों, एक प्रयोग का आयोजन, डेटा विश्लेषण में (fNIRS) हाइपरस्कैनिंग प्रयोगों पर सभी प्रकाश डाला जाता है। इसके अतिरिक्त, वर्तमान सीमाओं के लिए संभावित समाधानों पर भी चर्चा की जाती है ।

प्रायोगिक डिजाइन
FNIRS हाइपरस्कैनिंग अध्ययन के लिए प्रयोगात्मक डिजाइन लचीला है। यहां, सहयोगी सीखने के परिदृश्य में फनीआरएस हाइपरस्कैनिंग तकनीक लागू की जाती है। दो प्रतिभागियों को एक साथ आंकड़ा मैट्रिक्स के विशिष्ट नियमों को जानने के लिए कहा गया था, और उनके मस्तिष्क गतिविधियों fNIRS द्वारा एक साथ दर्ज की गई । यह दृष्टिकोण शोधकर्ताओं को सहयोगी सीखने के डायाड में वास्तविक समय समवर्ती तंत्रिका गतिशीलता (यानी, आईबीएस) का पता लगाने की अनुमति देता है। पिछले शोध के अनुसार, आईबीएस शिक्षण और सीखने के परिदृश्यों में पाया गया है और प्रभावी शिक्षण मोड11पटरियों । सहयोगी सीखने के डायड में पाया गया तंत्रिका संरेखण सफल सीखने को रेखांकित करने वाले संभावित तंत्रिका तंत्र के रूप में काम कर सकता है और प्रभावी सहयोगी सीखने के पैटर्न को डिजाइन करने के लिए निहितार्थ प्रदान करता है। इस बीच, प्रयोगात्मक डिजाइन पर महत्वपूर्ण मुद्दों को संबोधित करने की जरूरत है: प्रयोग समय इस प्रयोग में 30 मिनट तक ही सीमित है । इस सेटिंग के लिए दो कारण खाते हैं: पहला, सिर पर fNIRS ऑप्टोड के साथ कैप पहनना आरामदायक नहीं है, प्रतिभागी लंबे समय तक खड़े नहीं हो सकते हैं। दूसरा, यह प्रतिभागियों को पूछने के लिए सह के दौरान अभी भी रखने के लिए एक लंबे समय के लिए सीखने मुश्किल है । सीमित प्रयोग समय अच्छी गुणवत्ता वाले संकेतों को प्राप्त करने की अनुमति देगा ।

प्रयोग का आयोजन
सहयोगी शिक्षण परिदृश्य में fNIRS हाइपरस्कैनिंग करने का सबसे चुनौतीपूर्ण हिस्सा उच्च गुणवत्ता वाले मस्तिष्क संकेतों को प्राप्त कर रहा है। वर्तमान प्रोटोकॉल के आधार पर, तीन महत्वपूर्ण चरणों पर प्रकाश डाला गया है: उपयुक्त टोपियां बनाना, ऑप्टोड्स रखना और संबंधित चैनलों का स्थानिक पंजीकरण करना। सबसे पहले, चूंकि सिर परिधि प्रतिभागियों में भिन्न होती है, इसलिए विभिन्न व्यक्तियों को फिट करने वाली टोपियां बनाना आवश्यक है। दूसरा, प्रतिभागियों के सिर पर एक उपयुक्त टोपी रखने पर, ऑप्टोड्स के सुझावों को सुनिश्चित करने से सीधे खोपड़ी त्वचा से संपर्क किया जा सकता है। इस लक्ष्य को प्राप्त करने के लिए, प्रयोग की आवश्यकता से पहले इस ऑपरेशन का अभ्यास करें। तीसरा, 3डी डिजिटाइज़ाइजर के साथ स्थानिक पंजीकरण का आयोजन करने से सेरेब्रल कॉर्टेक्स37, 38,39पर एनआईआरएस चैनलों (सीएचएस) के संबंधित शारीरिक स्थानों की पहचान की जा सकती है। यह प्रोटोकॉल सभी प्रतिभागियों को औसत और मजबूत परिणाम प्राप्त करने के लिए स्थानिक पंजीकरण को पूरा करने का सुझाव देता है। इस लाइन के साथ, पिछले शोध प्रतिभागियों को एक पूर्व परीक्षण का संचालन करने के लिए सटीक हीमोडायनामिक संकेतों को सुनिश्चित करने के लिए कहा प्राप्त किया जा सकता है । विशेष रूप से, प्रतिभागियों ने अपने दाहिने हाथ से एक शास्त्रीय उंगली-अंगूठे का दोहन कार्य किया, जिसके दौरान fNIRS ने हीमोडायनामिक गतिशीलता दर्ज की। प्रतिभागियों को जो बाईं मोटर प्रांतस्था में एक महत्वपूर्ण fNIRS संकेत (पी < ०.०५) का पता चला अध्ययन में भाग लेने के लिए योग्य हैं । यह तकनीक यह सुनिश्चित करती है कि रिकॉर्ड किए गए संकेत सभी प्रतिभागियों पर इसलिए कर सकते हैं40.

डेटा विश्लेषण
इस प्रोटोकॉल में डेटा विश्लेषण प्रक्रिया में दो भाग होते हैं: प्रीप्रोसेस और डब्ल्यूटीसी विश्लेषण। तीन महत्वपूर्ण डेटा विश्लेषण चरणों को यहां हाइलाइट किया जाना चाहिए: सबसे पहले, तंत्रिका डेटा पर प्रमुख घटक स्थानिक फिल्टर एल्गोरिदम (पीसीए) का आयोजन करना। झांग और couleage29 वैश्विक और स्थानीय प्रभावों के अलगाव के लिए इस दृष्टिकोण का प्रस्ताव रखा । हालांकि fNIRS अपेक्षाकृत मुक्त आंदोलन और संचार की अनुमति देता है, पीसीए प्रणालीगत परिवर्तनों (जैसे, श्वास दर, रक्तचाप, हृदय गति, श्वास दर, और स्वायत्त तंत्रिका तंत्र गतिविधि) से सटीक संकेतों को निकालने के लिए आवश्यक है। यहां प्रोटोकॉल से पता चलता है पीसीए वैश्विक प्रभावों को दूर करने में कुशल है । इस विधि का व्यापक रूप से उपयोग13अध्ययनों को करने के लिए किया जाता है । कुल मिलाकर, गैर-तंत्रिका घटकों को स्थानिक फ़िल्टरिंग का उपयोग करके सफलतापूर्वक हटाया जा सकता है। दूसरा, डब्ल्यूटीसी सहयोगी सीखने dyads के IBS की पहचान करने के लिए अपनाया जाता है । डब्ल्यूटीसी समय और आवृत्ति41के कार्य के रूप में दो बार की श्रृंखला के बीच सहसंबंध गुणांक का आकलन करने का एक दृष्टिकोण है। यह विधि स्थानीय रूप से चरण-बंद व्यवहार को प्रकट कर सकती है जिसे फोरियर विश्लेषण30जैसे पारंपरिक दृष्टिकोण के साथ नहीं पाया जा सकता है। और इस विधि का व्यापक रूप से उपयोग विभिन्न प्रतिमानों के साथ एफएनआईआरएस हाइपरस्कैनिंग में आईबीएस का अनुमान लगाने के लिए किया जाता है, जैसे सहकारी और प्रतिस्पर्धी व्यवहार4,42,अध्ययन कार्रवाई निगरानी43,नकली44,मौखिक संचार8,गैर-मौखिक संचार19,शिक्षण और सीखने की गतिविधि11,12,13,14 और मातृ-बाल सामाजिक संपर्क45।

इस बीच, अन्य तकनीकों, जैसे ग्रेंजर कारण विश्लेषण (जीसीए), सहसंबंध विश्लेषण, और चरण सिंक्रोनी विश्लेषण, हाइपरस्कैनिंग अनुसंधान में उपयोग किए जाते हैं। जीसीए दो समय-श्रृंखला डेटा46के बीच निर्देशित (कारण) जानकारी का खुलासा करने के लिए एक विधि है। इस विधि का उपयोग एक बार प्रशिक्षक और शिक्षार्थी के बीच सूचना प्रवाह की दिशा को परखने के लिए किया गयाहै। सहकारी या प्रतिस्पर्धी कार्यों का संचालन करने वाले डायड में आईबीएस का अनुमान लगाने के लिए एफएनआईआरएस आधारित हाइपरस्कैनिंग फील्ड में सहसंबंध विश्लेषण भी अपनायाजाताहै । डब्ल्यूटीसी विश्लेषण की तुलना में, यह विधि केवल समय स्ट्रीम के साथ दो fNIRS समय श्रृंखला की covaried सुविधाओं की विशेषता है और आवृत्ति में संभावित जानकारी को याद किया ।

इसके अतिरिक्त, चरण लॉकिंग मूल्य (पीएलवी) के साथ चरण सिंक्रोनी की मात्रा निर्धारित करने वाले अन्य दृष्टिकोणों का उपयोग ईईजी हाइपरस्कैनिंग अध्ययनों में किया गया था। पीएलवी दो संकेतों49के बीच चरण अंतर की निरंतरता का अनुमान है। हालांकि, बर्गेस ने सुझाव दिया कि पीएलवी हाइपरकनेक्टिविटी का पता लगाने पर पूर्वाग्रह दिखाता है जो मौजूद नहीं है, खासकर जब छोटे नमूने50 नियोजितहोते हैं। तीसरा, सहयोगी सीखने से संबंधित आवृत्ति का पता लगाने के लिए एक गैर-पैरामेट्रिक सांख्यिकीय परीक्षण को अपनाना आवश्यक है। सबसे पहले, कार्य से संबंधित FOI का चयन या तो पिछले शोध में सुझावों का पालन करके या विशिष्ट प्रयोग डिजाइन के अनुसार किया जाता है (यानी, किसी प्रयोग में एक कार्य परीक्षण के लिए कितनी देर तक)। हाल ही में, FOI चयन प्रक्रिया में मजबूत और प्रजनन परिणाम प्राप्त करने के लिए, गैर-पैरामेट्रिक सांख्यिकीय परीक्षण दृष्टिकोण अपनाए जाते हैं। यहां, इस तकनीक ने कुशलतापूर्वक संचालन किया। सहयोगी सीखने से संबंधित FOI (0.015-0.021 हर्ट्ज) की पहचान की गई है, और इसी तरह की आवृत्ति बैंड की पहचान शिक्षण परिदृश्य13 और मौखिक संचार प्रतिमान8में अनुसंधान को पाटने में की गई है । मल्टी ब्रेन डाटा एनालिसिस पाइपलाइन में इस तकनीक को लागू करना जरूरी है। कुल मिलाकर, हाइपरस्कैनिंग डेटा के विश्लेषण के लिए उपयुक्त एल्गोरिदम और तरीकों की स्थापना एक प्रमुख क्षेत्र होगा।

सीमा और भविष्य की दिशा
एक बहु-मस्तिष्क से यथार्थवादी सामाजिक संपर्क संदर्भ के भीतर प्रजनन और मजबूत आईबीएस प्राप्त करने के लिए भविष्य में कई सीमाओं में सुधार किया जा सकता है। सबसे पहले, फाइबर का वजन बहुत भारी है और लंबे समय तक पहनने में असहज है; इस प्रकार, प्रयोग का समय 30 मिनट तक सीमित है। भविष्य में, यदि कक्षा में बहु-मस्तिष्क गतिविधि रिकॉर्डिंग, यह छात्रों को एक स्कूल की अवधि (यानी, ५० मिनट) के दौरान fNIRS टोपियां पहनने के लिए पूछना मुश्किल है । इस प्रकार, वास्तविक व्याख्यान और सीखने के परिदृश्य में पहनने योग्य fNIRS सेटिंग्स की आवश्यकता होती है। दूसरा, हालांकि fNIRS एफएमआरआई की तुलना में सिर गति के लिए उच्च सहिष्णुता दिखाता है, इस तकनीक केवल सतह प्रांतस्था15के मस्तिष्क गतिविधि का पता लगा सकते हैं । इस प्रकार, एफएनआईआरएस हाइपरस्कैनिंग का उपयोग इनाम से संबंधित तंत्रिका तंत्र में नहीं किया जा सकता है, जिसमें एमिग्डाला एक महत्वपूर्ण भूमिका निभाता है51। इस बीच, fNIRS सेटअप में स्रोतों और डिटेक्टरों की सीमित संख्या से पता चलता है नहीं पूरे मस्तिष्क प्रांतस्था मापा जाएगा । इसका मतलब है कि शोधकर्ताओं को मापने के लिए ब्याज के क्षेत्र (आरओआई) का चयन करना होगा । तीसरा, पीसीए प्रणाली संदूषकों को खत्म करने के लिए अपनाया जाता है । हालांकि यह तकनीक कुशल है, भविष्य में, अतिरिक्त सेरिबेलर रक्त प्रवाह के लिए खाते वाले छोटे चैनलों को जोड़ना, जो fNIRS संकेतों को दूषित कर सकता है, यह भी एक कुशल दृष्टिकोणहै 29,39। चौथा, इस प्रोटोकॉल में डेटा विश्लेषण प्रक्रिया को अन्य प्राकृतिक फनीआरएस हाइपरस्कैनिंग अध्ययनों में लागू किया जा सकता है। अगला कदम मानक दिशानिर्देश के साथ fNIRS-विशिष्ट डेटा विश्लेषण पैकेज विकसित करना है। पांचवां, इस प्रोटोकॉल में, डब्ल्यूटीसी समवर्ती मस्तिष्क गतिविधि (यानी, IBS) की पहचान करने के लिए नियोजित है। कोवारी तंत्रिका गतिविधि की गणना के लिए एक तकनीक के विकास के साथ, ग्राफ सिद्धांत और जीसीए जैसे अन्य तरीकों का भी उपयोग किया जा सकता है। छठा, नियंत्रण स्थितियों की भर्ती करना आवश्यक है, जैसे कि बात करने की स्थिति है कि जटिल प्रभावों को बाहर करने के लिए विशिष्ट विषयों पर बात करने के लिए dyads की आवश्यकता होती है। इस बीच, यह प्रकट करने के लिए कि सहयोगी सीखने में कौन सी गतिविधि (यानी, ज्ञान सह-निर्माण52)आईबीएस को जन्म देगा। और क्या इन का पता लगाया IBS सहयोगी सीखने dyads के सीखने के प्रदर्शन को ट्रैक करने के लिए इस्तेमाल किया जा सकता है भी महत्वपूर्ण हैं । अंत में, आईबीएस के तंत्र को समझाने के लिए एक ढांचा प्रदान करना भी अत्यावश्यक है । शोधकर्ता यह समझने की कोशिश करते हैं कि क्या यह केवल एपिफेनोमेनन है या हैमिल्टन53द्वारा सामाजिक संपर्क का एक तंत्रिका तंत्र है। इस लक्ष्य को प्राप्त करने के लिए, एक तरफ, हैमिल्टन ने एक xGLM दृष्टिकोण का प्रस्ताव किया जो मस्तिष्क गतिविधि, व्यवहार डेटा और शारीरिक डेटा को एक साथ मस्तिष्क युग्मन53के विश्वसनीय विवरण का पता लगाने के लिए मॉडल करता है। दूसरी ओर, नोवेम्ब्रे और लैनेटी ने समवर्ती मस्तिष्क गतिविधि54के तंत्र को प्रकट करने के लिए बहु-मस्तिष्क उत्तेजना (एमबीएस) आयोजित करने का सुझाव दिया।

समाप्ति
fNIRS हाइपरस्कैनिंग से पारंपरिक प्रयोग डिजाइन से सामाजिक तंत्रिका विज्ञान में यथार्थवादी सामाजिक संपर्क परिदृश्यों में एक प्रतिमान बदलाव होता है। इस विधि द्वारा निकाले गए आईबीएस सामाजिक बातचीत के न्यूरोबायोलॉजिकल तंत्र की व्याख्या करने के लिए एक नया दृश्य प्रदान करता है। अंत में, डेटा एकत्र करने और विश्लेषण करने की स्थापित मानकीकृत पाइपलाइन वैध परिणाम पैदा करने और हाल ही में हाइपरस्कैनिंग प्रयोग को आगे बढ़ाने के लिए मील का पत्थर होगी।

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

लेखकों के पास खुलासा करने के लिए कुछ नहीं है ।

Acknowledgments

यह काम उत्कृष्ट डॉक्टरेट छात्रों (YBNLTS2019-025) और नेशनल नेचुरल साइंस फाउंडेशन ऑफ चाइना (31872783 और 71942001) के लिए ECNU अकादमिक नवाचार संवर्धन कार्यक्रम द्वारा समर्थित है।

Materials

Name Company Catalog Number Comments
EEG caps Compumedics Neuroscan,Charlotte,USA 64-channel Quik-Cap We choose two sizes of cap(i.e.medium and large).
NIRS measurement system with probe sets and probe holder grids Hitachi Medical Corporation, Tokyo, Japan ETG-7100 Optical Topography System The current study protocol requires an optional second adult probe set for 92 channels of measurement in total.
Numeric computing platform The MathWorks, Inc., Natick, MA MATLAB R2020a Serves as base for Psychophysics Toolbox extensions (stimulus presentation), Homer2  (fNIRS preprocess analysis), and "wtc" function(WTC computation).
Psychology software psychology software tools,Sharpsburg, PA,USA E-prime 2.0 We apply E-prime to start the fNIRS measurement system and send triggers which marking the rest phase and collaborative learning phase for fNIRS recording data.
Swimming caps Zoke corporation,Shanghai,China 611503314 We first placed the standard 10-20 EEG cap on the head mold, and placed the swimming cap on the EEG cap. Second, we marked (inion, Cz, T3, T4, PFC and P5) with chalk.
Three-dimensional (3-D) digitizer Polhemus, Colchester, VT, USA; Three-dimensional (3-D) digitizer Anatomical locations of optodes in relation to standard head landmarks were determined for each participant using a Patriot 3D Digitizer

DOWNLOAD MATERIALS LIST

References

  1. Babiloni, F., Astolfi, L. Social neuroscience and hyperscanning techniques: past, present and future. Neuroscience & Biobehavioral Reviews. 44, 76-93 (2014).
  2. Schilbach, L., et al. Toward a second-person neuroscience. Behavior Brain Science. 36, 393-414 (2013).
  3. Montague, P. Hyperscanning: simultaneous fMRI during linked social interactions. NeuroImage. 16, 1159-1164 (2002).
  4. Cui, X., Bryant, D. M., Reiss, A. L. NIRS-based hyperscanning reveals increased interpersonal coherence in superior frontal cortex during cooperation. NeuroImage. 59 (3), 2430-2437 (2012).
  5. Dikker, S., et al. Brain-to-brain synchrony tracks real-world dynamic group interactions in the classroom. Current Biology. 27 (9), 1375-1380 (2017).
  6. Abrams, D. A., et al. Inter-subject synchronization of brain responses during natural music listening. European Journal of Neuroscience. 37 (9), 1458-1469 (2013).
  7. Pan, Y., et al. Instructor-learner brain coupling discriminates between instructional approaches and predicts learning. NeuroImage. 211, 116657 (2020).
  8. Jiang, J., et al. Leader emergence through interpersonal neural synchronization. Proceedings of the National Academy of Sciences of the United States of America. 112 (14), 4274-4279 (2015).
  9. Bevilacqua, D., et al. Brain-to-brain synchrony and learning outcomes vary by student-teacher dynamics: Evidence from a real-world classroom electroencephalography study. Journal of Cognitive Neuroscience. 31 (3), 401-411 (2019).
  10. Dikker, S., et al. Morning brain: real-world neural evidence that high school class times matter. Social Cognitive and Affective Neuroscience. 15 (11), 1193-1202 (2020).
  11. Pan, Y., Guyon, C., Borragán, G., Hu, Y., Peigneux, P. Interpersonal brain synchronization with instructor compensates for learner's sleep deprivation in interactive learning. Biochemical Pharmacology. , 114111 (2020).
  12. Pan, Y., Novembre, G., Song, B., Li, X., Hu, Y. Interpersonal synchronization of inferior frontal cortices tracks social interactive learning of a song. NeuroImage. 183, 280-290 (2018).
  13. Zheng, L., et al. Enhancement of teaching outcome through neural prediction of the students' knowledge state. Human Brain Mapping. 39 (7), 3046-3057 (2018).
  14. Zheng, L., et al. Affiliative bonding between teachers and students through interpersonal synchronisation in brain activity. Social Cognitive and Affective Neuroscience. 15 (1), 97-109 (2020).
  15. Kleinschmidt, A., et al. Simultaneous recording of cerebral blood oxygenation changes during human brain activation by magnetic resonance imaging and near-infrared spectroscopy. Journal of Cerebral Blood Flow & Metabolism. 16 (5), 817-826 (1996).
  16. Strangman, G., Culver, J. P., Thompson, J. H., Boas, D. A. A quantitative comparison of simultaneous BOLD fMRI and NIRS recordings during functional brain activation. NeuroImage. 17 (2), 719-731 (2002).
  17. Huppert, T. J., Hoge, R. D., Diamond, S. G., Franceschini, M. A., Boas, D. A. A temporal comparison of BOLD, ASL, and NIRS hemodynamic responses to motor stimuli in adult humans. NeuroImage. 29 (2), 368-382 (2006).
  18. Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. NeuroImage. 63, 212-222 (2012).
  19. Hirsch, J., Zhang, X., Noah, J. A., Ono, Y. Frontal temporal and parietal systems synchronize within and across brains during live eye-to-eye contact. NeuroImage. 157, 314-330 (2017).
  20. Wilcox, T., Biondi, M. fNIRS in the developmental sciences. Wiley Interdisciplinary Reviews: Cognitive Science. 6 (3), 263-283 (2015).
  21. Ye, J. C., Tak, S., Jang, K. E., Jung, J., Jang, J. NIRS-SPM: statistical parametric mapping for nearinfrared spectroscopy. NeuroImage. 44 (2), 428-447 (2009).
  22. Huppert, T. J., Diamond, S. G., Franceschini, M. A., Boas, D. A. HomER: A review of time-series analysis methods for near-infrared spectroscopy of the brain. Applied Optics. 48 (10), 280-298 (2009).
  23. Santosa, H., Zhai, X., Fishburn, F., Huppert, T. The NIRS Brain AnalyzIR toolbox. Algorithms. 11 (5), 73 (2018).
  24. Xu, Y., Graber, H. L., Barbour, R. L. nirsLAB: a computing environment for fNIRS neuroimaging data analysis. Biomedical Optics. , BM3A-1 (2014).
  25. Cope, M., Delpy, D. T. System for long-term measurement of cerebral blood and tissue oxygenation on newborn infants by near infra-red transillumination. Medical and Biological Engineering and Computing. 26 (3), 289-294 (1988).
  26. Hoshi, Y. Functional near-infrared spectroscopy: current status and future prospects. Journal of Biomedical Optics. 12 (6), 062106 (2007).
  27. Molavi, B., Dumont, G. A. Wavelet-based motion artifact removal for functional near-infrared spectroscopy. Physiological Measurement. 33 (2), 259 (2012).
  28. Cooper, R., et al. A systematic comparison of motion artifact correction techniques for functional near-infrared spectroscopy. Frontiers in Neuroscience. 6, 147 (2012).
  29. Zhang, X., Noah, J. A., Hirsch, J. Separation of the global and local components in functional near-infrared spectroscopy signals using principal component spatial filtering. Neurophotonics. 3 (1), 015004 (2016).
  30. Grinsted, A., Moore, J. C., Jevrejeva, S. Application of the cross wavelet transform and wavelet coherence to geophysical time series. Nonlinear Processes in Geophysics. 11, 561-566 (2004).
  31. Maris, E., Oostenveld, R. Nonparametric statistical testing of EEG-and MEG-data. Journal of Neuroscience Methods. 164 (1), 177-190 (2007).
  32. Nozawa, T., Sasaki, Y., Sakaki, K., Yokoyama, R., Kawashima, R. Interpersonal frontopolar neural synchronization in group communication: an exploration toward fNIRS hyperscanning of natural interactions. NeuroImage. 133, 484-497 (2016).
  33. Reindl, V., Gerloff, C., Scharke, W., Konrad, K. Brain-to-brain synchrony in parent-child dyads and the relationship with emotion regulation revealed by fNIRS-based hyperscanning. NeuroImage. 178, 493-502 (2018).
  34. Theiler, J., Eubank, S., Longtin, A., Galdrikian, B., Farmer, J. D. Testing for nonlinearity in time series: the method of surrogate data. Physica D: Nonlinear Phenomena. 58 (1-4), 77-94 (1992).
  35. Genovese, C. R., Lazar, N. A., Nichols, T. Thresholding of statistical maps in functional neuroimaging using the false discovery rate. NeuroImage. 15 (4), 870-878 (2002).
  36. Nichols, T., Hayasaka, S. Controlling the familywise error rate in functional neuroimaging: a comparative review. Statistical Methods in Medical Research. 12 (5), 419-446 (2003).
  37. Tsuzuki, D., et al. Virtual spatial registration of stand-alone fNIRS data to MNI space. NeuroImage. 34 (4), 1506-1518 (2007).
  38. Singh, A. K., Okamoto, M., Dan, H., Jurcak, V., Dan, I. Spatial registration of multi-channel multi-subject fNIRS data to MNI space without MRI. NeuroImage. 27 (4), 842-851 (2005).
  39. Noah, J. A., et al. Comparison of short-channel separation and spatial domain filtering for removal of non-neural components in functional near-infrared spectroscopy signals. Neurophotonics. 8 (1), 015004 (2021).
  40. Noah, J. A., et al. Real-time eye-to-eye contact is associated with cross-brain neural coupling in angular gyrus. Frontiers in Human Neuroscience. 14 (19), (2020).
  41. Torrence, C., Compo, G. P. A practical guide to wavelet analysis. Bulletin of the American Meteorological Society. 79 (1), 61-78 (1998).
  42. Osaka, N., Minamoto, T., Yaoi, K., Azuma, M., Osaka, M. Neural synchronization during cooperated humming: a hyperscanning study using fNIRS. Procedia-Social and Behavioral Sciences. 126, 241-243 (2014).
  43. Dommer, L., Jäger, N., Scholkmann, F., Wolf, M., Holper, L. Between-brain coherence during joint n-back task performance: a two-person functional near-infrared spectroscopy study. Behavioural Brain Research. 234 (2), 212-222 (2012).
  44. Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. Neuroimage. 63, 212-222 (2012).
  45. Nguyen, T., et al. The effects of interaction quality on neural synchrony during mother-child problem solving. Cortex. 124, 235-249 (2020).
  46. Seth, A. K., Barrett, A. B., Barnett, L. Granger causality analysis in neuroscience and neuroimaging. Journal of Neuroscience. 35 (8), 3293-3297 (2015).
  47. Funane, T., et al. Synchronous activity of two people's prefrontal cortices during a cooperative task measured by simultaneous near-infrared spectroscopy. Journal of Biomedical Optics. 16 (7), 077011 (2011).
  48. Liu, T., Saito, H., Oi, M. Role of the right inferior frontal gyrus in turn-based cooperation and competition: a near-infrared spectroscopy study. Brain and Cognition. 99, 17-23 (2015).
  49. Lachaux, J. P., Rodriguez, E., Martinerie, J., Varela, F. J. Measuring phase synchrony in brain signals. Human Brain Mapping. 8 (4), 194-208 (1999).
  50. Burgess, A. P. On the interpretation of synchronization in EEG hyperscanning studies: a cautionary note. Frontiers in Human Neuroscience. 7, 881 (2013).
  51. Burgos-Robles, A., et al. Amygdala inputs to prefrontal cortex guide behavior amid conflicting cues of reward and punishment. Nature Neuroscience. 20 (6), 824-835 (2017).
  52. Mende, S., Proske, A., Narciss, S. Individual preparation for collaborative learning: Systematic review and synthesis. Educational Psychologist. , 1-25 (2020).
  53. Hamilton, A. F. D. C. Hyperscanning: Beyond the hype. Neuron. 109 (3), 404-407 (2021).
  54. Novembre, G., Iannetti, G. D. Hyperscanning alone cannot prove causality. Multibrain stimulation can. Trends in Cognitive Sciences. 25 (2), 96-99 (2021).

Tags

न्यूरोसाइंस अंक 173 इंटर-ब्रेन सिंक्रोनी फनीआरएस हाइपरस्कैनिंग वेवलेट ट्रांसफॉर्म जुटना ओपन-साइंस
ओपन एंडेड सहयोगी लर्निंग में इंटर-ब्रेन सिंक्रोनी: एक fNIRS-हाइपरस्कैनिंग अध्ययन
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Zhao, N., Zhu, Y., Hu, Y.… More

Zhao, N., Zhu, Y., Hu, Y. Inter-Brain Synchrony in Open-Ended Collaborative Learning: An fNIRS-Hyperscanning Study. J. Vis. Exp. (173), e62777, doi:10.3791/62777 (2021).

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