يتطلب اشتراك JoVE لعرض هذا المحتوى. تسجيل الدخول أو ابدأ نسخة تجريبية مجانية

مقالة منهجية

رسم خرائط ثلاثية الأبعاد لدوران الكائنات الافتراضية التفاعلية مع بيانات تتبع العين

1.9K مشاهدة

⸱

DOI:

10.3791/65977

⸱

أكتوبر 18, 2024

 ,  ,  ,  , 
1Graduate Program in Chemistry, University of São Paulo, Institute of Chemistry, 2Graduate Program in Applied Mathematics, University of São Paulo, Institute of Mathematics and Statistics, 3Graduate Program in Neuroscience and Cognition, Federal University of ABC, Center of Mathematics, Computing and Cognition, 4School of Biomedical Engineering, Science and Health Systems, Drexel University

في هذه المقالة

ملخص

لقد طورنا طريقة بسيطة وقابلة للتخصيص وفعالة لتسجيل البيانات العملية الكمية من المهام المكانية التفاعلية وتعيين بيانات الدوران هذه باستخدام بيانات تتبع العين.

الملخص

نقدم طريقة للتسجيل في الوقت الحقيقي للتفاعل البشري مع الكائنات الافتراضية ثلاثية الأبعاد (3D). يتكون النهج من ربط بيانات الدوران للكائن الذي تم التلاعب به بالتدابير السلوكية ، مثل تتبع العين ، لتقديم استنتاجات أفضل حول العمليات المعرفية الأساسية.

تتكون المهمة من عرض نموذجين متطابقين لنفس الكائن 3D (جزيء) ، يتم تقديمهما على شاشة الكمبيوتر: كائن دوار وتفاعلي (iObj) وكائن ثابت مستهدف (tObj). يجب على المشاركين تدوير iObj باستخدام الماوس حتى يعتبروا أن اتجاهه مطابق لاتجاه tObj. يتتبع الكمبيوتر جميع بيانات التفاعل في الوقت الفعلي. يتم أيضا تسجيل بيانات نظرة المشارك باستخدام جهاز تعقب العين. تردد القياس 10 هرتز على الكمبيوتر و 60 هرتز على متتبع العين.

يتم تسجيل بيانات اتجاه iObj فيما يتعلق ب tObj في رباعيات الدوران. تتم مزامنة بيانات النظرة مع اتجاه iObj والإشارة إليها باستخدام هذا النظام نفسه. تمكننا هذه الطريقة من الحصول على التصورات التالية لعملية التفاعل البشري مع iObj و tObj: (1) التباين الزاوي المتزامن مع البيانات الأخرى المعتمدة على الوقت. (2) مسار دوران 3D داخل ما قررنا أن نسميه "كرة الدوران" ؛ (3) 3D التثبيت خريطة الحرارة. استخدمت جميع خطوات البروتوكول برمجيات حرة، مثل GNU Octave و Jmol، وجميع النصوص متاحة كمواد تكميلية.

باستخدام هذا النهج ، يمكننا إجراء دراسات كمية مفصلة لعملية حل المهام التي تنطوي على تناوب عقلي أو جسدي ، بدلا من النتيجة التي تم التوصل إليها فقط. من الممكن قياس مدى أهمية كل جزء من نماذج 3D بدقة بالنسبة للمشارك في حل المهام ، وبالتالي ربط النماذج بالمتغيرات ذات الصلة مثل خصائص الأشياء والقدرات المعرفية للأفراد وخصائص واجهة الإنسان والآلة.

المقدمة

الدوران العقلي (MR) هو قدرة معرفية تمكن الأفراد من التلاعب بالأشياء وتدويرها عقليا ، مما يسهل فهما أفضل لميزاتها وعلاقاتها المكانية. إنها واحدة من القدرات البصرية المكانية ، وهي مجموعة معرفية أساسية تمت دراستها في وقت مبكر من عام 18901. تعد القدرات البصرية المكانية مكونا مهما في الذخيرة المعرفية للفرد التي تتأثر بكل من العوامل الموروثة والبيئية2،3،4،5. نما الاهتمام بالقدرات البصرية المكانية طوال القرن العشرين بسبب الأدلة المتزايدة على أهميتها في الموضوعات الرئيسية مثل الشيخوخة6 والتنمية7 ، والأداء في العلوم والتكنولوجيا والهندسة والرياضيات (STEM) 8,9 ، والإبداع10 ، والسمات التطورية11.

الفكرة المعاصرة لل MR مستمدة من العمل الرائد الذي نشره Shepard and Metzler (SM) في 197112. ابتكروا طريقة كرونومترية باستخدام سلسلة من المهام "نفسها أو مختلفة" ، وتقديم اثنين من الإسقاطات من كائنات 3D مجردة معروضة جنبا إلى جنب. كان على المشاركين تدوير الكائنات عقليا على بعض المحاور وتحديد ما إذا كانت هذه الإسقاطات تصور نفس الكائن تدور بشكل مختلف أو كائنات متميزة. كشفت الدراسة عن وجود علاقة خطية إيجابية بين وقت الاستجابة (RT) والتباين الزاوي (AD) بين تمثيلات نفس الجسم. يعرف هذا الارتباط باسم تأثير تباين الزاوية (ADE). يعتبر ADE مظهرا سلوكيا للتصوير بالرنين المغناطيسي وأصبح في كل مكان في العديد من الدراسات اللاحقة المؤثرة في هذا المجال13،14،15،16،17،18،19،20،21،22،23،24،25. تألفت الأجسام ثلاثية الأبعاد المستخدمة في دراسة SM من 10 مكعبات متجاورة تم إنشاؤها بواسطة رائد الرسم البياني للكمبيوتر مايكل نول في مختبرات بيل26. يشار إليها باسم أرقام SM وتستخدم على نطاق واسع في دراسات MR.

كان هناك تقدمان لهما أهمية كبيرة في عمل شيبرد وميتزلر الأساسي. أولا، النظر في المساهمات في مجال تقييمات الرصد والإبلاغ. في عام 1978 ، طور Vanderberg و Kuze27 اختبارا نفسيا مكونا من 20 عنصرا بالقلم الرصاص والورقة بناء على أرقام SM "نفسها أو مختلفة" التي أصبحت تعرف باسم اختبار الدوران العقلي (VKMRT). يقدم كل عنصر اختبار حافزا مستهدفا. يجب على المشاركين الاختيار من بين أربعة محفزات ، أي منها يمثل نفس الشيء الموضح في التحفيز المستهدف ، وأيها لا يمثل ذلك. تم استخدام VKMRT للتحقيق في العلاقة بين قدرة MR وعوامل أخرى مختلفة ، مثل الاختلافات المرتبطة بالجنس6،21،24،28،29،30 ، الشيخوخة والتطور6،31،32 ، الأداء الأكاديمي8، 33 ، ومهارات في الموسيقى والرياضة34. في عام 1995 ، نشر بيترز وآخرون دراسة مع أرقام معاد رسمها ل VKMRT35,36. وبالمثل ، بعد تصميم المهمة "نفسه أو المختلف" ، تم استخدام مجموعة متنوعة من المكتبات الأخرى للمحفزات التي تم إنشاؤها بواسطة الكمبيوتر للتحقيق في عمليات التصوير بالرنين المغناطيسي وتقييم قدرات MR (إصدارات ثلاثية الأبعاد من محفزات SM الأصلية19،22،23،37،38 ، جسم الإنسان يحاكي أرقام SM25،39،40 ، مضلعات مسطحة لدوران 2D41 ، 42 ، علم التشريح ، والأعضاء43 ، الأشكال العضوية44 ، الجزيئات45,46 ، من بين أمور أخرى21). اختبار التصور المكاني بوردو (PSVT) الذي اقترحه Guay في 197647 مناسب أيضا. يستلزم مجموعة من الاختبارات ، بما في ذلك MR (PSVT: R). باستخدام محفزات مختلفة عن تلك الموجودة في VKMRT ، يتطلب PSVT: R من المشاركين تحديد عملية دوران في حافز نموذجي وتطبيقها عقليا على محفز مختلف. يستخدم PSVT: R أيضا على نطاق واسع ، لا سيما في الدراسات التي تبحث في دور MR في تحقيق العلوم والتكنولوجيا والهندسة والرياضيات48،49،50.

التقدم الثاني ذو الأهمية الكبيرة في عمل شيبرد وميتزلر الأساسي يشمل المساهمات في فهم عملية التصوير بالرنين المغناطيسي ، على وجه الخصوص ، باستخدام أجهزة تتبع العين. في عام 1976 ، استخدم Just and Carpenter14 معدات تتبع العين التناظرية القائمة على الفيديو لإجراء دراسة تستند إلى تجربة Shepard و Metzler ADE. من نتائجهم على حركات العين saccadic و RTs ، اقترحوا نموذجا لعمليات MR يتكون من ثلاث مراحل: 1) مرحلة البحث ، حيث يتم التعرف على أجزاء مماثلة من الأشكال. 2) مرحلة التحول والمقارنة ، حيث يتم تدوير أحد الأجزاء المحددة عقليا ؛ 3) مرحلة التأكيد ، حيث يتم تحديد ما إذا كانت الأرقام هي نفسها أم لا. تتكرر المراحل بشكل متكرر حتى يمكن اتخاذ قرار. تتوافق كل خطوة مع أنماط حركة العين الساكدية والمثبتة المحددة في علاقة وثيقة ب ADEs المرصودة. وهكذا ، من خلال ربط نشاط العين بالبيانات الكرونومترية ، قدم Just and Carpenter توقيعا معرفيا لدراسة عمليات التصوير بالرنين المغناطيسي. حتى الآن ، تم اعتماد هذا النموذج ، وإن كان مع التعديلات ، في العديد من الدراسات15،42،46،51،52،53.

بعد هذا المسار ، تلت ذلك العديد من الدراسات التي تراقب السلوك18،19،22،23،25،34،40،54،55 ونشاط الدماغ20،22،56،57 أجريت وظائف أثناء دوران المنبهات. تشير النتائج التي توصلوا إليها إلى دور تعاوني بين التصوير بالرنين المغناطيسي والعمليات الحركية. علاوة على ذلك ، هناك اهتمام متزايد بالتحقيق في استراتيجيات حل المشكلات التي تنطوي على MR فيما يتعلق بالفروق الفردية 15،41،46،51،58.

بشكل عام ، يمكن اعتبار أن تصميم الدراسات التي تهدف إلى فهم عمليات التصوير بالرنين المغناطيسي يعتمد على تقديم مهمة مع محفزات بصرية تطلب من المشاركين إجراء عملية التصوير بالرنين المغناطيسي التي بدورها تستلزم رد فعل حركي. إذا كان هذا التفاعل يسمح بدوران المنبهات ، فغالبا ما يطلق عليه الدوران البدني (PR). اعتمادا على الأهداف المحددة لكل دراسة ، تم استخدام استراتيجيات وأجهزة مختلفة للحصول على البيانات وتحليل MR و PR. في خطوة عرض تحفيز المهمة ، من الممكن تغيير أنواع المحفزات (أي الأمثلة المذكورة سابقا) ؛ الإسقاط (الصور التي تم إنشاؤها بواسطة الكمبيوتر في شاشات العرض التقليدية22،23،25،29،40،41،59 ، وكذلك في المجسمات19 والظاهري60 وبيئات الواقعالمختلط 43 ) ؛ وتفاعل المنبهات (الصور الثابتة12،27،36 ، الرسوم المتحركة61 ، والكائنات الافتراضية التفاعلية19،22،23،43،53،59).

عادة ما يتم الاستدلال على التصوير بالرنين المغناطيسي من مقاييس RTs (ADE) ، وكذلك نشاط العين والدماغ25،46،62. يتم قياس نشاط العين باستخدام بيانات تتبع العين التي تتكون من حركات saccadic والتثبيتات14،15،42،51،52،54،58،60 ، وكذلك قياس الحدقة40. تنشأ بيانات RT عادة من بيانات استجابة المحرك المسجلة أثناء تشغيل أجهزة مختلفة مثل الرافعات13 ، الأزرار والمفاتيح14,53 ، الدواسات53 ، المقابض الدوارة19 ، عصا التحكم37 ، لوحة المفاتيح61 والماوس 29,58,60 ، عجلات القيادة53 ، مستشعرات القصور الذاتي 22,23 ، شاشات اللمس52,59، والميكروفونات22. لقياس العلاقات العامة ، بالإضافة إلى RTs ، سيتضمن تصميم الدراسة أيضا تسجيل الدورات اليدوية للمنبهات التفاعلية أثناء أداء المشاركين لمهمة MR22،23،52،53.

في عام 1998 ، استخدم Wohlschläger و Wohlschläger19 مهام "متشابهة أو مختلفة" مع محفزات SM افتراضية تفاعلية يتم التلاعب بها بمقبض ، مع دوران يقتصر على محور واحد لكل مهمة. قاموا بقياس RT والسجل التراكمي للتناوب المادي الذي تم إجراؤه أثناء المهام. بمقارنة المواقف مع وبدون الدوران الفعلي للمحفزات التفاعلية ، خلصوا إلى أن MR و PR يشتركان في عملية مشتركة لكل من الدورات المتخيلة والمنفذة بالفعل.

في عام 2014 ، أجريت دراستان تستخدمان نفس النوع من المهام مع محفزات تفاعلية افتراضية22,23. ومع ذلك ، تم التلاعب بالأجسام باستخدام أجهزة استشعار بالقصور الذاتي التي التقطت الحركة في الفضاء 3D. في كلتا الحالتين ، بالإضافة إلى RTs ، تم تسجيل مسارات الدوران - تطور اختلافات الدوران بين المحفزات المرجعية والتفاعلية أثناء المهام. من هذه المسارات ، كان من الممكن استخراج كل من المعلومات التراكمية (أي العدد الإجمالي للدورات ، بالوحدات الرباعية) والمعلومات التفصيلية حول استراتيجيات الحل. درس Adams et al.23 التأثير التعاوني بين MR و PR. بالإضافة إلى RTs ، استخدموا تكامل مسارات الدوران كمعلمة لدقة وموضوعية القرار. تم تفسير ملامح المنحنى وفقا لنموذج من ثلاث خطوات63 (التخطيط ، الدوران الرئيسي ، التعديل الدقيق). تشير النتائج إلى أن MR و PR ليس لهما بالضرورة عامل واحد مشترك. جمع Gardony et al.22 بيانات عن RT والدقة والدوران في الوقت الفعلي. بالإضافة إلى تأكيد العلاقة بين MR و PR ، كشف تحليل مسارات التناوب أن المشاركين تلاعبوا بالأرقام حتى يتمكنوا من تحديد ما إذا كانوا مختلفين أم لا. إذا كانت متشابهة ، فسيقوم المشاركون بتدويرها حتى تبدو متشابهة.

استمرارا لهذه الاستراتيجية ، في عام 2018 ، استخدم Wetzel و Bertel52 أيضا أرقام SM التفاعلية في مهام "متشابهة أو مختلفة" باستخدام الأجهزة اللوحية التي تعمل باللمس كواجهة. بالإضافة إلى ذلك ، استخدموا جهاز تتبع العين للحصول على بيانات تراكمية عن وقت التثبيت والسعة الصخرية كمعلمات للحمل المعرفي المتضمن في حل مهام التصوير بالرنين المغناطيسي. أكد المؤلفون الدراسات السابقة التي نوقشت أعلاه فيما يتعلق بالعلاقات بين MR و PR وعمليات حل المهام. ومع ذلك ، في هذه الدراسة ، لم يستخدموا رسم خرائط التثبيت وبيانات saccades للمحفزات.

تم اقتراح الأساليب المنهجية لرسم خرائط بيانات تتبع العين عبر كائنات 3D الافتراضية وتحسينها باستمرار ، عادة من قبل الباحثين المهتمين بدراسة العوامل المتعلقة بالاهتمام البصري في البيئات الافتراضية64. على الرغم من أنها ميسورة التكلفة وتستخدم أجهزة تتبع العين المماثلة ، على ما يبدو ، لم يتم دمج هذه الأساليب بشكل فعال في الذخيرة التجريبية المستخدمة في دراسات الدوران العقلي مع كائنات 3D التفاعلية مثل تلك المذكورة سابقا. على العكس من ذلك ، لم نجد أي دراسات في الأدبيات التي تبلغ عن رسم الخرائط في الوقت الفعلي لبيانات التثبيت والحركة على كائنات 3D التفاعلية. يبدو أنه لا توجد طريقة ملائمة لدمج بيانات نشاط العين مع مسارات الدوران بسهولة. في هذا البحث ، نهدف إلى المساهمة في سد هذه الفجوة. يتم تقديم الإجراء بالتفصيل ، من الحصول على البيانات إلى إنشاء الإخراج الرسومي.

في هذه الورقة ، وصفنا بالتفصيل طريقة لدراسة عمليات الدوران العقلي مع كائنات 3D التفاعلية الافتراضية. يتم تسليط الضوء على التطورات التالية. أولا ، يدمج المحرك السلوكي الكمي (دوران الكائن المدفوع باليد عبر واجهة الكمبيوتر) وجمع البيانات العينية (تتبع العين) أثناء جلسات التفاعل مع النماذج الافتراضية 3D. ثانيا ، لا يتطلب الأمر سوى معدات الكمبيوتر التقليدية وأجهزة تتبع العين لتصميم المهام المرئية والحصول على البيانات وتسجيلها ومعالجتها. ثالثا ، فإنه يولد بسهولة مخرجات رسومية لتسهيل تحليل البيانات - التباين الزاوي ، والدوران المادي ، ومسارات الدوران الرباعي ، ورسم خرائط لبيانات تتبع العين عبر الكائنات الافتراضية 3D. أخيرا ، تتطلب الطريقة برمجيات حرة فقط. جميع التعليمات البرمجية والبرامج النصية المطورة متاحة مجانا (https://github.com/rodrigocnstest/rodrigocnstest.github.io).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

البروتوكول

1. إعداد أدوات جمع البيانات

  1. قم بإعداد جمع البيانات عبر الإنترنت (اختياري).
    ملاحظة: توضح هذه الخطوة كيفية إعداد نسخة قابلة للتخصيص من التعليمات البرمجية للمشروع وصفحة ويب العمل (راجع الملف التكميلي 1). تم تكييف هذه الخطوة من البرامج التعليمية المتاحة في https://pages.github.com/ و https://github.com/jamiewilson/form-to-google-sheets. إذا كان المستخدمون مهتمين فقط بطريقة معالجة البيانات وليس بتسجيل البيانات ، فيمكنهم استخدام https://rodrigocnstest.github.io/iRT_JoVE.html صفحة الويب ، جنبا إلى جنب معالجدول التكميلي S1 وملفات المستودع في https://github.com/rodrigocns/rodrigocns_JoVE/tree/main/Octave ، وتخطي الخطوات 1.1 و 1.2 وخطواتها الفرعية.
    1. سجل الدخول على GitHub (https://github.com/).
    2. قم بإنشاء نسخة عامة من مستودع صفحات GitHub الأصلي.
      1. انقر فوق استيراد مستودع من https://github.com أثناء تسجيل الدخول إلى الحساب.
      2. في الحقل عنوان URL لاستنساخ مستودعك القديم ، الصق عنوان URL https://github.com/rodrigocns/rodrigocns_JoVE في حقل اسم المستودع ، واكتب username.github.io، حيث يكون اسم المستخدم هو اسم المستخدم المستخدم في الحساب، وتأكد من تمكين الخيار عام . ثم ، انقر فوق الزر الأخضر بدء الاستيراد.
        ملاحظة: يحتوي المستودع الآن على معظم الملفات المطلوبة لبقية هذا الإعداد ، وسيتم تحديث أي تغييرات يتم إجراؤها على المستودع على موقع الويب بعد بضع دقائق. على سبيل المثال ، سيصل المستخدم المسمى rodrigocnstest إلى صفحته الخاصة في https://rodrigocnstest.github.io ومستودع GitHub الخاص به في https://github.com/rodrigocnstest/rodrigocnstest.github.io.
    3. يمكنك إعداد جدول بيانات سحابي لتخزين بيانات التجربة على الإنترنت.
      1. اشترك أو سجل الدخول إلى حساب Google.
      2. أثناء تسجيل الدخول إلى الحساب ، انتقل إلى ملف جداول بيانات iRT النظيف المتاح في https://docs.google.com/spreadsheets/d/1imsVR7Avn69jSRV8wZYfsPkxvhSPZ73X_9
        Ops1wZrXI/edit?usp=sharing.
      3. داخل جدول البيانات هذا ، انقر فوق ملف | قم بعمل نسخة. ستظهر نافذة تأكيد صغيرة.
      4. داخل النافذة الصغيرة ، قم بتسمية الملف وانقر على زر عمل نسخة .
    4. قم بإعداد برمجة تطبيقات Google لأتمتة تخزين البيانات داخل جدول البيانات الذي أنشأته.
      1. أثناء وجودك داخل ملف جدول البيانات ، انقر فوق الخيار ملحق | برمجة التطبيقات.
        ملاحظة: يجب إنشاء هذا البرنامج النصي أو الوصول إليه من داخل جدول البيانات بحيث يتم إقرانه به. قد لا تنجح محاولة إنشاء برنامج نصي خارجيا.
      2. انقر فوق الزر "تشغيل " لتشغيل البرنامج النصي لأول مرة.
      3. انقر فوق الزر مراجعة الأذونات . ستظهر نافذة جديدة. انقر على نفس الحساب المستخدم عند إنشاء جدول البيانات.
        ملاحظة: إذا كانت هذه هي المرة الأولى التي يتم فيها تنفيذ هذه الخطوة، فقد يظهر تنبيه أمان يحذر المستخدم من التطبيق الذي يطلب الوصول إلى المعلومات من الحساب. إنه آمن لأن التطبيق يحاول الوصول إلى محتويات جدول البيانات وطلب الإذن لملئه بالبيانات. إذا لم تظهر أي تحذيرات ، فيمكن تخطي الخطوة 1.1.4.4.
      4. انقر فوق خيارات متقدمة | الانتقال إلى من iRT إلى جداول البيانات (غير آمن) | زر السماح .
        ملاحظة: بعد التنفيذ، يجب أن يظهر إشعار يفيد باكتمال التنفيذ داخل سجل التنفيذ.
      5. في اللوحة المنزلقة اليسرى ، انقر فوق زر المشغلات (الرمز الرابع من أعلى إلى أسفل) | + زر إضافة مشغل .
      6. ضمن اختيار الوظيفة المراد تشغيلها ، اختر doPost ؛ ضمن تحديد مصدر الحدث، حدد من جدول البيانات؛ ضمن تحديد نوع الحدث، اختر في النموذج إرسال. ثم انقر على حفظ. إذا ظهرت أي نوافذ منبثقة للأذونات ، فاتبع الخطوات 1.1.4.3-1.1.4.4. إذا انتهى المتصفح بحظر النافذة المنبثقة ، فقم بإلغاء حظرها.
      7. انقر على زر القائمة المنسدلة نشر | نشر جديد.
      8. مرر مؤشر الماوس فوق رمز الترس وتأكد من تحديد خيار تطبيق الويب .
      9. اكتب وصفا في حقل وصف جديد ، مثل النشر 1; في الحقل من لديه حق الوصول ، حدد أي شخص ثم انقر فوق الزر نشر .
        ملاحظة: الغرض من حقل وصف جديد هو تنظيم عمليات نشر البرنامج النصي واحد. يمكن تسميته كما يرغب القارئ ، مثل النشر الأول. يجب أن يظهر الحقل تنفيذ ك بالفعل ك أنا (البريد الإلكتروني) ، حيث البريد الإلكتروني هو البريد الإلكتروني المستخدم حتى الآن.
      10. داخل النافذة المنبثقة الجديدة، انسخ عنوان URL لتطبيق الويب لنشر البرنامج النصي.
        ملاحظة: إذا انتهى بك الأمر لسبب ما إلى فقدان عنوان URL لتطبيق الويب المنسوخ ، فقم باسترداده بالنقر فوق القائمة المنسدلة نشر | إدارة عمليات النشر. يجب أن يكون عنوان URL لتطبيق الويب موجودا.
      11. انتقل إلى الصفحة في https://github.com/rodrigocnstest/rodrigocnstest.github.io/edit/main/javascript/scripts.js حيث rodrigocnstest هو اسم المستخدم المستخدم في GitHub. استبدل عنوان URL الموجود في السطر 5 بعنوان URL لتطبيق الويب المنسوخ في الخطوة 1.1.4.10 ، وانقر فوق الزر الأخضر تنفيذ التغييرات ....
        ملاحظة: يجب أن تظل قيمة عنوان URL المنسوخ بين علامتي اقتباس مفردتين أو مزدوجتين. تحقق جيدا من أن عنوان URL المنسوخ هو العنوان الصحيح من تطبيق الويب.
      12. أخيرا ، انقر فوق الزر "تأكيد تغييرات الالتزام " في منتصف الشاشة.
    5. تأكد من اكتمال العملية بشكل صحيح وأن الصفحة تعمل.
      1. انتقل إلى المستودع في https://github.com/username/username.github.io/ ، حيث اسم المستخدم هو اسم المستخدم المستخدم في GitHub ، وتحقق مما إذا كان قد تم تحديث النشر بعد التغييرات التي تم إجراؤها في الخطوة 1.4.14.
      2. انتقل إلى صفحة الويب في https://username.github.io/iRT_JoVE ، وقم بتغيير اسم المستخدم إلى اسم المستخدم المستخدم في GitHub ثم انقر فوق التالي.
      3. انقر فوق Go ، وقم بإجراء أي تفاعل بالنقر فوق الكائن الموجود على اليمين وسحبه باستخدام الماوس ، ثم انقر فوق DONE! زر.
      4. ارجع إلى ملف جدول البيانات الذي تم تكوينه في الخطوتين 1.1.3 و1.1.4، وتحقق من وجود سطر بيانات مضاف حديثا لكل مرة يتم فيها الضغط على الزر تم .
  2. إعداد الحصول على البيانات بلا اتصال بالإنترنت (اختياري).
    ملاحظة: الطريقة المخصصة لتشغيل بيانات مهمة التدوير التفاعلي (iRT) والحصول عليها متصلة بالإنترنت من خلال الخدمات السحابية التي تم تكوينها في الخطوات الموضحة أعلاه. إذا رغبت في ذلك (نظرا لأن الاتصال بالإنترنت قد يكون مشكلة أو أن يكون لديك طريقة بديلة لتشغيله) ، فمن الممكن أيضا إجراء الاختبار محليا مع أو بدون اتصال بالإنترنت في المكان الذي سيتم فيه تنفيذ الاختبار. الخطوات التالية هي بديل اختياري وتصف كيفية تحقيق ذلك. وإلا، فانتقل إلى الخطوة 1.3.
    1. قم بالوصول إلى مستودع GitHub على الرابط: https://github.com/rodrigocnstest/rodrigocnstest.github.io. انقر على الزر الأخضر < > Code | قم بتنزيل ZIP ، ثم قم بإلغاء ضغط الملفات التي تم تنزيلها.
      ملاحظة: لن تؤدي التغييرات التي تم إجراؤها على الملفات المخزنة محليا إلى تغيير الملفات الموجودة في المستودع والعكس صحيح. يجب تطبيق أي تغييرات مخصصة لكلا الإصدارين على كلا الموقعين ، إما نسخ الملفات المحدثة يدويا أو من خلال استخدام git / GitHub لسطح المكتب.
    2. احصل على أحدث إصدار من موزيلا فايرفوكس من خلال الرابط: https://www.mozilla.org/en-US/firefox/new/.
    3. افتح متصفح Mozilla Firefox ، وأدخل "about: config" في فتحة عنوان URL ، وأدخل "security.fileuri.strict_origin_policy" في حقل البحث ، وقم بتغيير قيمته إلى false. ملاحظة: الآن ، يجب أن يكون Mozilla Firefox في نظام التشغيل Windows قادرا على الوصول محليا إلى ملفات صفحة الويب التي تم تنزيلها على جهاز الكمبيوتر الخاص بك. يمكن تكوين المتصفحات وأنظمة التشغيل الأخرى للعمل محليا ، كل منها مع إعداده الموضح في الرابط http://wiki.jmol.org/index.php/Troubleshooting/Local_Files.
  3. قم بإعداد أداة معالجة البيانات.
    1. قم بتنزيل وتثبيت أحدث إصدار من GNU Octave في https://octave.org/download.
  4. قم بإعداد جهاز تتبع العين.
    1. تأكد من تثبيت برنامج نظام التسجيل على الكمبيوتر المحمول.
    2. تأكد من أن غرفة البحث نظيفة ومنظمة تنظيما جيدا لتجنب الانحرافات.
    3. استخدم الإضاءة الاصطناعية في الغرفة للحفاظ على إضاءة متسقة طوال اليوم.
    4. قم بتثبيت الكمبيوتر على طاولة وتأكد من أن المشارك يمكنه تحريك الماوس بشكل مريح.
    5. توفير كرسي مريح للمشارك، ويفضل أن يكون كرسيا ثابتا، لتقليل الحركة أثناء الاختبار.
    6. قم بتوصيل كبل USB واحد لتشغيل إضاءة الأشعة تحت الحمراء وكابل USB آخر بين الكمبيوتر المحمول / الكمبيوتر ومتعقب العين للكاميرا.
    7. ضع متتبع العين أسفل الشاشة.

2. جمع البيانات

  1. تهيئة برنامج جمع البيانات.
    1. قم بتشغيل برنامج تتبع العين على الكمبيوتر لتلقي البيانات من متتبع العين.
    2. حدد الخيار التقاط الشاشة في النافذة الرئيسية للبرنامج لالتقاط النظرة أثناء التجربة (من الممكن أيضا استخدام هذا البرنامج لتصور خريطة الحرارة وبيانات التصدير الخام).
    3. انقر فوق مشروع جديد لإنشاء مشروع جديد ومجلد مشروع حيث يجب حفظ البيانات.
    4. افتح صفحة الاختبار في https://rodrigocnstest.github.io/iRT_JoVE.html إذا كنت تستخدم الصفحة المعروضة كمثال أو الصفحة التي تم إنشاؤها في الخطوة 1.1. بدلا من ذلك، افتح ملف iRT_JoVE.html محليا من المستعرض الذي تم تكوينه مسبقا في الخطوة 1.2.
    5. إذا لزم الأمر ، املأ حقلي الاسم والبريد الإلكتروني للمساعدة في تحديد البيانات ، وحدد المربع لتنزيل نسخة احتياطية من البيانات المنتجة.
      ملاحظة: في حالة استخدام طريقة عدم الاتصال (الخطوة 1.2) ، ينصح بتنزيل النسخ الاحتياطية.
    6. حاول تشغيل التجربة مرة واحدة للتأكد من أن المتصفح سيقوم بتحميل العناصر بشكل صحيح ، ولا توجد مشكلات في المهام المقدمة أو الحصول على البيانات.
  2. قم بتشغيل التجربة.
    1. اشرح للمشارك الغرض من التجربة والتكنولوجيا المستخدمة ومعايير التضمين / الاستبعاد. تأكد من أن المشارك قد فهم كل شيء. اطلب من المشارك ملء نموذج الموافقة.
    2. اطلب من المشارك الجلوس أمام نظام تتبع العين والحصول على الراحة قدر الإمكان.
    3. حرك الكرسي لضمان المسافة المثلى بين المشارك والكاميرا (الطول المثالي هو 65 سم من متتبع العين إلى عيون المشارك).
    4. اطلب من المشارك البقاء ثابتا قدر الإمكان أثناء التجربة. اضبط ارتفاع الكاميرا لالتقاط حدقة العين بشكل صحيح (تقوم بعض البرامج بتمييز التلميذ لإظهار انعكاس القرنية).
    5. انقر فوق تمكين الكسب التلقائي لتحسين تتبع التلميذ عن طريق تغيير كسب الكاميرا حتى يتم العثور على التلاميذ (لا تحتوي بعض البرامج على هذا الخيار).
    6. اطلب من المشارك إلقاء نظرة على سلسلة من النقاط على الشاشة ومتابعة حركة النقطة دون تحريك رأسه.
    7. انقر فوق معايرة لبدء المعايرة (سيضمن أن متتبع العين يمكنه تتبع المكان الذي ينظر إليه المشارك على الشاشة).
      ملاحظة: ستصبح الشاشة فارغة، وستتحرك علامة معايرة (نقطة) عبر خمسة مواضع على الشاشة.
    8. بعد المعايرة ، سيتم رسم تقدير مرئي لنقطة النظر على الشاشة للتحقق من دقة المعايرة. اطلب من المشارك إلقاء نظرة على نقطة معينة معروضة لمعرفة ما إذا كانت النظرة ستظهر بشكل صحيح.
    9. إذا كانت المعايرة غير مرضية، فاضبط الكاميرا وحاول المعايرة مرة أخرى حتى يتتبع النظام النظرة بشكل مناسب.
    10. انقر فوق الزر "جمع البيانات " على الجانب الأيمن من برنامج تتبع العين (القائمة الرئيسية) لتنشيط وضع جمع البيانات. سيتم تقديم العرض في الوقت الفعلي للشاشة الملتقطة مع بيانات النظرة المعروضة في نافذة العرض الأساسية.
    11. انقر على زر فيديو Gaze في القائمة الرئيسية لعرض وجه المستخدم الذي تم التقاطه بواسطة متتبع العين. ثم ، انقر فوق بدء التسجيل لبدء التجربة.
      ملاحظة: أثناء التجربة ، يتم تمييز تلميذ المشارك ، ويتم عرض عينه كنقطة تتحرك عبر شاشة الكمبيوتر المحمول. تأكد من أن متتبع العين يتتبع التلميذ والعين عبر الشاشة.
    12. إذا اختفت النقطة أو تومض بشكل متكرر، فأوقف التجربة وحاول المعايرة مرة أخرى.
    13. افتح نافذة iRT المفتوحة مسبقا واطلب من المشارك النقر فوق التالي.
    14. أعط التعليمات التالية للمشارك: "في هذا القسم ، ستقوم بتنفيذ ثلاث مهام تناوب. عند النقر فوق GO! ، سيظهر كائنان على جانبي الشاشة. هدفك هو تدوير الكائن على اليمين حتى يتطابق بشكل وثيق مع الكائن الموجود على اليسار بأفضل ما يمكنك. لتدوير الكائن، انقر واسحب الماوس فوقه. عند الانتهاء من كل مهمة من المهام الثلاث ، انقر فوق تم! زر للاستنتاج."
      ملاحظة: لكل مهمة، قد يتم فقدان أي بيانات iRT تتجاوز علامة 5 دقائق (327ثانية بالضبط). بينما نطور الطريقة بشكل أكبر ، يجب توسيع هذا الحد.
    15. في نهاية التجربة ، تأكد من إيقاف تشغيل متتبع العين من كابل التمديد ووضع غطاء العدسة مرة أخرى على الكاميرا.
  3. استخراج البيانات.
    1. بمجرد اكتمال جمع بيانات تعقب العين ، انقر فوق تحليل البيانات للوصول إلى البيانات التي تم جمعها.
    2. تصدير ملف .csv مع جميع البيانات المسجلة للمستخدم.
      ملاحظة: يجب أن يكون العمود الأول من بيانات تعقب العين هو عصر UNIX للبيانات لأن هذه هي الطريقة الوحيدة لجعل مجموعات مختلفة من البيانات تتطابق بشكل صحيح في الوقت المناسب. إذا كان الملف لا يحتوي على واحد ، فيجب تحويله من أي معيار زمني آخر مستخدم. يمكن أن يكون الملف بتنسيق ".csv" أو ".xlsx".
    3. إذا كنت تستخدم الإصدار عبر الإنترنت من صفحة مهام التدوير التفاعلية (الخطوة 1.1) ، فافتح ملف جداول بيانات Google المستخدم لتلقي البيانات عبر الإنترنت (التي تم إنشاؤها في الخطوة 1.1.3) وقم بتنزيلها بالنقر فوق ملف | تحميل | مايكروسوفت إكسل (.xlsx).
      ملاحظة: يتم حزم هذه البيانات لتسهيل نقل البيانات (كل مهمة تتوافق مع سطر واحد مليء بالبيانات). لمعالجة البيانات الموجودة بالداخل ، يجب "تفريغ" كل سطر من البيانات المجمعة أولا.

3. معالجة البيانات وتحليلها

  1. فك حزم البيانات ودمجها ومعالجتها.
    ملاحظة: تصف الخطوات التالية كيفية معالجة البيانات باستخدام البرامج النصية المتوفرة (راجع الملف التكميلي 2). ستطالب نصوص جنو أوكتاف النصية المستخدم بإدخال ملفاته. إذا تم إرسال المدخلات فارغة، استخدام القيم الافتراضية، التي تشير إلى بيانات العينة المقدمة إذا لم تقم أي بيانات مستخدم بالكتابة فوقها، بدلا من ذلك. بعد انتهاء تشغيل البرنامج النصي ، يمكن إغلاقه.
    1. قم بتنزيل وفك ضغط المستودع المستخدم (المستخدم الخاص أو الأصلي في https://github.com/rodrigocns/rodrigocns_JoVE) إذا لم يتم تنزيله بعد.
    2. تأكد من وجود البرامج النصية 1.unpacking_sheets.m و 2.data_merge_and_process.m و 3.3D rotational trailjectory.m ونماذج المجلدات داخل المستودع الذي تم تنزيله في المجلد Octave ، وانقل ملفات البيانات التي تم تنزيلها من الخطوتين 2.3.2 و 2.3.3 إلى نفس المجلد حيث توجد البرامج النصية Octave.
      ملاحظة: قد تتم الكتابة فوق أية ملفات موجودة بالفعل في المجلد بنفس أسماء الملفات المكتوبة حديثا. إعادة تسمية الملفات أو نقلها إلى مجلد آخر وفقا لذلك.
    3. افتح البرنامج النصي 1.unpacking_sheets.m باستخدام مشغل GNU Octave. في علامة التبويب محرر ، قم بتشغيل البرنامج النصي بالنقر فوق الزر الأخضر حفظ الملف والتشغيل ، لفك حزم البيانات إلى بنية أكثر قابلية للقراءة.
      ملاحظة: إذا كان أي من ملفات البيانات المطلوبة مفتوحة محليا، تذكر إغلاقها قبل تشغيل البرنامج النصي. تم تنفيذ جميع ملفات البرنامج النصي .m باستخدام GNU Octave Launcher.
    4. ستظهر مطالبتان ، واحدة تلو الأخرى. أدخل اسم الملف الذي تم تنزيله داخل الموجه الأول واسم الملف الذي تم فك حزمه داخل الحقل الثاني. بدلا من ذلك، اترك كلا الحقلين المطالبين فارغين لاستخدام الأسماء الافتراضية المخصصة لملفات العينة المضمنة. انتظر بضع دقائق (حسب حجم البيانات) حتى تظهر نافذة منبثقة تخبر المستخدم بأن العملية قد اكتملت وأن الملف الجديد قد تمت كتابته.
    5. افتح البرنامج النصي وقم بتشغيله 2.data_merge_and_process.m لدمج البيانات من كل من تعقب العين و iRT.
      ملاحظة: على الرغم من أن هذا البرنامج النصي معقد ، ويشمل مئات الأسطر من التعليمات البرمجية ، إلا أنه مقسم إلى ثلاثة أقسام رئيسية: الإعدادات والوظائف والبرامج النصية. يتم التعليق عليها جميعا وشرحها بدقة ، مما يسهل التعديلات المستقبلية ، إذا لزم الأمر.
    6. ستظهر أربع مطالبات. أدخل قيمة معرف الجلسة وقيمة taskID (كلاهما من جدول بيانات iRT) واسم ملف بيانات iRT غير المعبأ (مكتوب في الخطوة 3.1.5) واسم ملف بيانات تعقب العين (تم تصديره في الخطوة 2.3.2) أو اتركها جميعا فارغة لاستخدام القيم الافتراضية.
      ملاحظة: بعد بضع دقائق ، ستشير نافذة منبثقة تعليمات إلى أن البرنامج النصي أكمل الحساب وأسماء الملفات المستخدمة والمنشئة. ستظهر ثلاث قطع نموذجية من التباين الزاوي أثناء عملية البرنامج النصي: مخطط بسيط ، ومخطط به بيانات نظرة ملونة ، ومخطط به بيانات قطر التلميذ. الملفان اللذان تم إنشاؤهما هما دمج الإخراج X Y.xlsx ووحدة تحكم jmol للإخراج X Y.xlsx ، حيث X هي قيمة معرف الجلسة ، و Y هي قيمة taskID ، وكلاهما مكتوب في بداية الخطوة 3.1.6.
  2. تقديم صور مسار دوران 3D.
    1. افتح البرنامج النصي وقم بتشغيله 3.3D rotation trajectory.m.
    2. ستظهر ثلاث مطالبات. أدخل قيمة معرف الجلسة وقيمة taskID واسم ملف بيانات iRT غير المعبأ، أو اتركها فارغة لاستخدام القيم الافتراضية.
      ملاحظة: سيظهر رسم بياني 3D. الرسم البياني المقدم هو مسار دوران 3D للجلسة والمهمة المحددة.
  3. أعد تشغيل الرسوم المتحركة.
    1. لإعادة تشغيل تفاعل مهمة المشارك ، أولا ، انتقل إلى صفحة ويب المهمة التفاعلية ، وابدأ الاختبار (يظهر كلا النموذجين 3D) ، وحرك مؤشر الماوس في الزاوية العلوية اليمنى من الشاشة حتى يتغير رمز الماوس إلى نص ، كما هو موضح في الملف التكميلي 2 ، ثم انقر فوق نص التصحيح غير المرئي ، مما يتيح وضع التصحيح.
    2. من الأزرار التي تظهر بين الطرز ، انقر فوق زر timerStop لمقاطعة المهمة وانقر فوق زر وحدة التحكم لفتح وحدة تحكم JSmol للنموذج على اليمين. إذا لم تكن المهمة من تفاعل الاهتمام هي المهمة الأولى ، فانقر فوق الأزرار المرقمة داخل منطقة التصحيح العلوية لتغيير المهمة التي يتم عرضها على الشاشة.
      ملاحظة: JSmol هو برنامج النمذجة الجزيئية المستخدم في صفحة الويب.
    3. افتح إخراج الملف jmol console.xlsx وانسخ صفحة أوامر Jmol بأكملها.
      ملاحظة: تحتوي كل صفحة على أوامر لمشهد أو حركة مختلفة.
    4. داخل وحدة تحكم JSmol ، الصق قائمة الأوامر المنسوخة وانقر فوق الزر "تشغيل " أو اضغط على Enter على لوحة المفاتيح لتنفيذها.
    5. إذا رغبت في ذلك ، قم بإنشاء رسم متحرك .gif. اكتب الأمر التقاط "اسم الملف" SCRIPT "الإخراج" داخل وحدة تحكم JSmol ، حيث يكون اسم الملف هو اسم الملف .gif المراد إنشاؤه والإخراج هو قائمة الأوامر الكاملة المنسوخة في الخطوة 3.3.3 ، مع الاحتفاظ بكليهما داخل علامتي الاقتباس المزدوجتين.
      ملاحظة: كلما كانت الأوامر أكثر تعقيدا ، مع نماذج أكبر أو المزيد من التغييرات في الوقت المناسب ، وكلما كانت مواصفات الكمبيوتر المستخدمة أقل فعالية ، كلما أصبحت الرسوم المتحركة أبطأ. يركز Jmol على تصور المركبات والتفاعلات الكيميائية ، ونوع الرسوم المتحركة التي يتم إنتاجها من خلال بحثنا يدفع حدود قدرات Jmol على العرض. يجب مراعاة هذه النقاط وحسابها عند القيام بأي مقاييس كمية باستخدام هذه الرسوم المتحركة.

4. تخصيص المهام

ملاحظة: هذا القسم بأكمله اختياري ويوصى به فقط لأولئك الذين يحبون تجربة أو فهم كيفية البرمجة. أدناه ، ستجد بعضا من العديد من الخيارات القابلة للتخصيص المتاحة ، وستتوفر المزيد من الخيارات بينما نقوم بتطوير الأساليب بشكل أكبر.

  1. تكوين مهام جديدة أو موجودة.
    1. حدد عدد المهام التفاعلية التي سيتم تنفيذها بواسطة المشارك وقم بتسمية كل منها في الملف object_configs.js داخل الصفيف task_list استبدال أسماء العناصر الموجودة أو إضافة المزيد. تأكد من أن كل اسم فريد حيث يتم استخدامه لاحقا كمعرفات.
    2. اختر ملفات إحداثيات 3D متوافقة مع JSmol لأداء المهام التفاعلية (http://wiki.jmol.org/index.php/File_formats). انسخ هذه الملفات إلى مجلد النماذج.
      ملاحظة: تم تحسين البرامج النصية المضمنة في هذه المقالة للنماذج غير المتماثلة باستخدام تنسيق الملف .xyz. عند اختيار ملفات الإحداثيات ، تجنب تماثلات التدوير لأنها تحتوي على حلول غامضة65.
    3. حدد إعدادات العرض لكائنات 3D ضمن وظيفة prepMolecule (num).
      ملاحظة: جميع التغييرات من مهمة إلى أخرى يقوم بها JSmol تذهب هنا: تغيير نمط اللون ، وتغيير الحجم أو طريقة عرض العناصر الرسومية ، والاتجاه ، والترجمة ، وإخفاء أجزاء من الكائن ، وتحميل نماذج 3D جديدة ، وما إلى ذلك (لمزيد من الأمثلة ، انظر https://chemapps.stolaf.edu/jmol/docs/examples/bonds.htm). تتوافق كل مهمة مسماة في task_list مع حالة. يتبع كل أمر ل JSmol للتنفيذ الهيكل: Jmol.script (jsmol_obj ، " jsmol_command1; jsmol_command2 "); حيث يشير jsmol_obj إلى الكائن الذي يتم تغييره (jsmol_ref و jsmol_obj هو الإعداد الافتراضي للهدف والكائنات التفاعلية) متبوعا بأمر واحد أو أكثر مفصولا ب "؛".
  2. إنشاء نماذج جديدة.
    1. استخدم أي نموذج .xyz تم تنزيله عبر الإنترنت أو تم إنشاؤه بواسطة برامج تحرير جزيئية مثل Avogadro (https://avogadro.cc/).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

النتائج

تطور التباين الزاوي والمتغيرات الأخرى
كما هو موضح في الخطوة 3.3.1 في الملف التكميلي 2 ، يتم تقديم لوحتين للمشارك على شاشة شاشة الفيديو ، وعرض نسخ من نفس الكائن الافتراضي ثلاثي الأبعاد في اتجاهات مختلفة. على اللوحة اليسرى ، يظل الكائن الهدف (tObj) ثابتا ويعمل كموضع هدف أو موضع tObj. على اللوحة اليمنى ، يظهر الكائن التفاعلي (iObj) في موضع مختلف ويسمح للمشارك بتحريكه بمرور الوقت حول مركز دوران ثابت باستخدام الماوس (يتم تعطيل التدوير فقط ؛ يتم تعطيل الترجمات). تتضمن المهم...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المناقشة

كما ذكرنا سابقا ، تهدف هذه الورقة إلى تقديم إجراء مفصل لرسم الخرائط في الوقت الفعلي لبيانات التثبيت والحركة على كائنات 3D التفاعلية ، والتي يمكن تخصيصها بسهولة وتستخدم فقط البرامج المتاحة مجانا ، مما يوفر إرشادات خطوة بخطوة لجعل كل شيء يعمل.

في حين أن هذا الإعداد التجريبي تضمن مهمة تفاعلية للغاية ، مثل تحريك كائن 3D لمطابقة اتجاه كائن آخر مع العلاقات العامة في اثنين من المحاور الثلاثة الممكنة ، فقد تأكدنا من توثيق شامل لنصوصنا من خلال التعليق المناسب لتسهيل أي...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

الإفصاحات

ليس لدى المؤلفين أي تضارب في المصالح للكشف عنه.

شكر وتقدير

يعرب المؤلفون عن امتنانهم للتنسيق من أجل تحسين موظفي التعليم العالي (CAPES) - قانون المالية 001 والجامعة الفيدرالية ABC (UFABC). تلقى جواو آر ساتو دعما ماليا من مؤسسة أبحاث ساو باولو (FAPESP ، المنح رقم 2018/21934-5 ، 2018/04654-9 ، و 2023/02538-0).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسمالشركةرقم فهرسيالتعليقات
FirefoxMozilla Foundation (مفتوح المصدر)يمكن استخدام أي متصفح حديث محدث متوافق مع WebGL (https://caniuse.com/webgl) ، وبالتالي مع Jmol ،
GNU OctaveOpen Sourcehttps://octave.org/
Google Apps ScriptGoogle LLCscript.google.com
SheetsGoogle LLChttps://www.google.com/sheets/about/
كمبيوتر محمولأي جهاز كمبيوتر يمكنه تشغيل برنامج نظام تتبع العين.
مجموعة مانجولد للبرمجياتMangold واجهة البرنامج المستخدمة لجهاز تتبع العين. يمكن استخدام أي برنامج يقوم بإخراج البيانات بقيم وقت النظام.
الماوس:يجب أن يكون أي ماوس قادر على النقر والسحب بحركات بسيطة متوافقا. يجب أن تكون الواجهات البشرية المشابهة للماوس بنفس الإمكانات ، مثل شاشة اللمس أو المؤشر ، متوافقة ، ولكنها قد تتصرف بشكل مختلف.
أنظمةVt3mini60 هرتز. يجب أن يكون أي جهاز يعمل لتتبع العين متوافقا.
Google EyeTech الرقمية

المراجع

  1. Spearman, C. 34;General intelligence," objectively determined and measured. The American Journal of Psychology. 15, 201-292 (1904).
  2. McGee, M. G. Human spatial abilities: psychometric studies and environmental, genetic, hormonal, and neurological influences. Psychological bulletin. 86 (5), 889-918 (1979).
  3. Johnson, W., Bouchard, T. J. The structure of human intelligence: It is verbal, perceptual, and image rotation (VPR), not fluid and crystallized. Intelligence. 33 (4), 393-416 (2005).
  4. Hegarty, M. Components of spatial intelligence. Psychology of Learning and Motivation. 52, 265-297 (2010).
  5. Uttal, D. H., et al. The malleability of spatial skills: a meta-analysis of training studies. Psychological Bulletin. 139 (2), 352-402 (2013).
  6. Linn, M. C., Petersen, A. C. Emergence and characterization of sex differences in spatial ability: a meta-analysis. Child Development. 56 (6), 1479-1498 (1985).
  7. Johnson, S. P., Moore, D. S. Spatial thinking in infancy: Origins and development of mental rotation between 3 and 10 months of age. Cognitive Research: Principles and Implications. 5, 10(2020).
  8. Wai, J., Lubinski, D., Benbow, C. P. Spatial ability for STEM domains: aligning over 50 years of cumulative psychological knowledge solidifies its importance. Journal of Educational Psychology. 101 (4), 817-835 (2009).
  9. Newcombe, N. S., Stieff, M. Six myths about spatial thinking. International Journal of Science Education. 34, 955-971 (2012).
  10. Kell, H. J., Lubinski, D., Benbow, C. P., Steiger, J. H. Creativity and technical innovation: spatial ability's unique role. Psychological Science. 24 (9), 1831-1836 (2013).
  11. Geary, D. C. Spatial ability as a distinct domain of human cognition: An evolutionary perspective. Intelligence. 101616, (2022).
  12. Shepard, R., Metzler, J. Mental rotation of three-dimensional objects. Science. 171, 701-703 (1971).
  13. Shepard, R., Judd, S. Perceptual illusion of rotation of three-dimensional objects. Science. 191, 952-954 (1973).
  14. Just, M. A., Carpenter, P. A. Eye fixations and cognitive processes. Cognitive Psychology. 8, 441-480 (1976).
  15. Just, M. A., Carpenter, P. A. Cognitive coordinate systems: accounts of mental rotation and individual differences in spatial ability. Psychological Review. 92 (2), 137-172 (1985).
  16. Shepard, S., Metzler, D. Mental rotation: effects of dimensionality of objects and type of task. Journal of Experimental Psychology: Human Perception and Performance. 14 (1), 3-11 (1988).
  17. Biederman, I., Cooper, E. Size invariance in visual object priming. Journal of Experimental Psychology: Human Perception and Performance. 18, 121-133 (1992).
  18. Wexler, M., Kosslyn, S. M., Berthoz, A. Motor processes in mental rotation. Cognition. 68 (1), 77-94 (1998).
  19. Wohlschläger, A., Wohlschläger, A. Mental and manual rotation. Journal of Experimental Psychology: Human Perception and Performance. 24 (2), 397-412 (1998).
  20. Jordan, K., W, T., Heinze, H., Peters, M., Jäncke, L. Women and men exhibit different cortical activation patterns during mental rotation tasks. Neuropsychologia. 40, 2397-2408 (2002).
  21. Jansen-Osmann, P., Heil, M. Suitable stimuli to obtain (no) gender differences in the speed of cognitive processes involved in mental rotation. Brain and Cognition. 64, 217-227 (2007).
  22. Gardony, A. L., Taylor, H. A., Brunyé, T. T. What does physical rotation reveal about mental rotation. Psychological Science. 25 (2), 605-612 (2014).
  23. Adams, D. M., Stull, A. T., Hegarty, M. Effects of mental and manual rotation training on mental and manual rotation performance. Spatial Cognition & Computation. 14 (3), 169-198 (2014).
  24. Griksiene, R., Arnatkeviciute, A., Monciunskaite, R., Koenig, T., Ruksenas, O. Mental rotation of sequentially presented 3D figures: sex and sex hormones related differences in behavioural and ERP measures. Scientific Reports. 9, 18843(2019).
  25. Jansen, P., Render, A., Scheer, C., Siebertz, M. Mental rotation with abstract and embodied objects as stimuli: evidence from event-related potential (ERP). Experimental Brain Research. 238, 525-535 (2020).
  26. Noll, M. Early digital computer art at Bell Telephone Laboratories, Incorporated. Leonardo. 49 (1), 55-65 (2016).
  27. Vandenberg, S. G., Kuse, A. R. Mental rotations, a group of three-dimensional spatial visualization. Perceptual and Motor Skills. 47, 599-604 (1978).
  28. Hegarty, M. Ability and sex differences in spatial thinking: What does the mental rotation test really measure. Psychonomic Bulletin & Review. 25, 1212-1219 (2018).
  29. Kozaki, T. Training effect on sex-based differences in components of the Shepard and Metzler mental rotation task. Journal of Physiological Anthropology. 41, 39(2022).
  30. Bartlett, K. A., Camba, J. D. Gender differences in spatial ability: a critical review. Educational Psychology Review. 35, 1-29 (2023).
  31. Jansen, P., Schmelter, A., Quaiser-Pohl, C. M., Neuburger, S., Heil, M. Mental rotation performance in primary school age children: Are there gender differences in chronometric tests. Cognitive Development. 28, 51-62 (2013).
  32. Techentin, C., Voyer, D., Voyer, S. D. Spatial abilities and aging: a meta-analysis. Experimental Aging Research. 40, 395-425 (2014).
  33. Guillot, A., Champely, S., Batier, C., Thiriet, P., Collet, C. Relationship between spatial abilities, mental rotation and functional anatomy learning. Advances in Health Sciences Education. 12, 491-507 (2007).
  34. Voyer, D., Jansen, P. Motor expertise and performance in spatial tasks: A meta-analysis. Human Movement Science. 54, 110-124 (2017).
  35. Peters, M., et al. A redrawn Vandenberg and Kuse mental rotations test: different versions and factors that affect performance. Brain and Cognition. 28, 39-58 (1995).
  36. Peters, M., Battista, C. Applications of mental rotation figures of the Shepard and Metzler type and description of a mental rotation stimulus library. Brain and Cognition. 66, 260-264 (2008).
  37. Wiedenbauer, G., Schmid, J., Jansen-Osmann, P. Manual training of mental rotation. European Journal of Cognitive Psychology. 19, 17-36 (2007).
  38. Jost, L., Jansen, P. A novel approach to analyzing all trials in chronometric mental rotation and description of a flexible extended library of stimuli. Spatial Cognition & Computation. 20 (3), 234-256 (2020).
  39. Amorim, M. A., Isableu, B., Jarraya, M. Embodied spatial transformations:" body analogy" for the mental rotation of objects. Journal of Experimental Psychology: General. 135 (3), 327(2006).
  40. Bauer, R., Jost, L., Günther, B., Jansen, P. Pupillometry as a measure of cognitive load in mental rotation tasks with abstract and embodied figures. Psychological Research. 86, 1382-1396 (2022).
  41. Heil, M., Jansen-Osmann, P. Sex differences in mental rotation with polygons of different complexity: Do men utilize holistic processes whereas women prefer piecemeal ones. The Quarterly Journal of Experimental Psychology. 61 (5), 683-689 (2008).
  42. Larsen, A. Deconstructing mental rotation. Journal of Experimental Psychology: Human Perception and Performance. 40 (3), 1072-1091 (2014).
  43. Ho, S., Liu, P., Palombo, D. J., Handy, T. C., Krebs, C. The role of spatial ability in mixed reality learning with the HoloLens. Anatomic Sciences Education. 15, 1074-1085 (2022).
  44. Foster, D. H., Gilson, S. J. Recognizing novel three-dimensional objects by summing signals from parts and views. Procedures of the Royal Society London B. 269, 1939-1947 (2002).
  45. Stieff, M., Origenes, A., DeSutter, D., Lira, M. Operational constraints on the mental rotation of STEM representations. Journal of Educational Psychology. 110 (8), 1160-1174 (2018).
  46. Moen, K. C., et al. Strengthening spatial reasoning: elucidating the attentional and neural mechanisms associated with mental rotation skill development. Cognitive Research: Principles and Implications. 5, 20(2020).
  47. Guay, R. B. Purdue spatial visualization test: Rotations. Purdue Research Foundation. , West Lafayette, IN. (1976).
  48. Bodner, G. M., Guay, R. B. The Purdue Visualization of Rotations Test. The Chemical Educator. 2 (4), 1-17 (1997).
  49. Maeda, Y., Yoon, S. Y., Kim-Kang, K., Imbrie, P. K. Psychometric properties of the Revised PSVT:R for measuring First Year engineering students' spatial ability. International Journal of Engineering Education. 29, 763-776 (2013).
  50. Sorby, S., Veurink, N., Streiner, S. Does spatial skills instruction improve STEM outcomes? The answer is 'yes'. Learning and Individual Differences. 67, 209-222 (2018).
  51. Khooshabeh, P., Hegarty, M. Representations of shape during mental rotation. AAAI Spring Symposium: Cognitive Shape Processing. , 15-20 (2010).
  52. Wetzel, S., Bertel, S. Spatial cognition XI. Spatial cognition 2018. Lecture Notes in Computer Science. Creem-Regehr, S., Schoning, J., Klippel, A. 11034, Springer. Cham. 167-179 (2018).
  53. Jost, L., Jansen, P. Manual training of mental rotation performance: Visual representation of rotating figures is the main driver for improvements. Quarterly Journal of Experimental Psychology. 75 (4), 695-711 (2022).
  54. Irwin, D. E., Brockmole, J. R. Mental rotation is suppressed during saccadic eye movements. Psychonomic Bulletin & Review. 7 (4), 654-661 (2000).
  55. Moreau, D. The role of motor processes in three-dimensional mental rotation: Shaping cognitive processing via sensorimotor experience. Learning and Individual Differences. 22, 354-359 (2021).
  56. Kosslyn, S. M., Ganis, G., Thmpson, W. L. Neural foundations of imagery. Nature Reviews Neuroscience. 2, 635-642 (2001).
  57. Guo, J., Song, J. H. Reciprocal facilitation between mental and visuomotor rotations. Scientific Reports. 13, 825(2023).
  58. Nazareth, A., Killick, R., Dick, A. S., Pruden, S. M. Strategy selection versus flexibility: Using eye-trackers to investigate strategy use during mental rotation. Journal of Experimental Psychology: Learning, Memory, and Cognition. 45 (2), 232-245 (2019).
  59. Montag, M., Bertel, S., Koning, B. B., Zander, S. Exploration vs. limitation - An investigation of instructional design techniques for spatial ability training on mobile devices. Computers in Human Behavior. 118, 106678(2021).
  60. Tang, Z., et al. Eye movement characteristics in a mental rotation task presented in virtual reality. Frontiers in Neuroscience. 17, 1143006(2023).
  61. Münzer, S. Facilitating recognition of spatial structures through animation and the role of mental rotation ability. Learning and Individual Differences. 38, 76-82 (2015).
  62. Gardony, A. L., Eddy, M. D., Brunyé, T. T., Taylor, H. A. Cognitive strategies in the mental rotation task revealed by EEG spectral power. Brain and Cognition. 118, 1-18 (2017).
  63. Ruddle, R. A., Jones, D. M. Manual and virtual rotation of three-dimensional object. Journal of Experimental Psychology: Applied. 7 (4), 286-296 (2001).
  64. Sundstedt, V., Garro, V. A Systematic review of visualization techniques and analysis tools for eye-tracking in 3D environments. Frontiers in Neuroergonomics. 3, 910019(2022).
  65. Sawada, T., Zaidi, Q. Rotational-symmetry in a 3D scene and its 2D image. Journal of Mathematical Psychology. 87, 108-125 (2018).
  66. Xue, J., et al. Uncovering the cognitive processes underlying mental rotation: an eye-movement study. Scientific Reports. 7, 10076(2017).
  67. O'Shea, R. P. Thumb's rule tested: Visual angle of thumb's width is about 2 deg. Perception. 20, 415-418 (1991).
  68. Todd, J., Marois, R. Capacity limit of visual short-term memory in human posterior parietal cortex. Nature. 428, 751-754 (2004).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

إعادة الطباعة والأذونات

استكشف المزيد من المقالات

كائنات افتراضية ثلاثية الأبعادمسار الدورانالتدوير الذهنيمهمة التدوير التفاعليةالتفاعل بين الإنسان والحاسوبتحليل بيانات نظرة العينالعمليات المعرفيةالتسجيل في الوقت الفعليالتخطيط الدوراني
رسم خرائط ثلاثية الأبعاد لدوران الكائنات الافتراضية التفاعلية مع بيانات تتبع العين
تواصل معنا
أوصِ به للمكتبة

الخصوصية

شروط الاستخدام

السياسات

حقوق الطبع والنشر © 2026 MyJoVE Corporation. جميع الحقوق محفوظة.