تقييم أبعاد متعددة الاشتباك لوصف التعلم: A العصبية وجهة نظر

الهدف العام من هذا الإجراء هو جمع ومزامنة البيانات حول المشاركة السلوكية والعاطفية والمعرفية أثناء مهام التعلم. يتم تحقيق ذلك عن طريق توصيل جميع أنظمة جمع البيانات أولا من خلال جهاز مزامنة يرسل علامة زمنية داخل البيانات التي تم جمعها. الخطوة الثانية هي جمع بيانات تتبع العين وتفاعلات البرامج للمشاركة السلوكية.

بعد ذلك ، سيتم جمع بيانات مخطط كهربية الدماغ لتوصيف المشاركة المعرفية. تتمثل الخطوة الأخيرة في جمع بيانات المشاركة العاطفية القادمة من نشاط ELECTRODERMAL أو ED لقياس الإثارة والتعرف التلقائي على مشاعر الوجه أو FER لإنشاء بيانات التكافؤ. في النهاية ، ستتم إعادة مزامنة هذه الفهارس التي تميز الأبعاد الثلاثة للمشاركة في برنامج مزامنة وفقا لعلامات الوقت التي أرسلها جهاز المزامنة في البداية.

الميزة الرئيسية لهذه التقنية هي أنها تحدد الأبعاد الثلاثة لمشاركة المتعلمين أثناء مهمة التعلم على عكس طرق البحث الكلاسيكية التي تركز فقط على أدوات التقييم الذاتي للمشاركة بعد المهام. يمكن أن تساعد هذه الطريقة في الإجابة على الأسئلة الرئيسية في مجال المؤشرات ، مثل ما هي ديناميكيات التأثير على الإدراك في مختلف إعدادات التعلم المعقدة وما هو تأثير الإعدادات التربوية المختلفة على التأثير والإدراك؟ هناك آثار على هذه التقنية في مجالات أخرى.

على سبيل المثال ، في تكنولوجيا المعلومات ، نستخدم هذه التقنية لقياس تفاعل المستخدم أثناء تصفح موقع ويب أو استخدام تطبيق برمجي. هذه التقنية مستوحاة من العمل الأخير في علم الأوميكس العصبي حيث تم جمع بيانات اليقظة لسائقي المسافات الطويلة باستخدام أجهزة مخطط كهربية الدماغ. وسيتم إثبات هذا الإجراء غابرييل زو مع مساعد باحث في مختبر Tech three في HEC Montreal ، ولكن أيضا Igo و Yig ، وهما مساعد باحث من Neuro Lab of Begin عن طريق تشغيل متتبع العين ، ومكبر صوت EEG لتسجيل أجهزة الكمبيوتر ومكبرات الصوت.

قم بإعداد محلول مخطط كهربية الدماغ بالمواد المطلوبة وفقا للإجراءات الموصى بها من الشركة المصنعة. ثم قم بإعداد برنامج تخطيط كهربية الدماغ وتتبع العين للمشارك القادم. ثم ابدأ تشغيل برنامج تسجيل الفيديو وتبدأ الكاميرات في برنامج المزامنة مع الروتين الفرعي المحدد الذي تم إنشاؤه للمشروع ، والذي يسمح بإرسال علامات المزامنة كل 60 ثانية.

ثم ابدأ برنامج القياس الفسيولوجي وافتح التخطيط المحدد الذي تم إنشاؤه للمشروع. بعد ذلك ، أحضر المشارك إلى غرفة جمع البيانات وابحث عن موقع القطب الكهربي تشيكوسلوفاكيا على رأس المشارك وفقا للنظام المرجعي 10 20. ضع شبكة مخطط كهربية الدماغ على رأس المشارك وتأكد من وضع كل قطب عمودي على سطح الرأس.

قم بتوصيل الموصل الصافي وقم بإجراء فحص المعاوقة بعتبة عند 40 كيلو أوم. أخيرا ، ضع مستشعرين فسيولوجيين أعلى اليد اليسرى للمشارك. ابدأ جمع البيانات.

بمجرد أن تصبح جميع برامج التسجيل جاهزة لبدء التشغيل في Synchrony ، قم بإجراء معايرة من تسع نقاط وراقب المشارك أثناء متابعته للنقاط الحمراء على الشاشة. كرر هذا الإجراء حتى يتم تحقيق الدقة الكافية وفقا لمعايير الشركة المصنعة ، واطلب من المشارك حل 10 مشاكل فيزيائية نيوتونية على الكمبيوتر. إيقاف الحصول على البيانات على جميع أجهزة الكمبيوتر.

بمجرد اكتمال المهمة ، قم بإزالة جميع أجهزة الاستشعار من المشارك. أولا ، قم باستيراد بيانات مخطط كهربية الدماغ إلى برنامج تحليل بيانات EEG. بعد ذلك ، انقر فوق ملف ، ثم مشروع جديد ، واختر موقع البيانات الأولية بالنقر فوق استعراض.

حدد مجلد البيانات الأولية الذي تم إنشاؤه حديثا. اختر موقع مجلدين آخرين باسم المحفوظات وقم بتصديرها بنفس الطريقة. ثم انقر فوق موافق.

بعد ذلك ، انقر فوق التحويلات ومرشحات IIR للمعالجة المسبقة لإشارة الدماغ عن طريق تطبيق مرشح وشق في نافذة البرنامج. قم بتعيين حدود القطع عند 1.5 و 50 هرتز مع ميل 12 ديسيبل لكل منهما وقم بتمكين الشق بتردد 60 هرتز. ثم اتجاه DC D الإشارة بالنقر فوق التحولات و DC dre.

حدد الخيار بناء على الوقت عند 100 مللي ثانية قبل العلامة و 100 مللي ثانية قبل اتصال التيار المستمر. قم بإجراء فحص البيانات الأولية بالنقر فوق التحويلات وفحص البيانات الأولية. حدد الفحص شبه التلقائي واختر معلمات الجهد والحد الأقصى والسعة الموضحة هنا.

قم بإجراء تحليل تلقائي مستقل للمكونات أو ICA مع المجال الكلاسيكي لإزالة وميض I عن طريق النقر فوق التحويلات و ICA بمجرد اكتمالها. معالجة ICA العكسي بالنقر فوق تحويلات ICA. ثم ICA العكسي.

أخيرا ، قم بتصدير الإشارة والعلامات بالنقر فوق تصدير البيانات العامة وتصديرها. حدد المربعات المسماة ملف الرأس الأيمن وملف العلامة الأيمن. بالإضافة إلى ذلك، حدد تنسيق النص لبناء MATLAB النهائي لفهرس المشاركة.

بعد ذلك ، قم باستيراد إشارة EEG إلى matlab. للقيام بذلك ، ابدأ البرنامج النصي E-E-G-L-A-B. لذلك تظهر واجهة المستخدم الرسومية لمختبر EEG في matlab.

قم باستيراد البيانات لمشارك واحد في كل مرة عن طريق تحديد بيانات استيراد الملفات باستخدام وظائف مختبر EEG والمكونات الإضافية ومن ملف الدماغ مقابل تسجيل VDR ، قم بلصق برنامج نصي في نافذة الأوامر التي ستنشئ فهرس مشاركة. سيقوم هذا البرنامج النصي بإخراج ملف نصي. افتح الملف النصي لفهرس المشاركة في Microsoft Excel.

قم بتطبيق تطبيع درجة Z على بيانات مخطط كهربية الدماغ للسماح بالمقارنة بين الموضوعات. بمجرد اكتمال المعالجة المسبقة لمخطط كهربية الدماغ. قم بالمعالجة المسبقة لبيانات علم وظائف الأعضاء عن طريق استيراد بيانات نشاط ELECTRODERMAL أو EDA إلى برنامج تحليل البيانات الفسيولوجية.

ثم احسب تطبيع درجة z على بيانات EDA بالنقر فوق التحويل ورياضيات الشكل الموجي للسماح بالمقارنة بين الموضوعات. يتم ذلك في خطوتين. أولا ، حدد قناة EDA للمصدر الأول ، وعلامة الطرح في نافذة العملية الرياضية ، و K للمصدر الثاني.

ثم حدد جديد في قائمة الوجهة. أدخل القيمة المتوسطة لقناة EDA وحدد تحويل الموجة بأكملها. انقر فوق موافق للخطوة الثانية ، وافتح رياضيات شكل موجة التحويل مرة أخرى ، وحدد قناة EDAK للمصدر الأول ، وعلامة القسمة في نافذة العملية الرياضية و K للمصدر الثاني.

ثم حدد جديد في قائمة الوجهة. أدخل قيمة الانحراف المعياري لقناة EDA وحدد تحويل الموجة بأكملها. أخيرا ، انقر فوق موافق لخطوة المعالجة المسبقة النهائية.

قم باستيراد بيانات الفيديو من مسجل الوسائط إلى برنامج التعرف التلقائي على مشاعر الوجه من خلال النقر فوق ملف جديد ثم مشارك. حدد مشاركا جديدا في قائمة المشروع. ثم انقر فوق ملف تحليل جديد وفيديو.

انقر فوق العدسة المكبرة بجوار التحليل واحد واختر ملف الفيديو المطلوب. الانتهاء بحساب zco لبيانات التكافؤ في SPSS بالضغط على تحليل الإحصاء الوصفي والوصف. حدد حفظ القيمة القياسية في المتغيرات وسيظهر عمود به درجة Z.

ابدأ باستيراد مقاطع فيديو I Tracking بالنقر فوق ملف واستيراد وفيديو في ملاحظة جديدة. قم بتسمية الملاحظة الجديدة واختر ملف الفيديو المطلوب استيراده. قم باستيراد جميع البيانات الخارجية بالنقر فوق ملف واستيراد وبيانات خارجية.

قم بتضمين درجة Z لإشارة EEG zco لإشارة EDA والدرجة Z لبيانات التكافؤ. إذا رغبت في ذلك، أضف علامات الأحداث لمزيد من التحليل. لمزامنة التوقيت بين أجهزة الكمبيوتر، افتح قائمة الإزاحة بالضغط على Control shift وعلامة المساواة حدد الإزاحة العددية لإدخال الوقت بالثواني بين كل زوج من مصادر البيانات.

انقر فوق موافق. بعد ذلك، حدد المتغيرات المثيرة للاهتمام التي سيتم إنشاؤها في التقرير بالنقر فوق تحليل تحديد البيانات وملف تعريف البيانات الجديد. حدد الحدث المطلوب لتحليله وانقر فوق موافق.

ثم أضف خط اتصال بين جدول البداية والعش، وكذلك بين جدول Nest والنتائج. قم بإنشاء التقرير عن طريق النقر وتحليل التحليل العددي وإحصائيات النقرات الجديدة وتحديد المربع بجوار المتوسط ضمن قائمة البيانات الخارجية. ثم انقر فوق موافق.

انقر فوق تخطيط وتأكد من أن البيانات الخارجية موجودة على أعمدة وأن حاويات النتائج تظهر على الصفوف. قم بإنهاء النقر. حسنًا. أخيرا ، انقر فوق زر الحساب حتى يقوم البرنامج بتحديث العمليات الحسابية المتضمنة في التقرير الذي يتم إنشاؤه.

تتم مزامنة العديد من أبعاد بيانات المشاركة في هذه التجربة ، بما في ذلك الأبعاد السلوكية والمعرفية والعاطفية من خلال استخدام أجهزة كمبيوتر متعددة. من أجل تحديد خط الأساس للموضوع ، من المفيد استخدام البيانات من نقطة في المهمة حيث يوجد توقف مؤقت هنا في نهاية الإيقاف المؤقت. يرتفع التفاعل المعرفي لمخطط كهربية الدماغ بشكل طفيف تحسبا للمهمة التالية ، ولا تزال الإثارة في انخفاض.

بيانات التكافؤ مفقودة لأن عيون المشارك مغلقة أثناء مهمة حل المشكلة. عندما يقرأ الموضوع السطر الثالث ، يمكنك أن ترى أن إثارته قد بلغت ذروتها. التكافؤ العاطفي محايد ، ويكون المشاركة المعرفية لمخطط كهربية الدماغ في حد أقصى بمجرد إتقانه.

تتضمن هذه التقنية حوالي 30 دقيقة من إعداد الموضوع قبل بدء التجربة بعد تطويرها. ستمهد هذه التقنية الطريق للباحثين والممارسين في تكنولوجيا المعلومات ، ولكن أيضا في صناعة ألعاب الفيديو لمراقبة الجانب السلوكي والعاطفي والمعرفي للمستخدمين في الوقت الفعلي. تتمثل الخطوة الرئيسية في أي نهج تنظيمي في التزامن ، ويجب اختبار دقة هذا الإجراء قبل وبعد كل تجربة من أجل الحصول على توقيت دقيق بين جميع الأجهزة.

بعد مشاهدة هذا الفيديو ، يجب أن يكون لديك الآن فهم جيد لكيفية جمع البيانات النفسية الفسيولوجية المتزامنة من أجل فهم ديناميكية تفاعل الأبعاد السلوكية والعاطفية والمعرفية للمشاركة أثناء مهمة التعلم بشكل أفضل.