需要JoVE订阅才能观看此内容。 请登录或开始免费试用

方法文章

一种用于研究近实时真实考试体验的跨学科多模态实验设计

6.2K 次观看

⸱

DOI：

10.3791/60037

⸱

2019年9月4日

 ,  ,  ,  ,  ,  ,  , 
1Department of Engineering Education, College of Engineering, Utah State University, 2Department of Electrical and Computer Engineering, College of Engineering, Utah State University, 3Department of Educational Psychology, College of Education, University of Oregon

本文内容

摘要

设计了一项实验，用于研究考试经历对学生在高等教育环境和任务中所体验情绪状态的实时影响。该设计是跨学科（如教育心理学、生物学、生理学、工程学）和多模态（如唾液标志物、问卷调查、皮肤电反应传感器）方法相结合的成果。

摘要

在过去十年中，关于教育环境中学生情绪的研究日益增多。尽管研究人员呼吁开展更多依赖情绪体验客观测量方法的研究，但在利用多模态数据来源方面仍存在局限性。传统上，课堂中情绪与情绪调节的研究主要依赖问卷工具、经验取样法、实物证据、访谈或观察程序。这些方法虽然具有价值，但主要 依赖于参与者或观察者的主观判断，且在真实测量学生对课堂活动或任务的实时表现方面存在局限。后者尤其成为许多学者试图在课堂环境中实时客观测量情绪及相关指标的主要障碍。

本研究的目的是提供一种实验方案，用于在真实评估情境下研究学生对考试经历的实时反应。为此，一支由教育心理学家、工程师和工程教育研究人员组成的团队设计了一套实验方案，在确保准确的生理传感器测量所需限制条件的同时，兼顾唾液样本采集的最佳实践以及真实的测试环境。特别是，现有依赖生理传感器的研究通常在与教育环境脱节的实验环境中进行（例如特里尔社会应激测试），或在时间上与任务分离（例如在任务之前或之后），或引入分析误差（例如在学生可能频繁移动的环境中使用传感器）。这限制了我们对学生的课堂活动和任务实时反应的理解。此外，近期研究呼吁在基于多模态方法的学术情绪研究中，应更多地关注招募、可重复性、有效性、实验设置、数据清洗、初步分析以及特定 情境（例如在实验设计中增加一个变量）等方面的问题。

引言

心理学家早已认识到人类情绪在阐明其行为方面的重要性1。在教育研究领域，学业成就情绪（Academic Achievement Emotions, AEE）已成为情绪研究的重点2。采用学业成就情绪（AAE）框架的研究者认为，在考察学生情绪时，必须考虑学生所处的具体情境背景。学生可能会经历与考试、课堂或学习相关的情绪，这些情绪涉及多个成分的过程，包括情感、生理、动机和认知成分。AEE 表现为两种形式：效价（正性/负性）和激活度（聚焦/非聚焦的能量状态）。正性激活情绪（如愉悦）可能增强元认知等反思性过程，而正性去激活情绪（如自豪）可能导致较低水平的认知加工。负性激活情绪（如愤怒和焦虑）可能激发参与，而负性去激活情绪（如绝望）则可能削弱动机3,4,5。学业情绪影响我们的学习方式、知觉、决策、反应以及问题解决能力2。为了调节学业情绪，个体必须具备自我效能感（SE）6,7,8，即个体对自己能够控制其动机、行为及社会环境能力的信心6。自我效能感与学业情绪相互关联，较低的自我效能感与负性去激活情绪（如焦虑、愤怒、无聊）相关，而较高的自我效能感则与正性激活情绪（如快乐、希望、兴奋）相关6,7,8。此外，自我效能感也被认为与学业表现密切相关6,7,8。

关于课堂情绪的研究以往主要依赖自我报告、观察、访谈以及实物证据（如考试、项目）9,10。尽管这些方法能够提供有关学生课堂体验的丰富背景信息，但仍存在显著局限性。例如，访谈、观察和自我报告均依赖于个体的内省10。其他一些方法则试图比以往研究更接近真实地考察学业情绪，例如基于经验取样法的研究，即研究人员要求学生在上学期间报告自身的情绪状态11。尽管此类研究使我们能够更准确地记录学生的情绪，但其依然依赖自我报告方式，且无法实现即时报告，因为学生必须暂停正在进行的考试任务以填写情绪调查问卷。

近年来，研究人员开始通过采用生物或生理指标来评估情绪，以应对自我报告测量方法存在的问题9，这些生物或生理指标与其他工具或技术（如问卷、观察或访谈）结合使用，构成了教育与心理学研究中的多模态数据收集方式12。例如，包括唾液生物标志物在内的生物技术正被用于 理解生物过程对认知、情绪、学习和表现的影响13,14,15。在认知过程方面，雄激素（如睾酮）已被发现与成人和儿童不同的空间识别模式相关16,17，而下丘脑-垂体-肾上腺皮质激素（如皮质醇）和肾上腺素类激素（如唾液α-淀粉酶或sAA）则与个体的应激反应性相关18,19,20。

皮肤电活动（EDA）是自主神经系统（ANS）激活的一种生理指标，与神经系统的增强激活、认知负荷或强烈 情绪反应相关21,22,23。在测试活动中，EDA 受身体活动性21,22、体表及环境温度24,25,26,27、思维的言语表达28，以及模拟-数字电极与皮肤接触的敏感性和连接程度29的影响。

尽管这些因素可能限制了皮肤电活动（EDA）的应用，但该技术仍能为深入了解近实时考试过程中的情况提供有价值的见解，并可作为探索学术情绪体验（AEE）乃至自我效能感的有前景的工具。因此，通过结合问卷调查方法（用于确定情绪的效价）以及生理和生物学数据（用于测量情绪的激活程度），可以获得学生AEE的准确图景。本文在之前一篇关于考试活动的 出版物30基础上，进一步拓展了研究范围，将多模态方法（包括经验抽样调查、EDA传感器和唾液生物标志物）应用于考试情境中。必须 指出的是，下述方案允许在单一实验设置中同时收集多名参与者的數據。

访问受限。请登录或开始试用以查看此内容。

方案

该研究方案已获得犹他州立大学机构审查委员会（IRB）的批准，属于针对人类受试者研究及使用这些构念的一般性审查范畴。典型 结果来自美国西部一所高等教育机构开设的两个学期的工程静力学课程，每个学期的实验设置略有不同。课程教师编制了内容与正式考试相对应的练习考试，并用于本研究。请注意，下述方案描述的是同时进行的步骤，部分步骤可能存在重叠。

1. 实验设计与学科实践整合的注意事项

当研究人员考虑此类实验设计时，必须以一种能够补充并支持主要研究目标的方式整合学科知识与研究方法。随着新仪器和新方法的引入，需要增加相应的验证考量。在本研究中，我们将探讨一项实验研究：在一个学期中使用了问卷调查和皮肤电反应传感器（实验设计A），而在接下来的学期中增加了唾液生物标志物采集（即皮质醇和sAA）（实验设计B）。以下是两种实验设置的注意事项：

  1. 使用调查问卷与皮肤电传感器的实验设计
    1. 皮肤电传感器非常敏感。如果受试者的惊吓反应被无意激活，可能会导致皮电反应（EDA）出现显著峰值。在考虑多位受试者进行数据采集时，这一点尤为重要，因为他们的行为可能加剧这些惊吓反应。因此，务必仔细设置工作环境，尽可能减少各种干扰因素。如图所示 图1，若要探索个人或一组个体的检查体验，需包含测试屏蔽装置。
      注意：为了提高测试环境的生态效度，应准备学生在实际考试中可能使用的任何材料（例如，练习册、公式表），以便参与者能够回顾并演算所需的考试题目。
    2. 皮肤电传感器每1/4秒提供一次信号th 一秒的精度。为了能够定义并研究某一事件，需制定计划以精确测量任务开始的时间点。在将皮肤电反应传感器与问卷调查进行时间同步时，应利用计算机的内部时钟来确定数据采集的时间窗口，从而确保问卷问题的呈现与皮肤电反应传感器的记录同步（参见 图1）。如果使用任何支持蓝牙的皮肤电传感器（例如，参见 材料清单），将时间同步至格林尼治标准时间（GMT），以校正数据采集过程中因时区变化和夏令时差异造成的时间偏移30.
      注意：如果使用网络服务器呈现刺激材料（例如测试题目、调查项目等），务必校准服务器与计算机内部时钟之间的时间，因为二者通常不会自动同步。请注意，可能需要预先在研究使用的每台计算机上安装跨平台网络服务器（例如 XAMPP 或其他 Apache 服务器）。如果计划同步网络摄像头用于视频录制，请考虑使用支持记录日期、时间、时、分、秒及毫秒（例如 01/01/2000 04:01:02:05）的安全软件来保存视频。该视频也必须与计算机的内部时钟及其他设备（例如 EDA 传感器）保持同步。如有需要，可设置网络摄像头从不同角度拍摄受试者的面部。我们建议正面拍摄的网络摄像头; 视频应与工作台表面平行放置，对于面向下方的网络摄像头，需将视频置于 30° 至 45° 从工作站表面到受试者面部。
    3. 将皮肤电反应传感器放置于受试者的非优势手上，以尽量减少数据采集过程中因运动或电极接触误差导致的信号噪声，如先前的实验方案所建议的那样30如果研究人员希望尽量减少因运动导致的皮肤电活动（EDA）中的伪迹，一种替代方案是使用腕部凝胶垫，并将其放置在受试者感觉舒适的位置，同时允许他们将非优势手 resting 在上面。
      注意：研究中笔记本电脑、凝胶垫、传感器、试卷及其他物品的摆放位置必须标准化，以确保不同考试条件和学期之间具有可重复性。如图所示 图1, 使用美纹纸胶带在不同参与者及不同数据采集学期中，对实验装置中的每个物品（如笔记本电脑、试卷、相机）进行一致的居中固定。
    4. 为获取皮肤电反应传感器读数，需确定一段参与者已达到放松状态的时期，以建立基线皮肤电活动（EDA）数据31为此，可在考试开始时要求参与者注视测试遮蔽物一段时间（约5–15分钟），或在笔记本电脑的时间戳程序中将此提示编入程序。该时段结束后，参与者方可开始填写相关问卷和考试题目。同理，应在考试结束阶段安排一段放松时间。
  2. 结合问卷调查、皮肤电传感器与唾液生物标志物的实验设计
    1. 在将皮肤电传感器与问卷调查和唾液生物标志物结合使用时，应尽可能最大限度地减少干扰。一种可行策略是制作培训视频，以帮助参与者了解如何提供其样本 根据制造商说明书，在考试期间的指定时间点采集唾液样本（参见 材料表以尽量减少研究人员的干扰。
      注意：本研究中，研究人员旨在收集四个时间点的唾液样本 时间点：开始、中期、结束以及考试后。然而，研究人员可根据其研究需要自行选择其他合适的时间点。此外，我们采用了拭子采集方法32 而不是其被动滴落法33 便于使用且可缩短样本采集时间。此外，我们选择了皮质醇34 和sAA35 试剂盒（参见 材料表）并按照制造商说明进行处理。然而，如果您的团队没有生物实验室来开展此类检测， 其他供应商 可能能够分析这些样本32,36.
    2. 采集唾液样本时，应准备一个装有干冰的冷藏箱，其内部温度为-20 °C；这将防止皮质醇样本中的酶在室温下降解34若采集唾液α-淀粉酶，其稳定性更长（约五小时） 室温下放置数天，并允许进行5次冻融循环35）。如果同时采集两者（如本研究中的情况），请遵循制造商建议的指南来保存唾液皮质醇样本34,35.
    3. 若采用拭子采集法25，将拭子在受试者的内侧脸颊或舌下保持60秒。处理小瓶和样本采集帽时，遵循制造商的说明。34,35 并在向参与者传达信息之前 研究开始时
      注意：如果实验的颗粒度更高（例如按问题逐项收集数据），务必记录每次唾液样本采集的起始和终止时间，因为这些时间可能需要在皮肤电活动（EDA）分析中加以考虑。同样，问卷数据采集的起始和终止时间也需记录。对于唾液样本采集，我们团队开发了一套标记系统，以便参与者向研究人员或监考人员发出通知 当唾液样本准备就绪可供采集时。建议指定多名监试人员在实验过程中提供协助，以防多个唾液样本同时准备就绪需要采集与保存。

2. 实验前后设置与清洁

  1. 问卷调查
    1. 以问卷形式组织安排流程，指定参与者编号，并根据需要收集任何人口统计学信息。同时，建立或预先标记与数据导出相关的所有问卷问题。这将有助于加快数据清理、管理和统计分析的效率。
    2. 在整个考试协议中同步问卷的呈现和结束时间。如果整合了传感器或视频设备，也需将这些技术与问卷软件同步。
    3. 出于礼貌并为了营造友好、欢迎的研究环境，若授课教师同意，可设置一封自动发送的后续电子邮件，其中包含考试问题的答案，并在参与者完成会话后立即或尽快发送给他们。
  2. 皮肤电反应传感器
    1. 计划提前为参与者安排考试会话/时间，评估与皮肤电反应（EDA）和唾液采集相关的任何医疗信息和饮食习惯30，以及用于EDA采集的手利性30，并提醒参与者在实验当天避免摄入含糖或含咖啡因的产品。这一点非常重要，因为某些健康状况（如代谢紊乱）和饮食习惯（如摄入咖啡因）可能会影响EDA（以及唾液值），如先前的实验方案所述30。
    2. 在参与者到达前，确保传感器已正确 校准，已完成软件更新，并使用70%酒精擦拭纸对传感器进行清洁30。
    3. 为参与者佩戴EDA传感器时，应将其佩戴在非优势手上。佩戴EDA传感器的具体步骤如下：
      1. 将传感器放置在按钮朝下、指向拇指的方向。
      2. 让参与者掌心向上朝向自己，从其非优势手第二与第三手指之间的位置向手腕中部画一条假想线，并将传感器电极置于该位置。
      3. 请参与者调整传感器绑带，使其既不过紧也不过松。
        注：此佩戴方式的代表性图像见图2。
    4. 启动传感器时，务必遵循制造商的操作规程31，以确保传感器正确设置以采集数据。本实验所采用的方案专为某一特定品牌的传感器设计（参见材料表），但研究人员也可自由选择其他任何生理传感器。
      1. 对于本实验所使用的设备，按住传感器按钮3秒。绿灯将间歇闪烁，随后红灯开始闪烁，之后灯光逐渐熄灭。
      2. 在灯光逐渐熄灭期间，为确认传感器已开启，轻按按钮一次（时间少于1秒）。若红灯闪烁，则表示传感器正在记录数据。
    5. 关闭传感器时，按住按钮3秒。当腕带底部的指示灯由绿色变为熄灭时，传感器即已关闭。
    6. 从传感器中提取数据时，将其连接至计算机，并根据制造商建议31在管理软件系统中上传数据。
  3. 唾液生物标志物
    1. 如前所述，预先评估可能影响唾液检测结果的任何健康状况或饮食习惯。同时提醒参与者在到达实验现场时不要使用润唇膏、化妆品或唇部附近的产品，以免引入可能影响皮质醇和唾液α-淀粉酶样本的污染物。若参与者已使用此类产品，请轻柔引导其前往洗手间，或提供合适的擦拭用品，以去除这些产品而不引入其他化学物质（例如使用纸巾蘸水而非卸妆湿巾）。最后，清除实验室内具有强烈气味的食物或饮料（如披萨、橙子），以免刺激参与者唾液分泌。
    2. 参与者进入实验房间后，当面为其倒出1盎司水至杯中并交给他们。要求其漱口后吞下。此操作旨在清除口腔中可能影响皮质醇和唾液α-淀粉酶数据的残留食物。
    3. 若同时采集EDA数据和唾液样本，请温和提醒参与者尽量减少佩戴EDA传感器手部的活动。因此，需告知参与者所有唾液样本的采集必须使用其优势手完成。为便于此过程，建议实验设置中包含预先标记的试管和试管架，以尽量减少样本损失（参见图1）。
    4. 采集唾液样本时，佩戴新的丁腈手套，以尽量减少手部油脂中的粉尘颗粒或其他污染物转移至唾液样本管中。
    5. 如前所述，应立即将样本转移至内部温度为-20 °C的冷藏箱中。

3. 结合调查问卷、皮肤电反应传感器和唾液生物标志物提高生态效度

  1. 关于考试真实性
    1. 为提供真实的测试体验，应将考试内容与课程内容保持一致。为此，需与包括课程教师在内的一组内容专家共同审阅课程内容。
    2. 选择一种可于实验环境中复制、或可补充现有课程内容的课程评估方式（如测验或考试），例如模拟考试。
      注意：根据您所在机构的机构审查委员会（IRB）政策，使用真实考试可能因可能影响学生课程成绩而被禁止。因此，可考虑采用等效的替代形式（如模拟考试）。
    3. 与授课教师共同制定答案键、考试题目及其解答，以便根据研究目标在细粒度层面（即逐题）和/或宏观层面（即整场考试）收集表现数据。
    4. 请授课教师提供其考试中通常使用的任何附加材料（如 cheat sheets）或允许使用的材料（如教科书、参考文献列表）等。实验人员应准备向参与者提供这些工具。
    5. 确保测试环境与实验设置相一致（如考试时间、考试场所——测试中心或教室等），以及相关环境特征，如桌面空间、照明、室温等。
  2. 关于问卷纳入
    1. 根据问卷问题的数量，需考虑参与者完成问卷所需的大致时间； 尤其是在他们参加考试的同时完成问卷问题所需的时间。
    2. 预留额外的答题时间以应对中断情况，并设计考试程序，使学生在被问卷提示中断后能返回原考试题目继续作答。同时，确保该中断时间在所有参与者中保持一致（如考试开始、中期和结束阶段）。
    3. 根据实验设计类型，若需获取细粒度的反应数据（如逐题反应），应计划先呈现考试题目，随后提示参与者回答问卷问题，再允许其输入答案（如开放式文本、选择题等）。这将使参与者首先看到题目，并根据所呈现的问题回答问卷。若实验设计为宏观层面，应确保参与者在回答前有机会反思截至目前的考试体验。
      注意：在此步骤中需考虑相关理论与假设，因为项目呈现方式（如问卷、考试）的选择至关重要。例如，若研究自我效能感，应在试题层面进行评估；而学业成就情绪通常在考试前、考试中和考试后分别进行测量。
  3. 关于皮肤电活动传感器使用
    1. 为确保参与者不会因实验流程而过度紧张，应在考试过程中设置校准期和放松期。一种策略是允许参与者在题目之间重新集中注意力。可从一个易于回答的问题开始（如“今天是星期几？”），并在每道考试题之间给予参与者30秒的休息时间。
      注意：需考虑考试题目设计本身及其可能引发的学生反应（如认知负荷增加或神经效率变化37），因为这些因素可能影响唾液标志物和皮肤电活动（EDA）数据的采集。例如，若考试题目均为需手写作答的论述题，则手部运动可能干扰EDA数据24,25；或若考试题目按难度分级设计，可能影响学生的认知负荷或神经效率37。
    2. 确保时间戳程序能够记录考试过程中任何变化（如校准期、校准题之间的起止时间、问卷提示的起止时间、考试开始与结束时间）。此步骤至关重要，因其支持多源数据匹配，从而确定需处理与分析的时间区间或事件。
  4. 关于唾液生物标志物使用
    1. 需谨慎选择唾液生物标志物的采集时机。
      注意：唾液生物标志物研究通常采用“考前-考前-中段-考后-考后-考后”设计32,33,34,35,36。由于皮质醇对压力的反应需约20分钟14，因此需要设置时间间隔以观察皮质醇的上升与恢复过程。在学生备考情境下，参与者可能在考试前即感到焦虑，因此“考前”基线测量可能难以实现。同时，也应避免在考试过程中频繁打断学生。在本研究中，我们选择在考试开始前、考试中、考试结束后立即以及考试结束后20分钟，尽可能安静地采集一次唾液样本。样本采集时间线示例见图3。
    2. 在考试程序中加入定时提示，提醒参与者何时进行唾液采集。设置60秒倒计时，使参与者了解唾液采集的持续时间。60秒结束后，立即将参与者返回至其先前正在作答的考试题目。

4. 数据处理与分析的注意事项

  1. 调查
    1. 确保数据输出得到适当标注和组织，以便进行有效的数据管理，并保证统计软件（如 SPSS、SAS）能够执行所需的分析。
    2. 根据调查异常值检测标准，识别任何潜在的异常数据38 以及通过先前收集的人口统计学数据确定的任何其他信息（例如，健康状况）。
    3. 根据既定的研究问题和/或假设，确定拟进行的统计分析和/或建模类型
  2. 皮肤电活动
    1. 请注意，不同公司的皮肤电反应数据输出可能存在差异。本研究中所使用的设备31，数据输出以单列形式呈现，起始时间以 GMT 表示，随后为数据采集频率以及以微西门子（microSiemens）为单位测得的皮电活动（EDA）。随后，EDA 数据根据采集频率进行递增。由于数据依赖于起始时间，需根据制造商协议及先前协议将该时间转换为 UNIX 时间30这将有助于在整个实验过程中更顺畅地同步EDA数据的变化。
    2. 识别并排除可能由制造商相关因素导致的异常值来源，例如传感器故障、数据采集不完整或电极与皮肤接触不良。这些异常情况可通过数据输出表中的负值或持续接近零的恒定数据段来识别。
    3. 识别并剔除任何可能由用户生成的异常值来源，例如不规则动作（如手击桌面或紧张性敲击）、问卷调查或唾液生物标志物采集时段，以及大幅度 体温或血容量压力读数的变化。
    4. 为消除由运动引起的噪声，请执行以下一系列步骤：
      1. 首先，浏览参与者由腕部传感器提供的加速度计（ACC）数据曲线。注意，数据包含 X、Y 和 Z 三列，分别表示手部在三维空间中的水平、垂直和空间运动。根据欧几里得距离（L2-范数）计算该加速度计数据的移动平均值。39,53 计算总移动量的公式：
        figure-protocol-1
      2. 计算所有参与者欧几里得距离值的标准差并进行排序。同时计算欧几里得距离值的平均值。
      3. 计算欧氏距离值的变异系数以确定信噪比40 根据以下公式：
        figure-protocol-2
        注意：根据信号数据处理建议，变异系数值超过1时表明存在离群值，必须从分析中剔除33.
      4. 一旦去除由运动引起的噪声后，确定用于过滤数据的阈值。为此，计算信号标准差95%范围的上限和下限。超出该范围的任何数据可根据研究者的目标和目的从数据集/分析中剔除或进行插补。在本研究中，我们选择将超出范围的数据与确定的可接受数据取平均值。
      5. 返回EDA数据，并利用带有时间戳的加速度计数据来确定相应的时间段内的EDA（同样带有时间戳）。
        注意：为同步加速度计与皮肤电数据，需注意两者的记录频率不同（EDA 为 4 Hz，ACC 为 32 Hz），因此必须首先进行对齐。由于 ACC 数据量 inherently 多于 EDA 数据，应采用平均 EDA 值来弥补这一差异。
    5. 一旦EDA数据集经过清理41,42 尽管经过滤波处理的加速度计数据，仍需使用指定工具（例如，Ledalab、EDA Explorer）分离出张力性（基线）信号和相位性（即时、反应性）信号43,44，用于统计分析时，主要采用相位性滤波后的皮肤电活动（EDA）数据，并根据研究问题/假设以及Bouscien所描述的方法，计算相应数值（如幅值、峰数量、潜伏期时间）。22,23.
  3. 唾液生物标志物
    1. 对于皮质醇和唾液α-淀粉酶检测，均按照制造商提供的说明书操作22,23,24,25,26,27,28 以及技术人员关于样本使用、储存和处理的建议。
    2. 将解冻的样品在1,500 x g条件下离心 g 在 4 °C务必 小心取出拭子，并确保小瓶底部含有唾液上清液，以保证黏蛋白分离。
    3. 作为良好操作规范，在进行检测步骤前，应使用洗板机用缓冲液对孔板进行冲洗。此步骤对于皮质醇检测尤为重要。
    4. 确保分光光度酶标仪已预设至适当温度（例如，sAA 样品需要的孵育温度为 37 °C 而皮质醇样本需在室温下读数），以及波长（即sAA检测需要405 nm波长，皮质醇检测则需要450 nm及490–492 nm参考滤光片）。对于sAA检测，建议使用的酶标仪内置振荡器和孵育器。
    5. 遵循制造商说明书34,35 计算每个样本的浓度值以及相应的批内和批间变异系数百分比（%CV）方程，以识别数据集中的异常值（此计算方法与之前提供的方程不同）。请注意，对于sAA，需记录对照品所用批次的批号，因为这些对照品未标准化。
      1. 首先，按批号对对照品的%CV值进行平均，然后对这些平均值再取平均，得到总的平均%CV值。
      2. 对于样本，制造商建议样本的批内变异系数（%CV）应低于10%，而对照品的批间变异系数（%CV）应低于15%。34,35。然而，这些%CV值将显著 取决于进行研究时的实验室条件和所用设备。因此，可根据需要考虑其他免疫测定验证方法45.
    6. 将唾液样本在 -80°C 下冷冻保存80 °C 检测完成后应进行验证。为防止样本或对照品发生进一步的酶降解，冻融次数不得超过一次。
  4. 数据三角验证
    1. 根据研究问题或假设，对相关变量进行关联分析。确保所有异常值和数据均得到适当处理 使用前经过预处理和过滤46.
    2. 确定样本量、数据采集时间点、观察到的统计效能以及研究问题或假设是否需要合并数据47，或采用重复测量分析技术48,49,50.
    3. 考虑任务时间中的个体间差异51 以及唾液生物标志物对压力反应的延迟14，使用时间戳或确定事件以同步数据集。
    4. 使用统计模型和软件分析数据集，并解释研究结果。

包含16个zip文件。  每个压缩文件包含特定核心章节的全部 EOL 测验题。  他们需要解压此文件，然后将每个压缩文件单独上传至 Canvas。  

访问受限。请登录或开始试用以查看此内容。

结果

本研究旨在探讨本科生工程专业学生在参加模拟考试时，其自我效能感、表现以及生理（EDA 传感器）和生物学（sAA 与皮质醇）反应的影响。所展示的数据为样本的代表性子集：（a）包含问卷调查与皮肤电反应传感器数据的实验设计 A；（b）包含相同考试及唾液生物标志物数据的实验设计 B。尽管本研究收集了情绪数据，但我们不会展示这些数据，因为我们的目标是展示实时的精细化数据，而非在考试开始、中期或结束等预设时间点采集的情绪数据。

如图4所示，比较了不同实验设计下学生集体反馈的考试难度程度。同时绘制了学生在完成考试题目前所报告的自我效能评分与平均皮肤电活动（EDA）之间的关系。尽管两种设计下的考试难度相同，但在不同自我效能评分下，正确回答与错误回答之间的平均EDA值呈现出相反的差异。在实验设计A（EDA传感器和问卷）中，对于中等自我效能（SE）评分的学生，回答考试题目错误者的平均EDA高于正确回答者（...

访问受限。请登录或开始试用以查看此内容。

讨论

尽管生理测量指标已在多种真实学习情境中得到应用，但设计研究环境时必须充分考虑当前技术的局限性。我们的设计在确保测试环境真实性的同时，兼顾了技术条件的限制。在实验流程中，合理限制受试者的活动范围、减少意外中断以及对受试者的测试反应进行时间戳标记，均为关键步骤。

皮肤电传感器设备所需的空间和费用可能使资金有限的研究人员难以开展相关研究。然而，这些传感器一旦购入，便可无限次使用。唾液生物标志物必须在实验室中进行处理，且每个样本的前处理和后处理费用均较高。还需考虑所使用的特定实验室条件和设备，因为可能需要采用不同的唾液检测验证方法，以确定检测间和检测内的变异系数（CV）百分比。

该方案在多模态方法研究学术情绪的应用方面迈出了重要一步。该方案通过在复制真实测试环境的同时对参与者反应进行时间戳记录，最大限度地提高了皮肤电活动（EDA）测量的精确性，从而实现了对学生课业和课堂学习更客观的实时研究，解决了以往聚焦于学习与表现的研究中存在的局限性。该技术可进行修改，以纳入需要记录键盘敲击的在线学习活动。此外，该方案也可用于欺骗性研究，其中测试难...

访问受限。请登录或开始试用以查看此内容。

披露

作者无任何利益冲突需要披露。

致谢

本材料部分基于美国国家科学基金会（NSF）资助项目（编号：EED-1661100）以及授予 Darcie Christensen 的 NSF 研究生研究奖学金（编号：120214）所支持的工作。本文中表达的任何观点、发现、结论或建议不一定代表 NSF 或犹他州立大学（USU）的观点。我们感谢 Sheree Benson 在统计分析方面的有益讨论和建议。

本文作者贡献如下：Villanueva（研究设计、数据收集与分析、撰写、修改）；Husman（研究设计、数据收集、撰写、修改）；Christensen（数据收集与分析、撰写、修改）；Youmans（数据收集与分析、撰写和修改）；Khan（数据收集与分析、撰写、修改）；Vicioso（数据收集与分析、修改）；Lampkins（数据收集与修改）；Graham（数据收集与修改）

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
1.1 立方英尺医用冷冻柜Compact Compliance# bci2801863可使用任意冷冻柜，只要其温度可降至 -20 摄氏度以下；此类设备可用于在进行唾液检测前长期保存唾液样本（约 4 个月）。
露营冷藏箱Amazon（任意尺寸/类型）可用于数据采集期间临时存放唾液样本
E4 传感器Empatica IncE4 Wristband Rev2可使用任意可记录皮电活动（EDA）和加速度测量数据的 EDA 传感器或品牌
EDA Explorerhttps://eda-explorer.media.mit.edu/（开源）可用于识别并非由运动引起的数据噪声潜在来源
笔记本电脑DellLatitude 3480可使用任意台式机或笔记本电脑
Ledalabhttp://www.ledalab.de/（开源）在完成滤波步骤后，可用于分离张力性和时相性皮电活动（EDA）信号
MATLABhttps://www.mathworks.com/products/matlab.html（版本随更新而变化）用于运行 Ledalab 和 EDA Explorer，以及创建自定义的时间戳程序
唾液α-淀粉酶酶法检测试剂盒Salimetrics‎# 1-1902对于唾液检测试剂盒，应计划由公司代为分析样本和/或前往分子生物学实验室进行处理
唾液皮质醇 ELISA 检测试剂盒Salimetrics# ‎1-3002对于唾液检测试剂盒，应计划由公司代为分析样本和/或前往分子生物学实验室进行处理
测试隔板（隐私遮挡板）Amazon#60005可使用任意品牌的测试遮挡板，只要能覆盖工作区域即可
网络摄像头AmazonLogitech c920可使用任意网络摄像头，只要其分辨率达到高清 1080p 或更高

参考文献

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

访问受限。请登录或开始试用以查看此内容。

重印与许可

标签

一种用于研究近实时真实考试体验的跨学科多模态实验设计
联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。