Unter Verwendung Elektroenzephalographie Messungen zum Vergleich der Aufgabenspezifische Neural Gelegenheit: Spatial Intelligence-Aufgaben

Summary

Dieses Manuskript beschreibt einen Ansatz neuronale Aktivität des Menschen zu messen, während räumlich fokussierte technische Probleme zu lösen. Die Elektroenzephalographie Methodik hilft in Bezug auf die neuronale Effizienz, mit dem Ziel, letztlich ermöglicht Vergleiche der Aufgabenleistung sowohl zwischen Problemtypen und zwischen den Teilnehmern Beta Gehirnwellen-Messungen interpretieren.

Abstract

Räumliche Intelligenz wird oft zum Erfolg in der Ingenieurausbildung und Ingenieurberufen verbunden. Die Verwendung von Elektroenzephalographie ermöglicht vergleichende Berechnung des Einzelnen neuronale Effizienz, wie sie aufeinanderfolgende Aufgaben, die das räumliche Vorstellungsvermögen abzuleiten Lösungen durchführen. Neuronale Effizienz ist hier als mit weniger Beta-Aktivierung definiert, und damit weniger neuronale Ressourcen aufwenden, um eine Aufgabe im Vergleich zu anderen Gruppen oder andere Aufgaben zu erfüllen. Für Inter-Task-Vergleiche von Aufgaben mit ähnlichen Laufzeiten können diese Messungen einen Vergleich der Aufgabentyp Schwierigkeiten ermöglichen. Für den inner Teilnehmer und Inter-Teilnehmer-Vergleiche liefern diese Messungen Potenzial Einblick in die Ebene des Teilnehmers der räumlichen Fähigkeiten und unterschiedliche technische Problemlösungsaufgaben. Leistung auf den ausgewählten Aufgaben analysiert und mit Beta-Aktivitäten korreliert werden. Diese Arbeit stellt einen detaillierten Forschungsprotokoll, das neuronale Effizienz von Studenten eng studierenbei der Lösung von typischen räumlichen Fähigkeit und Statiken Probleme im Alter. Studenten abgeschlossen spezifischen Probleme des Mental-Test Cutting (MCT), Purdue Räumliche Visualisierung Test von Verdrehungen (PSVT: R) und Statiken. Während bei der Lösung dieser Probleme beschäftigt, Teilnehmer Gehirnwellen wurden gemessen mit EEG-Daten werden gesammelt in Bezug auf Alpha- und Beta-Gehirnwellen-Aktivierung und Nutzung zu ermöglichen. Die Arbeit sieht mit räumlich intensive Engineering-Aufgaben funktionale Leistung auf reinen räumlichen Aufgaben zu korrelieren, die Wege für eine erfolgreiche Leistung in der Technik und die daraus resultierenden Verbesserungen in der Ingenieurausbildung zu identifizieren, die folgen.

Introduction

Räumliche Fähigkeit ist entscheidend für Wissenschaft, Technologie, Ingenieurwesen und Mathematik (STEM) Felder und Bildung und korreliert mit Erfolg in diesen Bereichen ^1,2,3. Daher ist es wichtig , die Entwicklung , wie das räumliche Vorstellungsvermögen Auswirkungen Problemlösung ⁴ zu verstehen. Räumliche Fähigkeit wurde Interesse verknüpft ^5, Leistung ^6, Erfolg in Ingenieurwissenschaftler ⁷ und Erfolg in Engineering - Profis ^8. Allerdings gibt es nicht viel Arbeit angibt, spezifische neuronale Prozesse in Probleme typisch für viele räumliche Fähigkeit Instrumente zu lösen, noch spezifische technische Inhalte, die sehr räumliche ist.

Dieses Dokument bietet eine Einführung in die Methoden der Datenerhebung und Analyse der räumlichen Fähigkeit Instrument Noten kombiniert mit neuronalen Messungen verwendet. Die Absicht mit JoVE Veröffentlichung ist diese Methoden besser zugänglich zu einem breiteren Publikum zu machen. Allgemeine öffentliche Hardware- und Software-were in dieser Studie verwendet. Als Methodenpapier sind die vollständigen Ergebnisse / Datensätze nicht berichtet, noch sind vorgesehen, mehrere Proben. Alle Bilder wurden speziell für diese Veröffentlichung erfasst. Die Methoden , die unten detailliert wurden bei der Vorbereitung eines vorläufigen Konferenzbericht ⁹ basierend auf Daten von acht College - Student im zweiten Jahr Alters Teilnehmer genutzt, von denen drei weiblich.

Viele von ihnen sind die bestehenden Instrumente verwendet, um Ebenen der Raum Fähigkeit eigen oder gelernt von Einzelpersonen an. Zwei gültige und zuverlässige ^10,11 Instrumente , die häufig verwendet werden , sind die Mental Schneidetest (MCT) ¹² und der Purdue Räumliche Visualisierung Test von Verdrehungen (PSVT: R) ^13. Während ursprünglich berufs ¹⁴ entworfen testen diese Instrumente verschiedenen Phasen der Raumentwicklung Visualisierung von Piagets Theorie ^10,15 beschrieben. Die Verwendung dieser Instrumente schafft eine Notwendigkeit, die zugrunde liegenden physiologischen kognitiven Phänomene zu verstehen existing, wenn Menschen arbeiten diese Probleme durch. Aus diesem Grund soll diese Studie Methoden unter Verwendung von empirischen physiologischen Daten zu präsentieren, die letztlich die Analyse und das Verständnis der räumlichen Denkens verbessern kann, bestehende Metriken Testfunktionen überprüfen und erhöhen die Anwendbarkeit der räumlichen Beurteilungen auf komplexere Probleme typisch für die Ingenieurausbildung. Viele dieser Probleme können in der Technik Statiken auftreten.

Statiken ist eine grundlegende Mechanik natürlich für die meisten Studenten der Ingenieurwissenschaften geliefert (z. B. biologische, mechanische, Bau, Umwelt, Luftfahrttechnik) ^16,17. Es ist eines der ersten umfassenden Problemlösung Erfahrungen , die Studenten ¹⁸ in Kerntechnik Inhalt gegeben werden. Statiken beinhaltet die Untersuchung der Wechselwirkung von Kräften auf einem starren Körper, der in Ruhe ist oder mit einer konstanten Geschwindigkeit bewegt. Leider hat Statiken hohe Abbrecherquote, Rückzug, und Ausfallraten (14% wie in den inves gesehentigated University), und dies kann zu traditionellen Vorlesung und Lehrplan Delivery-Modelle in Beziehung gesetzt werden, die wichtige Möglichkeiten der Unterstützung auslassen wie räumlich verbesserte Ansätze zur Bildung. räumlich verbesserte Ansätze in Statiken Zum Beispiel kann die Visualisierung von Ziel wie Kräfte außerhalb der typischen analytischen Analyse interagieren und mit geerdeten Konzeptualisierung Studenten prozedurales Wissen verstärken. Die Wirksamkeit solcher Interventionen muss von einer kognitiven neurowissenschaftlichen Perspektive untersucht werden.

Elektroenzephalographie (EEG) stellt eine einzigartige und mobile Methode der Schüler Gehirnströme messen. Einzelpersonen Durchführung von Aufgaben , die Beta - Aktivierung entlocken sind in der Regel sehr mit der Aufgabe beschäftigt Besonderheiten und sind sehr aufmerksam, was sie ^19,20 tun. Als Aufgabe verlangt Erhöhung, die Amplitude der Beta-Welle erhöht, da die Größe der kortikalen Bereich tut belegen die Bandbreite Frequenzen. Je mehr Neuronen, die Feuer indie Beta-Frequenzbereich (alpha: 8 - 12 Hz, Beta: 12 - 24 Hz) als größer Beta Leistung definiert werden. Im Zusammenhang damit als ein erfahrener in einer Aufgabe wird, nimmt die Amplitude von Beta-Wellen, weniger beta Leistung erzeugt. Dies ist Teil der neuralen Effizienz Hypothese ^21-28, in denen größere Aufgabe Erfahrung beim Durchführen einer Aufgabe zu einer Abnahme der Frequenzleistung in Beziehung steht. Und anwendbare Daten wurden in der alpha, beta identifiziert, und Theta - Bands ^27-33 - - Alpha und Beta - Banden wurden beobachtet für dieses Obwohl EEG wurde (für die mentale Rotation und Raumnavigationsaufgaben oft) in der Studie der räumlichen Fähigkeiten bisher verwendeten Studie und beta wurde für eine weitere repräsentative Analyse in diesem Papier und in der vorläufigen Konferenzbericht ⁹ ausgewählt. Die Verfahren, unter somit den Schwerpunkt auf die Beta-Band-Analyse, sondern eine Untersuchung aller drei Bänder in Abhängigkeit von den erfassten Daten wird in Zukunft zu empfehlen.

Dasneuronale Effizienz Hypothese wurde auf verschiedene Aufgaben getestet, darunter Schach, visuospatial Speicher, balancieren, und Ausruhen. Alle haben zu einer verminderten Frequenzleistung Aufgabe Erfahrung als Faktor angezeigt, wenn bekannte Aufgaben ausführen. Eine besondere Studie ²⁵ hat Beweise vorgelegt , dass, obwohl die Intelligenz einer Person (wie durch IQ gemessen) kann helfen , die individuellen Fähigkeiten zu erwerben , eine Aufgabe auszuführen, die Erfahrung mit der Aufgabe überwiegt Intelligenz in ihrem Beitrag zur neuronalen Effizienz. Mit anderen Worten, je mehr erfahren eine Person ist, desto effizienter neural er oder sie wird.

Bestehende neuralen Effizienzstudien räumliche Vorstellungsvermögen beteiligt haben in erster Linie auf die räumliche Drehung fokussiert und unterschiedliche Problemstellungen verwendet wurden unterschiedliche Populationen zu vergleichen (zB., Männlich / weiblich) ^27-28. EEG - Studien der räumlichen Fähigkeit , Aufgaben haben auch Einsicht zur Verfügung gestellt von Leistung zu anderen Aufgabentypen zu vergleichen (z. B. verbale Aufgaben)^27,29,30. Die Verfahren in diesem Dokument diskutiert Fokus auf und vergleichen Probleme aus dem MCT, PSVT: R, sowie statische Gleichgewicht Aufgaben, die das räumliche Vorstellungsvermögen verbunden sind, sind jedoch nicht auf die räumliche Drehung und Navigation beschränkt. Andere räumliche Aufgaben können anstelle der als Beispiele in diesem Manuskript gegeben diejenigen verwendet werden. Auf diese Weise kann in der Zukunft in Bezug auf verschiedene Populationen zusätzliche Erkenntnisse gewonnen werden (zB., Männlich / weiblich oder Experte / Anfänger) , um letztendlich helfen Engineering Bildungspraktiken zu verbessern.

In dem Bemühen, das räumliche Vorstellungsvermögen und Engineering-Fähigkeit zu untersuchen, haben wir ein Protokoll unter Verwendung von EEG-Messungen entwickelt, um die Beta-Welle Aktivierungen von geringer Leistung zu hochleistungsfähigen Teilnehmer während einer begrenzten Batterie von spezifischen räumlichen und technischen Aufgaben zu identifizieren. In diesem Fall ist der Begriff Leistungsträger im Zusammenhang mit der Leistung des Teilnehmers und ist nicht repräsentativ für die Menge an Zeit in dem Bereich durch das verbrauchteLernende, da alle Teilnehmer bei etwa der gleichen Stelle in ihrer Ausbildung waren. Darüber hinaus beteiligt das Problem Set ist sehr spezifisch und Grund; so werden die Begriffe "Experte" oder "hohe Leistung" hier darf nicht im Sinne eines Sachverständigen eingesehen werden, professionell beschäftigt Ingenieur, sondern repräsentieren nur eine hohe Leistung in diesem schmalen Scheibe Technische Mechanik Lehrplan und das räumliche Vorstellungsvermögen Instrumente. Die neuronalen Messungen können auch alle Brutto-Trends für die Aufgabentypen als andere kognitive Ressourcen rekrutieren können, zu ermitteln verwendet werden, wobei mögliche Interpretation bezüglich Schwierigkeitsgraden. Diese Informationen können möglicherweise Einblick in künftige Bewertung und Intervention in Bezug auf das räumliche Vorstellungsvermögen. Andere zukünftige Einsicht kann durch Berücksichtigung spezifischer Regionen des Gehirns abgeleitet werden, die aufgrund der begrenzten Anzahl von Kanälen in dieser Studie nicht möglich war, in dem EEG-Hardware verwendet.

Protocol

Ethische Hinweis in Bezug auf Verwendung von menschlichen Teilnehmer

Die Verfahren in diese Arbeit einbezogen wurden vom Institutional Review Board (IRB) an der Utah State University für das Studium der menschlichen Probanden zugelassen. Es wird empfohlen, eine ähnliche Arbeit sollte auch von der jeweiligen IRB zugelassen werden. Teilnehmer erlaubt zu stoppen oder aus der Studie zu jeder Zeit während des Experiments zurückziehen.

1. Auswahl der Teilnehmer

1. Wählen Sie die Teilnehmer auf freiwilliger Basis von Studenten derzeit in einem Statiken Kurs eingeschrieben. Stellen Sie sicher, dass die Teilnehmer zuvor auf den Statiken Inhalt ausgesetzt waren sie während der Studie sehen.
   Hinweis: Im Idealfall Teilnehmer Kontakt mit dem Material über Vortrag mindestens vier Wochen vor der Teilnahme an der Studie haben sollte, so dass es Zeit für die Konsolidierung von Konzepten und Entwicklung von Differentialleistungsniveaus ist.
2. Führen Rekrutierung folgenden alle IRB-Protokolle. Erklärenalle Verfahren und Einschränkungen für potenzielle Teilnehmer im Detail. Beschreiben Sie den Umfang künftiger Kontakt und wie die Ergebnisse der Studie veröffentlicht werden können, und / oder an die Teilnehmer zur Verfügung gestellt. Definieren Sie eine Entschädigung für die Teilnahme an der Studie teil. Wenn ein Freiwilliger in der Studie einschreiben wählt, bieten ihm oder ihr mit einem doppelt codierten Identifikationscode nur bekannt und durch den Principal Investigator gesteuert.
   Hinweis: Bestimmte Bevölkerungs Rekrutierung werden statistische Analysen erfordern die statistische Aussagekraft der Probe und Anzahl der erforderlichen Teilnehmer zu überprüfen, individuelle Unterschiede in der Gehirnwellen-Daten zu analysieren. Wenn die Forscher eine vergleichende Studie zwischen den Populationen zu führen wünscht, sollte eine Leistungsanalyse durchgeführt werden, um geeignete Teilnehmer Gruppengrößen für beide Populationen entwickeln.
3. Wählen Sie Aktivitäten oder Probleme, die repräsentativ für die Erfahrungen für die Teilnehmer gewünscht.
   Hinweis: In diesem Protokoll, College-Student-Level-EngineeringStudenten in einem Statiken Kurs eingeschrieben wurden ausgewählt. Die Tätigkeit als relevant waren Probleme von Einführungs Statiken Inhalt sowie zwei häufig verwendete räumliche Fähigkeit Instrumente: Mental Schnittebene Test (MCT) und der Purdue Räumliche Visualisierung Test (PSVT-R). Jedes Gerät testet verschiedene Konstrukte räumliches Vorstellungsvermögen und die Höhe der Raumentwicklung in diesem ausgewählten Studierenden.
4. Stellen Sie einen Kalender, die die Laborsitzungen für die Teilnehmer zu organisieren.

2. Herstellung von Instrumenten

1. Stellen Sie die EEG-Headsets bis (aka Caps) pro Anweisungen des Herstellers. Füllen Sie diese Vorbereitung, bevor die Teilnehmer für die Studie ankommt. Um es zu wiederholen, ist dieses Verfahren spezifisch für allgemeine Mobile Headsets wie Emotiv, im Gegensatz zu medizinischer Qualität EEG-Setups.
   1. Laden Sie die EEG-Headsets - idealerweise mindestens eine 1-Stunden-Ladung pro Sitzung. Für eine regelmäßig verwendeten Labor, haben mindestens zwei Headsets ein Ladet alle Zeiten.
   2. Legen Sie alle benötigten Flüssigkeiten in einem zugänglichen Bereich, einschließlich der Flüssigkeit zur Dämpfung der EEG - Elektroden (z. B. Wasser) und ein Scheuermittel für die Gewährleistung guter Kontakt für die EEG - Referenzknoten.
   3. Legen Sie die Filze in jedes Gehäuse (die Goldkontakt gewährleistet in jedem Gehäuse fest sitzt). Tränken Sie die Filze mit dem dämpfenden Flüssigkeit mit einer Spritze. Lassen Sie angefeuchteten Elektroden zur Ruhe.
2. Richten Sie alle erforderlichen Videokameras Teilnehmer Verhalten zu messen. Für das aktuelle Protokoll, verwenden Sie zwei Videokameras pro Teilnehmer. Nachjustieren Kameras, sobald der Teilnehmer an Ort und Stelle ist. Achten Sie darauf, dass das Video mit Zeitstempel ist.
   1. Konzentrieren Sie eine Kamera auf das Gesicht des Teilnehmers, wenn dem Ziel, Mimik zu erfassen und qualitativ hochwertige Audio erhalten.
   2. Konzentrieren Sie die andere Kamera auf den Bereich vor der Teilnehmer Handbewegung zu erfassen, einschließlich Handschrift Aktionen (wenn Handschrift zu erwarten ist, stellen Sie sicher, ein Schreiben zu verwenden, instrument, die dunkel und / oder dick genug von der Kamera erfasst werden soll), und genug von dem Computermonitor Einblick.Kanäle darüber, welche Aufgabe zu welchem ​​Zeitpunkt wird gelöst.
   3. Schalten Sie den Computer und stellen Sie sicher, dass die Software auf ist brainwave Daten aufzuzeichnen. Stellen Sie sicher, dass alle Software und Datenerfassungsgeräte ausreichend für die Datenerfassung sind Schnittstellen.

3. Vorbereitung der Studienteilnehmer und Sitzungsbeginn

1. Überprüfen Sie den Erhalt der dokumentierten Zustimmung der Teilnehmer pro IRB-Vereinbarung oben diskutiert. Beantworten Sie alle Fragen, die die Teilnehmer vor, um die Studie beginnen. Erinnern Sie die Teilnehmer, dass erhobenen Daten werden von ID-Code referenziert werden und es wird keine identifizierenden Informationen, die die Daten an den Teilnehmer bindet, und dass sie jederzeit zurückziehen kann.
2. Bitten Sie jeden Teilnehmer eine Demografie-Umfrage vor der Teilnahme an der Studie auszufüllen. Diese Umfrage kann fragen nach Geschlecht, einge, frühere Erfahrungen, die ihre Fähigkeiten in der Studie beeinflussen können (z. B. Vergangenheit Engineering oder räumlich Intensivkurse, das räumliche Vorstellungsvermögen zu verbessern Hobbys und Fragen in Bezug auf Ausschlusskriterien wie Schädel - Hirn - Verletzungen , die sie erlitten haben, welche Hand sie benutzen).
   1. Ausschließen Teilnehmer aus der Gruppe von Freiwilligen für die Analyse EEG, wenn eine der folgenden Bedingungen erfüllt sind: (a) Der Teilnehmer ist linkshändig oder beidhändig, zu steuern, um für Gehirn laterality confounds; (B); das Individuum in den Labor-Sitzungen aufgrund einer körperlichen Behinderung nicht teilnehmen; oder (c) der einzelnen schweren Hirnverletzung erlitten. Benachrichtigen Sie potenzielle Teilnehmer dieser Einschränkungen während des Einstellungsprozesses oder so früh wie möglich die Ausgaben unnötig Zeit und Ressourcen zu vermeiden.
3. Bei der Ankunft sorgen die Teilnehmer bequem und lösen alle verbleibenden Fragen oder Bedenken.
   1. Demonstrieren Sie die Spritze verwendet, um zu sättigen dieKnoten und zu erklären, dass es nur die EEG-Filze feucht zu halten, verwendet werden. Wenn der Teilnehmer eine extreme Angst vor Nadeln hat, sollten andere Vorsichtsmaßnahmen Umsetzung (z. B. die Spritze aus ihrer Fokusebene zu halten , wenn die Filze wieder Benetzung).
   2. Bitten Sie den Teilnehmer keine Elektronik von ihrer Person zu entfernen.
4. Legen Sie die EEG-Headset auf dem Teilnehmer.
   1. Überprüfen Sie die Filze für Feuchtigkeit und legen Sie die Filz / Gehäuse-Kombinationen in die EEG-Headset.
   2. Reinigen Sie die Referenzpunkte (z. B. mastoid Prozess) des Teilnehmers mit dem Scheuermittel. Wischen Sie alle Rückstände entfernt.
   3. Legen Sie das Headset auf den Teilnehmer mit den Referenzknoten in geeigneter Weise mit den Bezugspunkten ausgerichtet. Sie nicht übermäßig die Arme des Headsets biegen. Lassen Sie eine Lücke zwischen dem Referenzknoten und der Rückseite des Ohres, um nicht Beschwerden verursachen, und richten und Raum das Headset in geeigneter Weise mit dem Kopf des Teilnehmers.

4. Software-Ausführung innerhalb der Session

1. Starten Sie die EEG-Logging-Software. Stellen Sie sicher , dass eine gute Verbindung zwischen dem Protokollierungsgerät vorhanden ist (z. B. Personal Computer) und EEG - Headset durch Überprüfung , dass alle Kanäle an der Protokollierungsvorrichtung angezeigt werden. Überprüfen Sie, ob alle Kanäle zunächst ein ähnliches Verhalten mit niedriger Amplitude Schwingungen anzuzeigen. Überprüfen Sie die EEG eine gute Verbindung mit dem Teilnehmer zu gewährleisten - die Wiederbenetzung und die Anpassung der Filze, um konsistente Muster auf dem Logeinrichtung erreichen - sofort die Ruhezeiten vor und vor dem Beginn eines jeden neuen Problemtyp.
   Hinweis: Das EEG arbeitet bei 128 Hz. Elektrookulographie wurde nicht aufnehmen Augenbewegung und Linked-Ohr Referenz wurde nicht verwendet.
2. Weisen Sie den Teilnehmer, wie still und ruhig wie möglich während der Aufgabe Übungen zu bleiben.
3. Starten Sie den Task-Präsentations-Software.
   Hinweis: Während der Datenerfassung, die alle Vor-geplante visuelle Kommunikation mit dem Teilnehmer erfolgt über den Computer-Monitor. In diesem Fall erscheint eine Reihe von räumlichen und technischen Problemen auf dem Computerbildschirm, und die Teilnehmer werden gebeten, sie zu lösen. Richtige Antworten wurden nicht während der Datensammlung an die Teilnehmer zur Verfügung gestellt. Die Problem Bilder fortgeschrittene basierend auf Benutzereingaben, so wurde Timing basierend auf Problemlösungsdauer.
   1. Anzeige räumliches Problem Typ 1 (zB PSVT:. R - ein Multiple - Choice - Test, oder Wahr-Falsch - Rotation Probleme - siehe Abbildung 1) ^13. Anmerkung: (. ZB 30 sec) Die Dauer dieser Probleme wird als Zeitbereich für die Datenanalyse verwendet werden. Fünf Probleme wurden in diesem Set enthalten.
   2. Anzeige räumliches Problem Typ 2 (zB MCT - a . Multiple - Choice - Test, oder Wahr-Falsch - mentale Schneidprobleme - siehe Abbildung 2) ^12. Hinweis: Die Dauer dieser Probleme wird (zB 30 Sek.)als Zeitbereich für die Datenanalyse verwendet werden. Fünf Probleme wurden in diesem Set enthalten.
   3. Display - Engineering - Problemtyp ¹⁷ (. ZB Probleme Statiken - aufgeteilt auf bestimmte Prinzipien der Ingenieur Statiken zu konzentrieren, oder jede andere Art der angewandten Problem stellten die Hypothese räumlichen Komponenten zu haben - siehe Abbildung 3). Hinweis: Diese Probleme deutlich mehr Zeit in Anspruch nehmen die räumlichen Probleme zu lösen als. Die Zahl der Probleme der Teilnehmer gezeigt 4 bis 10 variiert.
   4. Weisen Sie die Ruhezeiten zu Beginn und das Ende der Datenerhebung - verwendet Basisdaten zu erhalten. Sicherzustellen , dass jedes von diesen die gleiche Dauer haben (z. B. 120 sec).
4. Falls gewünscht, führen mit dem Teilnehmer eine Exit-Interview. Dies kann ihre Gedanken über die experimentelle Darstellung umfassen, die EEG-Headset, den Kommunikationsprozess im gesamten Einstellung und Vorbereitung der Teilnehmer verwendet, und / or jedes Protokoll erfordert verbale Antworten oben erwähnt. Ein validiertes Benutzer Fragebogen kann den Beteiligten zur Verfügung gestellt werden, anstatt ein Interview durchzuführen.
5. Drehen Sie den Task-Präsentations-Software aus, die EEG-Logging-Software, entfernen Sie die EEG-Headset, und schalten Sie das Video-Aufnahmegerät aus.

5. Abschluss der Session

1. Entlassen der Studienteilnehmer. Vielen Dank , dass Sie den Teilnehmer und ihnen einen Überblick über alle künftigen Kontakt (z. B. für das Follow-up - Interviews oder nachfolgenden Sitzungen der Studie), erklären , wie die Ergebnisse der Studie können für die Teilnehmer zur Verfügung veröffentlicht und / oder hergestellt werden und bieten alle Erfrischungen oder Zahlung (oder eine Erklärung, wie die Zahlung zur Verfügung gestellt werden) vereinbart im Rahmen der Entschädigung für die Teilnahme an der Studie teil.
2. Übertragen von Daten-Protokolle aller erforderlichen langfristigen oder Transferspeichergeräte. Bewahren Sie die unterzeichnete Einverständniserklärung in geeigneter Weise und wie durch IRB-Protokoll bezeichnet.
3. Reinigen Sie die Instrumente und Laborflächen nach oben.
   1. Entfernen Sie die Filze aus dem Headset und sanieren oder über sie zu verfügen.
   2. Bringen Sie die EEG-Elektrode Gehäuse und Kopfhörer an den richtigen Speicherort.
   3. Entsorgen Sie gebrauchte Spritzen und Müll geeignet.
   4. Zurück Flüssigkeiten geeigneten Speicherstellen.
   5. Sichern Sie das Labor, wenn nicht von anderen Forschern verwendet wird.

6. Datenanalyse

1. Identifizieren und extrahieren Sie die Rohdaten für jeden Kanal und die Markerdaten aus den EEG-Daten-Logs. Verwenden Sie ASCII - Bit - Marker den Anfang und das Ende der Datenerhebung zu identifizieren, sowie die Übergänge zwischen verschiedenen Phasen der Datenerhebung (z. B. Problemtypen) und individuelle Probleme. Stellen Sie sicher, dass jede Phase Typ einen anderen Markerwert hat, um die Differenzierung bei der Analyse zu ermöglichen. Nennen Sie die Daten in einer Weise, die die Teilnehmer-ID-Code als Quelle verweist.
   Hinweis: EEGLAB Befehle sind defined hier, aber EEGLAB erfordert für diese Ausführung MATLAB.
   1. Klicken Sie auf Datei> Importieren von Daten> Mit EEGLAB Funktionen und Plugins> Von EDF / EDF + GDF-Dateien (BIOSIG Toolbox)
   2. Wählen Sie die entsprechende Datendatei. Klicken Sie auf Öffnen, um die Daten zu laden.
   3. Wählen Sie die Kanalliste. Klicken Sie auf OK zu akzeptieren.
   4. Geben Sie einen Datensatzname. Geben Sie einen beschreibenden Namen für die Daten, die die Quelle und das Datum der Sammlung widerspiegelt. In diesem Fall zeigt PSF1448 Daten von Teilnehmer-ID 48 im Herbst 2014.
2. Zeichnen sie die extrahierten Daten an die Montage (dh die Anordnung der EEG - Knoten.) Nach der Montage durch die EEG - Headset Hersteller bereitgestellt Auswahl (beispielsweise ein 10 -. 20 - System). Sicherstellen, dass die Montage für die Analyse verwendeten das Layout des EEG-Headset während der Sitzung verwendeten übereinstimmt. Dies ist herstellerspezifisch.
   1. Kanal bearbeiten Standorte durch Bearbeiten> Kanal Standorte klicken.
   2. Wählen Sie Montage. In diesem Fall ist die Default Montage geeignet ist, so klicken Sie einfach auf OK zu übernehmen.
   3. Kanalinformationen Spezifikation. In diesem Fall ist der Standard angemessen, so einfach auf OK klicken zu akzeptieren.
3. Reduzieren Sie die EEG-Kanaldaten, dass die meisten Vertreter der Aktivität des Gehirns ist, wie unten definiert.
   1. Anwenden eines Anfangs-Filter auf die Daten. Typischerweise wenden eine Hochpass-, Tiefpassfilter (mit 0,1 Hz als die des Hochpassfilters gebunden unteren und 59 Hz als obere Grenze des Tiefpassfilters). Anwenden eines Tiefpassfilters kleiner als 60 Hz entfernt das Rauschen aus dem US Stromnetz. Speichern Sie die Datenmenge mit einem neuen Namen als Punkt wiederherzustellen.
      1. Klicken Sie auf Extras> Grund FIR-Filter (neu, Standard).
      2. Set Grundfilterparameter. Set Unterkante bis 0,1 Hz, Hochkante bis 59 Hz, nicht zeichnen nicht den Frequenzgang, und klicken Sie auf OK zu übernehmen.
      3. Geben Sie einen neuen Namen für die gefilterten Daten (durch "_filtered" zu den bestehenden Datasetnamen Anhängen). Schauen Sie sich die bOchse die Daten als Datei zu speichern, und den gleichen Namen für den Dateinamen verwenden. Klicken Sie auf OK zu akzeptieren.
   2. Entfernen Sie alle Daten, die vor dem ersten EEG-Marker oder nach dem letzten EEG-Marker liegen - unter Berücksichtigung der EEG-Marker jede Latenz in der Aufnahme. Zeichnen Sie die Latenz (Zeit) des Markers, welche die Einleitung der Datenaufzeichnung und die Latenz des Markers das Ende der Daten anzeigt. Speichern Sie die Datenmenge mit einem neuen Namen als Punkt wiederherzustellen.
      1. ; - "Pop_editeventvals () bearbeiten Ereigniswerte", um die Latenzwerte in den zu finden drücken Sie die Schaltfläche ">>" auf die endgültige Markierung zu gehen, um das Ende des EEG-Daten bedeutet. Keine Änderung akzeptiert muss, klicken Sie so Abbrechen, sobald die Werte aufgezeichnet wurden.
      2. Klicken Sie auf Bearbeiten> Daten.
      3. Geben Sie den Anfang und das Ende-Latenz (Zeit) Werte, durch ein Leerzeichen getrennt, in der "Zeitbereich [min max] (s)" Feld, und klicken Sie auf OK zu übernehmen.
      4. Geben Sie einen neuen Namen für dieabgeschnitten Daten (durch "_cropped" zu den bestehenden Datasetnamen Anhängen). Aktivieren Sie die Option, die Daten als Datei zu speichern, und verwenden Sie den gleichen Namen für den Dateinamen. Klicken Sie auf OK zu akzeptieren.
   3. Ablehnen Abschnitte von Daten mit großen Artefakte. Die Schritte enthalten unten beschreiben, wie dies manuell zu tun, während visuell die Daten inspizieren. Hinweis: das Entfernen von Daten werden auch Artefakte verursachen ^34,35.
      1. Normalisieren der Daten in jedem Kanal (entfernen Sie den Mittelwert und setzen jeden Kanal auf der gleichen Skala). Entfernen Sie auch die DC-Offset (Daten verändert, nicht aber die Visualisierung).
         1. Klicken Sie auf Plot> Kanaldaten (scrollen).
         2. Klicken Sie auf Einstellungen> Zeitbereich angezeigt werden soll.
         3. Feld: Geben Sie den Zeitbereich (. ZB 30 sec) werden in die Handlung in der "New Fensterlänge (n)" gezeigt. Der Zeitbereich wird zwischen den Markierungen für Probleme innerhalb einer gegebenen Phase (oder innerhalb der zwei räumlichen Problem Phasen) auf der Zeit basiert. Der Zeitbereich kann Basis seind auf die maximale, minimale oder durchschnittliche Zeit zwischen den Markern.
         4. Klicken Sie auf die "Norm", um die Daten in der Handlung zu normalisieren (dies ist nur kosmetischer Natur ist und nicht die zugrunde liegenden Daten nicht verändert).
         5. Klicken Sie auf Anzeigen> Entfernen DC-Offset, um den DC-Offset entfernen in der Handlung (dies ist nur kosmetischer Natur ist und verändern nicht die zugrunde liegenden Daten).
      2. Entfernen Sie große Artefakte, die nicht regelmäßig im Laufe der Zeit wiederholt werden.
         1. Markieren Sie alle der abnormen aussehendes Artefakt Daten. Sobald alle Daten Artefakt markiert haben, klicken Sie auf die Schaltfläche Ablehnen.
            Hinweis: Diese als abnorm hohen oder breiten Peaks in den Daten erscheinen können - in einzelnen oder mehreren Kanälen - oder so lange Trends, die in einer kleinen Anzahl von Kanälen erscheinen. Die Daten sind suspekt, wenn Daten aus getrennten Kanälen erscheinen einander in der Handlung zu überqueren. Diese stellen Artefakte, die nicht Teil der Gehirnwellen-Spektrum sind und am ehesten repräsentieren die Bewegung der Muskeln durch den Teilnehmer oder einem Knoten (n) with schlechten Verbindungen. Alles, was eine Rechteckwelle ähnlich ist nicht repräsentativ für die menschliche Hirnaktivität.
      3. Speichern Sie die Datenmenge mit einem neuen Namen als Punkt wiederherzustellen.
         1. Klicken Sie auf Datei> Speichern der aktuellen Datensatz als.
         2. Geben Sie einen neuen Namen für die beschnittenen Daten (durch "_manRej" zu den bestehenden Datasetnamen Anhängen). Klicken Sie auf Speichern zu übernehmen.
      4. Wenn ein bestimmter Kanal als fehlerhaft angezeigt wird, entfernen Sie die Daten von ihm individuell. Dies stellt einen großen Verlust in Daten, so tun dies mit großer Vorsicht zu genießen. Blick auf die Daten vom Kanal über einen langen Zeitraum, wie es oft im Laufe der Zeit absetzt und liefert Nutzdaten.
   4. Führen Sie eine Independent Component Analysis (ICA) und wählen Sie die besten Darstellungen der Gehirnströme.
      Anmerkung: Dies hilft bei der Entfernung von Sätzen von sich wiederholenden Artefakten in den Daten. Diese Sets enthalten Artefakte, die bei mehrfach grob regelmäßigen Abständen mit einer wiederholten sha erscheinen wirdpe. Typischerweise sind sie ein Ergebnis von biologischen Funktionen wie Blinken oder Puls - von denen jeder seinen eigenen Satz haben.
      1. Karte die ICA-getrennten Daten zu einer Darstellung des Schädels auf dem Montage basiert. Ablehnen Ergebnisse mit blinkt, Puls oder Muskelspannung - die oft in den ICA-Ergebnisse als Schwerpunkte über den Augen, in der Nähe der Tempel, oder über den Ohren, jeweils angezeigt. Lehnen jede Komponente, die den gesamten Schädel zeigt , wie da sie nicht repräsentativ für die Gehirnaktivität in Eingriff ist (siehe Abbildung 4) ³⁵ Akzeptieren Sie andere Ergebnisse (siehe Abbildung 5 - 6)..
         1. Klicken Sie auf Extras> Ausführen ICA.
         2. Wählen Sie die Standard (Runica) ICA-Algorithmus. Klicken Sie auf OK zu akzeptieren.
         3. Klicken Sie auf Plot> Komponenteneigenschaften.
         4. Wählen Sie die Komponente-Indizes (die 14 EEG Elektrodenkanäle in den Speicher geladen) und die spektralen Optionen. Nach wie vor ist der untere Rand 0,1 Hz, und die höhere Kante 59Hz. Klicken Sie auf OK, um Eingaben zu übernehmen.
         5. Im Annehmen / Ablehnen Fenster, klicken Sie auf die Schaltfläche Akzeptieren Status ändern zu verwerfen (es wieder und klicken, um es zurück Änderung zu übernehmen). Klicken Sie auf OK, um das Annehmen / Ablehnen Kennzeichnung loggt sein.
      2. Zeichnen Sie die ICA-getrennte Daten in einer 2-D-Farbplot. Ablehnen Ergebnisse , die streifig erscheinen, leer, oder mit Unterbrechungen gespickt, dann speichern Sie die Datenmenge mit einem neuen Namen als Wiederherstellungspunkt (siehe Abbildungen 5 - 6).
         1. Im Annehmen / Ablehnen Fenster, klicken Sie auf die Schaltfläche Akzeptieren Status ändern zu verwerfen (es wieder und klicken, um es zurück Änderung zu übernehmen). Klicken Sie auf OK, um das Annehmen / Ablehnen Kennzeichnung loggt sein.
         2. Klicken Sie auf Extras> Entfernen von Komponenten - um tatsächlich die Daten für die Ablehnung markiert entfernen zuvor.
         3. Klicken Sie auf OK, um fortzufahren. Die Indizes der Komponenten für die Ablehnung angemeldet sind in der "Entfernen Komponenten" Fenster angezeigt.
         4. Akzeptieren Klicken Sie im Fenster "Bestätigung" zu continue mit der Beschneidung der Daten.
         5. Geben Sie einen neuen Namen für die gekürzten Daten (durch "_manRejPruned" zu den bestehenden Datasetnamen Anhängen). Aktivieren Sie die Option, die Daten als Datei zu speichern, und verwenden Sie den gleichen Namen für den Dateinamen. Klicken Sie auf OK zu akzeptieren.
            Hinweis: Streifen, die länger dauern als 0,5 sec für die Ablehnung als angemessen erachtet werden. Relative "Güte" müssen hier verwendet werden, je nachdem, wie gut anderen Datensätzen zu sein scheinen - es wünschenswert ist, mindestens die Hälfte der Komponenten zu halten. Gute Ergebnisse werden oft durch kontinuierliche Abstufungen auf einem 2-D Continuous Data Farbplot ³⁴ dargestellt.
4. Entfernen Sie die Randwerte in den Daten nach links. Speichern Sie die Datenmenge mit einem neuen Namen als Punkt wiederherzustellen.
   1. Klicken Sie auf Bearbeiten> Event-Werte.
   2. Blättern Sie durch die Ereignisse und klicken Sie auf die Delete-Ereignis-Taste, wenn der Ereignistyp eine Grenze ist. Wenn alle entfernt worden sind, klicken Sie auf OK.
   3. Specifya neuen Namen für die gelöschten-Randdaten (von "_deleteBoundaries" zu den bestehenden Datasetnamen Anhängen). Klicken Sie auf Speichern zu übernehmen. Verwenden Sie gleiche Menüpunkt Auswahl nach wie vor zu diesem Bildschirm zu bekommen (siehe Schritt 6.3.3.3.1).
5. Berechnen absolute Leistungsmetriken für jeden Trainingstyp. Dies ist ein leistungsbasierten logarithmischen basierend auf der Mikrovoltmessung zu transformieren und die Zeit -. Für jedes Frequenzband berechnet wird (Delta, Theta, Alpha, Beta und Gamma) ²²
   1. Chunk die Daten in Blöcke, mit Markern den Anfang und das Ende jeder Aufgabe anzuzeigen.
      1. Klicken Sie auf Bearbeiten> Daten Ereignisse verwenden.
      2. Nutzen geeigneter Zeitplanung für jeden Aufgabentyp. Definieren Sie den Zeitrahmen für die Ruhezeiten durch die Dauer einer Ruhezeit. Für die räumlichen Probleme (die Dauer ungefähr ähnlich sind), entweder die durchschnittliche Dauer aller räumlichen Aufgaben oder die maximale Dauer aller räumlichen Aufgaben. Für die Anwendung (z. B. engineering Statiken) Probleme, identifizieren die durchschnittliche Dauer für jedes Problem. Speichern Sie die Datenmenge mit einem neuen Namen als Punkt wiederherzustellen.
         1. Geben Sie den Markentyp in der "Event - Typ (n) ([] = alle)" Feld (z. B. Marker Typ 50 wurde verwendet , Rest Ereignisse zu markieren). Rest Ereignisse hatten eine Dauer von 120 Sekunden in diesem Fall "1 120", so geben Sie für die Fristen Array. Klicken Sie auf OK zu akzeptieren.
         2. Geben Sie einen neuen Namen für die Ereignisdaten (von "_rest" zu den bestehenden Datasetnamen in diesem Fall angehängt). Aktivieren Sie die Option, die Daten als Datei zu speichern, und verwenden Sie den gleichen Namen für den Dateinamen. Klicken Sie auf OK zu akzeptieren.
            Hinweis: Wenn die verwendeten Teile reduziert werden, so nehmen sie in etwa die gleiche Menge an Zeit, wie die räumlichen Aufgaben, verwenden Sie dann den gleichen Zeitraum Größe wie die räumlichen Aufgaben. Da EEG zeit empfindliches Maß ist, sind die genauer die Zeitabschnitte für jede Bedingung sind, desto weniger verwechselt werden die Daten in dem Ende (dh., Die Anzahl der Abtastwerte für jede Bedin gesammeltention wird mehr konsistent).
6. Vergleichen Sie die Ergebnisse für die endgültige Analyse.
   1. Berechnen Sie den Prozentsatz für jedes Stück in Bezug auf den Basis Rest Messungen. Siehe Zusatzcode - Datei, und die Tabellen 1 bis 8.
      1. Öffnen Sie die AbsolutePower Script in MATLAB und klicken Sie auf die Schaltfläche Ausführen des Skripts auf die Daten im Arbeitsbereich während der Stufe 6.6 (z. B. den Rest Daten) geladen zu laufen.
      2. Wählen Sie absolutepowermatrix Daten im MATLAB Workspace für die Übertragung in ein Tabellenkalkulationsprogramm (z. B. MS Excel).
   2. Wiederholen Sie die Schritte 6.5 - 6.6.1.2 für jede Übung / Markertyp.
   3. Vergleichen Sie die Ergebnisse mit ähnlichen Zeitrahmen (z. B. räumliche Aufgaben) miteinander für einen Einblick in relative Schwierigkeit.
   4. Vergleichen Sie die Ergebnisse für die Teilnehmer eine höhere relative Performer zu identifizieren, im Vergleich zu niedrigeren Darstellern in den Fähigkeiten geprüft. Hinweis: Hohe Darstellern sehr l zeigen kannittle erhöhen in der Beta - Aktivierung in Bezug auf die Baseline, während Low - Performer ^21-26 eine Erhöhung in der Größenordnung von 70% zeigen.

Results

In diesem Abschnitt werden die vorhergehenden Schritte mit Beispiel Figuren dargestellt wie nachfolgend beschrieben. Vollständige Datenübersichten mit statistischen Tests sind nicht vorgesehen, da das Ziel dieses Papiers auf Methoden zu konzentrieren. Beispiele für potentielle PSVT: R, MCT, und Raumprobleme werden in Abbildung 1, Abbildung 2 und Abbildung 3.

Die Kappe EEG wird für jeden gegebenen Kanal Hirnaktivierung über elektrische Potentiale sammelt, die parallel angezeigt werde...

Discussion

Das Protokoll beschreibt die Anwendung von Elektroenzephalographie für die Teilnehmer der Hirnaktivität zu messen, Probleme, die aus zwei typische räumliche Vorstellungsvermögen Instrumente arbeiten und Raumtechnik Statiken Probleme hoch. Die Methoden, die hier beschrieben werden, können letztlich in der Lage sein, um die neuronale Effizienz von hohen und niedrigen Darstellern zu arbeiten, diese Probleme beschäftigt, um zu verstehen. Es ist wichtig, alle Unterschiede in neuronalen Effizienz von Studenten der Ingenieurwi...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Emotiv EPOC Model 1.0	Emotiv	Model: Emotiv Premium	"Hochauflösendes, mehrkanaliges, tragbares EEG-System."
Emotiv Control Panel (Software)	Emotiv		Wird für die Datenerfassung verwendet.
Emotiv Testbench (Software)	Emotiv		Wird für die Datenerfassung verwendet.
Virtual Serial Port Emulator - VSPE (Software)	ETERLOGIC.COM		Wird COM10 bei der Datenerfassung verwendet. Je nach Betriebssystem als kostenloser Download verfügbar.
E-Prime 2.0 (Software)	Psychologie Software-Tools		Wird für die Datenerfassung verwendet (Präsentation von Problemen für die Teilnehmer und Sammlung von Markern für verschiedene Phasen).
EEGLab 13.4.4b (Software)	Swartz Center for Computational Neuroscience (SCCN)		Wird für die Datenanalyse verwendet. "Eine Open-Source-Umgebung für die elektrophysiologische Signalverarbeitung". Das SCCN ist ein Zentrum des Institute for Neural Computation der University of California San Diego.
MATLAB R2014b	The Mathworks, Inc.		Wird verwendet, um EEGLab
Microsoft Excel 2013	Microsoft		auszuführen Wird verwendet, um tabellarische Ergebnisse von EEGLab & MATLAB, um Tische zu erstellen
Camcorder mit eingebautem Mikrofon	Canon	CNVHFR50	Wird zum Aufzeichnen von Sessions verwendet
Spritzen-Kit (5 cc Spritze & 16 G stumpfe Nadeln x 2)	Electro-Cap Intnl. Inc.	E7	Um die Filze der EEG-Kappe feucht zu halten.
Nuprep EEG Skin Prep Gel	Weaver and Company	10-30	Zur Reinigung des Mastoidprozesses.
Desinfektionsmittel	Purell	S-12808	Zur Desinfektion der Hände