Methodenartikel

Ein fachübergreifendes und multimodales Experimentelles Design zum Studium authentischer Prüfungserfahrungen in naher Echtzeitzeit

DOI:

10.3791/60037

⸱

4. September 2019

 ,  ,  ,  ,  ,  ,  , 
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

In diesem Artikel

Zusammenfassung

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Ein experimentelles Design wurde entwickelt, um die Echtzeiteinflüsse einer Prüfungserfahrung zu untersuchen, um die emotionalen Realitäten zu bewerten, die Studenten in hochschulischen Umgebungen und Aufgaben erleben. Dieses Design ist das Ergebnis eines fachübergreifenden (z.B. pädagogischePsychologie, Biologie, Physiologie, Ingenieurwesen) und multimodalen (z.B. Speicheldrüsenmarker, Vermessungen, Elektroder-Sensor)-Ansatz.

Zusammenfassung

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

In den letzten zehn Jahren hat die Forschung über die Emotionen der Schüler im Bildungsumfeld zugenommen. Obwohl Forscher mehr Studien gefordert haben, die auf objektiven Messgrößen emotionaler Erfahrung basieren, gibt es Einschränkungen bei der Nutzung multimodaler Datenquellen. Untersuchungen von Emotionen und emotionaler Regulierung in Klassenzimmern basieren traditionell auf Erhebungsinstrumenten, Erfahrungsstichproben, Artefakten, Interviews oder Beobachtungsverfahren. Diese Methoden sind zwar wertvoll, hängen aber hauptsächlich von der Subjektivität des Teilnehmers oder Beobachters ab und beschränken sich in ihrer authentischen Messung der Echtzeitleistung der Schüler auf eine Aktivität oder Aufgabe im Klassenzimmer. Vor allem Letzteres stellt für viele Gelehrte, die Emotionen und andere damit verbundene Maßnahmen im Klassenzimmer objektiv messen wollen, einen Stolperstein in Echtzeit dar.

Ziel dieser Arbeit ist es, ein Protokoll zu präsentieren, um die Echtzeitantworten der Schüler auf Prüfungserfahrungen während einer authentischen Bewertungssituation experimentell zu studieren. Dazu entwarf ein Team von Pädagogischen Psychologen, Ingenieuren und Ingenieursbildungsforschern ein experimentelles Protokoll, das die Grenzen bei der genauen Messung physiologischer Sensoren, Best Practices der Speicheldrüsensammlung und authentische Testumgebung. Insbesondere werden bestehende Studien, die auf physiologischen Sensoren basieren, in experimentellen Umgebungen durchgeführt, die von pädagogischen Einstellungen getrennt sind (z. B. Trierer Stresstest), in der Zeit abgetrennt werden (z. B. vor oder nach einer Aufgabe) oder Analysefehler (z. B. Einsatz von Sensoren in Umgebungen, in denen sich die Schüler wahrscheinlich bewegen). Dies schränkt unser Verständnis der Echtzeitreaktionen der Schüler auf Die Aktivitäten und Aufgaben im Klassenzimmer ein. Darüber hinaus wurde in jüngster Zeit mehr Überlegungen zu Fragen der Rekrutierung, Reproduzierbarheit, Gültigkeit, Einrichtung, Datenreinigung, vorläufigeanalyse und besonderer Umstände (z. B. Hinzufügen einer Variablen in der experimentellen Design) in der akademischen Emotionsforschung, die auf multimodalen Ansätzen beruht.

Einleitung

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Psychologen haben seit langem verstanden, wie wichtig die Emotionen des Menschen für die Aufklärung ihres Verhaltens1. Im Rahmen der Pädagogischen Studie ist Academic Achievement Emotions (AEE) zum Schwerpunkt derEmotionsforschung2 geworden. Forscher, die AAE verwenden, argumentieren, dass die Situationskontexte, in denen sich die Studierenden befinden, wichtig sind, wenn sie die Emotionen der Schüler untersuchen. Die Schüler können testbezogene, klassenbezogene oder lernbezogene Emotionen erleben, die Prozesse mit mehreren Komponenten beinhalten, einschließlich affektiver, physiologischer, motivierender und kognitiver Komponenten. AEE wird in zwei Formen ausgedrückt: Valenz (positiv/negativ) und Aktivierung (fokussierte/unfokussierte Energie). Positive aktivierende Emotionen, wie Genuss, können reflektierende Prozesse wie Metakognition erhöhen, während positive deaktivierende Emotionen wie Stolz zu einem niedrigen Niveau der kognitiven Verarbeitung führen können. Negative aktivierungsende Emotionen wie Wut und Angst können Engagement auslösen, während negative deaktivierende Emotionen wie Hoffnungslosigkeit die Motivation dämpfen können3,4,5. Akademische Emotionen tragen dazu bei, wie wir lernen, wahrnehmen, entscheiden, reagieren und Probleme lösen2. Um akademische Emotionen zu regulieren, muss ein Individuum Selbstwirksamkeit besitzen (SE)6,7,8, das ist ihr Vertrauen in ihre Fähigkeit, Kontrolle über ihre Motivation, Verhalten und soziales Umfeld zu verwenden 6. Selbstwirksamkeit und akademische Emotionen sind miteinander verbunden, wobei eine geringere Selbstwirksamkeit mit negativen deaktivierenden Emotionen (z. B. Angst, Wut, Langeweile) und höherer Selbstwirksamkeit an positive aktivierende Emotionen (z. B. Glück, Hoffnung, Aufregung)6,7,8. SE wird auch geglaubt, um stark an Leistung6gebunden sind,7,8.

Forschung, die Klassenzimmer Emotionen untersucht hat, haben sich auf Selbstberichte, Beobachtungen, Interviews und Artefakte (z.B. Prüfungen, Projekte)9,10verlassen. Obwohl diese Methoden umfassende kontextbezogene Informationen über die Unterrichtserfahrungen der Schüler bieten, weisen sie erhebliche Einschränkungen auf. Beispielsweise stützen sich Interviews, Beobachtungen und Selbstberichte auf die Introspektionen von Einzelpersonen10. Andere Methoden haben versucht, akademische Emotionen proximaler als frühere Forscher zu untersuchen, wie diejenigen, die auf Erfahrung-Sampling-Ansätze nagen, wo Forscher Studenten bitten, über ihre Emotionen während des Schultages11zu berichten. Obwohl diese Forschung es uns ermöglicht, die Emotionen der Schüler genauer zu berichten, basiert diese Arbeit auf Selbstberichtsmethoden und erlaubt keine Echtzeit-Berichte, da die Schüler ihre Arbeit an der Prüfung unterbrechen müssen, um die Erfahrungsumfrage zu adressieren.

In jüngster Zeit haben Forscher begonnen, Bedenken hinsichtlich der Selbstanzeigemaßnahmen durch die Verwendung biologischer oder physiologischer Messgrößen von Emotionen9, die mit anderen Instrumenten oder Techniken wie Umfragen, Beobachtungen oder Interviews kombiniert werden, anzugehen. besteht aus einer multimodalen Form der Datenerhebung für die pädagogische und psychologische Forschung12. Zum Beispiel werden biologische Techniken, einschließlich Speicheldrüsen-Biomarker, verwendet, um die Rolle zu verstehen, die biologische Prozesse auf Kognition, Emotion, Lernen und Leistung13,14,15haben. Für kognitive Prozesse wurden Androgene (z.B. Testosteron) mit unterschiedlichen räumlichen Erkennungsmustern bei Erwachsenen und Kindern16,17 in Verbindung gebracht, während Hypothalamus-Hypophysen-adrenokortische Hormone (z. B. Cortisol) und adrenerge Hormone (z.B. Speicheldrüsen-Amylase oder sAA) sind mit Stressreaktion bei Personen18,19,20verbunden.

Die elektrodermale Aktivität (EDA) stellt ein physiologisches Maß für die Aktivierung des autonomen Nervensystems (ANS) dar und ist mit einer erhöhten Aktivierung des Systems, der kognitiven Belastung oder intensiven emotionalen Reaktionen verbunden21,22 ,23. Bei Untersuchungsaktivitäten ist EDA von der körperlichen Beweglichkeitbetroffen 21,22, Körper- und Umgebungstemperaturen24,25,26,27, und Gedanken28, sowie Empfindlichkeit und Grad der Konnektivität der analog-digitalen Elektroden zur Haut29.

Obwohl dies Einschränkungen bei der Verwendung von EDA sein können, kann diese Technik immer noch wertvolle Einblicke in das bieten, was bei Nah-Echtzeit-Untersuchungen passiert und kann als vielversprechendes Werkzeug dienen, um AEE und durch Umfang die Selbstwirksamkeit zu erforschen. Als Ergebnis kann ein genaues Bild des AEE der Schüler durch eine Kombination von Erhebungsmethoden erhalten werden, um die Wertigkeit von Emotionen und physiologischen und biologischen Daten zu bestimmen, um die Aktivierung dieser Emotion zu messen. Dieses Papier baut auf einer früheren Veröffentlichung über Die Untersuchungsaktivitäten30 auf und erweitert den Umfang dieser Arbeit um multimodale Ansätze (mit Erfahrungsstichprobenerhebungen, EDA-Sensoren und Speicheldrüsenbiomarkern) in ein Untersuchungsszenario. Es ist erwähnenswert, dass das unten beschriebene Protokoll es ermöglicht, mehrere Teilnehmerdaten gleichzeitig innerhalb einer einzigen experimentellen Einstellung zu sammeln.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Protokoll

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Die Verfahren wurden vom Institutional Review Board (IRB) im Rahmen einer allgemeinen Überprüfung an der Utah State University für Studien zu menschlichen Themen und die Verwendung dieser Konstrukte genehmigt. Die typischen Ergebnisse umfassen zwei Semester eines Ingenieurstatikkurses mit jeweils etwas unterschiedlichem Versuchsaufbau an einer westlichen Hochschule in den Vereinigten Staaten. Praxisprüfungen, deren Inhalt parallel zu den eigentlichen Prüfungen war, wurden vom Kursleiter entwickelt und für unser Studium verwendet. Beachten Sie, dass das unten beschriebene Protokoll gleichzeitige Schritte beschreibt und einige Schritte sich überschneiden können.

1. Überlegungen für experimentelle Entwürfe und Integration von Disziplinarpraktiken

Da forscher experimentelle Entwürfe dieser Art in Betracht ziehen, müssen disziplinäres Wissen und Ansätze so integriert werden, dass das Hauptziel der Forschung ergänzt und unterstützt wird. Da neue Instrumente und Methoden hinzugefügt werden, sind zusätzliche Validierungsüberlegungen erforderlich. In dieser Arbeit werden wir eine experimentelle Studie untersuchen, in der für eines der Semester (experimentelles Design A) Untersuchungen und elektrodermale Sensoren verwendet wurden und die Speicheldrüsen-Biomarker-Sammlung (d.h. Cortisol und sAA) zum folgefolgenden Semester hinzugefügt wurde (experimentelle Design B). Im Folgenden sind die Überlegungen zu den beiden Setups aufgeführt:

  1. Experimentelles Design mit Umfragen und Elektroder-Sensoren
    1. Elektroder-Sensoren sind empfindlich. Die erschreckenden Reaktionen der Teilnehmer können, wenn sie unbeabsichtigt aktiviert werden, zu einer signifikanten Erhöhung der EDA-Antwort führen. Dies ist besonders wichtig, wenn mehrere Teilnehmer für die Datenerfassung berücksichtigt werden, deren Aktionen diese verblüffenden Reaktionen verstärken können. Stellen Sie daher sicher, dass Sie den Arbeitsbereich sorgfältig einrichten, um so viele Ablenkungen wie möglich zu minimieren. Wie in Abbildung 1gezeigt, enthalten Sie einen Testschirm, wenn Sie Prüfungserfahrungen für eine Einzelperson oder eine Gruppe von Personen untersuchen.
      ANMERKUNG: Um die ökologische Gültigkeit der Testumgebung zu erhöhen, planen Sie, jedes Material bereitzustellen, das ein Student bei seiner eigentlichen Prüfung verwenden würde (z. B. Arbeitsmappen, Gleichungsbögen), damit die Teilnehmer über die erforderlichen Prüfungsprobleme nachdenken und diese ausarbeiten können.
    2. Elektroder-Sensoren liefern alle 1/4Sekunden ein Signal. Um die Definition und Untersuchung eines Ereignisses zu ermöglichen, implementieren Sie einen Plan, um ein genaues Maß für den Beginn einer Aufgabe zu sammeln. Wenn die Zeit elektrodermale Sensoren mit Erhebungen synchronisiert wird, stellen Sie sicher, dass die Darstellung der Umfragefrage mit dem elektrodermalen Sensor synchronisiert wird, indem Sie die interne Uhr des Computers verwenden, um einen Datenerfassungszeitrahmen zu erstellen (siehe Abbildung 1). Wenn Sie Bluetooth-fähige Elektrodersensoren verwenden (z. B. siehe Tabelle der Materialien), synchronisieren Sie die Zeiten in Greenwich Meridian Time (GMT), um Zeitzonenänderungen und Sommerzeitunterschiede bei Datenerfassungsverfahren30zu berücksichtigen.
      HINWEIS: Wenn Sie einen Webserver für die Darstellung von Reizen (z. B. Testfrage, Umfrageelement usw.) verwenden, sollten Sie die Zeiten zwischen dem Server und der internen Uhr des Computers ausrichten, da diese in der Regel nicht synchronisiert sind. Beachten Sie, dass es erforderlich sein kann, einen plattformübergreifenden Webserver (z. B. XAMPP oder andere Apache-Server) auf jedem Computer, der für die Studie verwendet wird, vorzuinstallieren. Wenn Sie beabsichtigen, eine Webkamera für Videoaufzeichnungszwecke zu synchronisieren, sollten Sie sicherheitssoftware verwenden, die die Aufzeichnung des Datums, der Uhrzeit, der Stunde, der Minute, der Sekunde und der Millisekunde (z. B. 01.01.2000 04:01:02:05) des Videos ermöglicht. Beachten Sie, dass dieses Video auch mit der internen Uhr des Computers und den anderen Geräten (z. B. EDA-Sensor) synchronisiert werden muss. Stellen Sie die Webkameras so ein, dass das Gesicht des Teilnehmers bei Bedarf in verschiedenen Winkeln gemessen wird. Wir empfehlen, dass für eine frontaleWebkamera; das Video parallel zur Arbeitsplatzoberfläche positioniert ist und für nach unten gerichtete Bahnkameras das Video bei 30° bis 45° von der Arbeitsplatzoberfläche auf das Gesicht des Teilnehmers positioniert.
    3. Stellen Sie den Elektroder-Sensor auf die nicht-dominante Hand des Teilnehmers, um rauschendes Signal aufgrund von Bewegung oder Elektrodenkontaktfehler während der Datenerfassung zu minimieren, wie in einem vorherigen Protokoll30vorgeschlagen. Wenn Forscher Artefakte in der EDA aufgrund von Bewegung minimieren möchten, besteht eine Alternative darin, ein Handgelenk-Gelpad an einem Ort einzuschließen, der für den Teilnehmer bequem ist und es ihm gleichzeitig ermöglicht, seine nicht dominante Hand auf zu ruhen.
      HINWEIS: Die Platzierung des Laptops, gel pad, Sensor, Prüfungsbögen und anderer Elemente in der Studie muss standardisiert werden, um die Wiederholbarkeit über Prüfungsbedingungen und Semester hinweg zu gewährleisten. Wie in Abbildung 1dargestellt, wurde das Malerband verwendet, um jedes Element (z. B. Laptops, Prüfungsbögen, Kameras) des Versuchsaufbaus konsistent über Teilnehmer und Semester der Datenerfassung zu zentrieren.
    4. Für elektrodermale Sensormessungen, legen Sie einen Zeitraum, in dem die Teilnehmer einen entspannten Zustand erreicht haben, um Basis-EDA-Daten31. Geben Sie dazu entweder einen Zeitpunkt zu Beginn der Prüfung an, damit die Teilnehmer auf das Testschild starren können (5–15 Minuten) oder programmieren Sie diesen Hinweis im Rahmen des Zeitstempelprogramms in den Laptop.com. Nach Ablauf dieser Frist können die Teilnehmer mit allen relevanten Umfragen und Prüfungsfragen beginnen. Weisen Sie am Ende der Prüfungserfahrung eine Entspannungsphase zu.
  2. Experimentelles Design mit Vermessungen, Elektroder-Sensoren und Speicheldrüsen-Biomarkern
    1. Bei der Integration von Elektroder-Sensoren mit Vermessungen und Speichelbiomarkern stellen Sie sicher, dass Störungen so gering wie möglich gehalten werden. Erstellen Sie als eine Strategie ein Schulungsvideo, um den Teilnehmern zu helfen, zu verstehen, wie sie ihre Speichelproben zu festgelegten Zeiträumen der Prüfung gemäß den Fertigungsspezifikationen (siehe Tabelle der Materialien)bereitstellen können, um Unterbrechungen durch die Forscher.
      HINWEIS: In dieser Studie waren die Forscher daran interessiert, Speichel während vier Zeitpunkten zu sammeln: Anfang, Mitte, Ende und Nachprüfung. Forscher können jedoch andere Zeiten wählen, die sie für ihre Studie für angemessen halten. Außerdem haben wir die Tupfer-Sammlungsmethode32 anstelle ihrer passiven Drool-Methode33 für eine einfache Bedienung und schnellere Probenentnahmezeiten verwendet. Außerdem haben wir Cortisol34 und sAA35 Kits ausgewählt (siehe Materialtabelle) und bei der Verarbeitung den Herstellerspezifikationen gefolgt. Wenn Ihre Gruppe jedoch nicht über ein biologisches Labor verfügt, um diese Formen von Tests durchzuführen, können andere Anbieter möglicherweise die Proben32,36analysieren.
    2. Beim Sammeln von Speichelproben einen Kühler mit Trockeneis mit einer Innentemperatur von -20 °C haben; Dies verhindert den Abbau von Enzymen bei den Cortisolproben34. Wenn Speicheldrüse Alpha-Amylase gesammelt, ist seine Stabilität viel länger (fünf Tage bei Raumtemperatur und ermöglicht 5 Frost-Tau-Zyklen35). Wenn das Sammeln beider, wie der Fall in dieser Studie, folgen Sie den Richtlinien erforderlich, um Speicheldrüsencortisol Proben nach Herstellerempfehlungen34,35zu speichern.
    3. Bei Verwendung der Tupfersammlungsmethode25lassen Sie den Tupfer entweder in der inneren Wange oder unter der Zunge des Teilnehmers für 60 s verbleiben. Befolgen Sie beim Umgang mit den Fläschchen und Probenentnahmekappen die Herstellerprotokolle34,35 und übermitteln Sie die Informationen den Teilnehmern vor Beginn der Studie.
      HINWEIS: Wenn das Experiment granularer ist (z. B. Die Datensammlung von Frage zu Frage), sollten Sie die Beginn- und Offsetzeiten jeder Speichelprobensammlung aufzeichnen, da diese möglicherweise in der EDA-Analyse berücksichtigt werden müssen. Dasselbe gilt für den Beginn und die Verrechnung der Erhebungszeiten von Erhebungsdaten. Für die Speicheldrüsendatensammlung entwickelte unsere Gruppe ein Kennzeichnungssystem, das es den Teilnehmern ermöglicht, den Forscher/Proktor zu benachrichtigen, wenn eine Speicheldrüsenprobe zur Entnahme bereit war. Erwägen Sie, mehrere Proktoren zu determinieren, mit denen Sie während einer experimentellen Sitzung helfen können, falls mehrere Speichelproben bereit sind, gesammelt und gespeichert zu werden.

2. Einrichtung und Reinigung vor und nach dem Experiment

  1. Umfragen
    1. Organisieren Sie im Umfrageformular einen Planungsprozess, benennen Sie Teilnehmer-IDs und sammeln Sie bei Bedarf demografische Informationen. Stellen Sie auch relevante Erhebungsfragen zur Vorbereitung auf den Datenexport fest oder kennzeichnen Sie diese vorab. Dies ermöglicht eine schnellere und effizientere Datenreinigung, -verwaltung und statistische Analysen.
    2. Synchronisieren Sie die Umfragepräsentation und die Beendigungszeiten während des gesamten Prüfungsprotokolls. Wenn Sie Sensoren oder Videos integrieren, synchronisieren Sie diese Technologien auch mit der Vermessungssoftware.
    3. Aus Höflichkeit und im Interesse eines Beitrags zu einem herzlichen und einladenden Forschungsumfeld, und wenn die Instruktoren zustimmen, richten Sie eine automatisierte Follow-up-E-Mail mit Antworten auf die Prüfungsfragen ein, die den Teilnehmern sofort oder kurz danach zusenden werden. teilnahmen an der Sitzung.
  2. Elektroder-Sensoren
    1. Planen Sie, die Teilnehmer auf eine Untersuchungssitzung/-zeit vorzuplanen, alle medizinischen Informationen und Ernährungsgewohnheiten für EDA und Speichelsammlung30 und Handdominanz für die EDA-Sammlung30zu bewerten und die Teilnehmer daran zu erinnern, den Konsum von zuckerhaltige oder koffeinhaltige Produkte am Tag des Experiments. Dies ist wichtig, da bestimmte Erkrankungen (z. B. Stoffwechselstörungen) und Ernährungsgewohnheiten (z. B. Koffeinkonsum) EDA (und Speicheldrüsenwerte) beeinflussen können, wie in einem vorherigen Protokoll30vorgeschlagen.
    2. Bevor die Teilnehmer eintreffen, stellen Sie sicher, dass Sensoren richtig kalibriert sind, Software-Updates wurden durchgeführt und Sensoren wurden mit 70% Alkoholtüchern30gereinigt.
    3. Achten Sie beim Einbau des EDA-Sensors an den Handgelenken eines Teilnehmers darauf, ihn auf die nicht dominante Hand des Teilnehmers zu legen. Passend zum EDA-Sensor:
      1. Platzieren Sie den Sensor mit der Taste nach unten zum Daumen.
      2. Mit ihren Handflächen nach oben zu ihrem Gesicht, lassen die Teilnehmer eine imaginäre Linie aus dem Raum zwischen dem zweiten und dritten Finger ihrer nicht-dominanten Hand zu ihrem Mittleren HandgelenkBereich ziehen und die Sensorelektroden dort platzieren.
      3. Bitten Sie die Teilnehmer, die Sensorgurte nicht zu eng oder zu locker zu montieren.
        HINWEIS: Ein repräsentatives Bild dieses Fittings finden Sie in Abbildung 2.
    4. Achten Sie beim Starten des Sensors darauf, die Herstellerprotokolle31 zu befolgen, um sicherzustellen, dass die Sensoren so eingerichtet sind, dass Daten erfasst werden. In diesem Experiment ist das Protokoll auf die Verwendung mit einer bestimmten Marke von Sensoren zugeschnitten (siehe Tabelle der Materialien), obwohl Forscher willkommen sind, jeden physiologischen Sensor ihrer Wahl zu verwenden.
      1. Drücken Sie bei Geräten, die hier verwendet werden, die Sensortaste für drei Sekunden. Ein grünes Licht blinkt intermittierend, gefolgt von einem roten blinkenden Licht, und dann tritt ein Ausblenden auf.
      2. Um sicherzustellen, dass der Sensor eingeschaltet ist, drücken Sie die Taste einmal für weniger als 1 s, um sicherzustellen, dass der Sensor eingeschaltet ist. Wenn es rot blinkt, zeigt es an, dass es Daten aufzeichnet.
    5. Wenn Sie den Sensor ausschalten, drücken Sie die Taste für 3 s. Der Sensor schaltet sich aus, wenn die Lichter an der Unterseite des Armbands von grün zum Verblassen gehen.
    6. Um die Daten vom Sensor abzurufen, schließen Sie sie an den Computer an und laden Sie die Daten gemäß den Herstellerempfehlungen31in das Verwaltungssoftwaresystem hoch.
  3. Speicheldrüsen-Biomarker
    1. Wie bereits erwähnt, vorab bewerten alle medizinischen Bedingungen oder Ernährungsgewohnheiten, die Speicheldrüsenwerte während der Analyse beeinflussen können. Erinnern Sie die Teilnehmer auch daran, keine Lippenbalsam, Make-up oder Produkte in der Nähe der Lippen zu tragen, wenn sie an der Sitzung ankommen, da dies Verunreinigungen einführen könnte, die Cortisol und Speicheldrüsen-Alpha-Amylase-Proben beeinflussen können. Wenn die Teilnehmer mit diesen Produkten anreisen, führen Sie sie vorsichtig zu einer Toilette oder stellen Sie geeignete Tücher bereit, die diese Produkte entfernen würden, ohne andere Chemikalien einzuführen (z. B. Wasser auf einer Serviette im Vergleich zu Make-up-Entferner-Handtüchern). Schließlich klare Experimentierräume von Speisen oder Getränken, die einen starken Geruch haben (z. B. Pizza, Orangen), die die Speicheldrüsenproduktion unter den Teilnehmern verbessern können.
    2. Bei der Ankunft der Teilnehmer im Experimentierraum strömten die Teilnehmer in eine Tasse in ihre Anwesenheit. Bitten Sie sie, das Wasser zu schwenken und zu schlucken. Dies geschieht, um den Mund von Lebensmittelrückständen zu löschen, die die Cortisol- und Speicheldrüsen-Alpha-Amylase-Daten beeinflussen können.
    3. Wenn Sie EDA-Daten in Verbindung mit Speichel sammeln, erinnern Sie die Teilnehmer vorsichtig daran, die Handbewegung in der Hand, die über den EDA-Sensor verfügt, zu minimieren. Daher müssen die Teilnehmer darüber informiert werden, dass jede zur Verfügung gestellte Speichelprobe in ihrer dominanten Hand erfolgen muss. Um diesen Prozess zu erleichtern, wird empfohlen, dass die experimentelle Einrichtung vorbeschriftete Durchstechflaschen und einen Ständer enthält, um den Verlust von Proben zu minimieren (siehe Abbildung 1).
    4. Tragen Sie beim Sammeln von Speichelproben frische Nitrilhandschuhe, um Staubpartikel oder andere Verunreinigungen aus Handölen zu minimieren, die in die Speichelprobendurchstechflasche übertragen werden sollen.
    5. Wie bereits erwähnt, übertragen Sie die Proben sofort in einen Kühler mit einer Innentemperatur von -20 °C.

3. Erhöhung der ökologischen Gültigkeit im Lichte von Vermessungen, Elektroder-Sensoren und Speichelbiomarkern

  1. Zur Echtheit der Prüfung
    1. Um ein authentisches Testerlebnis bereitzustellen, richten Sie den Prüfungsinhalt an den Kursinhalt aus. Überprüfen Sie dazu den Kursinhalt in Verbindung mit einer Gruppe von Inhaltsexperten, einschließlich des Kursleiters.
    2. Wählen Sie eine Bewertung (Test oder Bewertung) des Kursinhalts aus, die in einer experimentellen Umgebung repliziert werden können oder die vorhandene Kursinhalte (z. B. Praxisprüfung) ergänzen können.
      HINWEIS: Abhängig von den Richtlinien des Institutional Review Board Ihrer Institution ist die Verwendung echter Prüfungen möglicherweise nicht zulässig, da sie den Noten der Schüler im Kurs schaden könnten. Daher kann stattdessen eine gleichwertige Erfahrung (z. B. Praxisprüfung) in Betracht gezogen werden.
    3. Entwickeln Sie neben dem Instruktor eine Antwortschlüssel- und Prüfungsprobleme und deren Lösungen, die verwendet werden können, um Leistungsdaten auf granularer Ebene (d. h. Frage für Frage) und/oder Makroebene (d. h. gesamte Prüfung) zu sammeln, je nach den Zielen der Forschung.
    4. Bitten Sie den Kursleiter auch, zusätzliche Materialien zur Verfügung zu stellen, die typischerweise in ihren Prüfungen verwendet werden (z. B. Cheatsheets) oder zulässige Materialien (z. B. Lehrbücher, Referenzliste), die typischerweise in ihren Kursen verwendet werden. Die Experimentatoren sollten bereit sein, diese Werkzeuge den Teilnehmern zur Verfügung zu stellen.
    5. Stellen Sie sicher, dass die Testumgebung parallel zum Versuchsaufbau (z. B. Prüfungszeiten, Prüfungsangebot – Prüfzentrum oder Klassenzimmer usw.) und seinen Funktionen wie Schreibtischraum, Beleuchtung, Raumtemperatur, u.a., vergleichbar ist.
  2. Zur Einbeziehung der Erhebung
    1. Abhängig von der Anzahl der Umfragefragen ist es wichtig, die ungefähren Zeiten zu berücksichtigen; Es kann sein, dass die Teilnehmer die Umfragefragen ausfüllen, während sie ihre Prüfung ablegen.
    2. Geben Sie zusätzliche Testzeit, um Unterbrechungen zu berücksichtigen und das Prüfungsprogramm so zu gestalten, dass die Kursteilnehmer zu einem bestimmten Prüfungsproblem zurückkehren, wenn eine Umfrageaufforderung sie unterbricht. Stellen Sie außerdem sicher, dass diese Unterbrechungszeit für die Teilnehmer konsistent ist (z. B. Anfang, Mitte und Ende der Prüfung).
    3. Je nach Art des versuchsweises Design, wenn die granulare Art der Antworten benötigt wird (z. B. Frage für Frage), planen Sie, das Prüfungsproblem zuerst zu präsentieren, dann die Teilnehmer aufzufordern, auf die Umfragefrage zu antworten, und dann den Teilnehmern die Eingabe ihrer (z. B. Open-Text, Multiple Choice, etc.). Auf diese Weise können die Teilnehmer zunächst das Problem einsehen und die Umfragefrage entsprechend dem vorgestellten Problem beantworten. Wenn sich das experimentelle Design auf Makroebene befindet, stellen Sie sicher, dass die Teilnehmer bis zu diesem Zeitpunkt über die Prüfungserfahrung nachdenken dürfen, bevor Sie antworten.
      HINWEIS: Theorien und Hypothesen sind in diesem Schritt zu berücksichtigen, da die Wahl der besonderen Art der Darstellung eines Elements (z. B. Umfrage, Prüfung) von Bedeutung sein wird. Wenn Sie beispielsweise selbstwirksamkeitswirksam studieren, wird dies am besten auf der Ebene der Testfrage beurteilt, während akademische Leistungsemotionen in der Regel vor, während und nach der Prüfung gestellt werden.
  3. Zu elektrodermalen Aktivitätssensoren
    1. Um sicherzustellen, dass die Teilnehmer nicht durch das experimentelle Protokoll übermäßig gestresst sind, schließen Sie Während des gesamten Prüfungserlebnisses Kalibrierungs- und Entspannungsphasen ein. Eine Strategie könnte darin bestehen, den Teilnehmern zu ermöglichen, ihre Aufmerksamkeit zwischen den Fragen neu zu lenken. Beginnend mit einer einfach zu beantwortenden Frage (z.B. "Welcher Wochentag sind wir drin?") und den Teilnehmern 30 s erlauben, sich zwischen jeder Prüfungsfrage auszuruhen.
      HINWEIS: Denken Sie daran, dass das Verständnis des Entwurfs der Prüfung selbst Hinterfragen und Vorhersagen darüber, welche Reaktionen der Schüler wichtig sein können (z. B. erhöhte kognitive Belastungen oder neuronaleEffizienz37), da sie den Speicheldrüsenmarker und die EDA-Daten beeinflussen könnten. abholung. Zum Beispiel sollten die Prüfungsfragen alle in Form eines Essay-Eintrags sein, der eine Handbewegung erfordern würde, die DIE EDA-Daten24,25 beeinflussenkann,oder eine Prüfung kann durch unterschiedliche Schwierigkeitsgrade entworfen werden, die die Schüler beeinflussen könnten. kognitive Belastungen oder neuronale Effizienz37.
    2. Stellen Sie sicher, dass das Zeitstempelprogramm änderungen der Prüfungserfahrung berücksichtigt (z. B. Kalibrierperioden, Beginn und Offset von Zwischenkalibrierungsfragen, Umfragefragen einund- und verrechnet, Beginn und Ende der Prüfung). Dies ist ein wichtiger Schritt, da er den Datenquellenabgleich ermöglicht, der die Intervalle oder Ereignisse bestimmt, die verarbeitet und analysiert werden sollen.
  4. In Bezug auf Speicheldrüsen-Biomarker-Einsatz
    1. Achten Sie darauf, wann Speichelbiomarker gesammelt werden.
      HINWEIS: Salivary Biomarker-Studien werden in der Regel durch ein Pre-pre-mid-post-post-post-Design32,33,34,35,36untersucht. Da Cortisol 20 Minuten benötigt, um auf Stress14zu reagieren, sind diese Zeitverzögerungen erforderlich, um Cortisol-Beginn und Erholung zu beobachten. Im Falle der Vorbereitung der Schüler auf eine Prüfung können die Teilnehmer sich Sorgen um die Prüfung machen, so dass eine Voreinstellungsmaßnahme möglicherweise nicht möglich ist. Es ist auch wichtig, die Schüler während der Prüfung nicht häufig zu unterbrechen. In unserer Studie haben wir uns entschieden, Speichel einmal vor Beginn zu sammeln, einmal während, unmittelbar nach und 20 Minuten nach der Prüfung so leise wie möglich, um Störungen zu minimieren. Eine Beispieltestzeitachse ist in Abbildung 3dargestellt.
    2. Fügen Sie im Prüfungsprogramm zeitnahe Eingabeaufforderungen ein, um Teilnehmer anzuleiten, wenn es an der Zeit ist, Speichel zu sammeln. Fügen Sie einen 60-fach-Timer ein, damit die Teilnehmer sich der Dauer der Speicheldrüsensammlung bewusst sind. Kehren Sie die Teilnehmer zu dem Problem zurück, an dem sie in der Prüfung gearbeitet haben, sobald die 60er Jahre abgeschlossen sind.

4. Überlegungen zur Datenverarbeitung und -analyse

  1. überlicken
    1. Stellen Sie sicher, dass datenausgänge entsprechend gekennzeichnet und organisiert sind, um ein effektives Datenmanagement zu ermöglichen und sicherzustellen, dass statistische Programme (z. B. SPSS, SAS) jede erforderliche Analyse durchführen können.
    2. Identifizieren Sie potenzielle Ausreißerdaten basierend auf Standards für die Erfassung von Erhebungsausreißern38 sowie alle, die durch die zuvor gesammelten demografischen Daten ermittelt wurden (z. B. medizinische Bedingungen).
    3. Bestimmen Sie die Art der statistischen Analyse und/oder Modellierung, die auf der Grundlage der ermittelten Forschungsfragen und/oder Hypothesen durchzuführen ist
  2. Elektroder-Aktivität
    1. Beachten Sie, dass die Elektroder-Datenproduktion je nach Unternehmen variieren kann. Für das in dieser Studie verwendete Gerät31werden die Datenausgänge als eine einzelne Spalte mit einer in GMT gemessenen Startzeit dargestellt, gefolgt von der Häufigkeit der Datenerfassung und der edA, die in microSiemens gemessen wird. Die EDA-Daten werden dann entsprechend der Häufigkeit der Datenerfassung inkrementiert. Da die Daten vom Zeitpunkt des Beginns abhängig sind, konvertieren Sie diese Zeit in UNIX-Zeit gemäß Fertigungsprotokollen und früheren Protokollen30. Dies ermöglicht eine nahtlosere Synchronisierung der EDA-Datenänderungen während des gesamten Experiments.
    2. Identifizieren und entfernen Sie mögliche Herstellerquellen von Ausreißern, wie z. B. Sensorstörungen, unvollständige Datenerfassung oder schlechten Kontakt der Elektroden in der Haut. Diese werden durch negative Werte oder konstante konstante konstante konstante kontinuierliche Datensegmente im Datenausgabeblatt identifiziert.
    3. Identifizieren und Entfernen potenzieller benutzergenerierter Quellen von Ausreißern, wie z. B. unregelmäßige Bewegungen (z. B. Handschlag oder nervöses Klopfen), Erhebungs- oder Speicheldrüsen-Biomarker-Sammlungszeiträume oder große Veränderungen der Körpertemperaturen oder blutdruckmäßigen Werte .
    4. Gehen Sie wie folgt vor, um Geräusche durch Bewegung zu entfernen:
      1. Scannen Sie zunächst die Accelerometer-Profile (ACC) der Teilnehmer, die ebenfalls vom Handgelenksensor bereitgestellt werden. Beachten Sie, dass die Daten X-, Y- und Z-Spalten aufweisen, die dreidimensionale horizontale, vertikale und räumliche Handbewegungen anzeigen. Berechnen Sie den gleitenden Durchschnitt dieser Beschleunigungsmesserdaten gemäß der Euklidischen Entfernung (L2-Norm)39,53 Gleichung, um die Gesamtbewegung zu berechnen:
        figure-protocol-1
      2. Berechnen Sie die Standardabweichung der euklidischen Entfernungswerte für den gesamten Teilnehmersatz und ordnen Sie sie an. Berechnen Sie auch die Durchschnittswerte der euklidischen Entfernungswerte.
      3. Berechnen Sie den Variatentum der euklidischen Entfernungswerte, um die Signal-Rausch-Verhältnisse40 gemäß der folgenden Gleichung zu bestimmen:
        figure-protocol-2
        ANMERKUNG: Varianzwerte, die einen Wert von 1 überschreiten, weisen auf einen Ausreißer hin und müssen gemäß den Empfehlungen im Umgang mit Signaldaten33aus der Analyse entfernt werden.
      4. Sobald das rauschen durch Bewegung entfernt wurde, bestimmen Sie den erforderlichen Schwellenwert, um die Daten zu filtern. Berechnen Sie hierfür die oberen und unteren Grenzwerte der 95 % der Standardabweichung der Signale. Alle Daten außerhalb dieser Bereiche können entweder aus dem Datensatz/der Analyse entfernt oder entsprechend den Zielen und Zielen des Forschers unterstellt werden. Für diese Studie haben wir uns dafür entschieden, die Außenbereiche mit den ermittelten akzeptablen Daten zu durchschnittlich.
      5. Kehren Sie zu den EDA-Daten zurück und verwenden Sie die mit Zeitstempel versehenen Beschleunigungsmesserdaten, um die entsprechenden Intervalle der EDA zu identifizieren (die ebenfalls mit einem Zeitstempel versehen wurden).
        HINWEIS: Um Beschleunigungsmesser und Elektroder-Daten zu synchronisieren, beachten Sie, dass die Aufnahmefrequenzen unterschiedlich sind (4 Hz für EDA und 32 Hz für ACC), so dass sie zuerst ausgerichtet werden müssen. Da es von Natur aus mehr ACC-Daten als EDA-Daten geben wird, verwenden Sie die durchschnittlichen EDA-Werte, um diese Differenz zu berücksichtigen.
    5. Sobald EDA-Datensätze41,42 durch die gefilterten Beschleunigungsmesserdaten gereinigt wurden, trennen Sie die Tonic- (Baseline) und phasischen (sofortigen, reaktiven) Signale mit vorgeschriebenen Werkzeugen (z.B. Ledalab, EDA Explorer)43 ,44, für die statistische Analyse werden in erster Linie die phasischen, gefilterten EDA-Daten verwendet und Werte (z. B. Magnituden, Anzahl der Spitzen, Latenzzeiten) auf der Grundlage der Forschungsfrage/Hypothese und unter Verwendung von Methoden berechnet, die von Bouscien22,23.
  3. Speicheldrüsen-Biomarker
    1. Für Cortisol- und Speicheldrüsen-Alpha-Amylase-Assays folgen Sie den Herstellerprotokollen22,23,24,25,26,27,28 und Empfehlungen von Technikern zu Nutzungsbedingungen, Lagerung und Handhabung von Proben.
    2. Spin aufgetaute Proben bei 1.500 x g bei 4 °C. Achten Sie darauf, die Tupfer sorgfältig zu entfernen und dass die Fläschchen Speicheldrüsen am Boden der Durchstechflasche haben, um die Mucin-Trennung zu gewährleisten.
    3. Als gute Praxis, bevor Sie die Assay-Protokolle folgen, führen Sie eine Pufferspülung der Brunnen mit einem Plattenwäscher vor der Verarbeitung. Dies ist besonders wichtig für Cortisol.
    4. Stellen Sie sicher, dass der optische Dichteplattenleser auf die entsprechenden Temperaturen vorprogrammiert ist (z. B. erfordern sAA-Proben Inkubationstemperaturen von 37 °C, während Cortisolproben Raumtemperaturwerte erfordern) und Wellenlängen (d. h., sAA erfordert 405 nm und Cortisol benötigt 450 nm und 490–492 nm Referenzfilter). Für sAA-Assays wird empfohlen, dass der verwendete Plattenleser sowohl einen Shaker als auch einen Inkubator im Inneren hat.
    5. Befolgen Sie die Herstellerprotokolle34,35, um die Konzentrationswerte jeder Probe und die entsprechenden Intra- und Inter-Assay-Prozente des Variationskoeffizienten (%CV) zu berechnen, um Ausreißer aus der (dies wird anders berechnet als die zuvor bereitgestellte Gleichung). Bitte beachten Sie, dass für sAA die in den Steuerelementen verwendeten Chargennummern nachverfolgt werden, da sie nicht standardisiert sind.
      1. Zuerst durchschnittlich den %CV der Steuerelemente nach Chargennummer und dann diese Werte durchschnittlich, um einen großen durchschnittlichen %CV-Wert zu erhalten.
      2. Bei Proben empfiehlt der Hersteller, dass der Intra-Assay von Proben einen %CV unter 10 % aufweisen sollte, während die Kontrollen einen Inter-Assay %CV unter 15%34,35haben sollten. Diese %CV-Werte werden jedoch erheblich von den Laborbedingungen und der Ausrüstung abhängen, die für die Durchführung der Forschung verwendet werden. Als solche betrachten Alternative Methoden der Immunoassay-Assay-Validierung nach Bedarf45.
    6. Einfrieren von Speichelproben bei -80 °C nach dem Test, um die Überprüfung der Validierung zu ermöglichen. Tauen Sie nicht mehr als einmal, um eine weitere enzymatische Verschlechterung der Proben oder Kontrollen zu verhindern.
  4. Datentriangulation
    1. Korrelieren Sie je nach Forschungsfrage oder Hypothese relevante Variablen. Stellen Sie sicher, dass alle Ausreißer und Daten vor der Verwendungvon 46entsprechend vorverarbeitet und gefiltert werden.
    2. Bestimmen Sie, ob der Stichprobenumfang, die Datenerfassungspunkte, die beobachtete statistische Leistung und Forschungsfragen oder Hypothesen eine Zusammenlegung von Datenerfordern 47, oder unter Verwendung wiederholter Messtechniken48,49, 50.
    3. Berücksichtigen von interindividuellen Unterschieden in der Vorgangszeit51 und der Verzögerung bei der Reaktion von Speichelbiomarkern auf Stress14, verwenden Sie Zeitstempel oder bestimmen Ereignisse, um Datasets zusammen zu synchronisieren.
    4. Analysieren Sie mithilfe statistischer Modelle und Software den Datensatz und interpretieren Sie die Ergebnisse.

enthält die 16 ZIP-Dateien.  Jede ZIP-Datei enthält alle EOL-Quiz für ein bestimmtes Core-Kapitel.  Sie werden diese Datei entpacken wollen, und dann wird jede ZIP-Datei einzeln in Canvas geladen.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Ergebnisse

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

In dieser Studie waren wir daran interessiert, die Einflüsse der Selbstwirksamkeit, Leistung und physiologischen (EDA-Sensoren) und biologischen (sAA und Cortisol) Reaktionen von Studenten der Bachelor-Ingenieurskunst zu untersuchen, während sie eine Praxisprüfung ablegten. Bei den gezeigten Daten handelt es sich um eine repräsentative Teilmenge von Proben: a) eine, die Erhebungen und elektrodermale Sensoren berücksichtigte (Versuchsdesign A) und b) eine, die die gleiche Prüfung zusammen ...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Diskussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Obwohl physiologische Maßnahmen in vielen authentischen Lernkontexten verwendet wurden, ist es wichtig, eine Studienumgebung zu entwerfen, die sich der Grenzen der aktuellen Technologie bewusst ist. Unser Design gleicht die Notwendigkeit einer authentischen Testumgebung aus und passt auf die Technologie ab. Die komfortable Begrenzung der Teilnehmerbewegung, die Reduzierung unbeabsichtigter Unterbrechungen und das Zeitstempeln der Testantworten der Teilnehmer sind wichtige Schritte innerhalb des Protokolls.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Offenlegungen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Die Autoren haben nichts zu verraten.

Danksagungen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Dieses Material basiert auf Arbeiten, die teilweise von der National Science Foundation (NSF) Nr. EED-1661100 sowie ein NSF-GRFP-Stipendium an Darcie Christensen (Nr. 120214). Alle in diesem Material zum Ausdruck gebrachten Meinungen, Feststellungen und Schlussfolgerungen oder Empfehlungen spiegeln nicht notwendigerweise die Meinungen der NSF oder DER USU wider. Wir möchten Sheree Benson für ihre freundlichen Diskussionen und Empfehlungen für unsere statistische Analyse danken.

Die Autorenbeiträge in diesem Beitrag sind wie folgt: Villanueva (Forschungsdesign, Datenerhebung und -analyse, Schreiben, Redaktion); Husman (Forschungsdesign, Datenerfassung, Schreiben, Bearbeiten); Christensen (Datenerfassung und -analyse, Schreiben, Bearbeiten); Youmans (Datenerfassung und -analyse, Schreiben und Bearbeiten); Khan (Datenerfassung und -analyse, Schreiben, Bearbeiten); Vicioso (Datenerfassung und -analyse, Bearbeitung); Lampkins (Datenerfassung und -bearbeitung); Graham (Datenerfassung und -bearbeitung)

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Materialien

Liste der in diesem Artikel verwendeten Materialien
NameUnternehmenKatalognummerKommentare
1.1 cu ft medizinischer GefrierschrankCompact Compliance# bci2801863Sie können jeden Gefrierschrank verwenden, solange er unter -20 Grad Celsius fallen kann. Diese können verwendet werden, um Speichelproben für längere Zeiträume (~4 Monate) zu lagern, bevor Speicheltests durchgeführt werden.
Camping CoolerAmazon(jede Größe / Art)Kann verwendet werden, um Speichelproben während der Datenerfassung zu speichern
E4-SensorEmpatica IncE4 Armband Rev2Sie können jeden EDA-Sensor oder jedes Unternehmen verwenden, solange es EDA und Beschleunigungsmessung aufzeichnet
EDA Explorerhttps://eda-explorer.media.mit.edu/(Open-Source)Kann verwendet werden, um potenzielle Lärmquellen zu identifizieren, die nicht unbedingt auf Bewegung zurückzuführen sind
LaptopsDellLatitude 3480Sie können jeden Desktop- oder Laptop-Ledalab-http://www.ledalab.de/
(Open-Source)Kann verwendet werden, um tonische und phasische EDA-Signale zu trennen, nachdem die Filterschritte ausgeführt wurden
MATLAB-https://www.mathworks.com/products/matlab.html(Version variiert je nach Updates)Zur Verwendung für Ledalab, EDA Explorer und zum Erstellen benutzerdefinierter Zeitstempelprogramme.
Speichel-Alpha-Amylase-Enzymatik-KitSalimetrie‎# 1-1902Für die Speichel-Kits sollten Sie planen, entweder das Unternehmen mit der Analyse Ihrer Proben zu beauftragen und/oder zur Verarbeitung in ein molekularbiologisches Labor zu gehen
Speichel-Cortisol-ELISA-KitSalimetrics# & lrm; 1-3002Für die Speichel-Kits sollten Sie planen, entweder das Unternehmen mit der Analyse Ihrer Proben zu beauftragen und/oder zur Verarbeitung in ein molekularbiologisches Labor zu gehen
Testtrenner (Privacy Shields)Amazon#60005Sie können jede Marke von Testschild verwenden, solange sie den Arbeitsbereich abdecken
WebkameraAmazonLogitech c920Sie können jede Webkamera verwenden, solange sie HD und 1080p oder höher ist

Referenzen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  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).

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Nachdrucke und Genehmigungen

Genehmigung beantragen, um den Text oder die Abbildungen dieses JoVE-Artikels zu verwenden

Genehmigung beantragen

Schlagwörter

Elektrodermale Aktivit tSpeichelbiomarkerZeitsynchronisationphysiologische SensorenSpeichelentnahmeBasismessungDatenintegrationauthentisches Testenmultimodale Forschung

Verwandte Artikel