Neuroscience

بين الدماغ Synchrony في التعلم التعاوني المفتوح : دراسة fNIRS - Hyperscanning

Published: July 21, 2021 doi: 10.3791/62777

¹School of Psychology and Cognitive Science, East China Normal University, ²Shanghai Key Laboratory of Mental Health and Crisis Intervention, East China Normal University

Summary

ويرد في الخطوط العريضة بروتوكول لإجراء تجارب fNIRS hyperscanning على dyads التعلم التعاوني في بيئة التعلم الطبيعية. علاوة على ذلك ، يتم تقديم خط أنابيب لتحليل Synchrony بين الدماغ (IBS) من إشارات الهيموغلوبين المؤكسي (Oxy-Hb).

Abstract

يستخدم على نطاق واسع fNIRS hyperscanning للكشف عن الأسس العصبية البيولوجية للتفاعل الاجتماعي. مع هذه التقنية، والباحثين تأهيل نشاط الدماغ المتزامنة من اثنين أو أكثر من الأفراد التفاعلية مع مؤشر جديد يسمى التزامن بين الدماغ (IBS) (أي المرحلة و / أو محاذاة السعة من الإشارات العصبية أو الديناميكا الدموية عبر الزمن). يتم تقديم بروتوكول لإجراء تجارب fNIRS hyperscanning على dyads التعلم التعاوني في بيئة التعلم الطبيعية هنا. علاوة على ذلك ، يتم شرح خط أنابيب لتحليل IBS من إشارة الهيموغلوبين المؤكسي (Oxy-Hb). وعلى وجه التحديد، تناقش جميع التصميم التجريبي، وعملية تسجيل بيانات المعايير الوطنية للإبلاغ عن بعد، وأساليب تحليل البيانات، والاتجاهات المستقبلية. وعموما، فإن تنفيذ خط أنابيب موحد ل fNIRS للرواية المفرطة هو جزء أساسي من علم الأعصاب للشخص الثاني. كما أن هذا يتماشى مع الدعوة إلى العلم المفتوح للمساعدة في استنساخ البحوث.

Introduction

في الآونة الأخيرة ، للكشف عن نشاط الدماغ المتزامن عبر dyads التفاعلية أو أعضاء مجموعة ، يستخدم الباحثون نهج hyperscanning¹^،². على وجه التحديد، يتم استخدام تخطيط كهربية الدماغ (EEG)، والتصوير بالرنين المغناطيسي الوظيفي (fMRI)، والتحليل الطيفي الوظيفي القريب من الأشعة تحت الحمراء (fNIRS) لتسجيل الأنشطة العصبية والدماغ من موضوعين أو أكثر في وقت واحد³^،⁴^،⁵. يستخرج الباحثون مؤشرا عصبيا يستلزم اقتران الدماغ المتزامن استنادا إلى هذه التقنية ، والتي تشير إلى التزامن بين الدماغ (IBS) (أي محاذاة المرحلة و / أو السعة للإشارات العصبية أو الديناميكية الدموية عبر الزمن). وجدت مجموعة كبيرة ومتنوعة من البحوث hyperscanning IBS خلال التفاعل الاجتماعي بين أفراد متعددين (على سبيل المثال، لاعب الجمهور، المدرب المتعلم، وزعيم أتباع)⁶^،⁷^،⁸. وعلاوة على ذلك، يحمل IBS آثار محددة للتعلم الفعال والتعليم^9،^10،^11،^12،^13،¹⁴. مع ارتفاع البحوث hyperscanning في سيناريوهات التعلم الطبيعي ، وإنشاء بروتوكول قياسي للتجارب hyperscanning وخطوط أنابيب تحليل البيانات في هذا المجال أمر ضروري.

وهكذا ، توفر هذه الورقة بروتوكولا لإجراء فرط فحص الأجهزة التعليمية التعاونية القائم على fNIRS وخطوط أنابيب لتحليل IBS. fNIRS هي أداة تصوير بصري ، والتي تشع الضوء القريب من الأشعة تحت الحمراء لتقييم الامتصاص الطيفي للهيموجلوبين بشكل غير مباشر ، ومن ثم يقاس نشاط الديناميكا الدموية / الأكسجين¹⁵^و¹⁶^و¹⁷. بالمقارنة مع fMRI، fNIRS أقل عرضة للقطع الأثرية الحركة، مما يسمح القياسات من المواضيع الذين يقومون بتجارب الحياة الحقيقية (على سبيل المثال، التقليد، والحديث، والاتصال غير اللفظي)¹⁸^،⁷^،¹⁹. بالمقارنة مع تخطيط كهربية الدماغ، يحمل fNIRS دقة مكانية أعلى، مما يسمح للباحثين بالكشف عن موقع نشاط الدماغ^20. وبالتالي، فإن هذه المزايا في الاستبانة المكانية، والخدمات اللوجستية، والجدوى تؤهل fNIRS لإجراء قياس فرط القياس^1. باستخدام هذه التكنولوجيا، هيئة البحوث الناشئة بالكشف عن مصطلح مؤشر كما IBS-المحاذاة العصبية من اثنين (أو أكثر) نشاط الدماغ الناس في أشكال مختلفة من البيئات الاجتماعية الطبيعية^9،^10،^11،^12،^13،¹⁴. وفي تلك الدراسات، تطبق أساليب مختلفة (أي تحليل الارتباط وتحليل تماسك تحويل الموجة) لحساب هذا المؤشر؛ وفي الوقت نفسه، فإن وجود خط أنابيب قياسي بشأن هذا التحليل أمر ضروري ولكنه يفتقر إليه. ونتيجة لذلك، يتم تقديم بروتوكول لإجراء فحص مفرط قائم على fNIRS و خط أنابيب باستخدام تحليل مركز التجارة العالمي لتحديد IBS في هذا العمل

تهدف هذه الدراسة إلى تقييم IBS في dyads التعلم التعاوني باستخدام تقنية fNIRS hyperscanning. أولا، يتم تسجيل استجابة ديناميكية في وقت واحد في كل المناطق قبل الجبهية واليسارية الصداعية خلال مهمة التعلم التعاوني. وقد تم تحديد هذه المناطق على أنها مرتبطة بالتدريس التفاعلي والتعلم⁹^و¹⁰^و¹¹^و¹²^و¹³^و¹⁴. ثانيا، يتم حساب IBS على كل قناة المقابلة. وتتألف عملية تسجيل البيانات في مجال الإبلاغ عن العوامل غير المشروعة من جزأين: دورة حالة الراحة والدورة التعاونية. تستمر جلسة الراحة لمدة 5 دقائق ، يطلب خلالها من المشاركين (الجلوس وجها لوجه ، بصرف النظر عن بعضهم البعض عن طريق طاولة (0.8 م)) البقاء ساكنين والاسترخاء. يتم تقديم جلسة عمل حالة الراحة هذه كخط أساس. ثم، في الجلسة التعاونية، يطلب من المشاركين دراسة المواد التعليمية بأكملها معا، واستخلاص الفهم، وتلخيص القواعد، والتأكد من إتقان جميع المواد التعليمية. وهنا، تعرض الخطوات المحددة لإجراء التجربة وتحليل بيانات ال FNIRS.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

وكان جميع المشاركين المعينين (40 دياد، ومتوسط العمر 22.1 ± 1.2 سنة؛ و100 في المائة باليد اليمنى؛ والرؤية العادية أو المصححة إلى الطبيعية) أصحاء. وقبل التجربة، أعطى المشاركون موافقة مستنيرة. وعوض المشاركون ماليا عن مشاركتهم. تمت الموافقة على الدراسة من قبل اللجنة الجامعية لحماية البحوث البشرية (HR-0053-2021)، جامعة شرق الصين العادية.

1. خطوات التحضير قبل اعتماد البيانات

قبعات NIRS محلية الصنع
1. اعتماد غطاء السباحة مرنة لوضع شبكة optode حامل.
  ملاحظة: بالنظر إلى أن أحجام رأس المشاركين مختلفة، يتم استخدام حجمين من القبعات. يتم إعداد قبعات صغيرة للمشاركين مع محيط الرأس من 55.4 ± 1.1 سم، وقبعات كبيرة للمشاركين مع محيط الرأس من 57.9 ± 1.2 سم.
2. مرساة موقع أقطاب تخطيط كهربية الدماغ (inion, Cz, T3, T4, Fpz, و P5) ك optodes المرجعية وفقا للنظام الدولي القياسي 10-10 على قبعات السباحة المرنة (انظر جدول المواد).
  1. أولا، ضع غطاء تخطيط كهربية الدماغ القياسي 10-10 (انظر جدول المواد)على قالب الرأس، ووضع غطاء السباحة المرن على غطاء تخطيط كهربية الدماغ. ثانيا، وضع علامة على البصريات المرجعية (inion، Cz، T3، T4، Fpz، وP5) مع الطباشير على كل غطاء. وأخيرا، قطع اثنين من الثقوب حوالي 15 ملم في القطر لوضع optodes مرجع اثنين (أي، Fpz و P5، الشكل 1).
    ملاحظة: على وجه التحديد، يتم وضع مجموعة مسبار 3 × 5 optode ومجموعة مسبار 4 × 4 optode بشكل منفصل فوق المنطقة الأمامية (يتم وضع البصري المرجعي في Fpz، الشكل 1B)والمناطق temporoparietal اليسرى (يتم وضع البصري المرجعي في P5، الشكل 1B).
3. قطع الثقوب لوضع optodes أخرى. ترتيب قبعة السباحة مع اثنين من أصحاب الشبكة مباشرة على قالب الرأس. ثم، وضع علامة على موقع optodes أخرى مع الطباشير. بعد ذلك، قطع بقية الثقوب للتأكد من حامل الشبكة يناسب في.
4. جبل مجموعتين التحقيق (أي 3 × 5 و 4 × 4) إلى قبعات السباحة (انظر جدول المواد).
  ملاحظة: يوفر نظام قياس NIRS (انظر جدول المواد)مجموعات الجس القياسية هذه (أي 3 × 5 و 4 × 4) مع مقابس حامل قياسية تضمن فصل البصريات مقاس 30 مم.
5. افتح نافذة جهاز عرض مجموعة المسبار في نظام قياس NIRS وحدد أربع مجموعات مسبار مرتبة في 3 × 5 و 4 × 4 لكل شخص ، بشكل منفصل.
  ملاحظة: ينبغي أن تتوافق ترتيبات التحقيق بين الحدين الأقصىين مع الهياكل الموجودة في إطار مجموعة المسبار (أي الموقع الدقيق لأرقام مسبار المستقبل والمنبعث منها).
إعداد التجربة
1. قبل تسجيل البيانات، تأكد من أن نظام NIRS يحافظ على درجة حرارة تشغيل مستقرة من خلال بدء تشغيل النظام لمدة 30 دقيقة على الأقل.
  ملاحظة: تراوحت درجة حرارة التشغيل المستقرة من 5 درجات مئوية إلى 35 درجة مئوية.
2. قم بتعيين وضع القياس إلى قياس متعلق بالحدث. تأكد من أن جهاز استقبال المشغلات نشط (أي الإدخال التسلسلي RS232).
  ملاحظة: تتم برمجة التجربة في برامج علم النفس المتاحة تجاريا (انظر جدول المواد). ويقاس امتصاص ضوء الأشعة تحت الحمراء القريبة (موجتان: 695 و830 نانومتر) بمعدل أخذ عينات قدره 10 هرتز.
3. إعداد مسبار الألياف البصرية المضاءة، والتي يمكن استخدامها لتحريك الشعر جانبا.
4. تعيين بيئة التجربة مع طاولة واحدة مع كرسيين للحفاظ على مقاعد المشاركين وجها لوجه.

2. اعتماد البيانات من خلال توجيه المشاركين

إعداد المشاركين
1. إرشاد المشاركين، بما في ذلك تفاصيل أساليب قياس NIRS.
  ملاحظة: كان جميع المشاركين أصحاء وتم تعويضهم ماليا عن المشاركة. ولم ينسحب أي مشارك من التجربة في منتصف الطريق. قد يكون شعاع الليزر من NIRS ضارا بعيون المشاركين ، وصدرت لهم تعليمات بعدم النظر مباشرة في أشعة الليزر تلك.
2. اجعل المشاركين يجلسون وجها لوجه (بصرف النظر عن الطاولة (0.8 م)) للتأكد من أنهم يستطيعون رؤية بعضهم البعض مباشرة. ضبط المسافة من كرسي إلى طاولة (أي ما يقرب من 0.3 م) لجعل المشاركين يجلسون بشكل مريح.
3. قم بتشغيل زر الليزر، وضع القبعات مع مجموعات التحقيق على رؤوس المشاركين.
  ملاحظة: تغطي مجموعات المسبار 3 × 5 جبين المشاركين (يتم وضع مسبار وسط الصف السفلي على Fpz)؛ تغطي مجموعات المسبار 4 × 4 القشرة الإيقاعية اليسرى (يتم وضع المسبار الثالث للصف الثالث على P5).
4. ضع حزم الألياف البصرية الأربعة بشكل فضفاض على ذراعي الحامل دون الاتصال بالمشاركين أو الكراسي.
  ملاحظة: هنا، يحتوي نظام قياس NIRS على أربع حزم من الألياف البصرية. بالإضافة إلى ذلك، تأكد من أن المشاركين لا يشعرون ثقيلة جدا لسحب قبالة قبعات.
5. دع نصائح المسبار تلمس فروة رأس المشاركين عن طريق دفع كل مسبار تحميل ربيعي بعناية إلى مقبسه.
6. إجراء معايرة الإشارة.
  1. أولا، تحقق من جودة الإشارة بالنقر فوق "كسب تلقائي" في إطار جهاز عرض مجموعة التحقيق لآلة fNIRS. ثم، يتم وضع علامة على إشارة القناة الضعيفة والإشارة الكافية باللونين الأصفر والأخضر في إطار جهاز عرض مجموعة المسبار، على التوالي.
    ملاحظة: بالنسبة لقناة ذات إشارات غير كافية، يتم استخدام مسابير الألياف البصرية المضاءة لتحريك الشعر تحت طرف المسبار إلى جانب واحد.
  2. ثم، دفع المسابير أبعد من ذلك في مآخذ للحصول على إشارات كافية. كرر هذه العملية حتى يتم وضع علامة على جميع القنوات باللون الأخضر في إطار مراقبة مجموعة المسبار لنظام قياس NIRS ، مما يشير إلى أن جودة الإشارات يمكن الوصول إليها.
تشغيل التجربة
1. ابدأ التجربة مع حالة استراحة 5 دقائق ، والتي تعمل كخط أساس. ثم يطلب من اثنين من المشاركين المشاركة في تعلم المواد التعليمية.
2. بعد التجربة، انقر على Text File Out لتصدير بيانات كثافة الضوء الخام وحفظ البيانات كملف نصي.
  ملاحظة: لا يتم تطبيق أية عوامل تصفية في نظام قياس NIRS.
3. استخدم الرقمن ثلاثي الأبعاد (انظر جدول المواد)لتحديد مواقع الانبعاثات والاستقبال والمراجع الأخرى (أي الأيونات والناسيون وCz والأذنين اليسرى والأيمنة) لكل مشارك.
  1. الحصول على إحداثيات MNI لقنوات التسجيل باستخدام منصة الحوسبة الرقمية²¹ المتاحة تجاريا (انظر جدول المواد). ويبين الجدول التكميلي S1 المواقع التشريحية المقابلة لكل قناة.
4. تحقيقات نظيفة وحاملي المسبار مع الإيثانول. غسل قبعات مع المنظفات خفيفة والسماح للقبعات الهواء الجاف.

3. تحليل البيانات

المعالجة المسبقة للبيانات
ملاحظة: اعتمدت الأبحاث السابقة حزم برامج متغيرة غير تجارية (على سبيل المثال، Homer2²²، محلل²³، أو مختبر نيرس²⁴) مع منصات الحوسبة الرقمية (انظر جدول المواد) على fNIRS تحليل البيانات ، وكلها متاحة على الموقع. هنا تم استخدام Homer2 للقيام المعالجة المسبقة للبيانات NIRS. بالإضافة إلى ذلك، تشترك بيانات تسجيل fNIRS التي تم جمعها في مراحل التعلم المتبقية والتعاونية في نفس خط المعالجة المسبقة والتحليل.
1. نسخ مجموعة البيانات من الجهاز fNIRS. تحويل تكوين البيانات الأصلي إلى التشكيل الصحيح (أي تحويل ملف cvs إلى ملف nirs).
2. تحويل البيانات الأولية إلى بيانات الكثافة البصرية (OD) مع وظيفة "hmrIntensity2OD" المقدمة في منصة الحوسبة الرقمية (انظر جدول المواد).
3. حذف القنوات السيئة. ثم متوسط قيمة OD لكل مشارك على كل قناة و نقاط عينة كاملة، على التوالي.
  ملاحظة: هنا، يتم الحصول على قيم OD متوسط 46.
  1. حساب الانحراف المعياري لكل مشارك.
  2. وضع علامة غير صالحة للاستعمال وإزالة القنوات مع OD منخفضة جدا أو عالية (التي تجاوزت 5 SDs) من التحليل لكل مشارك.
    ملاحظة: يمكن تنفيذ هذه الخطوة قبل و/أو بعد معالجة بيانات fNIRS مسبقا. في خط أنابيب تحليل البيانات هذا، يتم الكشف عن القنوات السيئة قبل المعالجة المسبقة لبيانات fNIRS.
4. تحويل البيانات الزمنية OD إلى أوكسي Hb، DeOxy-Hb، وإشارة مجتمعة على أساس تعديل قانون بير لامبرت²⁵.
  ملاحظة: المرجع²⁵ يقول: "يتم إجراء جميع خطوات تحليل البيانات على بيانات أوكسي Hb، وهو مؤشر على التغير في تدفق الدم الدماغي الإقليمي وجود أعلى نسبة إشارة إلى الضوضاء²⁶. بالإضافة إلى ذلك، استخدمت البحوث السابقة fNIRS hyperscanning في سيناريوهات التدريس والتعلم تركز أساسا على تركيز أوكسي Hb¹¹^،¹²^،¹³^،¹⁴."
5. معايرة سلسلة أوكسي Hb الزمنية من التحف الحركة من قبل طريقة قناة بقناة الموجة القائمة.
  ملاحظة: على وجه التحديد، وDaubechies 5 (db5) الموجي مع ضبط المعلمة في 0.1 (انظر التفاصيل في دليل هوميروس2)²⁷^،²⁸ يتم اعتمادها في إزالة القطع الأثرية الحركة.
6. تطبيق مرشح تمرير النطاق (أي 0.01-1 هرتز) على بيانات أوكسي Hb معايرة للحد من الضوضاء عالية التردد والانجراف البطيء.
7. إجراء تحليل المكونات الرئيسية (PCA) على إشارة OxyHb لإزالة المكونات العالمية غير العصبية (على سبيل المثال، ضغط الدم والتنفس وتنوع تدفق الدم)^29.
  ملاحظة: يتم اعتماد تحليل PCA الذي اقترحه تشانغ وزملاؤه²⁹ هنا.
  1. أولا، تحلل الإشارة.
    ملاحظة: الصيغة المحددة لتحلل إشارة fNIRS هي: H = UΣV^T. هنا، يتم عرض الأنماط الزمنية والمكانية لبيانات fNIRS في مصفوفتين (أي أنت و V). U 2D (نموذج نقطة x المكون الأساسي) مصفوفة. V هو أيضا مصفوفة 2D (المكون الرئيسي × المكون الرئيسي). يشير العمود في V إلى مكون رئيسي واحد (PC)، ويتم تقدير قوة ذلك الكمبيوتر لقناة معينة في كل إدخال للعمود. يتم تمثيل الأهمية النسبية لكل جهاز كمبيوتر من خلال قيمة المصفوفة القطرية Σ.
  2. ثانيا، إجراء التنعيم المكاني.
    ملاحظة: يتم استخدام التواء نواة الغاوسية لإزالة الإشارات المترجمة والحصول على المكون العالمي.
  3. ثالثا، إعادة بناء الإشارة.
    ملاحظة: لحساب المكون العمومي لبيانات fNIRS، يتم توصيل مصفوفة النمط المكاني الممهدة V* مرة أخرى في صيغة التحلل: H_Global = UΣ(V*)^T. ثم، يمكن الحصول على إشارة الخلايا العصبية المشتقة المترجمة باستخدام البيانات الأصلية H لطرح H_Global : H_Neuronal = H - H_Global.
تزامن بين الدماغ
ملاحظة: للكشف عن اقتران الدماغ في علم الأعصاب للشخص الثاني ، يتم اعتماد تماسك تحويل الموجات (WTC) هنا. وباختصار، يقيس مركز التجارة العالمي العلاقة بين السلسلتين الزمنيتين كدالة للتردد والوقت. الصيغة المحددة لتماسك الموجة من السلسلتين x و y مرتين هي:

T و s تدل على مقياس الوقت والموج بشكل منفصل، ‹·› يشير إلى عملية تنعيم في الحجم والوقت. W يمثل تحويل الموجة المستمرة. ثم، يتم إنشاء مصفوفة 2D (الوقت × التردد) مركز التجارة العالمي³⁰. يتم استخدام عدة مربعات أدوات لحساب قيمة مركز التجارة العالمي. هنا تم استخدام صندوق الأدوات التي أنشأتها Grinsted وزملاؤه³⁰.
1. اعتماد وظيفة مركز التجارة العالمي من منصة الحوسبة الرقمية (انظر جدول المواد).
  ملاحظة: هنا، يتم استخدام الإعداد الافتراضي للموج الأم (أي، معمم مورس Wavelet مع معلمات بيتا وغاما). تقوم الموجة الأم بتحويل كل سلسلة زمنية إلى مجال التردد والوقت.
2. تعيين الإعداد الافتراضي على المعلمات الأخرى (أي، MonteCarloCount، الذي يمثل عدد مجموعات البيانات البديلة في حساب الأهمية).
3. حساب قيمة مركز التجارة العالمي لقناتين مناظرتين (القناة نفسها في مشاركين اثنين) في منصة الحوسبة الرقمية (انظر جدول المواد). وبعد نفس الإجراء، يتم إنشاء 46 مصفوفة من مصفوفات مركز التجارة العالمي من 46 قناة.
4. تحديد نطاق التردد من الاهتمام (FOI)، الذي هو حساس للتعلم التعاوني.
  ملاحظة: هنا، يتم اعتماد نهج التباديل القائم على الكتلة للكشف عن FOI³¹، والذي يقدم حلا لمقارنات متعددة في البيانات متعددة القنوات والترددات.
  1. أداء متوسط الوقت لقيم مركز التجارة العالمي في مرحلتي الراحة والتعلم التعاوني، على التوالي، لكل مجموعة من القنوات. ثم، إجراء عينة مقترنةt-الاختبارات جنبا إلى جنب مع التردد بأكمله (نطاق التردد: 0.01-1Hz³²) على هذه القيم مركز التجارة العالمي متوسط الوقت (التعلم التعاوني مقابل الراحة). بعد ذلك، حدد صناديق التردد التي يكون تأثير المهمة فيها كبيرا (التعلم التعاوني > الراحة، ص < 0.05).
  2. الحصول على نقاط التردد المجاورة الهامة (≥2) كتجمعات الملاحظة وقيم T المطابقة.
  3. إجراء سلسلة من نماذج الاختبارات tالمقترنة على بيانات ثابتة لإنشاء قيم T لكل كتلة مؤهلة في الخطوة 3.2.4.2 ل 1000 مرة.
    ملاحظة: لتكوين بيانات ثابتة، يتم تعيين المشاركين عشوائيا لتشكيل أزواج جديدة من عضوين. كما اختلف طول مجموعات البيانات عبر dyads لكل زوج عشوائي، يتم اقتطاع مجموعة البيانات أطول إلى نفس طول أقصر واحد³³.
  4. مقارنة قيم T المستندة إلى الكتلة المتوسطة من أزواج الأصلي مع قيم T من التباديل 1000.
    ملاحظة: قيم p التي تم تقييمها بواسطة هذه الصيغة³⁴:
    ، حيث تشير S₀ إلى متوسط قيمة t-cluster الملاحظة، تشير μ_p و σ_p إلى متوسط قيم التباديل والانحراف المعياري لها.
  5. متوسط قيم مركز التجارة العالمي في حرية المعلومات المحددة في كل قناة في كل dyad. ثم قم بتطبيق تحويل fisher z على قيم مركز التجارة العالمي للحصول على توزيع طبيعي لقيم مركز التجارة العالمي. استخدم هذه القيمة لفهرسة IBS لإجراء مزيد من التحليل الإحصائي.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

ويوضح الشكل 1 البروتوكول التجريبي وموقع المسبار. وتتكون عملية تسجيل البيانات fNIRS من جزأين: جلسة الراحة الدولة (5 دقائق) والدورة التعاونية (15-20 دقيقة). مطلوب dyads التعلم التعاوني للاسترخاء والحفاظ على ما زال في دورة الدولة يستريح. بعد ذلك ، يطلب من المشاركين المشاركة في تعلم المواد التعليمية(الشكل 1A). وتغطي مناطقها قبل الجبهية واليسار temporoparietal من قبل مجموعة التحقيق المقابلة(الشكل 1B).

يوضح الشكل 2 خط أنابيب تحليل بيانات fNIRS. يتم تطبيق تحليل بيانات fNIRS على جميع بيانات fNIRS المسجلة من كل مشارك وكل قناة. أولا، يتم تصور كثافة optode في القناة 33 لdad معينة في الشكل 2A. يتم تسجيل كثافة البصريات في 46 قناة (CHs) من كل dyad التعلم التعاوني من قبل نظام قياس fNIRS. ثانيا، مع توضيح العملية في الخطوتين 3-1-5 و3-1-7، يتم إعداد بيانات قابلة للتطبيق لتحليل مركز التجارة العالمي. هنا، يمثل المنحنى الأحمر البيانات المستخرجة من طريقة إزالة القطع الأثرية المتحركة المستندة إلى الموجة؛ يمثل المنحنى الأزرق البيانات المستخرجة من قبل كل من أسلوب إزالة القطع الأثرية للحركة المستندة إلى Wavelet وPCA. يشير الفرق المرئي بين منحنىين إلى أن PCA فعال في إزالة الإشارات غير العصبية(الشكل 2B). ثالثا، يتم تصور مصفوفة مركز التجارة العالمي في الشكل 2C. تختلف خريطة الألوان من الأزرق إلى الأصفر، وتمثل قيمة IBS احتدمت من 0 إلى 1 (معاملات الارتباط كدالة للوقت والتردد). هنا، 1 يدل على أكبر تماسك بين اثنين من إشارات fNIRS، و 0 يدل على عدم الكشف عن التماسك. مستطيل أحمر في المؤامرة علامات معاملات هامة. بالإضافة إلى ذلك، تظهر النتائج تماسكا قويا حول 1 هرتز، مما يمثل تماسك إيقاع القلب في الدياد. وأخيرا، مع ذكر العملية في الخطوات 3-2-4، المقارنة بين قيمة T الملاحظة وتوزيع قيمة T العشوائية (أي 1000 مرة) تظهر نتائج هامة (t (38) = 3.31 ، تصحيح FDR p < 0.05 ، Cohen's d = 1.05) في FOI المحددة (0.015 هرتز - 0.021 هرتز) (الشكل 2D)

ويعرض الشكل 3 الخطوات الحاسمة لنهج التباديل العنقودي المستخدم للكشف عن نطاق التردد التعاوني للتعلم ذي الصلة.

وبعد أن أخذت معا، بعد خط أنابيب تحليل البيانات، فإن نطاق التردد (الذي احتدم من 0.015 هرتز إلى 0.021 هرتز)، والذي يراعي التعلم التعاوني، يتم تحديده من خلال نهج التباديل القائم على المجموعات. علاوة على ذلك، بالنسبة لكل قناة، تتم مقارنة قيمة IBS متوسط الوقت بين البقية ومراحل التعلم التعاوني باستخدام سلسلة من الاختبارات التي تم إقرانها بالعينة t. لحل مشكلة المقارنة المتعددة، يتم تصحيح جميع القيم p الملاحظة في 46 قناة بواسطة طرق FDR³⁵^،³⁶. وتبين النتائج أن IBS في القناة 33 تصل إلى أهمية أثناء التعلم التعاوني (FDR تصحيح ص < 0.05). ولم تشر أي قنوات أخرى مناظرة إلى آثار هامة (ص > 0.05).

الشكل 1: البروتوكول التجريبي وموقع التحقيق. (أ) إجراء تجريبي. يتم الحصول على نشاط الدماغ من dyads في وقت واحد باستخدام fNIRS. تستمر جلسة الراحة لمدة 5 دقائق ، حيث يطلب من dyads الاسترخاء والحفاظ على البقاء. بعد ذلك، يطلب من المشاركين المشاركة في تعلم المواد التعليمية (15-20 دقيقة). (ب) مجموعة مسبار Optodes. وتغطي مجموعتان من المسبار المناطق التي تسبق الجبهة واليسار. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.

الشكل 2:نظرة عامة على تحليل بيانات fNIRS. (A) كثافة Optode في القناة 33 ل dyad نموذجي واحد. يتم تسجيل كثافة Optode في 46 قناة (CHs) من كل dyad التعلم التعاوني. i, j, كثافة Optode من اثنين من المشاركين في dyad التعلم التعاوني; t، الوقت. (ب) إجراء معالجة البيانات المسبقة. يتم تطبيق القطع الأثرية الحركة القائمة على Wavelet إزالة الأسلوب وPCA على بيانات أوكسي Hb في التسلسل. هنا، يمثل المنحنى الأحمر البيانات المستخرجة من طريقة إزالة القطع الأثرية المتحركة المستندة إلى الموجة؛ يمثل المنحنى الأزرق البيانات المستخرجة من قبل كل من أسلوب إزالة القطع الأثرية للحركة المستندة إلى Wavelet وPCA. ك_{الموجي القائم على الأسلوب}، والبيانات المستخرجة من قبل والتحف الحركة Wavelet القائم على القضاء على العملية. ك_{الموجي القائم على طريقة + PCA}، والبيانات المستخرجة من قبل كل من القطع الأثرية الحركة القائمة على Wavelet إزالة الأسلوب وPCA. (ج) مؤامرة مركز التجارة العالمي في القناة 33 ل dyad نموذجي واحد. تختلف خريطة الألوان من الأزرق إلى الأصفر، وتمثل قيمة IBS تراوحت بين 0 و1 (معاملات الارتباطات كدالة للوقت والتردد). هنا، 1 يشير إلى أكبر تماسك بين اثنين من إشارات fNIRS، و0 يشير إلى أنه لم يتم الكشف عن التماسك. مستطيل أحمر في المؤامرة علامات معاملات هامة. مركز التجارة العالمي تقديرات IBS على اثنين من سلسلة الوقت Oxy-Hb نظيفة. (د) نهج التباديل القائم على الكتلة. قارن قيمة T الملاحظة مع توزيع قيم T العشوائية في FOI المحددة (0.015 Hz-0.021 Hz). يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.

الشكل 3:مخطط انسيابي لتحديد حرية المعلومات التعاونية المتعلقة بالتعلم.

الجدول التكميلي S1- الجداول التكميلية S1. الرجاء الضغط هنا لتحميل هذا الجدول.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

أولا، في هذا البروتوكول، يتم ذكر الخطوات المحددة لإجراء تجارب فحص مفرط fNIRS في سيناريو التعلم التعاوني. ثانيا، يتم أيضا عرض خط أنابيب تحليل البيانات الذي يقيم IBS للإشارات الديناميكية الدموية في dyads التعلم التعاوني. ومن شأن العملية التفصيلية المتعلقة بإجراء تجارب الإفراط في فحص الأجهزة ذات الأجهزة ذات الطبيعة الوطنية أن تعزز تطوير العلوم المفتوحة. وعلاوة على ذلك، يتم توفير خط أنابيب التحليل هنا لزيادة إمكانية استنساخ أبحاث فرط التحليل. وفيما يلي ، يتم تسليط الضوء على القضايا الحاسمة لتصميم التجربة ، وإجراء تجربة ، وتحليل البيانات في (fNIRS) تجارب hyperscanning. بالإضافة إلى ذلك، تتم مناقشة الحلول الممكنة لقيود الحالية.

التصميم التجريبي
التصميم التجريبي لدراسة fNIRS hyperscanning مرنة. هنا ، يتم تطبيق تقنية fNIRS hyperscanning في سيناريو التعلم التعاوني. وطلب من اثنين من المشاركين معرفة قواعد محددة لمصفوفة الشكل معا، وسجلت أنشطتهم الدماغ من قبل fNIRS في وقت واحد. يسمح هذا النهج للباحثين باستكشاف الديناميكيات العصبية المتزامنة في الوقت الحقيقي (أي IBS) في dyads التعلم التعاوني. وفقا لبحث سابق، تم الكشف عن IBS في سيناريوهات التدريس والتعلم وتتبع طريقة التدريس^{الفعالة 11}. قد تكون المحاذاة العصبية التي تم اكتشافها في dyads التعلم التعاوني بمثابة آلية عصبية محتملة تدعم التعلم الناجح وتوفر آثارا لتصميم أنماط التعلم التعاونية الفعالة. وفي الوقت نفسه، هناك حاجة إلى معالجة القضايا الحاسمة المتعلقة بالتصميم التجريبي: يقتصر وقت التجربة على 30 دقيقة في هذه التجربة. سببان يفسران هذا الإعداد: أولا، ارتداء قبعات مع optodes fNIRS على الرأس ليست مريحة، والمشاركين لا يمكن أن يقف لفترة طويلة. ثانيا، من الصعب أن نطلب من المشاركين الاستمرار في التعلم المشترك لفترة طويلة. ومن شأن الوقت المحدود للتجربة أن يسمح بالحصول على إشارات ذات نوعية جيدة.

إجراء التجربة
الجزء الأكثر تحديا من القيام fNIRS hyperscanning في سيناريو التعلم التعاوني هو الحصول على إشارات الدماغ عالية الجودة. واستنادا إلى هذا البروتوكول، تبرز ثلاث خطوات حاسمة: وضع الحدود القصوى المناسبة، ووضع optodes، وإجراء التسجيل المكاني للقنوات المقابلة. أولا، بما أن محيط الرأس يختلف بين المشاركين، فإن صنع قبعات تناسب مختلف الأفراد أمر ضروري. ثانيا، عند وضع غطاء مناسب على رؤوس المشاركين، تأكد من أن نصائح optodes يمكن أن تتصل مباشرة بشرة فروة الرأس. لتحقيق هذا الهدف، ممارسة هذه العملية قبل الحاجة إلى التجربة. ثالثا، يمكن إجراء التسجيل المكاني مع رقمية 3D تحديد المواقع التشريحية المقابلة من قنوات NIRS (CHs) على قشرة الدماغ³⁷^،³⁸^،³⁹. يقترح هذا البروتوكول إكمال التسجيل المكاني لجميع المشاركين للحصول على نتائج متوسطة وقوية. وعلى طول هذا الخط، طلبت الأبحاث السابقة من المشاركين إجراء اختبار مسبق لضمان إمكانية الحصول على إشارات ديناميكية دقيقة. وعلى وجه التحديد، قام المشاركون بمهمة كلاسيكية للتنصت على إبهام الإصبع بيدهم اليمنى، سجلت خلالها fNIRS ديناميكيات ديناميكية للمودينة. المشاركون الذين اكتشفوا إشارة FNIRS كبيرة (ص < 0.05) في القشرة الحركية اليسرى مؤهلون للمشاركة في الدراسة. تضمن هذه التقنية أن الإشارات المسجلة قابلة للاستخدام على جميع المشاركين^40.

تحليل البيانات
وتتألف عملية تحليل البيانات في هذا البروتوكول من جزأين: التحليل المسبق للمعالجة وتحليل مركز التجارة العالمي. وينبغي تسليط الضوء هنا على ثلاث خطوات حاسمة لتحليل البيانات: أولا، إجراء خوارزمية التصفية المكانية للمكون الرئيسي (PCA) على البيانات العصبية. واقترح تشانغ وكوليج²⁹ هذا النهج للفصل بين الآثار العالمية والمحلية. على الرغم من أن fNIRS يسمح بحرية الحركة والتواصل نسبيا، PCA ضروري لاستخراج إشارات دقيقة من التغيرات الجهازية (على سبيل المثال، معدل التنفس، وضغط الدم، ومعدل ضربات القلب، ومعدل التنفس، ونشاط الجهاز العصبي اللاإرادي). ويشير البروتوكول هنا إلى أن الفينول الخماسي الكلور فعال في إزالة الآثار العالمية. ويستخدم على نطاق واسع هذه الطريقة في دراسات fNIRS hyperscanning¹³. بالإجمال, يمكن إزالة المكونات غير العصبية بنجاح باستخدام التصفية المكانية. ثانيا، يتم اعتماد مركز التجارة العالمي لتحديد IBS من dyads التعلم التعاوني. مركز التجارة العالمي هو نهج لتقييم معاملات الارتباط بين سلسلتين كدالة للوقت والتردد^41. يمكن أن تكشف هذه الطريقة سلوكا مقفلا محليا قد لا يتم اكتشافه باستخدام نهج تقليدي مثل تحليل فورييه³⁰. ويستخدم هذا الأسلوب على نطاق واسع لتقدير IBS في fNIRS hyperscanning مع نماذج متنوعة، مثل السلوكيات التعاونية والتنافسية⁴^،⁴²، دراسة رصد العمل⁴³، التقليد⁴⁴، الاتصال اللفظي⁸، الاتصال غير اللفظي¹⁹، نشاط التدريس والتعلم¹¹^،¹²^،¹³^،¹⁴ والتفاعل الاجتماعي بين الأم والطفل⁴⁵.

وفي الوقت نفسه، يتم استخدام تقنيات أخرى، مثل تحليل السببية غرانجر (GCA)، وتحليل الارتباط، وتحليل التزامن المرحلة، في البحوث hyperscanning. GCA هو وسيلة للكشف عن المعلومات الموجهة (السببية) بين اثنين من البيانات سلسلة زمنية⁴⁶. وقد استخدمت هذه الطريقة مرة واحدة لاختبار اتجاه تدفق المعلومات بين المدرب والمتعلم¹². كما يتم اعتماد تحليل الارتباط في مجال hyperscanning القائم على fNIRS لتقدير IBS في dyads الذين يقومون بمهام تعاونية أو^{تنافسية}⁴⁷،⁴⁸. بالمقارنة مع تحليل مركز التجارة العالمي، فإن هذه الطريقة تميز فقط السمات المشتركة لسلسلتين زمنيتين ل fNIRS على طول الدفق الزمني والمعلومات المحتملة الفائتة في التردد.

بالإضافة إلى ذلك، تم استخدام نهج أخرى التي كميا تزامن المرحلة مع قيمة تأمين المرحلة (PLV) في دراسات فرط EEG. PLV تقدر اتساق الفرق المرحلة بين اثنين من الإشارات⁴⁹. ومع ذلك ، اقترح بورغيس PLV يظهر التحيز على الكشف عن فرط الاتصال التي لا وجود لها ، وخصوصا عندما يتم استخدام عينات صغيرة⁵⁰. ثالثا، اعتماد اختبار إحصائي غير بارامتري للكشف عن التردد التعاوني المرتبط بالتعلم أمر ضروري. في البداية، يتم اختيار FOI المتعلقة بالمهمة إما من خلال الاقتراحات التالية في الأبحاث السابقة أو وفقا لتصميم تجربة محددة (أي المدة التي تستغرقها تجربة مهمة واحدة في التجربة). وفي الآونة الأخيرة، وبغية الحصول على نتائج قوية وتناسلية في عملية اختيار حرية المعلومات، اعتمدت نهج اختبار إحصائي غير بارامترية. هنا، تعمل هذه التقنية بكفاءة. تم تحديد FOI التعاونية المتعلقة بالتعلم (0.015-0.021 هرتز) ، وتم تحديد نطاقات تردد مماثلة في أبحاث fNIRS hyperscanning في سيناريو التدريس¹³ وفي نماذج الاتصال اللفظي⁸. من الضروري تطبيق هذه التقنية في خط أنابيب تحليل البيانات متعدد الدماغ. وبشكل عام، فإن إنشاء خوارزميات وأساليب مناسبة لتحليل بيانات فرط التحليل سيكون مجالا بارزا.

التحديد والاتجاه المستقبلي
يمكن تحسين العديد من القيود في المستقبل للحصول على IBS الإنجابية والقوية في سياق التفاعل الاجتماعي واقعية من متعدد الدماغ. أولا، وزن الألياف ثقيلة جدا وغير مريحة لارتداء لفترة طويلة. وبالتالي ، فإن وقت التجربة يقتصر على 30 دقيقة. في المستقبل، إذا كان تسجيل النشاط متعدد الدماغ في الفصول الدراسية، فإنه من الصعب أن يطلب من الطلاب ارتداء قبعات fNIRS خلال فترة دراسية واحدة (أي 50 دقيقة). وبالتالي، مطلوب إعدادات fNIRS القابلة للارتداء في سيناريو إلقاء المحاضرات والتعلم الفعلي. ثانيا، على الرغم من أن fNIRS يظهر التسامح أعلى لحركة الرأس من fMRI، يمكن لهذه التقنية فقط الكشف عن نشاط الدماغ من قشرة السطح¹⁵. وهكذا، لا يمكن استخدام fNIRS hyperscanning في الآلية العصبية ذات الصلة مكافأة استكشاف النموذج، الذي يلعب الأميغدالا دورا حاسما⁵¹. وفي الوقت نفسه، فإن العدد المحدود من المصادر والكاشفات في إعداد fNIRS يشير إلى أنه لن يتم قياس قشرة الدماغ بأكملها. وهذا يعني أن على الباحثين اختيار المنطقة ذات الاهتمام (ROI) لقياسها. ثالثا، يعتمد PCA للقضاء على ملوثات النظام. في حين أن هذه التقنية فعالة ، في المستقبل ، إضافة قنوات قصيرة تمثل تدفق الدم خارج المخيخ ، والتي قد تلوث إشارات fNIRS ، هي أيضا نهج فعال²⁹^،³⁹. رابعا، يمكن تطبيق إجراء تحليل البيانات في هذا البروتوكول في دراسات أخرى لفرط فحص fNIRS الطبيعية. و الخطوة التالية هي تطوير حزم تحليل بيانات خاصة ب fNIRS مع المبدأ التوجيهي القياسي. خامسا، في هذا البروتوكول، يستخدم مركز التجارة العالمي لتحديد نشاط الدماغ المتزامن (أي IBS). مع تطوير تقنية لحساب النشاط العصبي المشترك ، يمكن استخدام طرق أخرى مثل نظرية الرسم البياني وGCA أيضا. سادسا، من الضروري توظيف شروط مراقبة، مثل ظروف التحدث التي تتطلب من الدياد التحدث عن مواضيع محددة لاستبعاد الآثار المحيرة. وفي الوقت نفسه، فإن الكشف عن أي نشاط تعليمي في التعلم التعاوني (أي⁵²من المعارف المشتركة في البناء) سيؤدي إلى IBS. وما إذا كان يمكن استخدام هذه IBS المكتشفة لتتبع أداء التعلم من dyads التعلم التعاونية هي أيضا مهمة. وأخيرا، من الملح أيضا توفير إطار لشرح آلية النظام الموحد. يحاول الباحثون تمييز ما إذا كان هذا هو فقط الإبينومينون أو آلية عصبية للتفاعل الاجتماعي من قبل هاملتون⁵³. لتحقيق هذا الهدف، من ناحية، اقترح هاملتون نهج xGLM الذي نماذج نشاط الدماغ، وبيانات السلوك، والبيانات الفسيولوجية معا لاستكشاف تفسير موثوق به من اقتران الدماغ⁵³. من ناحية أخرى، اقترح نوفمبر ولانيتي إجراء التحفيز متعدد الدماغ (MBS) للكشف عن آلية نشاط الدماغ المتزامن⁵⁴.

استنتاج
fNIRS hyperscanning يؤدي إلى نقلة نوعية من تصميم التجربة التقليدية لسيناريوهات التفاعل الاجتماعي واقعية في علم الأعصاب الاجتماعي. يوفر IBS المستخرج من هذه الطريقة وجهة نظر جديدة لشرح الآلية العصبية البيولوجية للتفاعلات الاجتماعية. وأخيرا، فإن خط الأنابيب الموحد القائم لجمع البيانات وتحليلها سيكون معلما رئيسيا لتحقيق نتائج صحيحة والنهوض بتجربة الإفراط في الحسابات الأخيرة.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

وليس لدى صاحبي البلاغ ما يكشفان عنه.

Acknowledgments

ويدعم هذا العمل برنامج تعزيز الابتكار الأكاديمي ECNU لطلاب الدكتوراه الممتازين (YBNLTS2019-025) والمؤسسة الوطنية للعلوم الطبيعية في الصين (31872783 71942001).

Materials

Name	Company	Catalog Number	Comments
EEG caps	Compumedics Neuroscan,Charlotte,USA	64-channel Quik-Cap	We choose two sizes of cap(i.e.medium and large).
NIRS measurement system with probe sets and probe holder grids	Hitachi Medical Corporation, Tokyo, Japan	ETG-7100 Optical Topography System	The current study protocol requires an optional second adult probe set for 92 channels of measurement in total.
Numeric computing platform	The MathWorks, Inc., Natick, MA	MATLAB R2020a	Serves as base for Psychophysics Toolbox extensions (stimulus presentation), Homer2 (fNIRS preprocess analysis), and "wtc" function(WTC computation).
Psychology software	psychology software tools,Sharpsburg, PA,USA	E-prime 2.0	We apply E-prime to start the fNIRS measurement system and send triggers which marking the rest phase and collaborative learning phase for fNIRS recording data.
Swimming caps	Zoke corporation,Shanghai,China	611503314	We first placed the standard 10-20 EEG cap on the head mold, and placed the swimming cap on the EEG cap. Second, we marked (inion, Cz, T3, T4, PFC and P5) with chalk.
Three-dimensional (3-D) digitizer	Polhemus, Colchester, VT, USA;	Three-dimensional (3-D) digitizer	Anatomical locations of optodes in relation to standard head landmarks were determined for each participant using a Patriot 3D Digitizer

DOWNLOAD MATERIALS LIST

References

Babiloni, F., Astolfi, L. Social neuroscience and hyperscanning techniques: past, present and future. Neuroscience & Biobehavioral Reviews. 44, 76-93 (2014).
Schilbach, L., et al. Toward a second-person neuroscience. Behavior Brain Science. 36, 393-414 (2013).
Montague, P. Hyperscanning: simultaneous fMRI during linked social interactions. NeuroImage. 16, 1159-1164 (2002).
Cui, X., Bryant, D. M., Reiss, A. L. NIRS-based hyperscanning reveals increased interpersonal coherence in superior frontal cortex during cooperation. NeuroImage. 59 (3), 2430-2437 (2012).
Dikker, S., et al. Brain-to-brain synchrony tracks real-world dynamic group interactions in the classroom. Current Biology. 27 (9), 1375-1380 (2017).
Abrams, D. A., et al. Inter-subject synchronization of brain responses during natural music listening. European Journal of Neuroscience. 37 (9), 1458-1469 (2013).
Pan, Y., et al. Instructor-learner brain coupling discriminates between instructional approaches and predicts learning. NeuroImage. 211, 116657 (2020).
Jiang, J., et al. Leader emergence through interpersonal neural synchronization. Proceedings of the National Academy of Sciences of the United States of America. 112 (14), 4274-4279 (2015).
Bevilacqua, D., et al. Brain-to-brain synchrony and learning outcomes vary by student-teacher dynamics: Evidence from a real-world classroom electroencephalography study. Journal of Cognitive Neuroscience. 31 (3), 401-411 (2019).
Dikker, S., et al. Morning brain: real-world neural evidence that high school class times matter. Social Cognitive and Affective Neuroscience. 15 (11), 1193-1202 (2020).
Pan, Y., Guyon, C., Borragán, G., Hu, Y., Peigneux, P. Interpersonal brain synchronization with instructor compensates for learner's sleep deprivation in interactive learning. Biochemical Pharmacology. , 114111 (2020).
Pan, Y., Novembre, G., Song, B., Li, X., Hu, Y. Interpersonal synchronization of inferior frontal cortices tracks social interactive learning of a song. NeuroImage. 183, 280-290 (2018).
Zheng, L., et al. Enhancement of teaching outcome through neural prediction of the students' knowledge state. Human Brain Mapping. 39 (7), 3046-3057 (2018).
Zheng, L., et al. Affiliative bonding between teachers and students through interpersonal synchronisation in brain activity. Social Cognitive and Affective Neuroscience. 15 (1), 97-109 (2020).
Kleinschmidt, A., et al. Simultaneous recording of cerebral blood oxygenation changes during human brain activation by magnetic resonance imaging and near-infrared spectroscopy. Journal of Cerebral Blood Flow & Metabolism. 16 (5), 817-826 (1996).
Strangman, G., Culver, J. P., Thompson, J. H., Boas, D. A. A quantitative comparison of simultaneous BOLD fMRI and NIRS recordings during functional brain activation. NeuroImage. 17 (2), 719-731 (2002).
Huppert, T. J., Hoge, R. D., Diamond, S. G., Franceschini, M. A., Boas, D. A. A temporal comparison of BOLD, ASL, and NIRS hemodynamic responses to motor stimuli in adult humans. NeuroImage. 29 (2), 368-382 (2006).
Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. NeuroImage. 63, 212-222 (2012).
Hirsch, J., Zhang, X., Noah, J. A., Ono, Y. Frontal temporal and parietal systems synchronize within and across brains during live eye-to-eye contact. NeuroImage. 157, 314-330 (2017).
Wilcox, T., Biondi, M. fNIRS in the developmental sciences. Wiley Interdisciplinary Reviews: Cognitive Science. 6 (3), 263-283 (2015).
Ye, J. C., Tak, S., Jang, K. E., Jung, J., Jang, J. NIRS-SPM: statistical parametric mapping for nearinfrared spectroscopy. NeuroImage. 44 (2), 428-447 (2009).
Huppert, T. J., Diamond, S. G., Franceschini, M. A., Boas, D. A. HomER: A review of time-series analysis methods for near-infrared spectroscopy of the brain. Applied Optics. 48 (10), 280-298 (2009).
Santosa, H., Zhai, X., Fishburn, F., Huppert, T. The NIRS Brain AnalyzIR toolbox. Algorithms. 11 (5), 73 (2018).
Xu, Y., Graber, H. L., Barbour, R. L. nirsLAB: a computing environment for fNIRS neuroimaging data analysis. Biomedical Optics. , BM3A-1 (2014).
Cope, M., Delpy, D. T. System for long-term measurement of cerebral blood and tissue oxygenation on newborn infants by near infra-red transillumination. Medical and Biological Engineering and Computing. 26 (3), 289-294 (1988).
Hoshi, Y. Functional near-infrared spectroscopy: current status and future prospects. Journal of Biomedical Optics. 12 (6), 062106 (2007).
Molavi, B., Dumont, G. A. Wavelet-based motion artifact removal for functional near-infrared spectroscopy. Physiological Measurement. 33 (2), 259 (2012).
Cooper, R., et al. A systematic comparison of motion artifact correction techniques for functional near-infrared spectroscopy. Frontiers in Neuroscience. 6, 147 (2012).
Zhang, X., Noah, J. A., Hirsch, J. Separation of the global and local components in functional near-infrared spectroscopy signals using principal component spatial filtering. Neurophotonics. 3 (1), 015004 (2016).
Grinsted, A., Moore, J. C., Jevrejeva, S. Application of the cross wavelet transform and wavelet coherence to geophysical time series. Nonlinear Processes in Geophysics. 11, 561-566 (2004).
Maris, E., Oostenveld, R. Nonparametric statistical testing of EEG-and MEG-data. Journal of Neuroscience Methods. 164 (1), 177-190 (2007).
Nozawa, T., Sasaki, Y., Sakaki, K., Yokoyama, R., Kawashima, R. Interpersonal frontopolar neural synchronization in group communication: an exploration toward fNIRS hyperscanning of natural interactions. NeuroImage. 133, 484-497 (2016).
Reindl, V., Gerloff, C., Scharke, W., Konrad, K. Brain-to-brain synchrony in parent-child dyads and the relationship with emotion regulation revealed by fNIRS-based hyperscanning. NeuroImage. 178, 493-502 (2018).
Theiler, J., Eubank, S., Longtin, A., Galdrikian, B., Farmer, J. D. Testing for nonlinearity in time series: the method of surrogate data. Physica D: Nonlinear Phenomena. 58 (1-4), 77-94 (1992).
Genovese, C. R., Lazar, N. A., Nichols, T. Thresholding of statistical maps in functional neuroimaging using the false discovery rate. NeuroImage. 15 (4), 870-878 (2002).
Nichols, T., Hayasaka, S. Controlling the familywise error rate in functional neuroimaging: a comparative review. Statistical Methods in Medical Research. 12 (5), 419-446 (2003).
Tsuzuki, D., et al. Virtual spatial registration of stand-alone fNIRS data to MNI space. NeuroImage. 34 (4), 1506-1518 (2007).
Singh, A. K., Okamoto, M., Dan, H., Jurcak, V., Dan, I. Spatial registration of multi-channel multi-subject fNIRS data to MNI space without MRI. NeuroImage. 27 (4), 842-851 (2005).
Noah, J. A., et al. Comparison of short-channel separation and spatial domain filtering for removal of non-neural components in functional near-infrared spectroscopy signals. Neurophotonics. 8 (1), 015004 (2021).
Noah, J. A., et al. Real-time eye-to-eye contact is associated with cross-brain neural coupling in angular gyrus. Frontiers in Human Neuroscience. 14 (19), (2020).
Torrence, C., Compo, G. P. A practical guide to wavelet analysis. Bulletin of the American Meteorological Society. 79 (1), 61-78 (1998).
Osaka, N., Minamoto, T., Yaoi, K., Azuma, M., Osaka, M. Neural synchronization during cooperated humming: a hyperscanning study using fNIRS. Procedia-Social and Behavioral Sciences. 126, 241-243 (2014).
Dommer, L., Jäger, N., Scholkmann, F., Wolf, M., Holper, L. Between-brain coherence during joint n-back task performance: a two-person functional near-infrared spectroscopy study. Behavioural Brain Research. 234 (2), 212-222 (2012).
Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. Neuroimage. 63, 212-222 (2012).
Nguyen, T., et al. The effects of interaction quality on neural synchrony during mother-child problem solving. Cortex. 124, 235-249 (2020).
Seth, A. K., Barrett, A. B., Barnett, L. Granger causality analysis in neuroscience and neuroimaging. Journal of Neuroscience. 35 (8), 3293-3297 (2015).
Funane, T., et al. Synchronous activity of two people's prefrontal cortices during a cooperative task measured by simultaneous near-infrared spectroscopy. Journal of Biomedical Optics. 16 (7), 077011 (2011).
Liu, T., Saito, H., Oi, M. Role of the right inferior frontal gyrus in turn-based cooperation and competition: a near-infrared spectroscopy study. Brain and Cognition. 99, 17-23 (2015).
Lachaux, J. P., Rodriguez, E., Martinerie, J., Varela, F. J. Measuring phase synchrony in brain signals. Human Brain Mapping. 8 (4), 194-208 (1999).
Burgess, A. P. On the interpretation of synchronization in EEG hyperscanning studies: a cautionary note. Frontiers in Human Neuroscience. 7, 881 (2013).
Burgos-Robles, A., et al. Amygdala inputs to prefrontal cortex guide behavior amid conflicting cues of reward and punishment. Nature Neuroscience. 20 (6), 824-835 (2017).
Mende, S., Proske, A., Narciss, S. Individual preparation for collaborative learning: Systematic review and synthesis. Educational Psychologist. , 1-25 (2020).
Hamilton, A. F. D. C. Hyperscanning: Beyond the hype. Neuron. 109 (3), 404-407 (2021).
Novembre, G., Iannetti, G. D. Hyperscanning alone cannot prove causality. Multibrain stimulation can. Trends in Cognitive Sciences. 25 (2), 96-99 (2021).

Neuroscience

بين الدماغ Synchrony في التعلم التعاوني المفتوح : دراسة fNIRS - Hyperscanning

Summary

Abstract

Introduction

Protocol

Representative Results

Discussion

Disclosures

Acknowledgments

Materials

References

Tags

Cite this Article

Summary

Abstract

Introduction

Protocol

Representative Results

Discussion

Disclosures

Acknowledgments

Materials

References

Tags

Cite this Article

Get cutting-edge science videos from JoVE sent straight to your inbox every month.