Beurteilung der vielfältigen Dimensionen von Engagement zu charakterisieren Learning: Eine neurophysiologische Perspective

Das übergeordnete Ziel dieses Verfahrens ist es, Daten über das verhaltensbezogene, emotionale und kognitive Engagement während der Lernaufgaben zu sammeln und zu synchronisieren. Dies wird erreicht, indem zunächst alle Datenerfassungssysteme über ein Synchronisationsgerät verbunden werden, das einen Zeitmarker innerhalb der gesammelten Daten sendet. Der zweite Schritt besteht darin, Eye-Tracking- und Software-Interaktionsdaten für die Verhaltensinteraktion zu sammeln.

Als nächstes werden EEG-Daten für die Charakterisierung des kognitiven Engagements gesammelt. Der letzte Schritt besteht darin, emotionale Engagement-Daten zu sammeln, die von der ELEKTRODERMALEN Aktivität oder einer ED zur Erregungsmessung und automatischen Gesichtsemotionserkennung stammen, oder von A FER zur Generierung von Valenzdaten. Letztendlich werden diese Indizes, die die drei Dimensionen des Engagements charakterisieren, in einer Synchronisationssoftware entsprechend den Zeitmarkern, die ursprünglich vom Synchronisationsgerät gesendet wurden, neu synchronisiert.

Der Hauptvorteil dieser Technik besteht darin, dass sie das Engagement der Lernenden während einer Lernaufgabe in drei Dimensionen quantifiziert, im Gegensatz zu klassischen Forschungsmethoden, die sich ausschließlich auf Selbsteinschätzungsinstrumente des Engagements nach den Aufgaben konzentrieren. Diese Methode kann helfen, Schlüsselfragen im Bereich der Indikation zu beantworten, wie z.B. welche Dynamik die Beeinflussung der Kognition in verschiedenen komplexen Lernsettings hat und welchen Einfluss verschiedene pädagogische Settings auf Wirkung und Kognition haben. Es gibt Auswirkungen auf diese Technik auch in anderen Bereichen.

In der Informationstechnologie verwenden wir diese Technik beispielsweise, um das Engagement eines Benutzers beim Surfen auf einer Website oder bei der Verwendung einer Softwareanwendung zu messen. Diese Technik ist inspiriert von jüngsten Arbeiten im Bereich der Neuroomics, bei denen Vigilanzdaten von Langstreckenfahrern mit Hilfe von EEG-Geräten gesammelt wurden. Dieses Verfahren wird von Gabrielle Zu mit einer wissenschaftlichen Mitarbeiterin am Tech three Lab der HEC Montreal demonstriert, aber auch von Igo und Yig, die als Forschungsassistenten des Neuro Lab von Begin arbeiten, indem sie den Eyetracker, den EEG-Verstärker für die Aufzeichnung von Computern und Lautsprechern, einschalten.

Bereiten Sie die EEG-Lösung mit dem erforderlichen Material gemäß den vom Hersteller empfohlenen Verfahren vor. Bereiten Sie dann die EEG- und Eyetracking-Software für den kommenden Teilnehmer vor. Starten Sie dann die Videoaufzeichnungssoftware und die Kameras starten die Synchronisationssoftware mit dem speziell für das Projekt erstellten Unterprogramm, das es ermöglicht, die Synchronisationsmarker alle 60 Sekunden zu senden.

Starten Sie dann die physiologische Messsoftware und öffnen Sie das speziell für das Projekt erstellte Layout. Bringen Sie dann den Teilnehmer in den Datenerfassungsraum und suchen Sie die Position der cz-Elektrode am Kopf des Teilnehmers gemäß dem Referenzsystem 10 20. Legen Sie das EEG-Netz auf den Kopf des Teilnehmers und stellen Sie sicher, dass jede Elektrode senkrecht zur Kopfoberfläche positioniert ist.

Stecken Sie den Netzstecker ein und führen Sie eine Impedanzprüfung mit einem Schwellenwert bei 40 Kiloohm durch. Platzieren Sie abschließend zwei physiologische Sensoren auf der Oberseite der linken Hand des Teilnehmers. Beginnen Sie mit der Datenerfassung.

Sobald die gesamte Aufnahmesoftware bereit ist, in Synchrony gestartet zu werden, führen Sie eine Neun-Punkt-Kalibrierung durch und beobachten Sie den Teilnehmer, während er den roten Punkten auf dem Bildschirm folgt. Wiederholen Sie diesen Vorgang, bis eine ausreichende Genauigkeit gemäß den Standards des Herstellers erreicht ist, und weisen Sie den Teilnehmer an, 10 Newtonsche Physikprobleme am Computer zu lösen. Beenden Sie die Datenerfassung auf allen Computern.

Sobald die Aufgabe abgeschlossen ist, entfernen Sie alle Sensoren vom Teilnehmer. Importieren Sie zunächst die EEG-Daten in die EEG-Datenanalysesoftware. Klicken Sie anschließend auf Datei und dann auf Neues Projekt und wählen Sie den Speicherort der Rohdaten aus, indem Sie auf Durchsuchen klicken.

Wählen Sie den neu erstellten Rohdatenordner aus. Wählen Sie den Speicherort von zwei weiteren Ordnern mit dem Namen "Verlauf" und exportieren Sie auf die gleiche Weise. Klicken Sie dann auf OK.

Klicken Sie anschließend auf Transformationen und IIR-Filter, um das Gehirnsignal vorzuverarbeiten, indem Sie einen Filter und eine Kerbe im Softwarefenster anwenden. Legen Sie Grenzgrenzen bei 1,5 und 50 Hertz mit einer Steigung von jeweils 12 Dezibel fest und aktivieren Sie eine Notch bei einer Frequenz von 60 Hertz. Dann tendiert DC D das Signal, indem er auf Transformationen und DC dre klickt.

Wählen Sie die Option basierend auf der Zeit 100 Millisekunden vor der Markierung und 100 Millisekunden vor der Gleichstromverbindung. Führen Sie eine Rohdatenprüfung durch, indem Sie auf Transformationen und Rohdatenprüfung klicken. Wählen Sie die halbautomatische Inspektion und wählen Sie die hier gezeigten Parameter für Spannung, maximales Minimum und Amplitude.

Führen Sie eine automatische unabhängige Komponentenanalyse oder ICA mit klassischer Kugel zum Entfernen von I-Blinzeln durch, indem Sie auf Transformationen und ICA klicken, sobald dies abgeschlossen ist. Verarbeiten Sie den inversen ICA, indem Sie auf Transformations-ICA klicken. Dann inverse ICA.

Exportieren Sie abschließend das Signal und die Marker, indem Sie auf Export und generischer Datenexport klicken. Aktivieren Sie die Kontrollkästchen mit der Bezeichnung rechte Header-Datei und rechte Markierungsdatei. Wählen Sie außerdem das Textformat für eine spätere MATLAB-Konstruktion des Engagement-Index aus.

Importieren Sie als Nächstes das EEG-Signal in matlab. Starten Sie dazu das Skript E-E-G-L-A-B. Die GUI des EEG-Labors wird also in matlab angezeigt.

Importieren Sie die Daten für jeweils einen Teilnehmer, indem Sie Datei auswählen: Daten importieren, mit EEG-Lab-Funktionen und Plugins importieren, und fügen Sie aus der Brain vis rec VDR-Datei ein Skript in das Befehlsfenster ein, das einen Engagement-Index generiert. Dieses Skript gibt eine Textdatei aus. Öffnen Sie die Textdatei mit dem Engagement-Index in Microsoft Excel.

Wenden Sie eine Z-Score-Normalisierung auf die EEG-Daten an, um einen Vergleich zwischen den Probanden zu ermöglichen. Sobald die EEG-Vorverarbeitung abgeschlossen ist. Verarbeiten Sie die physiologischen Daten vor, indem Sie die ELEKTRODERMALE Aktivität oder die EDA-Daten in die physiologische Datenanalysesoftware importieren.

Berechnen Sie dann eine Z-Score-Normalisierung für die EDA-Daten, indem Sie auf Transformation und Wellenformmathematik klicken, um einen Vergleich zwischen den Probanden zu ermöglichen. Dies geschieht in zwei Schritten. Wählen Sie zunächst den EDA-Kanal für Quelle eins, das Minuszeichen im Fenster für die mathematische Operation und K für Quelle zwei.

Wählen Sie dann im Zielmenü Neu aus. Geben Sie den Mittelwert des EDA-Kanals ein und wählen Sie Gesamte Welle transformieren. Klicken Sie für den zweiten Schritt auf OK, öffnen Sie die Transformationswellenformmathematik erneut und wählen Sie den EDAK-Kanal für Quelle eins, das Divisionszeichen im mathematischen Operationsfenster und K für Quelle zwei.

Wählen Sie dann im Zielmenü Neu aus. Geben Sie den Standardabweichungswert des EDA-Kanals ein und wählen Sie Gesamte Welle transformieren. Klicken Sie abschließend auf OK für den letzten Vorverarbeitungsschritt.

Importieren Sie Videodaten aus dem Media Recorder in eine Software zur automatischen Gesichtserkennung von Emotionen, indem Sie auf Datei neu und dann auf Teilnehmer klicken. Wählen Sie im Projektmenü einen neuen Teilnehmer aus. Klicken Sie dann auf Neue Analyse und Video erstellen.

Klicken Sie auf die Lupe neben der ersten Analyse und wählen Sie die gewünschte Videodatei aus. Beenden Sie die Berechnung des zco der Valenzdaten in SPSS, indem Sie auf Deskriptive Statistiken und Deskriptive analysieren klicken. Wählen Sie Standardisierten Wert in Variablen speichern und eine Spalte mit dem Z-Wert wird angezeigt.

Beginnen Sie mit dem Importieren der I-Tracking-Videos, indem Sie in einer neuen Beobachtung auf Datei, Importieren und Video klicken. Benennen Sie die neue Beobachtung und wählen Sie die gewünschte Videodatei aus, die importiert werden soll. Importieren Sie alle externen Daten, indem Sie auf Datei, Importieren und externe Daten klicken.

Anzugeben sind der Z-Wert des EEG-Signals zco des EDA-Signals und der Z-Wert der Valenzdaten. Fügen Sie bei Bedarf Ereignismarker für die weitere Analyse hinzu. Um die Zeitmessung zwischen Computern zu synchronisieren, öffnen Sie das Offset-Menü, indem Sie die Umschalttaste drücken und das Gleichheitszeichen verwenden, um den numerischen Offset auszuwählen, um die Zeit in Sekunden zwischen den einzelnen Datenquellenpaaren einzugeben.

Klicken Sie auf OK. Wählen Sie anschließend interessante Variablen aus, die im Bericht generiert werden sollen, indem Sie auf Analysieren, ausgewählte Daten und neues Datenprofil klicken. Wählen Sie das gewünschte Ereignis aus, das analysiert werden soll, und klicken Sie auf OK.

Fügen Sie dann eine Verbindungslinie zwischen der Start- und der Nest-Tabelle sowie zwischen der Nest- und der Ergebnistabelle hinzu. Generieren Sie den Bericht, indem Sie auf klicken, analysieren Sie die numerische Analyse und die neuen Klickstatistiken und aktivieren Sie das Kontrollkästchen neben dem Mittelwert im Menü Externe Daten. Klicken Sie dann auf OK.

Klicken Sie auf Layout, und stellen Sie sicher, dass sich die externen Daten in Spalten befinden und dass die Ergebniscontainer in den Zeilen angezeigt werden. Beenden Sie den Vorgang, indem Sie klicken. Okay. Klicken Sie abschließend auf die Schaltfläche Berechnen, damit die Software die Berechnungen aktualisiert, die mit dem zu erstellenden Bericht verbunden sind.

Viele Dimensionen von Engagement-Daten werden in diesem Experiment synchronisiert, einschließlich verhaltensbezogener, kognitiver und emotionaler Dimensionen durch den Einsatz mehrerer Computer. Um die Ausgangslage des Probanden zu ermitteln, ist es nützlich, Daten von einem Punkt in der Aufgabe zu verwenden, an dem es am Ende der Pause eine Pause gibt. Das kognitive Engagement im EEG steigt in Erwartung der nächsten Aufgabe leicht an, und die Erregung nimmt immer noch ab.

Valenzdaten fehlen, da die Augen des Teilnehmers während der Problemlösungsaufgabe geschlossen sind. Wenn der Proband die dritte Zeile liest, kann man sehen, dass seine Erregung ihren Höhepunkt erreicht hat. Die emotionale Valenz ist neutral, und die kognitive EEG-Beteiligung ist maximal, sobald sie gemeistert ist.

Diese Technik erfordert etwa 30 Minuten Vorbereitung des Probanden, bevor das Experimentieren nach seiner Entwicklung beginnt. Diese Technik wird Forschern und Praktikern in der Informationstechnologie, aber auch in der Videospielindustrie den Weg ebnen, um den verhaltensbezogenen, emotionalen und kognitiven Aspekt der Benutzer in Echtzeit zu überwachen. Ein wichtiger Schritt bei jedem Regelungsansatz ist die Synchronisation, und die Präzision dieses Verfahrens sollte vor und nach jedem Experiment getestet werden, um ein genaues Timing zwischen allen Geräten zu haben.

Nachdem Sie sich dieses Video angesehen haben, sollten Sie nun ein gutes Verständnis dafür haben, wie Sie synchronisierte psychophysiologische Daten sammeln können, um die Dynamik der Interaktion von Verhaltens-, emotionalen und kognitiven Dimensionen des Engagements während einer Lernaufgabe besser zu verstehen.