Method Article

Experimentos de realidad virtual con medidas fisiológicas

DOI:

10.3791/58318

⸱

August 29th, 2018

 ,  ,  ,  ,  ,  , 
1Chair of Cognitive Science, ETH Zürich, 2Geographic Information Visualization and Analysis, University of Zürich, 3Digital Society Initiative, University of Zürich

In This Article

Summary

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

Experimentos de realidad virtual (VR) pueden ser difíciles de implementar y requieren una planificación meticulosa. Este protocolo describe un método para el diseño y puesta en práctica de la experimentos VR que recopila datos fisiológicos de los participantes humanos. Los experimentos en el marco de entornos virtuales (EVA) se emplea para acelerar este proceso.

Abstract

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

Experimentos de realidad virtual (VR) se emplean cada vez más debido a su validez interna y externa en comparación a la observación del mundo real y experimentos de laboratorio, respectivamente. VR es especialmente útil para visualizaciones geográficas e investigaciones del comportamiento espacial. En la investigación del comportamiento espacial, VR proporciona una plataforma para el estudio de la relación entre la navegación y las medidas fisiológicas (por ej., piel conductancia, frecuencia cardíaca, presión arterial). En concreto, las medidas fisiológicas permiten a los investigadores abordar nuevas cuestiones y limitar las teorías anteriores de capacidades espaciales, estrategias y rendimiento. Por ejemplo, las diferencias individuales en el rendimiento de navegación pueden explicarse por el grado a que cambios en la excitación median los efectos de dificultad de la tarea. Sin embargo, la complejidad en el diseño y puesta en práctica de la experimentos VR puede distraer a los experimentadores de los objetivos principales de la investigación y presentar irregularidades en la recolección de datos y análisis. Para enfrentar estos desafíos, los experimentos en ambientes virtuales (EVA) marco incluye módulos estandarizados como participante de formación con el control de interfaz, recopilación de datos mediante cuestionarios, la sincronización de fisiológico las mediciones y almacenamiento de datos. Eva también proporciona la infraestructura necesaria para la evaluación, la visualización y gestión de datos. El presente trabajo describe un protocolo que emplea el marco de la víspera para llevar a cabo experimentos de navegación en VR con sensores fisiológicos. El protocolo enumera los pasos necesarios para reclutar participantes, colocar los sensores fisiológicos, administrar el experimento utilizando Eva y evaluar los datos recogidos con los instrumentos de evaluación de Eva. En general, este protocolo facilitará futuras investigaciones al optimizar el diseño y puesta en práctica de la experimentos VR con los sensores fisiológicos.

Introduction

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

Entender cómo los individuos navegación tiene implicaciones importantes para varios campos, incluyendo ciencia cognitiva1,2,3, neurociencia4,5y computer science6 , 7. navegación ha sido investigada en entornos reales y virtuales. Una de las ventajas de los experimentos del mundo real es que no requiere la mediación de una interfaz de control de navegación y así puede producir comportamiento espacial más realista. En contraste, experimentos de realidad virtual (VR) permiten una medición más precisa de comportamiento (por ejemplo., caminar trayectorias) y fisiológicos (e.g., pulso) datos, así como el control más experimental (es decir., interna validez). A su vez, este enfoque puede resultar en interpretaciones más simples de los datos y las teorías así más robustas de la navegación. Además, la neurociencia puede beneficiarse de VR porque los investigadores pueden investigar los correlatos neuronales de la navegación mientras los participantes están involucrados en el entorno virtual pero físicamente no se pueden mover. Para científicos de la computación, navegación en VR requiere desarrollos únicos en el proceso de poder, memoria y gráficos por ordenador para asegurar una experiencia inmersiva. Los resultados de experimentos VR pueden aplicarse también en arquitectura y cartografía por informar el diseño del edificio diseños8 y mapa características9 para facilitar la navegación del mundo real. Recientemente, avances en la tecnología VR combinado con una disminución dramática en su coste han conducido a un aumento en el número de laboratorios que emplean VR para sus diseños experimentales. Debido a esta popularidad creciente, los investigadores deben considerar cómo agilizar la implementación de aplicaciones de VR y estandarizar el flujo de trabajo de experimento. Este enfoque ayudará a cambio recursos de aplicación para el desarrollo de la teoría y ampliar las capacidades existentes de VR.

Configuraciones VR pueden ir de más a menos realista en cuanto a pantallas y controles. Configuraciones VR más realistas tienden a requieren infraestructura adicional como espacios de seguimiento de grandes y de alta resolución muestra10. Estos sistemas a menudo emplean algoritmos de poca redireccionados para inyectar imperceptibles rotaciones y traducciones en la retroalimentación visual a los usuarios y efectivamente ampliación el entorno virtual a través del cual los participantes pueden mover11 , 12. estos algoritmos pueden ser generalizada en que no requieren el conocimiento de la estructura ambiental13 o predictivo que asumen particular caminos para el usuario14. Aunque investigación en caminar Redirigido ha utilizado pantallas montado en la cabeza (HMDs), algunos investigadores emplean una versión de esta técnica con caminar en el lugar como parte de un sistema de proyección grande (e.g., cuevas)15. Mientras HMDs pueden ser llevados en la cabeza del participante, cueva muestra tiende a proporcionar un mayor campo de visión horizontal16,17. Sin embargo, es necesario menos infraestructura para sistemas de VR mediante pantallas de escritorio18,19. La investigación neurocientífica también ha empleado sistemas VR en combinación con la proyección de imagen de resonancia magnética funcional (fMRI) durante la exploración de20, en combinación con fMRI después del análisis de21,22y en combinación con Electroencefalografía (EEG) durante la grabación de23,24. Marcos de software son necesarios para coordinar la gran variedad de pantallas y controles que se utilizan para la investigación de la navegación.

Investigación que incorpora VR y datos fisiológicos plantea desafíos adicionales como sincronización y adquisición de datos. Sin embargo, los datos fisiológicos permiten para las investigaciones de procesos implícitos que pueden mediar la relación entre el comportamiento de navegación espacial y potencial. De hecho, la relación entre el estrés y la navegación se ha estudiado utilizando escritorio VR y una combinación de diferentes sensores fisiológicos (ej., frecuencia cardíaca, presión arterial, conductancia de la piel, cortisol salival y la amilasa alfa)25 , 26 , 27 , 28. por ejemplo, van Gerven y colegas29 investigó el impacto del estrés sobre estrategia de navegación y rendimiento utilizando una versión de realidad virtual de una tarea de laberinto de agua de Morris y varias medidas fisiológicas (por ej., piel conductancia, frecuencia cardíaca, presión arterial). Sus resultados revelaron que estrés pronosticado estrategia de navegación en términos de uso de la señal (es decir., egocéntrico versus allocentric) pero no se relacionó con el rendimiento de navegación. En general, los resultados de los estudios anteriores son algo inconsistentes con respecto al efecto del estrés en el rendimiento de navegación y memoria espacial. Este patrón puede atribuirse a la separación del factor estresante (por ej., el procedimiento pressor fría26, la tarea de rastreo estrella espejo25) de la tarea real de la navegación, el uso de simple laberinto-como entornos virtuales ( por ejemplo., laberinto de agua de Morris virtual26, brazo radial virtual laberinto28) y las diferencias en detalles metodológicos (e.g., tipo de estresor, tipo de datos fisiológicos). Diferencias en el formato de los datos fisiológicos recogidos también pueden ser problemáticas para la aplicación y análisis de dichos estudios.

Los experimentos en el marco de experimentos virtuales (EVA) facilita el diseño, implementación y análisis de experimentos VR, especialmente aquellos con dispositivos periféricos adicionales (por ej., seguidores de ojo, los dispositivos fisiológicos)30. El marco de Eva está disponible como un proyecto de código abierto en GitHub (https://cog-ethz.github.io/EVE/). Este marco se basa en el popular unidad 3D juego motor (https://unity3d.com/) y el sistema de gestión de base de datos MySQL (https://www.mysql.com/). Investigadores pueden utilizar el marco de la víspera para preparar las distintas etapas de un experimento VR, incluyendo cuestionarios previos y post estudios, mediciones iniciales para cualquier datos fisiológicos, formación con la interfaz de control, la tarea principal de navegación, y pruebas de memoria espacial del ambiente navegado (e.g., sentencias de dirección relativa). Los experimentadores también pueden controlar la sincronización de datos de diferentes fuentes y en diferentes niveles de agregación (por ej., a través de ensayos, bloques o sesiones). Fuentes de datos pueden ser físicas (es decir., conectado con el usuario; véase Tabla de materiales) o virtual (es decir., dependiente de las interacciones entre el avatar de los participantes y el entorno virtual). Por ejemplo, un experimento puede requerir grabar frecuencia cardiaca y la posición/orientación del participante cuando avatar del participante se mueve a través de un área particular del entorno virtual. Todos estos datos se almacenan en una base de datos MySQL y evaluado con funciones de reproducción y la R paquete evertools (https://github.com/cog-ethz/evertools/). Evertools proporciona funciones de exportación, estadísticas descriptivas básicas, y herramientas de diagnóstico para las distribuciones de datos.

El marco de la víspera puede desplegarse con una variedad de infraestructuras físicas y sistemas de VR. En el presente Protocolo, se describe una aplicación particular en el NeuroLab en ETH Zürich (figura 1). El NeuroLab es una 12 m por 6 m sala que contiene una cámara aislada para realizar experimentos de EEG, un plato que contiene el sistema VR (2,6 m x 2.0 m) y una zona de cortinas para colocar sensores fisiológicos. El sistema VR incluye una pantalla de televisión de ultra alta definición de 55", una computadora de juegos de alta calidad, una interfaz de control joystick y varios sensores fisiológicos (véase Tabla de materiales). En las siguientes secciones Describimos el protocolo para la realización de un experimento de navegación en el NeuroLab utilizando el marco de la víspera y sensores fisiológicos, presente resultados representativos de un estudio sobre el estrés y la navegación y discutir las oportunidades y retos asociados con este sistema.

Access restricted. Please log in or start a trial to view this content.

Protocol

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

Se llevó a cabo el siguiente protocolo de conformidad con las directrices aprobadas por el Comisión de ética de la ETH Zürich como parte de la propuesta EK 2013-N-73.

1. reclutar y preparar a los participantes

  1. Seleccionar participantes con demografía particular (por ej., edad, género, antecedentes educativos) utilizando un sistema de reclutamiento de participantes o lista de correo (e.g., UAST; http://www.uast.uzh.ch/).
  2. Póngase en contacto con los participantes seleccionados por correo electrónico. En este correo, recordar a los participantes de los requisitos y tiempo de sesión. Deje que los participantes saben que deben llevar suelta superior (para el control de la presión arterial), estribillo de alcohol durante 12 horas antes del experimento y abstenerse de otras actividades (es decir., cafeína, fumar, comer y ejercicio) para 3 h antes del experimento.

2. preparar el experimento y los dispositivos fisiológicos con Eva

  1. Antes de cada sesión experimental, iniciar la computadora, el monitor del experimentador y el monitor de prueba.
  2. Asegúrese de que el ventilador de la habitación, el termómetro y el monitor de humedad están en.
  3. Encienda la máquina de medición de la actividad electrodermal (EDA) y la electrocardiografía (ECG; e.g., PowerLab de ADInstruments). Ver la tabla de materiales.
  4. Abra el software EDA/ECG (Eva actualmente soporta Labchart de ADInstruments) y crear un nuevo archivo de configuración. Seleccione una frecuencia de muestreo de 1000 Hz y el número apropiado de canales (por ej., uno para EDA y otro de ECG). Guarde este archivo de configuración y volver a guardar una versión con un nombre diferente para cada sesión experimental.
  5. Para los electrodos de la EDA, realizar un cero de circuito abierto (es decir., sin los electrodos conectados a cualquier cosa) para obtener una medida inicial de la conductividad del sistema.
  6. Asegúrese de que la interfaz de control (e.g., palanca de mando) está conectado al ordenador.
  7. En el monitor de experimentador, abra el archivo ejecutable de la unidad para el experimento.
    1. Abrir el menú de "Configuración de experimentar" en Eva y especifique los parámetros del experimento (por ej., número de identificación de participante, archivo de medición fisiológica, condición experimental, temperatura y humedad).
    2. Haga clic en "iniciar el experimento".

3. experimental procedimiento

  1. Procedimiento de introducción y consentimiento
    1. Recoger al participante en el lugar de reunión acordado y le guía al laboratorio.
    2. Indicar que la sesión tomará aproximadamente 90 minutos y preguntar al participante para guardar su reloj o teléfono móvil.
    3. Pregunte a los participantes a sentarse en la silla experimental y explica el procedimiento experimental según la secuencia de comandos verbal preparado.
    4. Pregunte a los participantes a leer la hoja de información y firmar el formulario de consentimiento informado.
  2. Conexión de sensores de EDA y ECG
    1. Limpiar el dedo índice y el dedo anular de la mano no dominante con un paño húmedo sin jabón. Asegurarse de que estén secas y conectar los dos electrodos EDA a las falanges mediales.
    2. Limpiar la piel en el pecho donde se colocarán los electrodos de ECG con un paño húmedo.
    3. Coloque los electrodos blancos, negros y rojo en el cuerpo de los participantes entre las costillas según figura 2. Coloque el electrodo blanco en el abdomen derecho superior (UR) y el electrodo negro en el parte superior izquierda del abdomen (UL). Coloque el electrodo rojo en el abdomen izquierdo bajo (LL). Asegúrese de que los tres electrodos no son directamente sobre una costilla.
    4. Conecte los tres cables de ECG con códigos de color a los correspondientes electrodos conectados al cuerpo del participante.
  3. Cuestionarios pre-experimento
    1. Proporcionar al participante con un teclado y un ratón que se utilizará para responder a los cuestionarios (e.g., demográficas preguntas, la primera parte de la encuesta corta de estado de estrés, el sentido de Santa Bárbara de la escala de dirección) y él o ella que se les pedirá una serie de preguntas en el ordenador.
    2. Informar a los participantes que les puede preguntar al experimentador con respecto a los cuestionarios en cualquier momento.
    3. Cerca de las dos paredes laterales de la cabina mientras el participante es completar los cuestionarios.
  4. Preparativos para la medición fisiológica. Estos pasos pueden realizarse mientras el participante es completar los cuestionarios.
    1. Informar a los participantes que el experimentador ahora preparará los dispositivos fisiológicos.
    2. Compruebe que los electrodos están conectados a las ubicaciones correctas.
    3. Colocar el esfigmomanómetro en el brazo no dominante.
    4. Proporcionar instrucciones a los participantes con respecto a la medida exacta de la presión arterial. Dígale a los participantes minimizar movimientos de brazo y cuerpo, mantener el esfigmomanómetro a nivel del corazón y mantener una postura erguida con los pies sobre el piso.
    5. Conecte los dos cables EDA a los electrodos en los dedos.
    6. Apagar la luz sobre el monitor y atenuar todas las otras luces arriba a la posición más baja.
    7. De la mano la palanca de mando para el participante y asegúrese de que el ratón esté fuera de la pantalla del monitor de prueba.
    8. El canal EDA a cero para obtener una medida de un individuo a partir de nivel de conductancia de la piel.
    9. En el software EDA/ECG, abra el cuadro de diálogo "Bio Amp". Elegir el rango de la señal en la que la señal del golpe de corazón cubre alrededor de un tercio de la ventana de vista previa (5 mV en la mayoría de los casos).
    10. Empezar a grabar con el software EDA/ECG y comprobar si una señal es visible en la ventana del software EDA/ECG en el monitor del experimentador.
    11. Iniciar la grabación pulsando el botón correspondiente en la máquina de la presión arterial la presión arterial.
    12. Cambiar el programa de unidad abierta y presiona "Iniciar medición". Debe aparecer una fijación cruzada.
  5. Formación de joystick y línea base de video
    1. Pedir a los participantes ver y seguir el video de capacitación que instruye a su cómo usar el joystick.
    2. Pregúntele a los participantes a completar el laberinto de entrenamiento para practicar el uso de la palanca de mando. En este laberinto de entrenamiento, los participantes aprenden a seguir las flechas que indican una ruta y recogen gemas flotantes.
    3. Si el experimento incluye sonido, coloque los auriculares en la cabeza del participante.
    4. Pregunte al participante a ver el video de la naturaleza de base sin moverse. Este video se utiliza para tener en cuenta para una medición de línea de base de datos fisiológicos del participante durante el análisis posterior.
  6. Tarea de navegación
    1. Asegúrese de que los participantes han leído las instrucciones con respecto a la tarea de navegación a-ser-terminado. Investigar si el participante tiene alguna pregunta antes de que comience la tarea de navegación. Dile que el participante que no debe hacer preguntas durante la tarea de navegación.
    2. Pedir al participante que apriete el gatillo en la palanca de mando cuando él o ella está lista para comenzar la tarea de navegación.
  7. Finales medidas fisiológicas y desprendimiento de sensores fisiológicos
    1. Espere hasta que el sistema ha completado la medición de la presión arterial final.
    2. Detener la grabación EDA y ECG pulsando el botón stop en el software EDA/ECG.
    3. Retire el manguito de presión arterial.
    4. Quite los electrodos de la EDA del participante.
    5. Pregúntele a los participantes que no retire los electrodos de ECG hasta el final del experimento.
    6. Retire la palanca de mando y auriculares.
  8. Post-experimento cuestionarios
    1. Proporcionar al participante con un teclado y un ratón para los cuestionarios post-experimento (e.g., la segunda parte de la breve cuestionario de estado de estrés, el maniquí de la autoevaluación, el cuestionario de enfermedad del simulador).
    2. Informar a los participantes que se les pedirá otra serie de preguntas en el ordenador y que él o ella puede pedir preguntas si es necesario.
  9. Final de la sesión experimental
    1. Informar a los participantes que la parte experimental ya está terminada. Gracias a él o ella para participar en el experimento.
    2. Dile al participante que él/ella puede ahora quitar los electrodos de ECG.
    3. Pago de los participantes y pídales que firmen el recibo impreso.
    4. Pregunte si el participante tiene alguna pregunta sobre el propósito del experimento y escoltan a él o ella fuera de la habitación experimental.

4. después de cada sesión Experimental

  1. Abrir el menú de "evaluación" en la víspera para llevar a cabo el experimento diagnóstico (por ej., reproducir trayectorias) y guardar los archivos de medición fisiológica en el software EDA/ECG.
  2. En el menú de "evaluación" en la víspera, presione el botón "Añadir marcador de evento" para marcar eventos en los archivos de medición fisiológica. Este paso es crítico para el análisis de los datos fisiológicos en términos de fases experimentales particular.
  3. Guarde el archivo EDA/ECG en el archivo de medición fisiológica en el software EDA/ECG.
  4. Exportación de los datos experimentales para el backup usando el paquete evertools.
  5. Apague la máquina EDA/ECG y limpiar los electrodos EDA con almohadillas con alcohol.
  6. Marca que el participante demostró para arriba en el sistema de reclutamiento de participantes.

Access restricted. Please log in or start a trial to view this content.

Results

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

De cada participante en el NeuroLab, normalmente recogemos datos fisiológicos (e.g., ECG), datos del cuestionario (e.g., el sentido de Santa Bárbara de la escala de dirección o SBSOD31) y datos de navegación (e.g., caminos a través de la entorno virtual). Por ejemplo, cambios en el ritmo cardíaco (derivado de los datos del ECG) se han asociado con cambios en Estados de estrés en combinación con otros fisiológicos32...

Access restricted. Please log in or start a trial to view this content.

Discussion

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

En el presente documento, describe un protocolo para la realización de experimentos en VR con dispositivos fisiológicos utilizando el marco de la víspera. Estos tipos de experimentos son únicos debido a consideraciones de hardware adicional (por ej., dispositivos fisiológicos y otros periféricos), los pasos preparatorios para la recogida de datos fisiológicos con VR y requisitos de gestión de datos. El presente Protocolo proporciona los pasos necesarios para experimentadores que pretende recopilar datos de múlti...

Access restricted. Please log in or start a trial to view this content.

Disclosures

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

Los autores no tienen nada que revelar.

Acknowledgements

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

El entorno virtual fue proporcionado amablemente por VIS juegos (http://www.vis-games.de) para llevar a cabo investigación en realidad virtual.

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
Alienware Área 51 BaseDell  210-ADHCCálculo
138 cm 4K Ultra-HD LED-TVSamsungUE55JU6470U Display
SureSigns VS2+Philips Healthcare863278Presión arterial
PowerLab 8/35AD InstrumentsPL3508Conductancia cutánea
PowerLab 26T (LTS)AD InstrumentsML4856Joystick
Extreme 3D ProLogitech963290-0403HID

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Gallistel, C. R. The Organization of Learning. , MIT Press. Cambridge, MA. (1990).
  2. Waller, D., Nadel, L. Handbook of Spatial Cognition. , American Psychological Association. Washington D.C. (2013).
  3. Denis, M. Space and Spatial Cognition: A Multidisciplinary Perspective. , Routledge. Abingdon, Oxon. (2017).
  4. Epstein, R. A., Patai, E. Z., Julian, J. B., Spiers, H. J. The cognitive map in humans: spatial navigation and beyond. Nature Neuroscience. 20, 1504(2017).
  5. O'Keefe, J., Nadel, L. The Hippocampus as a Cognitive Map. , Clarendon Press. Oxford. (1978).
  6. Kuipers, B. J. Modelling spatial knowledge. Cognitive Science. 2, 129-153 (1978).
  7. Heppenstall, A. J., Crooks, A. T., See, L. M., Batty, M. Agent-Based Models of Geographical Systems. , Springer. Netherlands. Dordrecht. (2012).
  8. Kuliga, S. F., Thrash, T., Dalton, R. C., Hölscher, C. Virtual reality as an empirical research tool - Exploring user experience in a real building and a corresponding virtual model. Computers, Environment and Urban Systems. 54, 363-375 (2015).
  9. Credé, S., Fabrikant, S. I. Let's Put the Skyscrapers on the Display-Decoupling Spatial Learning from Working Memory. Proceedings of Workshops and Posters at the 13th International Conference on Spatial Information Theory (COSIT 2017). , 163-170 (2018).
  10. Hodgson, E., Bachmann, E. R., Vincent, D., Zmuda, M., Waller, D., Calusdian, J. WeaVR: a self-contained and wearable immersive virtual environment simulation system). Behavior Research Methods. 47 (1), 296-307 (2015).
  11. Nilsson, N., et al. 15 Years of Research on Redirected Walking in Immersive Virtual Environments. IEEE Computer Graphics and Applications. , 1-19 (2018).
  12. Razzaque, S., Kohn, Z., Whitton, M. C. Redirected walking. Proceedings of EUROGRAPHICS. , 105-106 (2001).
  13. Hodgson, E., Bachmann, E. Comparing Four Approaches to Generalized Redirected Walking: Simulation and Live User Data. IEEE Transactions on Visualization and Computer Graphics. 19 (4), 634-643 (2013).
  14. Nescher, T., Huang, Y. -Y., Kunz, A. Planning redirection techniques for optimal free walking experience using model predictive control. 2014 IEEE Symposium on 3D User Interfaces (3DUI). , 111-118 (2014).
  15. Razzaque, S., Swapp, D., Slater, M., Whitton, M. C., Steed, A. Redirected walking in place. Eurographics workshop on virtual environments. , 123-130 (2002).
  16. Meilinger, T., Knauff, M., Bulthoff, H. Working Memory in Wayfinding-A Dual Task Experiment in a Virtual City. Cognitive Science: A Multidisciplinary Journal. 32 (4), 755-770 (2008).
  17. Grübel, J., Thrash, T., Hölscher, C., Schinazi, V. R. Evaluation of a conceptual framework for predicting navigation performance in virtual reality. PLOS ONE. 12 (9), 0184682(2017).
  18. Weisberg, S. M., Schinazi, V. R., Newcombe, N. S., Shipley, T. F., Epstein, R. A. Variations in Cognitive Maps: Understanding Individual Differences in Navigation. Journal of experimental psychology. Learning, memory, and cognition. , (2014).
  19. Wiener, J. M., Hölscher, C., Büchner, S., Konieczny, L. Gaze behaviour during space perception and spatial decision making. Psychological research. 76 (6), 713-729 (2012).
  20. Hassabis, D., Chu, C., Rees, G., Weiskopf, N., Molyneux, P. D., Maguire, E. A. Decoding Neuronal Ensembles in the Human Hippocampus. Current Biology. 19 (7), 546-554 (2009).
  21. Maguire, E. A., Nannery, R., Spiers, H. J. Navigation around London by a taxi driver with bilateral hippocampal lesions. Brain. 129, 2894-2907 (2006).
  22. Marchette, S. A., Vass, L. K., Ryan, J., Epstein, R. A. Anchoring the neural compass: coding of local spatial reference frames in human medial parietal lobe. Nature neuroscience. 17 (11), 1598-1606 (2014).
  23. Vass, L. K., et al. Oscillations Go the Distance: Low-Frequency Human Hippocampal Oscillations Code Spatial Distance in the Absence of Sensory Cues during Teleportation. Neuron. 89 (6), 1180-1186 (2016).
  24. Sharma, G., Gramann, K., Chandra, S., Singh, V., Mittal, A. P. Brain connectivity during encoding and retrieval of spatial information: individual differences in navigation skills. Brain Informatics. 4 (3), (2017).
  25. Richardson, A. E., VanderKaay Tomasulo, M. M. Influence of acute stress on spatial tasks in humans. Physiology & Behavior. 103 (5), 459-466 (2011).
  26. Duncko, R., Cornwell, B., Cui, L., Merikangas, K. R., Grillon, C. Acute exposure to stress improves performance in trace eyeblink conditioning and spatial learning tasks in healthy men. Learning & memory (Cold Spring Harbor, N.Y.). 14 (5), 329-335 (2007).
  27. Klopp, C., Garcia, C., Schulman, A. H., Ward, C. P., Tartar, J. L. Acute social stress increases biochemical and self report markers of stress without altering spatial learning in humans. Neuro endocrinology letters. 33 (4), 425-430 (2012).
  28. Guenzel, F. M., Wolf, O. T., Schwabe, L. Sex differences in stress effects on response and spatial memory formation. Neurobiology of Learning and Memory. 109, 46-55 (2014).
  29. van Gerven, D. J. H., Ferguson, T., Skelton, R. W. Acute stress switches spatial navigation strategy from egocentric to allocentric in a virtual Morris water maze. Neurobiology of Learning and Memory. 132, 29-39 (2016).
  30. Grübel, J., Weibel, R., Jiang, M. H., Hölscher, C., Hackman, D. A., Schinazi, V. R. EVE: A Framework for Experiments in Virtual Environments. Spatial Cognition X: Lecture Notes in Artificial Intelligence. , 159-176 (2017).
  31. Hegarty, M., Richardson, A. E., Montello, D. R., Lovelace, K., Subbiah, I. Development of a self-report measure of environmental spatial ability. Intelligence. 30, 425-447 (2002).
  32. Ziegler, M. G. Psychological Stress and the Autonomic Nervous System. Primer on the Autonomic Nervous System. , 189-190 (2004).
  33. Michaelis, J. R., Rupp, M. A., Montalvo, F., McConnell, D. S., Smither, J. A. The Effect of Vigil Length on Stress and Cognitive Fatigue. Proceedings of the Human Factors and Ergonomics Society Annual Meeting. 59 (1), 916-920 (2015).
  34. Helton, W. S. Validation of a Short Stress State Questionnaire. Proceedings of the Human Factors and Ergonomics Society Annual Meeting. 48 (11), 1238-1242 (2004).
  35. Wolbers, T., Hegarty, M. What determines our navigational abilities. Trends in Cognitive Sciences. 14 (3), 138-146 (2010).
  36. Moussaïd, M., et al. Crowd behaviour during high-stress evacuations in an immersive virtual environment. Journal of The Royal Society Interface. 13 (122), (2016).
  37. Cadogan, M. Lead positioning. , Available from: https://lifeinthefastlane.com/ecg-library/basics/lead-positioning/ (2017).
  38. Wilder, J. The law of initial value in neurology and psychiatry. The Journal of Nervous and Mental Disease. 125 (1), 73-86 (1957).
  39. Loomis, J., Knapp, J. Visual Perception of Egocentric Distance in Real and Virtual Environments. Virtual and Adaptive Environments. , 21-46 (2003).
  40. Richardson, A. R., Waller, D. The effect of feedback training on distance estimation in virtual environments. Applied Cognitive Psychology. 19 (8), 1089-1108 (2005).
  41. Klatzky, R. L., Loomis, J. M., Beall, A. C., Chance, S. S., Golledge, R. G. Spatial updating of self-position and orientation during real, imagined, and virtual locomotion. Psychological Science. 9, 293-298 (1998).
  42. Bakker, N. H., Werkhoven, P. J., Passenier, P. O. Calibrating Visual Path Integration in VEs. Presence: Teleoperators and Virtual Environments. 10 (2), 216-224 (2001).
  43. Thrash, T., et al. Evaluation of control interfaces for desktop virtual environments. Presence. 24 (4), (2015).
  44. Kinateder, M., Warren, W. H. Social Influence on Evacuation Behavior in Real and Virtual Environments. Frontiers in Robotics and AI. 3, 43(2016).
  45. Loomis, J. M., Blascovich, J. J., Beall, A. C. Immersive virtual environment technology as basic research tool in psychology. Behavior Research Methods, Instruments & Computers. 31 (4), 557-564 (1999).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Virtual Reality ExperimentsPhysiological MeasuresNavigation BehaviorEVE FrameworkSkin ConductanceHeart RateBlood PressureData CollectionParticipant TrainingEquipment Setup

Related Articles