La evaluación de las múltiples dimensiones de compromiso para caracterizar aprendizaje: una perspectiva neurofisiológica

El objetivo general de este procedimiento es recopilar y sincronizar datos sobre el compromiso conductual, emocional y cognitivo durante las tareas de aprendizaje. Esto se logra conectando primero todos los sistemas de recopilación de datos a través de un dispositivo de sincronización que enviará un marcador de tiempo dentro de los datos recopilados. El segundo paso es recopilar datos de seguimiento ocular e interacciones de software para la participación conductual.

A continuación, se recopilarán datos de EEG para la caracterización del compromiso cognitivo. El paso final es recopilar datos de compromiso emocional provenientes de la actividad electrodérmica o un ED para la medición de la excitación y el reconocimiento automático de emociones faciales o un FER para generar datos de valencia. En última instancia, estos índices que caracterizan las tres dimensiones de la participación se volverán a sincronizar en un software de sincronización de acuerdo con los marcadores de tiempo enviados inicialmente por el dispositivo de sincronización.

La principal ventaja de esta técnica es que cuantifica tres dimensiones de la participación de los alumnos durante una tarea de aprendizaje, a diferencia de los métodos de investigación clásicos que se centran únicamente en instrumentos de autoevaluación de la participación después de las tareas. Este método puede ayudar a responder preguntas clave en el campo de la indicación, como ¿cuáles son las dinámicas de afectación de la cognición en varios entornos de aprendizaje complejos y cuál es el impacto de varios entornos pedagógicos en el efecto y la cognición? Esta técnica tiene implicaciones en otros campos.

Por ejemplo, en tecnología de la información, estamos utilizando esta técnica para medir la participación de un usuario mientras navega por un sitio web o usa una aplicación de software. Esta técnica se inspira en un trabajo reciente en neuroómica donde se recopilaron datos de vigilancia del conductor de larga distancia utilizando dispositivos de EEG. La demostración de este procedimiento estará a cargo de Gabrielle Zu, con una asistente de investigación en el Tech three Lab de HEC Montreal, pero también Igo y Yig, que son asistentes de investigación del Neuro Lab de Begin, encendiendo el rastreador ocular, el amplificador de EEG para computadoras de grabación y los altavoces.

Prepare la solución de EEG con el material requerido de acuerdo con los procedimientos recomendados por el fabricante. A continuación, prepare el software de EEG y seguimiento ocular para el próximo participante. A continuación, inicie el software de grabación de vídeo y las cámaras inicien el software de sincronización con la subrutina específica creada para el proyecto, lo que permite que los marcadores de sincronización se envíen cada 60 segundos.

A continuación, inicie el software de medición fisiológica y abra el diseño específico creado para el proyecto. A continuación, lleve al participante a la sala de recolección de datos y encuentre la ubicación del electrodo cz en la cabeza del participante de acuerdo con el sistema de referencia 10 20. Coloque la red de EEG en la cabeza del participante y asegúrese de que cada electrodo esté colocado perpendicular a la superficie de la cabeza.

Conecte el conector de red y realice una comprobación de impedancia con un umbral de 40 kilo ohmios. Por último, coloque dos sensores fisiológicos en la parte superior de la mano izquierda del participante. Comience la recopilación de datos.

Una vez que todo el software de grabación esté listo para iniciarse en Synchrony, realice un procedimiento de calibración de nueve puntos y observe al participante mientras sigue los puntos rojos en la pantalla. Repita este procedimiento hasta que se logre una precisión suficiente de acuerdo con los estándares del fabricante, instruya al participante para que resuelva 10 problemas de física newtoniana en la computadora. Detenga las adquisiciones de datos en todas las computadoras.

Una vez completada la tarea, retire todos los sensores del participante. Primero, importe los datos de EEG al software de análisis de datos de EEG. A continuación, haga clic en archivo, luego en nuevo proyecto y elija la ubicación de los datos sin procesar haciendo clic en examinar.

Seleccione la carpeta de datos sin procesar recién creada. Elija la ubicación de dos carpetas más llamadas historial y exporte de la misma manera. A continuación, haga clic en Aceptar.

A continuación, haga clic en transformaciones y filtros IIR para preprocesar la señal cerebral aplicando un filtro y una muesca en la ventana del software. Establezca límites de corte en 1,5 y 50 hercios con una pendiente de 12 decibelios para cada uno y habilite una muesca a una frecuencia de 60 hercios. A continuación, DC D tendencia, la señal haciendo clic en las transformaciones y DC dre.

Seleccione la opción basada en el tiempo a 100 milisegundos antes del marcador y 100 milisegundos antes de la conexión de CC. Realice una inspección de datos sin procesar haciendo clic en transformaciones e inspección de datos sin procesar. Seleccione la inspección semiautomática y elija los parámetros de voltaje, máximo, mínimo y amplitud que se ven aquí.

Realice un análisis automático de componentes independientes o ICA con esfera clásica para la eliminación de parpadeo haciendo clic en transformaciones e ICA una vez completado. Procese el ICA inverso haciendo clic en transformaciones ICA. A continuación, ICA inverso.

Por último, exporte la señal y los marcadores haciendo clic en exportar y exportación de datos genéricos. Seleccione las casillas etiquetadas como archivo de encabezado derecho y archivo de marcador derecho. Además, seleccione el formato de texto para una eventual construcción de MATLAB del índice de participación.

A continuación, importe la señal de EEG en matlab. Para ello, inicie el script E-E-G-L-A-B. Por lo tanto, la GUI del laboratorio de EEG aparece en matlab.

Importe los datos de un participante a la vez seleccionando datos de importación de archivos utilizando las funciones y complementos de EEG lab y, desde el archivo VDR de brain vis rec, pegue un script en la ventana de comandos que generará un índice de participación. Este script generará un archivo de texto. Abra el archivo de texto del índice de interacción en Microsoft Excel.

Aplique una normalización de la puntuación Z a los datos de EEG para permitir la comparación entre sujetos. Una vez que se completa el preprocesamiento del EEG. Preprocese los datos fisiológicos importando los datos de actividad electrodérmica o EDA en el software de análisis de datos fisiológicos.

A continuación, calcule una normalización de la puntuación z en los datos EDA haciendo clic en transformación y matemáticas de forma de onda para permitir la comparación entre sujetos. Esto se hace en dos pasos. En primer lugar, seleccione el canal EDA para la fuente uno, el signo menos en la ventana de operaciones matemáticas y K para la fuente dos.

A continuación, seleccione nuevo en el menú de destino. Introduzca el valor medio del canal EDA y seleccione transformar onda completa. Haga clic en Aceptar para el segundo paso, vuelva a abrir las matemáticas de forma de onda de transformación y seleccione el canal EDAK para la fuente uno, el signo de división en la ventana de operaciones matemáticas y K para la fuente dos.

A continuación, seleccione nuevo en el menú de destino. Introduzca el valor de desviación estándar del canal EDA y seleccione transformar onda completa. Por último, haga clic en Aceptar para el paso final de preprocesamiento.

Importe datos de video de la grabadora de medios al software de reconocimiento automático de emociones faciales haciendo clic en archivo nuevo y luego participante. Seleccione un nuevo participante en el menú del proyecto. A continuación, haga clic en archivar nuevo análisis y vídeo.

Haga clic en la lupa junto al análisis uno y elija el archivo de video deseado. Finalice calculando el zco de los datos de valencia en SPSS haciendo clic en analizar estadísticos descriptivos y descriptivos. Seleccione guardar valor estandarizado en variables y aparecerá una columna con puntuación Z.

Comience importando los videos de seguimiento de I haciendo clic en archivo, importar y video en una nueva observación. Asigne un nombre a la nueva observación y elija el archivo de vídeo que desee importar. Importe todos los datos externos haciendo clic en archivo, importar y datos externos.

Incluya la puntuación Z de la señal EEG zco de la señal EDA y la puntuación Z de los datos de valencia. Si lo desea, agregue marcadores de evento para un análisis más detallado. Para sincronizar el tiempo entre computadoras, abra el menú de desplazamiento presionando el control shift y el signo igual seleccione desplazamiento numérico para ingresar el tiempo en segundos entre cada par de fuentes de datos.

Haga clic en Aceptar. A continuación, seleccione las variables interesantes que se generarán en el informe haciendo clic en analizar, seleccionar datos y nuevo perfil de datos. Seleccione el evento deseado para analizar y haga clic en Aceptar.

A continuación, añada una línea de conexión entre la tabla de inicio y la tabla de anidamiento, así como entre el anidamiento y la tabla de resultados. Genere el informe haciendo clic, analice el análisis numérico y las estadísticas de nuevos clics y marque la casilla junto a medio en el menú de datos externos. A continuación, haga clic en Aceptar.

Haga clic en Diseño y asegúrese de que los datos externos estén en columnas y que los contenedores de resultados aparezcan en filas. Termine haciendo clic. Bien. Finalmente, haga clic en el botón calcular para que el software actualice los cálculos involucrados en el informe que se está generando.

En este experimento se sincronizan muchas dimensiones de los datos de participación, incluidas las conductuales, cognitivas y emocionales, mediante el uso de varias computadoras. Con el fin de establecer la línea de base del sujeto, es útil utilizar datos de un punto de la tarea en el que haya una pausa aquí al final de la pausa. El compromiso cognitivo del EEG vuelve a aumentar ligeramente en anticipación a la próxima tarea, y la excitación sigue disminuyendo.

Faltan datos de valencia porque los ojos del participante están cerrados durante la tarea de resolución de problemas. A medida que el sujeto lee la tercera línea, puede ver que su excitación ha alcanzado su punto máximo. La valencia emocional es neutra y el compromiso cognitivo del EEG es máximo una vez que se domina.

Esta técnica implica unos 30 minutos de preparación del sujeto antes de que comience la experimentación después de su desarrollo. Esta técnica allanará el camino para que los investigadores y profesionales de la tecnología de la información, pero también en la industria de los videojuegos, monitoreen en tiempo real el aspecto conductual, emocional y cognitivo de los usuarios. Un paso clave en cualquier enfoque de regulación es la sincronización, y la precisión de este procedimiento debe probarse antes y después de cada experimento para tener una sincronización precisa entre todos los dispositivos.

Después de ver este video, ahora debería tener una buena comprensión de cómo recopilar datos psicofisiológicos sincronizados para comprender mejor la dinámica de interacción de las dimensiones conductuales, emocionales y cognitivas del compromiso durante una tarea de aprendizaje.