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 primero conectando todos los sistemas de recopilación de datos mediante un dispositivo de sincronización que enviará una marca de tiempo dentro de los datos recopilados. El segundo paso consiste en recopilar datos de rastreo ocular e interacciones con el software para evaluar el compromiso conductual.

A continuación, se recopilarán datos de EEG para la caracterización del compromiso cognitivo. El paso final consiste en recopilar datos de compromiso emocional provenientes de la actividad electrodérmica o ED para la medición de la activación, y del reconocimiento automático de emociones faciales o A FER para generar datos de valoración. En última instancia, estos índices que caracterizan las tres dimensiones del compromiso se volverán a sincronizar en un software de sincronización según las marcas de tiempo enviadas inicialmente por el dispositivo de sincronización.

La principal ventaja de esta técnica es que cuantifica tres dimensiones del compromiso de los estudiantes durante una tarea de aprendizaje, a diferencia de los métodos de investigación clásicos que se centran únicamente en instrumentos de autoevaluación del compromiso tras las tareas. Este método puede ayudar a responder preguntas clave en el campo de la indicación, como cuáles son las dinámicas de la cognición afectiva en diversos entornos complejos de aprendizaje y cuál es el impacto de diversos entornos pedagógicos sobre la emoción y la cognición. Esta técnica tiene implicaciones en otros campos.

Por ejemplo, en tecnología de la información, estamos utilizando esta técnica para medir el nivel de compromiso de un usuario mientras navega por un sitio web o utiliza una aplicación informática. Esta técnica se inspira en trabajos recientes en el campo de la neuro-ómica, donde se recopilaron datos de vigilancia de conductores de larga distancia mediante dispositivos EEG. Gabrielle Zu, junto con un asistente de investigación del Laboratorio Tech tres de HEC Montreal, demostrará este procedimiento, al igual que Igo y Yig, asistentes de investigación del Laboratorio de Neuro, encendiendo primero el rastreador ocular, el amplificador EEG, las computadoras para la grabación y los altavoces.

Prepare la solución de EEG con los materiales necesarios según los procedimientos recomendados por el fabricante. Luego, prepare el software de EEG y de seguimiento ocular para el próximo participante. A continuación, inicie el software de grabación de video y las cámaras, y comience el software de sincronización con la subrutina específica creada para el proyecto, que permite enviar marcadores de sincronización cada 60 segundos.

Luego, inicie el software de medición fisiológica y abra la configuración específica creada para el proyecto. A continuación, lleve al participante a la sala de recopilación de datos y localice en la cabeza del participante el sitio del electrodo Cz según el sistema de referencia 10-20. Coloque la red de EEG sobre la cabeza del participante y asegúrese de que cada electrodo esté posicionado perpendicularmente a la superficie de la cabeza.

Conecte el conector de red y realice una verificación de impedancia con un umbral de 40 kiloohmios. Finalmente, 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 comenzar 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 alcanzar la precisión suficiente según los estándares del fabricante e instruya al participante para que resuelva 10 problemas de física newtoniana en la computadora. Detenga la adquisición de datos en todas las computadoras.

Una vez que la tarea esté completa, 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 seleccione la ubicación de los datos brutos haciendo clic en examinar.

Seleccione la carpeta de datos en bruto recién creada. Elija la ubicación de otras dos carpetas denominadas history y export de la misma manera. Luego haga clic en aceptar.

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

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

Realice un análisis automático de componentes independientes o ACP con esfera clásica para eliminar el parpadeo haciendo clic en transformaciones y ACP una vez finalizado. Procese el ACP inverso haciendo clic en transformaciones ACP. Luego, ACP inverso.

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

A continuación, importe la señal de EEG a matlab. Para hacerlo, inicie el script E-E-G-L-A-B. Así aparecerá la interfaz gráfica de usuario de EEG lab en matlab.

Importe los datos de un participante a la vez seleccionando la función de importación de archivos y complementos de EEG lab y, desde el archivo brain vis rec VDR, 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 participación en Microsoft Excel.

Aplique una normalización Z-score a los datos de EEG para permitir la comparación entre sujetos. Una vez que el preprocesamiento de EEG esté completo, preprocese los datos fisiológicos importando los datos de actividad electrodérmica o EDA al software de análisis de datos fisiológicos.

Luego, calcule una normalización por puntuación z en los datos de EDA haciendo clic en transformación y matemática de onda para permitir la comparación entre sujetos. Esto se realiza en dos pasos. Primero, seleccione el canal de EDA como fuente uno, el signo menos en la ventana de operación matemática y K como fuente dos.

Luego, seleccione nuevo en el menú de destino. Ingrese el valor medio del canal EDA y seleccione transformar toda la onda. Haga clic en aceptar para el segundo paso, abra nuevamente la función matemática de forma de onda de transformación y seleccione el canal EDAK como fuente uno, el signo de división en la ventana de operación matemática y K como fuente dos.

Luego, seleccione nuevo en el menú de destino. Ingrese el valor de la desviación estándar del canal EDA y seleccione transformar toda la onda. Finalmente, haga clic en aceptar para el paso final de preprocesamiento.

Importe los datos de video desde el grabador de medios al software de reconocimiento automático de emociones faciales haciendo clic en archivo nuevo y luego en participante. Seleccione un participante nuevo en el menú del proyecto. A continuación, haga clic en archivo nueva análisis y video.

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 estadísticas descriptivas y descriptivos. Seleccione guardar valor estandarizado en variables y aparecerá una columna con la puntuación Z.

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

Incluya el valor Z del registro de EEG zco del registro de EDA y el valor Z de los datos de valencia. Si se desea, agregue marcadores de eventos para un análisis adicional. Para sincronizar el tiempo entre computadoras, abra el menú de desfase presionando control, mayúsculas y el signo igual; seleccione desfase numérico para ingresar el tiempo en segundos entre cada par de fuentes de datos.

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

Luego agregue una línea de conexión entre la tabla de inicio y la tabla anidada, así como entre la tabla anidada y la tabla de resultados. Genere el informe haciendo clic en analizar análisis numérico y en estadísticas de nuevo clic, y marque la casilla junto a media en el menú de datos externos. Luego haga clic en aceptar.

Haga clic en diseño y asegúrese de que los datos externos estén en columnas y de que los contenedores de resultados aparezcan en filas. Finalice haciendo clic en Aceptar. Por último, haga clic en el botón calcular para que el software actualice los cálculos incluidos en el informe que se está generando.

En este experimento, muchas dimensiones de los datos de participación se sincronizan, incluyendo las dimensiones conductual, cognitiva y emocional, mediante el uso de múltiples computadoras. Para establecer la línea base del sujeto, es útil utilizar datos de un punto en la tarea donde hay una pausa, justo al final de dicha pausa. La participación cognitiva medida por EEG aumenta ligeramente en anticipación a la siguiente tarea, mientras que la activación aún continúa disminuyendo.

Faltan los datos de valencia porque los ojos del participante están cerrados durante la tarea de resolución de problemas. Mientras el sujeto lee la tercera línea, se puede observar que su activación ha alcanzado el máximo. La valencia emocional es neutral y la participación cognitiva en el EEG está en su nivel máximo una vez dominada.

Esta técnica implica unos 30 minutos de preparación del sujeto antes de que comience el experimento tras su desarrollo. Esta técnica allanará el camino para que investigadores y profesionales, no solo en tecnología de la información sino también en la industria de los videojuegos, puedan monitorear en tiempo real los aspectos conductuales, emocionales y cognitivos 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 con el fin de garantizar una temporización 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 la interacción entre las dimensiones conductual, emocional y cognitiva del compromiso durante una tarea de aprendizaje.