Waiting
Traitement de la connexion…

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Behavior
Click here for the English version

Behavior

استخدام قياسات كهربية لمقارنة الكفاءة العصبية المهام المحددة ل: مهام المكانية الاستخبارات

Published: August 9, 2016 doi: 10.3791/53327
Automatic Translation
1, 1, 1, 2, 2
1Department of Engineering Education, Utah State University, 2Department of Psychology, Utah State University

Summary

توضح هذه المخطوطة نهجا لقياس النشاط العصبي للإنسان حين حل المشاكل الهندسية مكانيا تركيزا. منهجية الكهربائي يساعد على تفسير القياسات موجة الدماغ بيتا من حيث الكفاءة العصبية، وذلك بهدف تمكين في نهاية المطاف مقارنات بين أداء مهمة سواء بين أنواع المشكلة وبين المشاركين.

Abstract

وغالبا ما يرتبط الاستخبارات المكاني للنجاح في التعليم الهندسي والهندسة المهن. استخدام كهربية يمكن حساب مقارن للكفاءة العصبية الأفراد لأنها تؤدي المهام المتعاقبة التي تتطلب القدرة المكانية لاستخلاص الحلول. يتم تعريف الكفاءة العصبية هنا وجود أقل تفعيل بيتا، وبالتالي إنفاق الموارد العصبية أقل، لتنفيذ مهمة بالمقارنة مع المجموعات الأخرى أو غيرها من المهام. لإجراء مقارنات بين مهمة من المهام مع فترات مماثلة، قد تكون هذه القياسات يمكن المقارنة بين نوع المهمة صعوبة. مقابل مشارك داخل وفيما بين المشاركين المقارنات، وتوفر هذه القياسات البصيرة المحتملة إلى مستوى المشارك من القدرة المكانية ومختلف مهام حل المشكلات الهندسية. الأداء على المهام المحددة يمكن تحليلها وربطها مع الأنشطة بيتا. يعرض هذا العمل على بروتوكول بحث مفصل دراسة كفاءة العصبية للطلاب المهندسالذين تتراوح أعمارهم بين في حل من القدرة المكانية نموذجية والمشاكل احصائيات. أكمل الطلاب مشاكل محددة إلى العقلية قطع اختبار (MCT)، بوردو المكانية التصور اختبار دوران (PSVT: R)، وعلم السكون. في حين تشارك في حل هذه المشاكل، تم قياس موجات المخ المشاركين مع مجموعة الإمارات للبيئة تسمح البيانات التي سيتم جمعها فيما يتعلق ألفا وبيتا الدماغ تفعيل موجة واستخدامها. العمل يتطلع إلى ربط الأداء الوظيفي على المهام المكانية نقية مع المهام الهندسية المكثفة مكانيا لتحديد مسارات للأداء الناجح في مجال الهندسة وينجم عن ذلك من تحسينات في التعليم الهندسي التي يمكن ان تتبع.

Introduction

القدرة المكانية أمر حيوي لعلوم والتكنولوجيا والهندسة والرياضيات (STEM) الحقول والتعليم، ويرتبط مع النجاح في هذه المناطق 1،2،3. وبالتالي، فمن المهم أن نفهم تطوير كيفية تأثير القدرة مشكلة المكانية حل 4. وقد تم ربط القدرة المكانية لفائدة 5، 6 الأداء، والنجاح في الأكاديميين الهندسة 7 والنجاح في المهنيين الهندسة 8. ومع ذلك، ليس هناك الكثير من العمل مشيرا العمليات العصبية محددة في حل المشاكل النموذجية في كثير من الصكوك القدرة المكانية، ولا محتوى الهندسة محدد غير المكانية للغاية.

تقدم هذه الورقة مقدمة إلى الأساليب المستخدمة لجمع البيانات وتحليلها من عشرات القدرة أداة المكانية جنبا إلى جنب مع القياسات العصبية. القصد من نشر مع إن الرب هو جعل هذه الأساليب في متناول جمهور أوسع. الأجهزة الجمهور العام وور البرمجياتالبريد المستخدمة في هذه الدراسة. كورقة الأساليب، لا يتم الإبلاغ عن النتائج الكاملة / مجموعات البيانات، ولا هم عينات متعددة المقدمة. تم القبض على جميع الصور خصيصا لهذا المنشور. تم استخدام الأساليب المفصلة أدناه في إعداد تقرير مؤتمر الأولي 9 استنادا إلى بيانات من ثمانية الكلية المشاركين في السنة الثانية الذين تتراوح أعمارهم بين ثلاثة منهم من الإناث.

وتستخدم العديد من الأدوات الموجودة تشير إلى مستويات القدرة المكانية الملازمة لأو المستفادة من الأفراد. اثنان صحيحة وموثوقة 10،11 الأدوات التي تستخدم عادة هي العقلية قطع اختبار (MCT) 12 واختبار بوردو المكانية تصور دوران (PSVT: R) 13. بينما في الأصل مصممة مهنيا 14 هذه الصكوك اختبار مراحل مختلفة من التنمية التصور المكاني وصفها نظرية Piagetian 10،15. استخدام هذه الأدوات يخلق الحاجة إلى فهم الظواهر المعرفية الفسيولوجية الأساسية existinز عندما يعمل الأفراد من خلال هذه المشاكل. لهذا السبب، وتهدف هذه الدراسة إلى تسليط الضوء أساليب استخدام البيانات الفسيولوجية التجريبية قد تحسن في نهاية المطاف إلى تحليل وفهم الفكر المكاني، تحقق من مقاييس اختبار قدرات القائمة، وزيادة تطبيق المقررة المكانية مشاكل أكثر تعقيدا النموذجية للتعليم الهندسي. العديد من هذه المشاكل يمكن أن يكون مصادفة في الهندسة احصائيات.

احصائيات هو الميكانيكا التأسيسية تسليم بالطبع لمعظم طلاب الهندسة (على سبيل المثال. والبيولوجية والميكانيكية والمدنية والبيئية، هندسة الفضاء) 16،17. وهو واحد من أول حل مشكلة الخبرات الواسعة التي تعطى للطلاب في محتوى الهندسة الأساسية 18. ينطوي احصائيات دراسة تفاعل قوى على جسم جامد التي هي في بقية أو تتحرك بسرعة منتظمة. للأسف احصائيات ديه التسرب عالية، والانسحاب، ومعدلات الفشل (14٪ كما رأينا في التحرياتجامعة tigated) وهذه قد تكون ذات صلة نماذج تقديم المحاضرات والمناهج التقليدية التي حذفت السبل الأساسية لدعم مثل نهج تعزيز مكانيا في التعليم. على سبيل المثال، يمكن للنهج تعزيز مكانيا في احصائيات تستهدف تصور كيفية تفاعل قوى خارج الفحص التحليلي نموذجي وتعزيز معرفة الطلاب الإجرائية مع مفاهيم الارض. فعالية مثل هذه التدخلات يجب أن يتم التحقيق من منظور العلمي العصبي المعرفي.

كهربية (EEG) يقدم طريقة فريدة والمتنقلة لقياس النشاط الفكرة الرائعة الطلاب. والأفراد الذين يؤدون مهام انتزاع تفعيل بيتا عموما تشارك جدا مع تفاصيل مهمة ويقظة لماذا يفعلون 19،20. كما تتطلب مهمة زيادة واتساع الزيادات موجة بيتا، وكذلك حجم المنطقة القشرية ترددات النطاق الترددي تحتل. والمزيد من الخلايا العصبية التي تطلق فييمكن تعريفها بأنها قوة أكبر بيتا نطاق الترددات بيتا (24Hz: - - 12 ألفا 8 12 هرتز، بيتا). وفيما يتصل بذلك، ويصبح واحدا أكثر خبرة في مهمة، واتساع موجات بيتا النقصان، وتوليد الطاقة أقل بيتا. هذا هو جزء من كفاءة فرضية العصبية 21-28، التي تجربة مهمة أكبر عند تنفيذ مهمة يرتبط إلى نقص في القوة تردد. مع أنه كان قد تم استخدام مجموعة الإمارات للبيئة في دراسة القدرات المكانية (في كثير من الأحيان للدوران العقلي والمهام الملاحة المكانية) - ولقد تم تحديد البيانات التي يمكن تطبيقها في ألفا، بيتا، وثيتا العصابات 27-33 - لوحظت ألفا وبيتا العصابات لهذا وقد تم اختيار الدراسة، وبيتا لمزيد من التحليل تمثيلي في هذه الورقة، وفي تقرير مؤتمر الأولي 9. للإجراءات المحددة أدناه بالتالي التركيز على تحليل الفرقة بيتا، ولكن التحقيق في كل المجموعات الثلاث، اعتمادا على البيانات المسجلة، ويوصى في المستقبل.

الوقد تم اختبار العصبية كفاءة فرضية على مختلف المهام، بما في ذلك لعبة الشطرنج، والذاكرة إبصاري فراغي، وتحقيق التوازن، ويستريح. وقد أشار كل تجربة مهمة كعامل في تردد السلطة انخفض عند تنفيذ المهام المألوفة. وقد قدمت واحدة بعينها الدراسة 25 الأدلة إلى أنه على الرغم من أن ذكاء الشخص (مقاسا IQ) يمكن أن تساعد الفرد على اكتساب المهارات اللازمة لأداء هذه المهمة، والخبرة بمهمة تفوق المخابرات في مساهمتها في الكفاءة العصبية. وبعبارة أخرى، فإن أكثر خبرة الفرد، وأكثر كفاءة neurally انه أو انها يصبح.

دراسات الكفاءة العصبية القائمة التي تنطوي على القدرة المكانية وركزت في المقام الأول على دوران المكاني، واستخدمت مجموعات مشكلة من نوع آخر للمقارنة بين مختلف السكان (على سبيل المثال، ذكور / إناث) 27-28. وقد قدمت الدراسات EEG المهام القدرة المكانية أيضا البصيرة من خلال مقارنة الأداء لأنواع مهمة أخرى (على سبيل المثال، المهام اللفظية)27،29،30. الأساليب مناقشتها في هذا التركيز رقة عن ومقارنة المشاكل من MCT، PSVT: R، وكذلك المهام التوازن الثابتة، التي ترتبط القدرة المكانية ولكن لا تقتصر على دوران المكاني والملاحة. ويمكن استخدام المهام المكانية أخرى بدلا من تلك كأمثلة في هذه المخطوطة. وبهذه الطريقة، يمكن الحصول على نظرة إضافية في المستقبل بشأن مجموعات سكانية مختلفة (على سبيل المثال، ذكر / أنثى أو خبير / مبتدئ) لتساعد في نهاية المطاف تحسين الممارسات التعليمية الهندسية.

في محاولة لتحقيق القدرة المكانية والكفاءة الهندسية، قمنا بتطوير بروتوكول باستخدام القياسات EEG لتحديد التنشيط موجة بيتا من أداء منخفض للمشاركين عالية الأداء خلال بطارية محدودة من المهام المكانية والهندسة محددة. في هذه الحالة، فإن مصطلح عالية الأداء يرتبط بأداء المشاركين، وليس تعبيرا عن مقدار الوقت الذي يقضيه في الميدان الذيالمتعلم، وكذلك جميع المشاركين تقريبا في نفس النقطة في تعليمهم. بالإضافة إلى ذلك، مجموعة مشكلة المعنية غير محددة تماما والأساسية؛ وبالتالي مصطلحي "الخبير" أو "عالية الأداء" هنا يجب ألا ينظر بالمعنى خبير ومهندس يعملون مهنيا، ولكن يمثل الأداء العالي فقط في هذه الشريحة الضيقة الهندسة الميكانيكا المناهج والأدوات القدرة المكانية. ويمكن أيضا أن القياسات العصبية أن تستخدم لتحديد أي اتجاهات الإجمالية لأي نوع من أنواع مهمة قد توظيف المزيد من الموارد المعرفية من غيرها، مع تفسير محتمل بشأن مستويات من الصعوبة. هذه المعلومات يحتمل أن توفر نظرة ثاقبة التقييم والتدخل المستقبلي فيما يتعلق القدرة المكانية. يمكن اشتقاق رؤية مستقبلية أخرى من خلال النظر في المناطق الأكثر محددة من الدماغ، والتي لم يكن ممكنا في هذه الدراسة نظرا لعدد محدود من القنوات المتاحة في الأجهزة EEG المستخدمة.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

بيان الأخلاقي فيما يتعلق باستخدام المشاركون البشري

وقد تمت الموافقة على الإجراءات اللازمة في هذا العمل من قبل مجلس المراجعة المؤسسية (IRB) في جامعة ولاية يوتا لدراسة البشر. فمن المستحسن أن أي عمل مماثل يجب أن تتم الموافقة من قبل الاتحاد الدولي للرجبي ذات الصلة. ويسمح للمشاركين لوقف أو الانسحاب من الدراسة في أي وقت أثناء التجربة.

1. اختيار المشاركين

  1. حدد المشاركون على أساس طوعي من الطلاب المسجلين حاليا في احصائيات بالطبع. تأكد من أن المشاركين تعرضوا سابقا لمحتوى احصائيات سيرون بينما في الدراسة.
    ملاحظة: يجب أن يكون المشاركون من الناحية المثالية التعرض لهذه المادة عن طريق محاضرة قبل أربعة أسابيع على الأقل المشاركة في الدراسة حتى لا يكون هناك متسع من الوقت لتوحيد المفاهيم وتطوير مستويات الأداء التفاضلية.
  2. إجراء التوظيف بعد كل البروتوكولات IRB. شرحكافة الإجراءات والقيود المفروضة على المشاركين المحتملين في التفاصيل. وصف نطاق الاتصال في المستقبل، وكيف أن نتائج الدراسة قد نشرت و / أو إتاحتها للمشاركين. تحديد أي تعويض للمشاركة في الدراسة. إذا اختار أحد المتطوعين للالتحاق في الدراسة، وتوفير له أو لها مع مشفرة مزدوج رمز تعريف يعرفها سوى والتي تسيطر عليها الباحث الرئيسي.
    ملاحظة: سيتم تجنيد السكان محددة تتطلب التحليل الإحصائي للتحقق من القوة الإحصائية للعينة وعدد من المشاركين المطلوبة لتحليل الفروق الفردية في البيانات الفكرة الرائعة. إذا رغب الباحث في إجراء دراسة مقارنة بين السكان، ثم ينبغي إجراء تحليل القدرة على تطوير أحجام مجموعة مشارك المناسبة لكلا الشعبين.
  3. اختر الأنشطة أو المشاكل التي هي ممثل الخبرات المطلوبة للمشاركين.
    ملاحظة: في هذا البروتوكول، والهندسة على مستوى السنة الثانيةوقد تم اختيار الطلاب المسجلين في احصائيات بالطبع. وكانت الأنشطة التي تعتبر ذات الصلة مشاكل من محتوى احصائيات التمهيدي فضلا عن اثنين من يشيع استخدامها أدوات القدرة المكانية: والعقلية قطع الطائرة اختبار (MCT) وبوردو المكانية التصور اختبار (PSVT-R). كل صك اختبارات بنيات مختلفة من القدرة المكانية ومستوى التنمية المكانية في هذا عدد الطلاب المحدد.
  4. وضع جدول زمني لتنظيم دورات المختبر للمشاركين.

2. إعداد الأدوات

  1. إعداد السماعات EEG (الملقب مباراة دولية) في تعليمات الشركة الصانعة. إتمام هذا الإعداد قبل وصول المشارك للدراسة. أن أكرر أن هذا الإجراء غير محددة لسماعات الرأس العامة مثل Emotiv، بدلا من الاجهزة EEG الصف الطبية.
    1. شحن سماعات EEG - مثالي تهمة 1 ساعة على الأقل في كل دورة. لمختبر تستخدم بانتظام، اثنين على الأقل سماعات فرضر جميع الأوقات.
    2. وضع كل السوائل اللازمة في منطقة يسهل الوصول إليها، بما في ذلك وسائل لالملطف الأقطاب EEG (على سبيل المثال، الماء) ونظافة كاشطة لضمان اتصال جيد للعقد إشارة EEG.
    3. إدراج اللباد في كل غلاف (ضمان الاتصال الذهب يجلس بشكل آمن في كل غلاف). تشبع اللباد مع السائل الملطف باستخدام حقنة. السماح أقطاب رطب للراحة.
  2. إعداد أي كاميرات الفيديو المطلوبة لقياس سلوك المشاركين. للبروتوكول الحالي، استخدام اثنين من كاميرات الفيديو لكل مشارك. إعادة ضبط الكاميرات مرة واحدة المشارك في المكان. تأكد من أن شريط الفيديو هو ختمها وقتا طويلا.
    1. التركيز كاميرا واحدة على وجهه المشارك إذا تهدف إلى تسجيل تعابير الوجه والحصول على جودة صوت عالية.
    2. تركيز كاميرا أخرى في المنطقة أمام المشاركين لالتقاط حركة اليد، بما في ذلك الإجراءات خط اليد (إذا كان من المتوقع على خط اليد، للتأكد من استخدام الكتابة فيstrument هذا هو الظلام و / أو سميكة بما يكفي لتكون الملتقطة بواسطة الكاميرا)، وعلى ما يكفي من شاشة الكمبيوتر لتوفير فكرة عن المهمة التي يتم حلها في أي وقت.
    3. بدوره على جهاز الكمبيوتر وتأكد من أن البرنامج هو على لتسجيل البيانات الفكرة الرائعة. تحقق من أن كافة الأجهزة والبرمجيات وجمع البيانات والتواصل بما فيه الكفاية لجمع البيانات.

3. إعداد المشاركين في الدراسة والدورة البدء

  1. التحقق من استلام موافقة موثقة من المشاركين في اتفاقية الاتحاد الدولي للرجبي التي نوقشت أعلاه. الإجابة على أية أسئلة على المشاركين قبل بداية الدراسة. تذكير المشاركين بأن البيانات التي تم جمعها سيتم الرجوع إليها رمز هوية وسوف تكون هناك أية معلومات تعريف الذي يربط البيانات إلى مشارك، وأنهم قد سحب في أي وقت.
  2. اطلب من كل مشارك لملء المسح الديموغرافي قبل المشاركة في الدراسة. قد يسأل هذا الاستطلاع حول النوع الاجتماعي، وشركة جنرال الكتريك، والخبرة السابقة التي قد تؤثر على قدراتهم في الدراسة (على سبيل المثال، الهندسة الماضية أو مكثفة مكانيا الدورات، والقدرة المكانية تعزيز الهوايات، والمسائل المتعلقة بمعايير استبعاد مثل إصابات الدماغ قد عانوا، اليد التي يستخدمونها).
    1. استبعاد المشاركين من مجموعة المتطوعين لتحليل EEG إذا كان أي من الحالات التالية: (أ) يتم ترك مشارك سلم أو ماهر يدويا، من أجل السيطرة على ليفند تجانب الدماغ. (ب)؛ الفرد لا يمكن أن تشارك في دورات المختبر بسبب الإعاقة الجسدية. أو (ج) قد عانى الفرد إصابة خطيرة في المخ. إبلاغ المشاركين المحتملين من هذه القيود خلال عملية التوظيف، أو في أقرب وقت ممكن لتجنب قضاء الوقت والموارد لزوم لها.
  3. ولدى وصوله، وضمان مشارك هو مريح وحل أي أسئلة أو استفسارات المتبقية.
    1. إظهار الحقنة المستخدمة لتشبعالعقدة وشرح أنه سيتم استخدامها فقط للحفاظ على EEG اللباد الرطبة. إذا كان مشارك لديه الخوف الشديد من الإبر، والنظر في تنفيذ الاحتياطات الأخرى (على سبيل المثال.، والحفاظ على حقنة من الطائرة الاتصال بهم عند إعادة ترطيب-من اللباد).
    2. طرح سؤال على المشاركين لإزالة أي الالكترونيات من أشخاصهم.
  4. ضع سماعة الرأس EEG على المشاركين.
    1. تحقق من اللباد للالرطوبة ووضع تركيبات شعر / غلاف في الرأس EEG.
    2. تنظيف النقاط المرجعية (على سبيل المثال، عملية الخشاء) للمشارك مع المطهر جلخ. امسحي أي بقايا.
    3. ضع سماعة الرأس على المشاركين مع العقد إشارة الانحياز بشكل مناسب مع النقاط المرجعية. لا ينحني بشكل مفرط أحضان سماعة الرأس. ترك فجوة بين العقدة المرجعية والجزء الخلفي من الأذن حتى لا تسبب عدم ارتياح، ومواءمة والفضاء سماعة الرأس بشكل مناسب مع رأس المشاركين.

4. تنفيذ البرنامج ضمن الدورة

  1. بدء تشغيل البرنامج EEG قطع الأشجار. تأكد من أن الاتصال الجيد القائم بين جهاز تسجيل (على سبيل المثال، جهاز كمبيوتر شخصي)، وسماعة رأس EEG من التحقق من أن كل القنوات هي ظاهرة على جهاز تسجيل. تأكد من أن جميع القنوات عرض في البداية سلوك مماثل مع التذبذبات السعة المنخفضة. تحقق من مجموعة الإمارات للبيئة لضمان الربط الجيد مع المشاركين - إعادة ترطيب وضبط اللباد وذلك لتحقيق أنماط ثابتة على جهاز تسجيل - الذي يسبق مباشرة فترات الراحة وقبل بداية كل نوع مشكلة جديدة.
    ملاحظة: EEG تعمل في 128 هرتز. لم يستخدم Electrooculography لتسجيل حركة العين، ولم يتم استخدام إشارة ترتبط الأذن.
  2. إرشاد المشاركين أن تظل ساكنا وهادئا قدر الإمكان خلال التدريبات مهمة.
  3. بدء برنامج المهمة العرض.
    ملاحظة: أثناء جمع البيانات، وجميع ما قبليعتزم الاتصال المرئي مع المشاركين يحدث عبر شاشة الكمبيوتر. في هذه الحالة، فإن سلسلة من المشاكل المكانية والهندسة تظهر على شاشة الكمبيوتر، وسيطلب من المشاركين لحلها. ولم تقدم الإجابات الصحيحة للمشاركين خلال جمع البيانات. تقدمت الصور مشكلة على أساس إدخال المستخدم، لذلك استند توقيت في فترة حل المشكلة.
    1. عرض مشكلة المكانية نوع 1 (على سبيل المثال، PSVT: R - اختبار الاختيار من متعدد، أو مشاكل دوران صحيح، كاذبة - انظر الشكل 1) 13. ملاحظة: (على سبيل المثال، 30 ثانية) مدة هذه المشاكل سوف تستخدم مجموعة من الوقت لتحليل البيانات. وأدرجت خمس مشاكل في هذه المجموعة.
    2. عرض نوع المشكلة المكانية 2 (على سبيل المثال، MCT - اختبار الاختيار من متعدد، أو قطع عقلي صحيح، كاذبة مشاكل - انظر الشكل 2) 12. ملاحظة: مدة هذه المشاكل سوف (على سبيل المثال، 30 ثانية).أن تستخدم مجموعة من الوقت لتحليل البيانات. وأدرجت خمس مشاكل في هذه المجموعة.
    3. عرض الهندسة نوع المشكلة 17 (. على سبيل المثال، علم السكون المشاكل - موزعة على التركيز على مبادئ محددة من الهندسة احصائيات، أو أي نوع المشكلة التطبيقية يفترض أن يكون المكونات المكانية - انظر الشكل 3). ملاحظة: هذه المشاكل تأخذ مزيدا من الوقت لحل من المشاكل المكانية. اختلف عدد من المشاكل تبين أن المشاركين 4-10.
    4. تعيين فترات الراحة في البداية والنهاية لجمع البيانات - المستخدمة للحصول على بيانات خط الأساس. تأكد من أن كل هذه لها نفس المدة (على سبيل المثال، 120 ثانية).
  4. إذا رغبت في ذلك، وإجراء مقابلة الخروج مع المشاركين. ويمكن أن تشمل هذه الأفكار على العرض التجريبي، وارتداء سماعة الرأس التخطيط الدماغي، وعملية الاتصال المستخدمة في جميع أنحاء إعداد التوظيف والمشاركين، و/ سص أي بروتوكول تتطلب إجابات شفهية المذكورة أعلاه. يمكن تقديم استبيان المستخدم التحقق من صحة إلى المشاركين بدلا من إجراء مقابلة.
  5. إيقاف البرامج المهمة العرض، البرنامج EEG قطع الأشجار، وإزالة الرأس التخطيط الدماغي، وإيقاف تشغيل أجهزة تسجيل الفيديو.

5. اختتام الدورة

  1. استبعاد مشارك الدراسة. أشكر المشاركين وتقديم لهم شرحا عن أي اتصال في المستقبل (على سبيل المثال، لإجراء مقابلات المتابعة أو الدورات اللاحقة للدراسة)، وشرح كيف يمكن نشر نتائج الدراسة و / أو إتاحتها للمشاركين، وتوفير أي المرطبات أو دفع (أو شرحا لكيفية وسيتم توفير المبلغ) المتفق عليها كجزء من التعويض للمشاركة في الدراسة.
  2. سجلات نقل البيانات إلى أي المطلوبة على المدى الطويل أو نقل أجهزة التخزين. تخزين شكل موافقة موقعة مناسب وفقا لما تقرره بروتوكول الاتحاد الدولي للرجبي.
  3. إزالة اللباد عن سماعة الرأس وتعقيم أو التخلص منها.
  4. العودة أغلفة الكهربائي EEG وسماعة إلى موقع التخزين السليم.
  5. تخلص من الحقن المستعملة والنفايات بشكل مناسب.
  6. عودة السوائل إلى أماكن التخزين المناسبة.
  7. تأمين مختبر إذا لم يتم استخدامها من قبل باحثين آخرين.

تحليل 6. البيانات

  1. تحديد واستخراج البيانات الخام لكل قناة والبيانات علامة من سجلات البيانات EEG. استخدام علامات ASCII قليلا لتحديد بداية ونهاية لجمع البيانات، فضلا عن الانتقال بين المراحل المختلفة لجمع البيانات (على سبيل المثال، أنواع مشكلة) والمشاكل الفردية. تأكد من أن كل نوع مرحلة له قيمة علامة مختلفة وذلك لتمكين التمايز خلال التحليل. تسمية البيانات بطريقة يشير رمز هوية المشاركين كمصدر.
    ملاحظة: الأوامر EEGLAB هي دefined هنا، ولكن EEGLAB يتطلب MATLAB لهذا التنفيذ.
    1. انقر فوق ملف> استيراد البيانات> استخدام وظائف EEGLAB والإضافات> من الملفات EDF / EDF + غاز فرنسا (BIOSIG الأدوات)
    2. حدد ملف البيانات المناسبة. انقر فوق فتح لتحميل البيانات.
    3. حدد قائمة القنوات. انقر فوق موافق لقبول.
    4. توفير اسم مجموعة البيانات. حدد اسما وصفيا للبيانات التي تعكس مصدر وتاريخ التحصيل. في هذه الحالة، PSF1448 يدل على البيانات من معرف المشاركة 48 في خريف عام 2014.
  2. خريطة البيانات المستخرجة للمونتاج (أي تخطيط العقد EEG) عن طريق اختيار المونتاج التي تقدمها EEG سماعة بائع (على سبيل المثال، 10 - النظام 20). ضمان المونتاج المستخدمة لتحليل مباريات تخطيط سماعة الرأس EEG المستخدمة خلال الدورة. هذا هو الصانع محددة.
    1. مواقع تحرير قناة عن طريق النقر المواقع تحرير> القناة.
    2. اختر المونتاج. في هذه الحالة defauلتر المونتاج المناسب، لذلك ببساطة انقر فوق موافق لقبول.
    3. تحديد معلومات القناة مواصفات. في هذه الحالة الافتراضي هو المناسب، وذلك ببساطة انقر فوق موافق لقبول.
  3. تقليل البيانات قناة EEG لتلك التي هي الأكثر تمثيلا للنشاط الدماغ، كما هو موضح أدناه.
    1. تطبيق عامل تصفية الأولي للبيانات. عادة، وتطبيق تمريرة عالية، مرشح تمرير منخفض (0.1 هرتز كما الأدنى للمرشح تمريرة عالية و 59 هرتز كما الحد الأعلى للمرشح تمرير منخفض). تطبيق مرشح تمرير منخفض أقل من 60 هرتز يزيل الضوضاء من الشبكة الكهربائية في الولايات المتحدة. حفظ بيانات مع اسم جديد باعتباره نقطة استعادة.
      1. انقر فوق أدوات> تصفية FIR بسيطة (جديد، الافتراضي).
      2. تعيين تصفية المعايير الأساسية. تعيين الحافة السفلى إلى 0.1 هرتز، حافة ارتفاع إلى 59 هرتز، لا رسم استجابة التردد، وانقر فوق موافق لقبول.
      3. تحديد اسم جديد للبيانات التي تمت تصفيتها (بإلحاق "_filtered" إلى اسم مجموعة البيانات الحالية). افحص بثور لحفظ البيانات على شكل ملف، واستخدام نفس اسم لاسم الملف. انقر فوق موافق لقبول.
    2. إزالة أية بيانات التي تقع قبل أول علامة EEG أو بعد علامة EEG الماضية - مع الأخذ في الاعتبار أي الكمون في تسجيل علامات EEG. تسجيل الكمون (الوقت) للعلامة تشير إلى الشروع في تسجيل البيانات والكمون من علامة تشير إلى نهاية البيانات. حفظ بيانات مع اسم جديد باعتباره نقطة استعادة.
      1. يمكن العثور على القيم الكمون في "القيم الحدث تحرير - pop_editeventvals ()" الشاشة؛ اضغط على زر ">>" للانتقال إلى علامة النهائية مما يدل على نهاية البيانات EEG. يحتاج أي تغيير المقبولة، لذلك انقر فوق إلغاء الأمر مرة واحدة وقد سجلت القيم.
      2. انقر فوق تحرير> تحديد البيانات.
      3. أدخل بداية ونهاية الكمون (الوقت) القيم، مفصولة بمسافة، في "وقت نطاق [دقيقة كحد أقصى] (ق)" الميدان، وانقر فوق موافق لقبول.
      4. تحديد اسم جديد للالبيانات اقتصاص (بإلحاق "_cropped" إلى اسم مجموعة البيانات الحالية). ضع علامة في المربع لحفظ البيانات على شكل ملف، واستخدام نفس اسم لاسم الملف. انقر فوق موافق لقبول.
    3. رفض قطاعات من البيانات مع القطع الأثرية الكبيرة. الخطوات المضمنة أدناه كيفية القيام بذلك يدويا في حين بصريا فحص البيانات. ملاحظة: سيتم إزالة البيانات أيضا أن يسبب التحف 34،35.
      1. تطبيع البيانات في كل قناة (إزالة المتوسط ​​ووضع كل قناة على نفس النطاق). أيضا إزالة العاصمة الإزاحة (هذا يغير البيانات، ولكن ليس التصور).
        1. انقر مؤامرة> البيانات قناة (التمرير).
        2. انقر فوق إعدادات> النطاق الزمني لعرضه.
        3. تحديد نطاق الوقت (. على سبيل المثال، 30 ثانية) ليتم عرضها في المؤامرة في "طول جديد نافذة (ق):" حقل. ويستند نطاق الوقت على الوقت بين علامات لمشاكل في مرحلة معينة (أو خلال مرحلتي مشكلة المكانية). نطاق الوقت يمكن أن يكون قاعدةد على الحد الأقصى، الحد الأدنى، أو متوسط ​​الوقت بين علامات.
        4. انقر على زر "نورم" لتطبيع البيانات في مؤامرة (هذا هو تجميلية فقط، ولا يغير من البيانات الأساسية).
        5. انقر فوق عرض> إزالة تعويض العاصمة لإزالة العاصمة الإزاحة في مؤامرة (هذا هو تجميلية فقط، ولا يغير من البيانات الأساسية).
      2. إزالة القطع الأثرية الكبيرة التي لا تتكرر بانتظام مع مرور الوقت.
        1. علامة كافة البيانات قطعة أثرية تبحث غير طبيعية. مرة واحدة وقد تم وضع علامة على كافة البيانات قطعة أثرية، انقر فوق الزر رفض.
          ملاحظة: يمكن أن تظهر هذه القمم عن ارتفاع غير طبيعي أو واسعة في البيانات - في قنوات واحدة أو متعددة - أو الاتجاهات والطويلة التي تظهر في عدد قليل من القنوات. البيانات المشبوهة في حالة ظهور بيانات من قنوات منفصلة لعبور بعضهم البعض في المؤامرة. وتمثل هذه القطع الأثرية التي لا تشكل جزءا من الطيف الفكرة الرائعة وعلى الأرجح تمثل حركة العضلات من قبل المشترك أو عقدة (ق) ثضعف الاتصال إيث. أي شيء يشبه موجة مربع لا يمثل نشاط الدماغ البشري.
      3. حفظ بيانات مع اسم جديد باعتباره نقطة استعادة.
        1. انقر فوق ملف> حفظ بيانات الحالي كما.
        2. تحديد اسم جديد للبيانات التي تم قصها (بإلحاق "_manRej" إلى اسم مجموعة البيانات الحالية). انقر فوق حفظ لقبول.
      4. إذا قناة معينة يبدو أن يكون هناك خلل، وإزالة البيانات منه بشكل فردي. وهذا يمثل خسارة كبيرة في البيانات، وبالتالي القيام بذلك بحذر شديد. نظرة على بيانات من القناة على مدى فترة زمنية طويلة، كما أنه غالبا ما يستقر على مر الزمن ويوفر بيانات مفيدة.
    4. تشغيل تحليل المكونات المستقلة (ICA) واختيار أفضل تمثيل النشاط الفكرة الرائعة.
      ملاحظة: هذا يساعد في إزالة مجموعات من القطع الأثرية المتكررة في البيانات. هذه مجموعات تحتوي على القطع الأثرية التي سوف تظهر عدة مرات على فترات منتظمة تقريبا مع شاء المتكررةبي. وعادة ما تكون نتيجة من الوظائف البيولوجية مثل امض أو نبض - كل واحدة منها سيكون لها مجموعتها الخاصة.
      1. خريطة البيانات فصل ICA-لتمثيل الجمجمة على أساس المونتاج. رفض النتائج المرتبطة امض، النبض، أو توتر العضلات - التي غالبا ما تظهر في نتائج ICA كما مجالات التركيز فوق العينين، بالقرب من المعابد، أو عبر الأذنين، على التوالي. رفض أي مكون تبين الجمجمة كلها بأنها تعمل منذ ذلك لا تمثل نشاط الدماغ (انظر الشكل 4) 35 تحمل النتائج الأخرى (أنظر الشكلين 5-6).
        1. انقر فوق أدوات> ICA تشغيل.
        2. حدد ICA خوارزمية الافتراضي (runica). انقر فوق موافق لقبول.
        3. انقر مؤامرة> خصائص المكونات.
        4. تحديد مؤشرات العنصر (14 EEG قنوات القطب تحميلها في الذاكرة) والخيارات الطيفية. كما كان من قبل، والحافة السفلية 0.1 هرتز، والحافة العليا 59هرتز. انقر فوق موافق لقبول المشاركات.
        5. ضمن قبول / رفض نافذة، انقر على زر قبول لتغيير الحالة إلى رفض (وفوقه مرة أخرى لتغييره مرة أخرى إلى قبول). انقر فوق موافق لتسجيل قبول / رفض وضع العلامات.
      2. رسم البيانات فصل ICA-في لون مؤامرة 2-D. رفض النتائج التي تظهر معرق، فارغة، أو يتخلله انقطاعات، ثم حفظ بيانات مع اسم جديد باعتباره نقطة استعادة (أنظر الشكلين 5-6).
        1. ضمن قبول / رفض نافذة، انقر على زر قبول لتغيير الحالة إلى رفض (وفوقه مرة أخرى لتغييره مرة أخرى إلى قبول). انقر فوق موافق لتسجيل قبول / رفض وضع العلامات.
        2. انقر فوق أدوات> إزالة مكونات - لإزالة الواقع البيانات علامة للرفض في وقت سابق.
        3. انقر فوق موافق للمتابعة. وتظهر المؤشرات من المكونات التي تم تسجيلها لرفض في إطار "إزالة مكونات".
        4. انقر فوق قبول في إطار "تأكيد" لجontinue مع التقليم من البيانات.
        5. تحديد اسم جديد للبيانات مجردة (بإلحاق "_manRejPruned" إلى اسم مجموعة البيانات الحالية). ضع علامة في المربع لحفظ البيانات على شكل ملف، واستخدام نفس اسم لاسم الملف. انقر فوق موافق لقبول.
          ملاحظة: الشرائط التي تستمر لفترة أطول من يعتبرون 0.5 ثانية معقول لهذا الرفض. النسبي "الخير" قد تكون هناك حاجة لاستخدامها هنا، اعتمادا على كيفية جيدة تظهر مجموعات البيانات الأخرى أن تكون - من المستحسن أن تبقي على الأقل نصف من المكونات. ونتائج جيدة في كثير من الأحيان ممثلة التدرج المستمر على 2-D البيانات المستمر اللون مؤامرة 34.
  4. إزالة القيم الحدية اليسار في البيانات. حفظ بيانات مع اسم جديد باعتباره نقطة استعادة.
    1. انقر فوق تحرير> القيم الحدث.
    2. انتقل من خلال الأحداث وانقر على زر الحدث حذف عندما يكون نوع الحدث هو الحدود. عندما تم إزالة كافة، انقر فوق موافق.
    3. Specifيا اسما جديدا لحذف البيانات للحدود (بإلحاق "_deleteBoundaries" إلى اسم مجموعة البيانات الحالية). انقر فوق حفظ لقبول. استخدام نفس اختيار عنصر القائمة كما كان من قبل للوصول إلى هذه الشاشة (راجع الخطوة 6.3.3.3.1).
  5. حساب مقاييس السلطة المطلقة لكل نوع من أنواع التمارين الرياضية. هذا هو القائم على السلطة لوغاريتمي تحويل تقوم على قياس مكروفولط والوقت - يحسب لكل نطاق التردد (دلتا، ثيتا، ألفا، بيتا، وجاما) 22
    1. قطعة البيانات إلى كتل، وذلك باستخدام علامات تشير إلى بداية ونهاية كل مهمة.
      1. انقر فوق تحرير> تحديد البيانات باستخدام الأحداث.
      2. الاستفادة من الأطر الملائمة لكل نوع المهمة. تحديد الإطار الزمني لفترات الراحة قبل مدة من فترة راحة. للمشاكل المكانية (التي تتشابه تقريبا في المدة)، استخدام إما متوسط ​​مدة كل المهام المكانية أو المدة القصوى لجميع المهام المكانية. لتطبيق (على سبيل المثال، الهندسهز احصائيات) المشاكل، وتحديد متوسط ​​مدة لكل مشكلة. حفظ بيانات مع اسم جديد باعتباره نقطة استعادة.
        1. أدخل نوع علامة في "نوع الحدث (ق) ([] = الكل)" الحقل، (على سبيل المثال، تم استخدام نوع علامة 50 للاحتفال الأحداث الراحة). كانت الأحداث راحة لمدة 120 ثانية في هذه الحالة، حتى أدخل "120 1" لمجموعة الآجال. انقر فوق موافق لقبول.
        2. تحديد اسم جديد لبيانات الحدث (بإلحاق "_rest" إلى اسم مجموعة البيانات الموجودة في هذه الحالة). ضع علامة في المربع لحفظ البيانات على شكل ملف، واستخدام نفس اسم لاسم الملف. انقر فوق موافق لقبول.
          ملاحظة: إذا كان يمكن تخفيض الأجزاء تطبيقها بحيث تأخذ تقريبا نفس المقدار من الوقت كما المهام المكانية، ثم استخدام نفس حجم الإطار الزمني كما المهام المكانية. منذ EEG هو مقياس الحساسة للوقت، وأكثر دقة الحقب الزمنية لكل حالة، وأقل مرتبك البيانات هي في النهاية (أي أن عدد العينات التي تم جمعها عن كل كونديونشوئها أن يكون أكثر اتساقا).
  6. مقارنة نتائج التحليل النهائي.
    1. حساب النسبة المئوية لكل قطعة بالنسبة للقياسات بقية خط الأساس. رؤية الملف رمز البرامج الملحقة، والجداول 1-8.
      1. فتح سيناريو Absolutepower في MATLAB وانقر على زر تشغيل لتشغيل البرنامج النصي على البيانات التي تم تحميلها في مساحة العمل خلال خطوة 6.6 (على سبيل المثال، البيانات بقية).
      2. تحديد بيانات absolutepowermatrix في مساحة عمل MATLAB لنقلها إلى برنامج جداول البيانات (على سبيل المثال، إكسل).
    2. كرر الخطوات من 6.5 - 6.6.1.2 لكل ممارسة نوع / علامة.
    3. مقارنة النتائج مع أطر زمنية مماثلة (على سبيل المثال، المهام المكانية) إلى واحد آخر لنظرة ثاقبة صعوبة نسبية.
    4. مقارنة النتائج بين المشاركين لتحديد الأداء نسبية أعلى مقابل الأداء أقل في المهارات التي يجري تقييمها. ملاحظة: الأداء عالية قد تظهر لتر جداإيتل زيادة في تفعيل بيتا نسبة إلى خط الأساس، في حين أن الأداء منخفضة قد تظهر زيادة في حدود 70٪ 21-26.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

في هذا القسم، موضحة الخطوات السابقة مع أرقام العينة كما هو موضح أدناه. لم يتم تقديم ملخصات البيانات كاملة مع الاختبارات الإحصائية، حيث أن الهدف من هذه الورقة هو التركيز على الأساليب. يتم إعطاء R، MCT، والمشاكل المكانية في الشكل 1، الشكل 2، والشكل (3)، على التوالي: أمثلة من PSVT المحتملين.

فإن غطاء EEG جمع تنشيط الدماغ عن طريق إمكانات الكهربائية لكل قناة معينة، والتي يمكن أن ينظر إليها في نفس الوقت كما هو موضح في الشكل (7). وكما ذكر سابقا، وبعض القطع الأثرية ضمن البيانات التي يجب إزالتها يدويا، والبعض الآخر يمكن ازالتها عن طريق الحلف. في بعض الأحيان يمكن تحديد قناة الخاطئ. هذه التحف واضحة في الشكل 7، وفي البرنامج التحليل، والتحف الكبيرة غير المتكررة يمكن أن تكون علامة يدويا في تسلسل ثم إزالتها عن طريق النقر على زر "رفض" (كما في الخطوة 6.3.3.2.1). جميع الأرقام مع الصور لتحليل البيانات EEGهي من أداة تحليل البرامج المدرجة في جدول المواد.

بعد ICA، برنامج تحليل خرائط البيانات بطريقتين: 1) تمثيل المعنونة فروة الرأس من التنشيط و2) 2-D المستمر مؤامرة بيانات تفعيل المحتشدة التي كتبها المحاكمات والوقت. مثال على بيانات مقبولة ويمكن ملاحظة في الشكل (5). مثال على فروة الرأس رفض تعيين ويمكن رؤية البيانات تشير إلى نشاط غير المرتبطة مع الدماغ لثلاث حالات في الشكل 4. 2D المؤامرات البيانات المستمرة لأولئك نفسها يمكن أن ينظر إليها في ثلاث حالات رفض الرقم 6، وتسليط الضوء على لوحظ في الاعتبار المؤامرات الأولين أوامر الإزالة. لتسليط الضوء في مؤامرة ثالثة يمكن اعتبار الشريط الحدودي - ويمكن اعتبار 2-D المؤامرات البيانات المستمرة من هذه النوعية لإدراجها، والباحث يجب أن يراعي التوازن بين بما في ذلك اشارات غامضة وتجاهل البيانات القيمة. تعتبر الشرائط أطول من 0.5 ثانية غروجهاز الأمم المتحدة الإنمائي لهذا الرفض. لمزيد من البصيرة، الرجوع إلى الموقع EEGLAB (http://sccn.ucsd.edu/eeglab/).

مرة واحدة وقد تم رفض جميع البيانات التباس - إما عن طريق الرفض اليدوي في حين يبحث في المؤامرات الفكرة الرائعة أو بعد ICA - وتم المقسم البيانات في الوقت المناسب لنوع النشاط المناسب، ويمكن إجراء العمليات الحسابية السلطة المطلقة لكل نطاق تردد وكل نشاط اكتب عبر النصي MATLAB (استنادا إلى وظائف برامج التحليل) التي وردت في الملف رمز البرامج الملحقة. وأظهرت بيانات التلخيص ثم الناتجة عن وظيفة في الجداول أدناه يتضمن الجدول 1 البيانات من فترات زمنية الراحة - والتي تستخدم كقاعدة للحسابات الكفاءة الجدول 2، الجدول 3، والجدول رقم 4 تحتوي على السلطة المطلقة بيانات لPSVT: R، MCT، والمشاكل احصائيات، على التوالي. بواسطة قسمة قيمة الخلية لقناة المقابلة وحظر الترددد في الجدول الراحة، وتظهر النسب السلطة المطلقة النسبية في الجدول 5، الجدول 6، والجدول رقم 7 لPSVT: R، MCT، والمشاكل احصائيات، على التوالي.

في نهاية المطاف، يتم أخذ متوسط ​​قيمة عبر جميع القنوات لنطاق التردد بيتا لكل نوع من أنواع النشاط، وتظهر النتائج في الجدول رقم 8، ويمكن استخدام هذا النوع من البيانات لتحديد رويس للبحث في المستقبل. من هذه البيانات للمشارك في السؤال، ونحن نرى أن السلطة المطلقة النسبية يبدو أقل لPSVT: R من لMCT. استنتاجات حاسمة بشأن هذا البيان، على الرغم من أن تظل تعتمد على حجم العينة أكبر لإنشاء دلالة إحصائية الممكنة. ويمكن مقارنة قوة مطلقة النسبية للمهام احصائيات إلى القيمة من المشاركين الآخرين، وتقديرات عالية الأداء مقابل ويمكن تحديد انخفاض الجهد المعرفي اداء والتي يمكن أن تكون مرتبطة مع عشرات وظيفية على مشاكل احصائيات للمصادقة. على الرغم من أن هذا هو على وجه التحديد ورقة طرق، ويقدم أمثلة للبيانات من مشارك واحد فقط، وتستخدم التحليل الاحصائي للتقرير الأولي لاختبار ليفين لتقييم الوضع الطبيعي، يليه اختبار فريدمان مقارنة العاشر مهمة مجموعة س قناة EEG. وأخيرا، تم إجراء اختبار يلكوكسون لمتابعة الآثار والتفاعلات فريدمان كبيرة. وأظهرت المقارنة بين الأداء العالي وانخفاض مستويات أعلى بكثير تفعيل بيتا لفناني الأداء منخفضة من لفناني الأداء عالية (للPSVT: R، F3: χ 2 (1،6) = 5.33، ف <0.03، T8: χ 2 (1، 6) = 4.08، ف <0.05، FC6: χ 2 (1،6) = 4.08، ف <0.05، F8: χ 2 (1،6) = 4.08، ف <0.05، AF4: χ 2 (1 .، 6) = 5.33، ف <0.03 لMCT، F3: χ 2 (1،6) = 5.33، ف <0.03، T8: χ 2 (1،6) = 5.33، ف <0.03، FC6: χ 2 (1،6) = 5.33، ف <0.03، AF4: χ 2 (1،6) = 4.08، ف <0.05 للاحصائيات، FC6: χ 2 (1،6) = 4.08، ف <0.05). 9

شكل 1
الشكل 1: PSVT: R مثال مشكلة الجزء ألف يدل على واحد عينة PSVT: R المشكلة كما يراها المشاركون. (المصدر: جواي (1976)). والجواب الصحيح هو يوفر جيم الجزء ب تفسير البصري من الحل الرجاء انقر هنا لعرض نسخة أكبر من هذا الرقم.

الشكل 2
الشكل 2: MCT مثال مشكلة الجزء ألف يوضح مشكلة عينة MCT واحدة كما رأينا من قبل المشاركين. والجواب الصحيح هو توفر D. الجزء ب تفسير البصري من الحل. (المصدر: CEEB (1939))"الهدف =" _ فارغة "> الرجاء النقر هنا لمشاهدة نسخة أكبر من هذا الرقم.

الشكل (3)
الرقم 3: احصائيات مثال مشكلة يوضح مشكلة سبيل المثال احصائيات واحدة تعطى للمشاركين. هذه المشكلة هي لفي الطائرة (أي.، 2-D) توازن معين القوى الثلاث وبنية اتصال مشترك. الرجاء انقر هنا لعرض نسخة أكبر من هذا الرقم.

الشكل (4)
وترد أمثلة آخر غير الدماغ فروة الرأس المعينة لمدة ثلاثة أمثلة للبيانات المعنونة فروة الرأس بعد ICA من أي فرد، البالغ من العمر 23 عاما، المشارك الذكور: الرقم 4. تفعيل كامل فروة الرأس، وتفعيل فوق العين واحد / المعبد، وتفعيل ركز س ن العيون والمعابد تدل على النشاط البدني، وليس نشاط الدماغ، كما هو مبين بعد ICA في IC2، IC3، وIC4، على التوالي. الرجاء انقر هنا لعرض نسخة أكبر من هذا الرقم.

الرقم 5
الرقم 5: المقبولة الصور بعد ICA بيانات رسم توضيحي لخريطة فروة الرأس مقبولة و2-D المستمر مؤامرة البيانات بعد ICA لحالة عينة، مكون المستقلة 13 (IC13)، من أي فرد، البالغ من العمر 23 عاما، المشاركين من الذكور. يبدو تفعيل أن تركز على المنطقة من الدماغ في عرض المعنونة فروة الرأس، وليس الشرائط كبيرة واضحة في مؤامرة البيانات المستمر. الرجاء انقر هنا لعرض نسخة أكبر من هذا الرقم.

ضمن الصفحات = "1"> الشكل (6)
وأظهرت 2-D مؤامرات البيانات المستمرة مطابقة الصور المعينة فروة الرأس لمدة ثلاثة أمثلة من بعد ICA المؤامرات المستمر البيانات من أي فرد، البالغ من العمر 23 عاما، المشارك الذكور: الرقم 6. العصابات سميكة أو الشرائط في المؤامرات البيانات المستمرة 2-D من ICA تشير انقطاعات يست مؤشرا على وظيفة المخ المعتادة في IC2، IC3، IC4 - ولا سيما في IC2 وIC3 المؤامرات الرجاء انقر هنا لعرض نسخة أكبر من هذا الرقم.

الرقم 7
الرقم 7: البيانات الفكرة الرائعة مع قطع أثرية لقطة من قطعة أثرية (قناة F7) وضع علامة عليها يدويا لهذا الرفض مع نطاق زمني عينة من أي فرد، البالغ من العمر 23 عاما، المشاركين من الذكور. ملاحظة هذا الحدث عبر قنوات متعددة بين 132 و 133: أحداث مماثلة تتكرر عدة مرات (تقريبا نفس الشكل والحجم على فترات منتظمة) - وبالتالي يفترض أن تمثل وظيفة بيولوجية غير الدماغ - ويمكن إزالتها عن طريق تحليل المكونات المستقلة (على سبيل المثال، وامض.) (ICA). الرجاء انقر هنا لعرض نسخة أكبر من هذا الرقم.

رمز إضافي الملف: MATLAB سيناريو والتعديلات يعرض مخطوطات (spectopo.m وabsolutepower.m) للتحول تقوم على قياس مكروفولط والوقت - يحسب لكل نطاق التردد (دلتا، ثيتا، ألفا، بيتا، غاما و) - للحصول على السلطة المطلقة في كل تردد 22. كما تشمل التغييرات رمز المطلوبة للحصول على الوظائف المناسبة في pop_chanedit.m.lemental_Code_File.txt "> اضغط هنا لتحميل هذا الملف.

راحة AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4
دلتا 2.92885 4.08477 3.54998 2.34592 2.70998 2.32691 2.68544 4.27085 2.98234 8.86292 6.23237 4.78013 10.8036 3.25063
ثيتا 0.97171 1.37529 1.31051 0.80067 0.86828 0.72737 0.89545 1.47262 0.9612 2.62535 1.81392 1.50252 3.17255 1.07803
ألفا 1.05352 1.3154 1.1847 0.65468 0.80063 0.67154 1.02715 2.07336 1.08513 2.66165 1.57996 1.34778 3.03508 1.16919
بيتا 0.43161 0.90384 0.50791 0.53479 0.50098 0.38674 0.38319 0.58092 0.31785 1.01047 0.56527 0.49346 0.90616 0.48072
غاما 0.5045 1.34183 0.62215 0.84909 0.70052 0.51585 0.43051 0.67612 0.34162 1.03946 0.64008 0.5726 0.91932 0.51616

الجدول 1: الراحة السلطة المطلقة يحتوي على القيم السلطة المطلقة لفترات زمنية الراحة الأساسية. وتظهر القيم لكل قناة غطاء EEG وكل نطاق التردد العصبية. يرجى النقر هنا لتحميل هذا الجدول كما جداول البيانات إكسل.

PSVT: R AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4
دلتا 3.20159 4.9235 4.45167 2.34879 2.42221 2.02463 2.94513 5.43045 4.42694 12.7964 11.31 6،487 21.8189 4.09331
ثيتا 0.96945 1.59045 1.37746 1.03259 0.84002 0.66437 1.07593 1.74327 1.17321 3.7199 2.85166 1.53374 5.03852 1.18174
ألفا 0.85227 1.13582 1.02927 0.58288 0.67936 0.58545 0.74962 1.66418 0.99799 2.75755 2.02905 1.36223 3.80233 1.0266
بيتا 0.35494 0.678 0.40734 0.36971 0.37595 0.30512 0.31952 0.50253 0.28369 0.75791 0.71554 0.42837 1.01529 0.34922
غاما 0.30691 0.74519 0.41486 0.43652 0.39229 0.30623 0.30822 0.4174 0.22447 0.66889 0.70126 0.36895 0.90685 0.30268

الجدول 2: PSVT: R السلطة المطلقة يحتوي على القيم السلطة المطلقة لفترات زمنية عندما يكون المشترك قد تحلها PSVT: مشاكل R. وتظهر القيم لكل قناة غطاء EEG وكل نطاق التردد العصبية. يرجى النقر هنا لتحميل هذا الجدول كما جداول البيانات إكسل.

MCT AF3 F7 F3 FC5 T7 P7 </ td> O1 O2 P8 T8 FC6 FC4 FC8 AF4
دلتا 4.25246 7.54329 5.08043 5.52389 3.73567 3.26572 3.76397 5.8437 4.62085 18.7991 16.4444 6.24405 28.1184 4.59798
ثيتا 1.19953 1.84997 1.70135 1.27424 1.30572 1.08925 1.09528 1.91699 1.34909 4.19652 3.73398 2.04338 6.21749 1.33753
ألفا 1.18154 1.41989 1.23333 0.76868 0.8051 0.6844 1.02368 2.53414 1.29356 2.94347 2.26038 1.4973 3.94919 1.1579
بيتا 0.44047 0.89503 0.54 0.51125 0.46215 0.36589 0.3884 0.61918 0.35962 1.03223 0.89744 0.54226 1.35175 0.47197
غاما 0.41897 1.05133 0.51015 0.64259 0.51855 0.39244 0.41827 0.52564 0.29925 0.87269 0.84818 0.4996 1.08765 0.41331

الجدول 3: MCT السلطة المطلقة يحتوي على القيم السلطة المطلقة لفترات زمنية عندما يكون المشترك قد حل المشاكل MCT. وتظهر قيم مجموعة شرق افريقياح EEG قناة الغطاء وكل نطاق التردد العصبية. يرجى النقر هنا لتحميل هذا الجدول كما جداول البيانات إكسل.

السكونيات AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4
دلتا 7.21032 12.8557 8.50834 7.09116 5.75386 4.80761 6.79589 9.11056 7.39437 23.7659 18.5893 11.7132 32.0165 8.38173
ثيتا 1.64049 3.16334 1.98263 1.70548 1.52057 1.25686 1.61864 2.35557 1.6244 4.85163 3.79464 2.53764 6.50266 1.809
ألفا 0.86505 1.37518 1.00568 0.72506 0.76361 0.6491 0.95616 1.63483 0.9386 2.56892 1.67092 1.18895 3.13664 0.98499
بيتا 0.35583 0.55288 0.41326 0.30866 0.34607 0.29362 0.357 0.59991 0.34927 1.04345 0.66066 0.44385 1.21395 0.42598
غاما 0.24587 0.43744 0.31831 0.23404 0.25428 0.2218 0.26349 0.39275 00.22939 0.7927 0.507 0.29891 0.94462 0.3172

الجدول 4: احصائيات السلطة المطلقة يحتوي على القيم السلطة المطلقة لفترات زمنية عندما يكون المشترك قد حل المشاكل احصائيات. وتظهر القيم لكل قناة غطاء EEG وكل نطاق التردد العصبية. يرجى النقر هنا لتحميل هذا الجدول كما جداول البيانات إكسل.

PSVT: R٪ AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4 متوسط
دلتا 1.09312 1.20533 1.254 1.00122 0.89381 0.8701 1.0967 1.27152 1.48439 1.44382 1.81472 1.35708 2.01959 1.25924
ثيتا 0.99766 1.15645 1.05108 1.28965 0.96746 0.91339 1.20155 1.18379 1.22056 1.41692 1.5721 1.02078 1.58816 1.09621
ألفا 0.80897 0.86348 0.86881 0.89032 0.84853 0.8718 0.7298 0.80265 0.9197 1.03603 1.28424 1.01072 1.2528 0.87804
بيتا 0.82237 0.75013 0.80199 0.69131 0.75043 0.78897 0.83383 0.86506 0.89252 0.75005 1.26584 0.86809 1.12043 0.72645 85.2٪
غاما 0.60836 0.55535 0.66682 0.5141 0.56 0.59365 0.71594 0.61734 0.65707 0.6435 1.09557 0.64435 0.98644 0.5864

يحتوي R النسبية السلطة المطلقة القيم السلطة المطلقة النسبية - أي نسبة مقارنة مع خط الأساس الراحة - لفترات زمنية عندما يكون المشترك قد تحلها PSVT: الجدول 5: PSVT. مشاكل R. وتظهر القيم لكل قناة غطاء EEG وكل نطاق التردد العصبية./ftp_upload/53327/Table_5.xlsx">Please انقر هنا لتحميل هذا الجدول كما جداول البيانات إكسل.

MCT٪ AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4 متوسط
دلتا 1.45192 1.84669 1.43111 2.35468 1.37849 1.40346 1.40162 1.36828 1.54941 2.12109 2.63855 1.30625 2.60268 1.41449
ثيتا 1.23445 1.34515 1.29823 1.59146 1.5038 1.49751 1.22317 1.30176 1.40354 1.59846 2.05851 1.35997 1.95978 1.24072
ألفا 1.12151 1.07944 1.04106 1.17413 1.00557 1.01915 0.99661 1.22223 1.19207 1.10588 1.43065 1.11093 1.30118 0.99034
بيتا 1.02052 0.99025 1.06317 0.95599 0.9225 0.9461 1.01359 1.06585 1.13138 1.02154 1.58762 1.09891 1.49174 0.9818 109.2٪
غاما 0.83046 0.78351 0.81998 0.7568 0.74023 0.76077 0.97157 0.77744 0.87596 0.83956 1.32511 0.87252 1.1831 0.80073

الجدول 6: MCT النسبية السلطة المطلقة يحتوي على القيم السلطة المطلقة النسبية - أي نسبة مقارنة مع خط الأساس الراحة - لفترات زمنية عندما يكون المشترك قد حل المشاكل MCT. وتظهر القيم لكل قناة غطاء EEG وكل نطاق التردد العصبية. يرجى النقر هنا لتحميل هذا الجدول كما جداول البيانات إكسل.

احصائيات٪ AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4 متوسط
2.46182 3.14723 2.39673 3.02277 2.12321 2.06609 2.53064 2.1332 2.47939 2.6815 2.9827 2.45039 2.96349 2.57849
ثيتا 1.68824 2.30012 1.51286 2.13005 1.75125 1.72794 1.80763 1.59958 1.68997 1.84799 2.09195 1.68893 2.04966 1.67807
ألفا 0.82111 1.04545 0.84889 1.1075 0.95375 0.96658 0.93089 0.78849 0.86496 0.96516 1.05757 0.88215 1.03347 0.84245
بيتا 0.82441 0.6117 0.81364 0.57716 0.69079 0.75922 0.93164 1.03269 1.09885 1.03264 1.16874 0.89947 1.33966 0.88613 90.5٪
غاما 0.48736 0.326 0.51162 0.27564 0.36299 0.42997 0.61205 0.58088 0.67146 0.76261 0.79208 0.52202 1.02753 0.61453

الجدول 7: احصائيات النسبية السلطة المطلقة يحتوي على القيم السلطة المطلقة النسبية - أي نسبة مقارنة مع خط الأساس الراحة - لفترات زمنية عندما يكون المشترك قد حل المشاكل احصائيات. القيم هي SHخاص لكل قناة غطاء EEG وكل نطاق التردد العصبية. يرجى النقر هنا لتحميل هذا الجدول كما جداول البيانات إكسل.

متوسط
PSVT: R٪ 85.2٪
MCT٪ 109.2٪
احصائيات٪ 90.5٪

الجدول 8: المتوسطات النسبية السلطة المطلقة يحتوي على القيم السلطة المطلقة النسبية - وهذا هو، ونسبة بالمقارنة مع خط الأساس الراحة - المتوسط ​​عبر جميع القنوات غطاء EEG لفترات زمنية عندما كان المشارك حل PSVT: مشاكل R، MCT، واحصائيات . وتظهر النسب المئوية لنطاق التردد بيتا فقط. يرجى النقر هنا لتحميل هذا الجدول كمان جداول البيانات إكسل.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

يناقش بروتوكول تطبيق كهربية لقياس نشاط المخ للمشاركين مشاكل العمل من صكين القدرة المكانية النموذجية والمشاكل الهندسية احصائيات المكانية للغاية. طرق مفصلة هنا قد تكون في نهاية المطاف قادرة على مساعدة في فهم كفاءة العصبية فناني الأداء العالية والمنخفضة تشارك في العمل لهذه المشاكل. ومن الأهمية بمكان أن نفهم أي اختلافات في الكفاءة العصبية من طلاب الهندسة يعمل على MCT وPSVT: R، وغالبا ما تستخدم هذه الاختبارات لتقييم القدرة المكانية. مقارنتها مع بعضها البعض يسمح لنا بتقييم أفضل انطباقها على النجاح في مجال الهندسة وضعهم في مناهج الهندسة التأسيسية.

بروتوكول يحدد الإجراءات للبحث عن الكفاءات العصبية المرتبطة مع المهام الإدراك المكاني. من المهم أن تستخدم أدوات موثوقة وصحيحة لتقييم القدرات المكانية متصلة محتوى الهندسة. هو أناالمهم أيضا أن المشاكل الهندسية تستهدف محتوى الهندسة ممثل عن تخصص معين. قياسات EEG توفر قدرة متميزة غير تدخلية لتثليث البيانات المكون المعرفي من الطلاب المشاركين في الجوانب المكانية في حل المشاكل الهندسية. الآجال ختم ينبغي أن تستخدم لجمع البيانات، وضمان التثليث مع الأحداث أرشفة الفيديو. بروتوكولات IRB يجب أن يتبع بشكل صارم، وضمان عدم الكشف عن هويته لبيانات المشتركين والتحليل.

وتحدث معظم المخاوف استكشاف الأخطاء وإصلاحها في حين جمع البيانات EEG كما هو موضح أدناه، ويتم التعامل مع معظم تلك قبل أن يتم تسجيل البيانات. يتم التعامل مع تصحيحات لضعف مقاومة والضوضاء أفضل أثناء الإعداد. باتباع إرشادات الشركة المصنعة سماعة EEG لأمر بالغ الأهمية، وفي تجربتنا المؤشرات التي كتبها برنامج الشركة المصنعة يمكن توجيه المستخدمين للتحقق أقطاب محددة. عادة الاتصال بين لوحة شعر وparticipanيحتاج رئيس ر إلى أن قلل أكثر، أو العلاقة بين كل قطب كهربائي وسماعة الرأس قد تحتاج إلى أن يتم التحقق. وإذا كان بعض الاتصال مرئيا، ولكن نوعية رديئة، وذلك باستخدام حقنة لإعادة ترطيب-اللباد في كثير من الأحيان كافية، وأحيانا سماعة الرأس بحاجة إلى تعديل بدنيا لضمان اتصال متينة مع فروة الرأس. في بضع الحالات، كان علينا أن نسأل المشاركين لشطف الشعر في بالوعة قبل كنا قادرين على الحصول على اتصال جيد. عندما ظهر الكهربائي للا يمكن نقل البيانات، وكثيرا ما تدارك ذلك عن طريق إزالة القطب ومن ثم إعادة إدخالها مرة أخرى. في بعض الأحيان، وحالة من البلاستيك لالقطب قد صدع، وفي هذه الحالة سوف تحتاج إلى استبداله.

قد تحدث المشاكل الأخرى خلال تحليل البيانات، وقد تمت مناقشته في البروتوكول. ويشمل تجهيزها البيانات تصفية وإزالة القطع الأثرية. غالبا ما يدعم برامج تحليل بيانات الرفض اليدوي بالإضافة إلى البرامج النصية التي يمكن تشغيلها خلال تجهيزها والمؤيد cessing من البيانات.

أجريت تعديلات على السيناريو ضمن برامج التحليل. يتم توثيق هذه التغييرات في ملف التعليمات البرمجية التكميلي. ويمكن أيضا إجراء تعديلات على البروتوكول. وقد استخدم بروتوكول المتزامنة التي مطلوبة إجابات شفهية أثناء الدراسة. وهذا إدخال المزيد من القطع الأثرية في البيانات EEG، ولكن سوف نقدم المزيد من التبصر في المعرفة الوظيفية للمشترك أثناء الاختبارات. كما تم استخدام بديل يشارك فيها المشاركين في مقابلة بالفيديو مع الباحث بعد الدورة.

وتشمل التعديلات المحتملة أوصى الأخرى الاستفادة القدرة المكانية المختلفة يختبر 14، الأسئلة الهندسية المختلفة 17، أو تقييمات التعليمية الأخرى. المقاييس المختلفة نشاط المخ، يمكن عن طريق التخطيط الدماغي وغيرها من الأجهزة، ويمكن أيضا تسليط الضوء على صعوبة، أو غيرها من الخصائص، المقررة المهارة.

jove_content "> ونحن ندرك أن هناك قيود مع تقنية المحددة في هذه الوثيقة ويبني من القدرة المكانية (التناوب وقطع سطح مسطح) يقاس PSVT: R وMCT نوعان فقط من العديد من التركيبات المحتملة للقياس مع المقاييس المكانية الأخرى. وبالإضافة إلى ذلك، يمكن أيضا تقييم مختلف المهام مكثفة مكانيا (أي، وأنواع مختلفة من المشاكل أو الدورات المختلفة والدورات الدراسية). ينبغي بالطبع أيضا إجراء البحوث في مجال كفاءة العصبية على نطاق أوسع من الدورات الهندسية فقط الأساسية مثل علم السكون. ل سبيل المثال، فإنه ينبغي التحقيق في العديد من مجالات STEM اعترف في الكتابات التي تعتمد على المنطق المكاني 3، كما يجب ألا تقتصر الدراسات الكفاءة العصبية لمهارات مرتبطة مباشرة إلا أن القدرة المكانية 21-28. وحتى في البحوث المشاركة في الفكرة الرائعة قياس، وممارسة المتوسط ​​قياسات القوة خلال مدة مهمة تحظر التحقيقإلى الارتباطات الأخرى التي قد تحدث داخل أنماط نشاط المخ. قياسات EEG، بسبب responsivity بهم الزمنية، لا تقتصر على دراسات الكفاءة العصبية. وEEG الأجهزة هو في حد ذاته يحد من عمق النشاط الفكرة الرائعة فإنه يمكن الكشف، لا سيما بالمقارنة مع ارتفاع القرار المكانية من ظيفية الطيفي القريب من الأشعة تحت الحمراء أو التصوير بالرنين المغناطيسي الوظيفي، على الرغم من responsivity لها الزمنية تبقى من بين أفضل 36.

في نهاية المطاف، تظهر إمكانية استخدام القياسات الفسيولوجية لتقديم رؤية لنظرية تربوية والممارسة هائلة 37،38. النهج التقني وأهداف هذا البروتوكول تختلف عن النهج الارتجاع البيولوجي باستخدام EEG في التعليم / التدريب يدرس 39، ولكن كلها تنظر يستحق مع اكتساب البصيرة في ظواهر مثل تنمية القدرة المكانية وتنمية المهارات الهندسية. هذا النهج باستخدام EEG لدراسة effici العصبيency بين المهام المكانية الكامنة في أدوات القدرة المكانية محددة تحدد طريقة أخرى لفصل اختبارات القدرة المكانية. هذا مثال على تطبيق جديد لنهج العلمي العصبي للتحقيق في اختبارات القدرة المكانية، وكذلك فتح النهج العلمي العصبي نحو تحقيق نظرية التعليمية القائمة. إيجاد وسائل للتحقق والتثبت هو جزء من الثقافة الهندسية. ضمن هذا التطبيق الجديد، يمكن الفسيولوجية اختبار الفكرة الرائعة فتح عالم جديد من التفاهم وتكرير نظرية تربوية. في الواقع، إذا ينظر إليها على أنها وسيلة محتملة من التحقق من صحة الرواية وجيل جديد من الهندسة قد تنشأ البحوث التربوية.

Subscription Required. Please recommend JoVE to your librarian.

Acknowledgments

فإن الكتاب أن نعترف كريستوفر الأخضر، برادلي روبنسون، وماريا مانويلا فاياداريس، للمساعدة في جمع البيانات. تم توفير التمويل للمعدات EEG بواسطة مكتب جامعة ولاية يوتا من البحوث والدراسات العليا معدات غرانت إلى متعدد الحواس الإدراك مختبر كيري في الأردن. ويدعم بنيامين دعوة من الرئاسة الدكتوراه زمالة أبحاث يتحقق من كلية جامعة ولاية يوتا في الدراسات العليا لعمله مع الدكتور واد في Goodridge.

Materials

Name Company Catalog Number Comments
Emotiv EPOC Model 1.0 Emotiv Model: Emotiv Premium "High resolution, multi-channel, portable EEG system."
Emotiv Control Panel (software) Emotiv Used for data collection.
Emotiv Testbench (software) Emotiv Used for data collection.
Virtual Serial Port Emulator - VSPE (software) ETERLOGIC.COM Used COM10 in data collection. Available as a free download, depending on the operating system.
E-Prime 2.0 (software) Psychology Software Tools Used for data collection (presentation of problems to participants and collection of markers for different phases).
EEGLab 13.4.4b (software) Swartz Center for Computational Neuroscience (SCCN) Used for data analysis. "An open source environment for electrophysiological signal processing". SCCN is a Center of the Institute for Neural Computation, the University of California San Diego.
MATLAB R2014b The Mathworks, Inc. Used to run EEGLab
Microsoft Excel 2013 Microsoft Used to assemble and compare tabulated results from EEGLab & MATLAB, to create tables
Camcorder with built in Mic Canon CNVHFR50 Used to record sessions
Syringe Kit (5 cc syringe & 16 G blunted needles x 2) Electro-Cap Intnl. Inc. E7 For keeping the EEG cap's felts damp.
Nuprep EEG Skin Prep Gel Weaver and Company 10-30 For cleaning the mastoid process.
Sanitizer Purell S-12808 For sanitizing hands

DOWNLOAD MATERIALS LIST

References

  1. Sorby, S. A. Educational Research in Developing 3-D Spatial Skills for Engineering Students. Int. J. Sci. Educ. 31 (3), 459-480 (2009).
  2. Wai, J., Lubinski, D., Benbow, C. P. Spatial Ability for STEM Domains: Aligning Over 50 Years of Cumulative Psychological Knowledge Solidifies Its Importance. J. Educ. Psychol. 101 (4), 817-835 (2009).
  3. Uttal, D. H., Cohen, C. A. Spatial Thinking and STEM Education: When, Why, and How? Psychol. Learn. Motiv. 57, 147-181 (2012).
  4. Halpern, D. F., Collaer, M. L. The Cambridge handbook of visuospatial thinking. , Cambridge University Press. Cambridge. (2005).
  5. Lubinski, D., Benbow, P. Study of mathematically precocious youth after 35 years. Perspect. Psychol. Sci. 1 (4), 316-345 (2006).
  6. Sorby, S., Casey, B., Veurink, N., Dulaney, A. The role of spatial training in improving spatial and calculus performance in engineering students. Learn. Individ. Differ. 26, 20-29 (2013).
  7. Peters, M., Chisholm, P., Laeng, B. Spatial ability, student gender, and academic performance. J. Eng. Educ. 84 (1), 1-5 (1994).
  8. Pellegrino, J. W., Alderton, D. L., Shute, V. J. Understanding Spatial Ability. Educ. Psychol. 19 (3), 239-253 (1984).
  9. Goodridge, W., Villanueva, I., Wan, N. J., Call, B. J., Valladares, M. M., Robinson, B. S., Jordan, K. Neural efficiency similarities between engineering students solving statics and spatial ability problems. Poster presented at the meeting of the Society for Neuroscience. Washington, DC, , (2014).
  10. Sorby, S. A., Baartmans, B. J. The Development and Assessment of a Course for Enhancing the 3-D Spatial Visualization Skills of First Year Engineering Students. J. Eng. Educ. 89 (3), 301-307 (2000).
  11. Gorska, R., Sorby, S. A. Testing instruments for the assessment of 3-D spatial skills. Proceedings of the American Society for Engineering Education Annual Conference. , (2008).
  12. CEEB Special aptitude test in spatial relations. , CEEB. USA. (1939).
  13. Guay, R. Purdue spatial visualization test. , Purdue University. (1976).
  14. Hegarty, M. Components of Spatial Intelligence. , Elsevier Inc. San Diego, CA. (2010).
  15. Bishop, J. E. Developing Students' Spatial Ability. Sci. Teacher. 45 (8), 20-23 (1978).
  16. Goodridge, W. H., Villanueva, I., Call, B. J., Valladares, M. M., Wan, N., Green, C. Cognitive strategies and misconceptions in introductory Statics problems. 2014 IEEE Frontiers in Education Conference (FIE) Proceedings. , 2152-2159 (2014).
  17. Steif, P. S., Dantzler, J. A. A Statics Concept Inventory: Development and Psychometric Analysis. J. Eng. Educ. 94 (4), 363-371 (2005).
  18. Suresh, R. The relationship between barrier courses and persistence in engineering. J. Coll. Student Retention. 8 (2), 215-239 (2006).
  19. Pfurtscheller, G., Lopes da Silva, F. H. Event-related EEG/MEG synchronization and desynchronization: basic principles. Clin. Neurophysiol. 110 (11), 1842-1857 (1999).
  20. Klimesch, W. EEG alpha and theta oscillations reflect cognitive and memory performance: a review and analysis. Brain Res. Brain Res. Rev. 29 (2-3), 169-195 (1999).
  21. Babiloni, C., et al. Resting state cortical rhythms in athletes: a high-resolution EEG study. Brain Res. Bull. 81 (1), 149-156 (2010).
  22. Babiloni, C., et al. 34;Neural efficiency" of experts' brain during judgment of actions: a high-resolution EEG study in elite and amateur karate athletes. Behav. Brain Res. 207 (2), 466-475 (2010).
  23. Del Percio, C., et al. "Neural efficiency" of athletes' brain for upright standing: a high-resolution EEG study. Brain Res. Bull. 79 (3-4), 193-200 (2009).
  24. Grabner, R. H., Fink, A., Stipacek, A., Neuper, C., Neubauer, A. C. Intelligence and working memory systems: evidence of neural efficiency in alpha band ERD. Brain Res. Cognitive Brain Res. 20 (2), 212-225 (2004).
  25. Grabner, R. H., Neubauer, A. C., Stern, E. Superior performance and neural efficiency: the impact of intelligence and expertise. Brain Res. Bull. 69 (4), 422-439 (2006).
  26. Grabner, R. H., Stern, E., Neubauer, A. C. When intelligence loses its impact neural efficiency during reasoning in a familiar area. Int. J. Psychophysiol. 49, 89-98 (2003).
  27. Neubauer, A. C., Grabner, R. H., Fink, A., Neuper, C. Intelligence and neural efficiency: Further evidence of the influence of task content and sex on the brain-IQ relationship. Cognitive Brain Res. 25 (1), 217-225 (2005).
  28. Riecanský, I., Katina, S. Induced EEG alpha oscillations are related to mental rotation ability: The evidence for neural efficiency and serial processing. Neurosci. Lett. 482 (2), 133-136 (2010).
  29. Roberts, J. E., Ann Bell, M. Two- and three-dimensional mental rotation tasks lead to different parietal laterality for men and women. Int. J. Psychophysiol. 50 (3), 235-246 (2003).
  30. Roberts, J. E., Bell, M. A. The effects of age and sex on mental rotation performance, verbal performance, and brain electrical activity. Dev. Psychobiol. 40 (4), 391-407 (2002).
  31. Gill, H. S., O'Boyle, M. W., Hathaway, J. Cortical distribution of EEG activity for component processes during mental rotation. Cortex. 34 (5), 707-718 (1998).
  32. Caplan, J. B., Madsen, J. R., Schulze-Bonhage, A., Aschenbrenner-Scheibe, R., Newman, E. L., Kahana, M. J. Human Theta Oscillations Related to Sensorimotor Integration and Spatial Learning. The J. Neurosci. 23 (11), 4726-4736 (2003).
  33. Kahana, M., Sekuler, R., Caplan, J., Kirschen, M., Madsen, J. R. Human theta oscillations exhibit task dependence during virtual maze navigation. Nature. 399 (6738), 781-784 (1999).
  34. Delorme, A., Makeig, S. EEGLAB: An open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. J. Neurosci. Meth. 134, 9-21 (2004).
  35. Delorme, A., Sejnowski, T., Makeig, S. Enhanced detection of artifacts in EEG data using higher-order statistics and independent component analysis. NeuroImage. 34, 1443-1449 (2007).
  36. Meyer-Lindenberg, A. From maps to mechanisms through neuroimaging of schizophrenia. Nature. 468, 194-202 (2010).
  37. Campbell, S. R. Educational Neuroscience: Motivations, methodology, and implications. Educ. Neurosci.: Initiatives and Emerging Issues. Patten, K. E., Campbell, S. R. 43 (1), Wiley-Blackwell. West Sussex, United Kingdom. 7-16 (2011).
  38. Kelly, A. E. Can Cognitive Neuroscience Ground a Science of Learning?. Educ. Neurosci.: Initiatives and Emerging Issues. Patten, K. E., Campbell, S. R. 43 (1), Wiley-Blackwell. West Sussex, United Kingdom. 17-23 (2011).
  39. Cunningham, M. D., Murphy, P. J. The effects of bilateral EEG biofeedback on verbal, visual-spatial, and creative skills in learning disabled male adolescents. J. Learn. Disabil. 14 (4), 204-208 (1981).

Tags

السلوك، العدد 114، والذكاء المكاني، كهربية والكفاءة العصبية، والقدرة المكانية، والتفكير المكاني والتعليم والهندسة، وعلم السكون
استخدام قياسات كهربية لمقارنة الكفاءة العصبية المهام المحددة ل: مهام المكانية الاستخبارات
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Call, B. J., Goodridge, W.,… More

Call, B. J., Goodridge, W., Villanueva, I., Wan, N., Jordan, K. Utilizing Electroencephalography Measurements for Comparison of Task-Specific Neural Efficiencies: Spatial Intelligence Tasks. J. Vis. Exp. (114), e53327, doi:10.3791/53327 (2016).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

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

Waiting X
Simple Hit Counter