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

ניצול מדידות Electroencephalography להשוואה של יעילות עצבית משימה ספציפית: משימות אינטליגנציה מרחבית

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

כתב יד זה מתאר גישה למדידת פעילות עצבית של בני אדם תוך פתרון בעיות הנדסיות ממוקדות מרחבית. המתודולוגיה אלקטרואנצפלוגרם עוזרת לפרש מדידות גלי המוח בטאו במונחים של יעילות עצבית, במטרה בסופו של דבר המאפשר השוואות ביצוע משימות הן בין סוגי בעיה ובין משתתפים.

Abstract

אינטליגנציה מרחבית לעתים קרובות קשורה להצלחה במקצועות הנדסת חינוך והנדסה. שימוש electroencephalography מאפשר חישוב השוואתי של היעילות העצבית "אנשים כפי שהם מבצעים משימות רצופות הדורשות יכולת מרחבית לגזור פתרונות. יעילות עצבית כאן מוגדרת כבעלת הפעלה בטא פחות, ולכן משקיעים פחות משאבים עצביים, כדי לבצע משימה בהשוואה לקבוצות אחרות או משימות אחרות. להשוואות-משימה היתר משימות עם במח"מ דומה, מדידות אלה עשויות לאפשר השוואה של קושי סוג המשימה. להשוואות תוך משתתף והבנתי-משתתף, מדידות אלה מספקים תובנה פוטנציאל לתוך של רמת המשתתף של יכולת מרחבית בעיה הנדסית שונות משימות לפתרון. ביצועים על המשימות שנבחרו ניתן לנתח בקורלציה עם פעילות בטא. עבודה זו מציגה פרוטוקול מחקר מפורט לומד את היעילות העצבית של הסטודנטים engיישון את הפותר ביכולת המרחבית טיפוסית ובעיות סטטיקה. התלמידי מילא בעיות ספציפיות אל הנפש חיתוך מבחן (MCT), מבחן ויזואליזציה פרדו מרחבית של סיבובים (PSVT: R), ואת סטטיקה. בעוד עוסקת בפתרון בעיות אלה, גלי המוח של המשתתפים נמדדו עם EEG המאפשר נתונים שייגבו בדבר הפעלת ושימוש גלי אלפא ובטא המוח. העבודה נראית לתאם ביצוע תפקודי על משימות מרחביות טהורות עם משימות הנדסה אינטנסיביות מרחבית לזהות את המסלולים לביצועים מוצלחים בהנדסת שיפורים שנוצרו משום כך בחינוך הנדסה שעלולה להופיע.

Introduction

יכולת מרחבים חיונית למדע, טכנולוגיה, הנדסה, מתמטיקה (STEM) שדות וחינוך וקושר עם הצלחה בתחומים אלה 1,2,3. לכן, חשוב להבין את ההתפתחות של איך הבעיה משפיעה ביכולת המרחבית לפתרון 4. ביכולת המרחבית כבר צמודה לריבית 5, ביצועי 6, הצלחה אקדמאית הנדסת 7 והצלחת מקצוע הנדסה 8. עם זאת, אין הרבה עבודה המציין תהליכים עצביים ספציפיים בפתרון בעיות אופייניות למכשירים ביכולת המרחבית רבים, ולא תוכן הנדסה מסוים הזה הוא מאוד מרחבית.

מאמר זה מספק מבוא לשיטות המשמשות לאיסוף נתונים וניתוח של עשרות כלים ביכולת המרחבית בשילוב עם מדידות עצביות. הכוונה של פרסום עם יופיטר היא להפוך שיטות אלה לנגישים יותר לקהל רחב יותר. חומרת wer תוכנה ציבורית כלליותדואר מנוצל במחקר זה. כתוצאת נייר שיטות, תוצאות מלאות / ערכות נתונים אינן מדווחות, ולא הוא דוגמאות רבות מסופקות. כל התמונות נתפסו במיוחד עבור פרסום זה. השיטות, כמפורט להלן נוצלו בהכנת דו"ח כנס ראשוני 9 מבוסס על נתונים משמונה מכללת משתתפים שני עמידה, שלושה מהם היו נשים.

רבים מהמכשירים הקיימים משמשים כדי לציין רמות של יכולת מרחבית אינהרנטי או למדו על ידי יחידים. שני תקף ומהימן 10,11 מכשירים המשמשים בדרך כלל הם הנפש חיתוך מבחן (MCT) 12 ואת הבדיקה ובראייה מרחבית Purdue של סיבובים (PSVT: R) 13. בעוד במקור occupationally תוכנן 14 מכשירים אלה לבדוק בשלבים שונים של פיתוח ובראייה מרחבית שתיאר פיאז'ה התיאוריה 10,15. השימוש במכשירים אלה יוצר צורך להבין את התופעות הקוגניטיביות הפיזיולוגיות הבסיסיות existinכאשר g אנשים לעבוד דרך בעיות אלה. מסיבה זו, מחקר זה נועד להציג שיטות ניצול נתונים פיסיולוגיים אמפיריים שעשוי בסופו של דבר לשפר את הניתוח והבנה של מחשבת מרחבית, ודא יכולות בדיקה מערכים קיימות, ולהגדיל את תחולת ערכות מרחבית ליותר מורכב בעיות אופייניות לחינוך הנדסה. רבות מן הבעיות האלה ניתן נתקל סטטיקה הנדסה.

סטטיקה הוא מכניקת יסוד כמובן נמסרה הסטודנטים להנדסה ביותר (למשל., ביולוגי, מכאני, אזרחי, הסביבה, הנדסת אווירונוטיקה וחלל) 16,17. זוהי אחת החוויות לפתרון בעיה הנרחבות הראשונות שסטודנטים מקבלים בתוכן הנדסת ליבת 18. סטטיקה כרוך בחקר האינטראקציה של כוחות על גוף נוקשה כי נמצא במנוחה או נע במהירות קבועה. למרבה הצער יש סטטיקה גבוהה נשירה, נסיגה, שיעורי כישלון (14% כפי שניתן לראות investigated אונ') וזה עשוי להיות קשור מודלי משלוח הרצאת לימודים מסורתיים להשמיט שדרות מוקד תמיכה כגון גישות משופרות מרחבית לחינוך. לדוגמא, גישות משופרות מרחבית ב סטטיקה יכולות למקד ההדמיה של איך כוחות האינטראקציה מחוץ ניתוח אנליטי טיפוסי ולחזק ידע הפרוצדורלי של התלמידים עם משגה מקורקע. היעילות של התערבויות כאלה צריכה להיחקר מנקודת מבט neuroscientific קוגניטיבית.

Electroencephalography (EEG) מציג שיטה ייחודית ניידת למדידת פעילות גלי המוח של התלמידים. אנשי ביצוע משימות אשר לעורר הפעלה בטאה עוסקים מאוד בדרך כלל עם פרטי המשימה והם קשובים למה שהם עושים 19,20. כמשימה דורשת עלייה, משרעת של עליות הגל בטא, כפי שעושה גודל שטח קליפת מוח תדרי רוחב הפס לכבוש. ככל נוירונים שיורים בתוךטווח התדרים בטאו (אלפא: 8 - 12 הרץ, בטא: 12 - 24Hz) יכול להיות מוגדר כ כוח מבטא יותר. Relatedly, כאחד הופך מנוסה יותר במשימה, את המשרעת של גלי ביתא פוחתת, להפקת חשמל בטא פחות. זהו חלק ההשערה היעילה העצבית 21-28, שבו משימה יותר הניסיון בעת ביצוע משימה קשורה לירידת כוח התדר. למרות EEG נעשה בה שימוש בעבר בחקר יכול מרחביות (לעתים קרובות עבור סיבוב נפשי משימות ניווט מרחבית) - ונתוני חלים זוהו אלפא, בטא, תטא להקות 27-33 - אלפא ולהקות בטא נצפו לכך מחקר, ובטא נבחרו לניתוח נציג נוסף במאמר זה ובדוח הכנס הראשוני 9. הנהלים המוגדרים להלן ובכך להתמקד ניתוח להקה בטא, אבל בחקירה כל שלוש הלהקות, בהתאם לנתונים המחוברים, מומלץ בעתיד.

ההשערה יעילה עצבית נבדקה על משימות שונות, כוללים שחמט, זיכרון visuospatial, איזון, ולנוח. כל הראה משימת ניסיון כגורם כוח תדר ירד בעת ביצוע מטלות מוכרות. במחקר אחד מסוים 25 הציג ראיות לכך, למרות האינטליגנציה של אדם (כפי שנמדד על ידי IQ) יכולה לעזור לאדם לרכוש את הכישורים לבצע משימה, ניסיון עם המשימה עולה מודיעין בתרומתו יעילות עצבית. במילים אחרות, ככל חווה היא אינדיווידואלית, יותר עצבית יעיל הוא או היא הופכת.

קיימים מחקרים יעילים עצביים המעורבים ביכולת המרחבית התמקדו בעיקר סיבוב מרחבית, וערכות בעיה אחרות שמשו כדי להשוות אוכלוסיות שונות (למשל., זכר / נקבה) 27-28. מחקרי EEG של משימות ביכולת המרחבית גם ספקו תובנה על ידי השוואת ביצועים לסוגי משימה אחרות (למשל., משימות מילוליות)27,29,30. השיטות שנדונו בפוקוס במאמר זה על ולהשוות בעיות מן MCT, PSVT: R, כמו גם משימות של שיווי משקל סטטי, אשר קשור ביכולת המרחבית אך אינם מוגבלות סיבוב מרחבית וניווט. משימות מרחביות אחרות עשויות לשמש במקום של אלה נתון כדוגמאות בכתב היד הזה. בדרך זו, תובנה נוספת ניתן לקבל בעתיד לגבי אוכלוסיות שונות (למשל., זכר / נקבה או מומחה / טירון) בסופו של דבר לעזור לשפר את שיטות חינוך הנדסה.

במאמץ לחקור יכולת מרחבית כשרון הנדסי, פתחנו פרוטוקול ניצול מדידות EEG לזהות הפעלות גל בטא של תפקוד נמוך למשתתפים בעל ביצועים ברמה גבוהים במהלך סוללה מוגבלת של משימות מרחביות והנדסה ספציפיות. במקרה זה, בעל הביצועים הגבוהים טווח קשור לביצועי המשתתף, והוא לא משקף את כמות הזמן המושקע בתחום ידילומד, כמו כל המשתתפים היו בערך באותה הנקודה בחינוך שלהם. בנוסף, סט הבעיה המעורב הוא די ספציפי ובסיסי; ובכך המונחים "מומחה" או "בעל ביצועים ברמה גבוהים" בזאת אין לראות במובן של מומחה, מהנדס מועסק באופן מקצועי, אבל מייצגי ביצועים גבוהים רק הפרוסה הצרה הזה של לימודי מכניקה הנדסיים ומכשירים ביכולת המרחבית. המדידות העצביות יכולות לשמש גם כדי לזהות כל מגמות ברוטו עבור אילו סוגי המשימה עשויים לגייס יותר משאבים קוגניטיביים יותר מאחרים, עם פרשנות אפשרית לגבי רמות קושי. מידע זה עשוי פוטנציאל לספק תובנה הערכה בעתיד והתערבות בכל הנוגע ליכולת מרחבית. תובנה בעתיד אחרת עשויה להיות שמפיקה בהתחשב לאזורים ספציפיים יותר של המוח, דבר שלא היה אפשרי במחקר זה עקב המספר המצומצם של ערוצים זמינים חומרת EEG בשימוש.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

הצהרה אתית בנוגע לשימוש של משתתפי אדם

נהלים במלאכה אושרו על ידי הדירקטוריון סקירה מוסדיים (IRB) באוניברסיטת יוטה לחקר בבני אדם. מומלץ שכל עבודה דומה צריכה גם להיות מאושרת על ידי IRB הרלוונטי. המשתתפים רשאים להפסיק או לסגת מן המחקר בכל עת במהלך הניסוי.

בחירת 1. משתתפים

  1. בחר משתתפים על בסיס התנדבותי של סטודנטים לומדים כיום בקורס סטטיקה. ודא כי המשתתפים נחשפו בעבר לתוכן סטטיקה הם יראו בעוד במחקר.
    הערה: באופן אידיאלי המשתתפים צריכים חשיפה לחומר דרך הרצאה לפחות לפני ארבעה שבועות השתתפות במחקר, כך שיש זמן לגיבוש של מושגים ופיתוח של רמות ביצועי הפרש.
  2. לנהל גיוס הבא כל פרוטוקולי IRB. להסבירכל ההליכים ומגבלות למשתתפים פוטנציאליים בפירוט. תאר את היקף קשר בעתיד וכיצד התוצאות של המחקר עשויות להתפרסם ו / או לרשות המשתתפים. גדר לפיצוי כלשהו על השתתפות במחקר. אם מתנדב בוחר להירשם המחקר, לספק אותו או אותה עם קוד זיהוי פעמיים מקודד היחיד שידוע ובשליטת החוקר הראשי.
    הערה: גיוס אוכלוסייה ספציפי ידרוש ניתוח סטטיסטי כדי לבדוק את הכח הסטטיסטי של המדגם ומספר המשתתפים נדרשים לנתח הבדלים אינדיבידואליים הנתונים הגלים המוח. אם חוקר רצונות לנהל מחקר השוואתי בין אוכלוסיות, אז ניתוח כוח צריך להתנהל לפתח בגדלי קבוצת המשתתף מתאימים לשני האוכלוסיות.
  3. פעילויות בוחרים או בעיות מייצגות את החוויות רצויות עבור המשתתפים.
    הערה: בפרוטוקול זה, הנדסה שנייה ברמההלומדים בקורס סטטיקה נבחרו. הפעילויות שנראות רלוונטי היו בעיות מתוכן סטטיקה מבוא וכן שני מכשירים ביכולת המרחבית נפוצים: מנטל חיתוך מטוס מבחן (MCT) ואת המבחן ובראיית מרחבית פרדו (PSVT-R). מכשיר כל בדיקות מבנים שונים של יכולת מרחבית ורמת ההתפתחות המרחבית אוכלוסיית התלמידים שנבחרו זה.
  4. להקים לוח שנה לארגן את מפגשי מעבדה עבור המשתתפים.

2. הכנת מכשירים

  1. הגדרת אוזניות EEG (aka הכמוסה) בהתאם להנחיות יצרן. שלם בתכשיר לפני המשתתף מגיע לחקר. אם לחזור ולומר שוב, הליך זה הוא ספציפי אוזניות טלקום כלליות כגון Emotiv, בניגוד setups EEG כיתה רפואית.
    1. טעינת אוזניות EEG - רצוי לפחות מטען 1-hr בכל הפעלה. עבור מעבדה בשימוש קבוע, יש לפחות שתי אוזניות גבייהt בכל עת.
    2. מניח את כל הנוזלים הנדרשים באזור נגיש, כוללים את הנוזל על ריסון אלקטרודות EEG (למשל., מים) מנקה שוחק להבטיח קשר טוב לבלוטות התייחסות EEG.
    3. הכנס את הלבד לתוך כל מעטפת (הבטחת מגעי הזהב מונח כהלכה בכל מעטפת). להרוות את פלטס עם נוזל הריסון באמצעות מזרק. אפשר אלקטרודות לחה לנוח.
  2. הגדרה כל מצלמות וידאו נדרשות כדי למדוד התנהגות משתתף. בשביל הפרוטוקול הנוכחי, השתמש בשתי מצלמות וידאו למשתתף. Re-להתאים את המצלמות פעם המשתתף הוא במקום. הקפד כי בסרט הוא חותם זמן.
    1. פוקוס מצלמה אחת על הפנים של המשתתף אם במטרה להקליט הבעות פנים ולקבל אודיו באיכות גבוהה.
    2. מקד את המצלמה על אחרים על האזור מול המשתתף ללכוד תנועת יד, לרבות תביעות בכתב (אם כתב היד צפויה, הקפד להשתמש בכתבהמחוונים כי הוא כהה ו / או עבה מספיק כדי ליפול בפח על ידי המצלמה), ומספיק של צג המחשב כדי לספק תובנה לגבי איזו משימה הוא מפתרון שאז.
    3. הפעל את המחשב ולוודא כי התוכנה היא על להקליט נתונים גלי המוח. ודא שכל התקני תוכנת איסוף נתונים התממשקות מספיק עבור איסוף נתונים.

3. הכנת משתתפי מחקר מושבת התחילה

  1. בדוק את קבלת הסכמה מתועדת ממשתתפים בהתאם להסכם IRB שנדון לעיל. לענות על כל שאלה המשתתפת יש לפני תחילת המחקר. זכר המשתתפים כי נתונים שנאספו יהיו בהפניה ידי קוד זיהוי לא יהיו פרטים מזהים הקושרים את הנתונים למשתתף, וכי הם עשויים למשוך בכל עת.
  2. שאל כל משתתף למלא סקר הדמוגרפיה לפני ההשתתפות במחקר. סקר זה יכול לשאול על מין,GE, ניסיון קודם העשויים להשפיע על היכולות שלהם במחקר (למשל., קורסים בהנדסה או אינטנסיבי בעבר מרחבית, תחביבים שיפור ביכולת המרחבית, ושאלות לגבי הקריטריונים הדרה כגון פגיעות מוח טראומטית הם אולי סבלו, באיזו יד הם משתמשים).
    1. אל תכלול המשתתפים מהקבוצה מתנדבת לניתוח EEG אם כל אחד מהתנאים הבאים: (א) המשתתף שמאלי או בשתי ידות, על מנת לשלוט על צדדים במוח מקעקעים; (ב); הפרט לא יכול להשתתף הפעלות במעבדה בשל מוגבלות פיזית; או (ג) הפרט סבל פגיעה מוחית קשה. הודע משתתפים פוטנציאליים של מגבלות אלה במהלך תהליך הגיוס, או מוקדם ככל האפשר, כדי למנוע זמן ומשאבי הוצאות מיותרים.
  3. עם ההגעה, להבטיח המשתתף הוא נוח ולפתור שאלות או חששות נותרים.
    1. להדגים את המזרק משמש להרוות אתצומת ולהסביר שזה ישמש רק כדי לשמור על EEG פלטס לח. אם המשתתף יש פחד קיצוני של מחטים, לשקול יישום זהירות אחרות (למשל., שמירה על המזרק מתוך מישור המוקד שלהם כאשר מחדש הרטבת פלטס).
    2. שאל המשתתף כדי להסיר כל אלקטרוניקה מאדם שלהם.
  4. מניחים את אוזניות ה- EEG על המשתתף.
    1. בדוק את פלטס עבור רטיבות ומקום שילובי לבד / מעטפת לתוך אוזניות EEG.
    2. נקה את נקודות התייחסות (למשל., תהליך פטמתי) של המשתתף עם הניקוי השוחק. נקה את כל משקעים.
    3. מניח את האוזניות על המשתתף עם בלוטות ההתייחסות מיושרות כראוי עם נקודות ההתייחסות. אל מוגזם לכופף את הזרועות של האוזניות. השאירו מרווח בין צומת הפניה ואת האחורי של האוזן כדי לא לגרום אי נוחות, וליישר ומרחב האוזנייה כראוי עם ראש של המשתתף.

ביצוע תוכנה 4. בתוך המושב

  1. הפעל את תוכנת ה- EEG-רישום. ודא קישוריות טובה קיימת בין מכשיר הרישום (למשל., מחשב אישי) אוזניות EEG על ידי סימון כי כל הערוצים מוצגים במכשיר הרישום. בדוק שכל הערוצים בתחילה להציג התנהגות דומה עם תנודות משרעת נמוכות. בדוק את ה- EEG על מנת להבטיח קישוריות טובה עם המשתתף - מחדש הרטבה והתאמה פלטס כדי להשיג דפוסים עקביים במכשיר הרישום - שקודם תקופות מנוחה לפני התחילה כל סוג בעיה חדש.
    הערה: EEG פועלת ב -128 הרץ. Electrooculography לא היה רגיל להקליט תנועות עיניים, והתייחסות צמודה לאוזן לא הייתה בשימוש.
  2. הדריכו את המשתתף להישאר כמו דומם ושקט ככל האפשר במהלך התרגילים משימה.
  3. ליזום תוכנת משימה-המצגת.
    הערה: במהלך איסוף הנתונים, כל מראשתקשורת חזותית המתוכנן עם המשתתף מתרחשת באמצעות צג המחשב. במקרה זה, שורה של בעיות מרחבית והנדסה תופיע על מסך המחשב, ומשתתפים יתבקשו לפתור אותן. תשובות נכונות לא נמסרו למשתתפים במהלך איסוף הנתונים. תמונות הבעיה מתקדמות המבוססות על קלט ממשתמש, כך העיתוי התבסס על משך פתיר בעיות.
    1. סוג בעיה מרחבית תצוגה 1 (למשל, PSVT:. R - מבחן רב ברירה, או בעיות סיבוב נכון-לא נכון - ראה איור 1) 13. הערה: (. למשל, 30 שניות) משך בעיות אלה ישמשו את טווח הזמן לניתוח הנתונים. חמש בעיות נכללו בקבוצה זו.
    2. בעיה מרחבית להציג סוג 2 (- בעיות מבחן רב ברירה, או חיתוך נפשי נכון-לא נכון - למשל, MCT. ראו איור 2) 12. הערה: משך הבעיות הללו (למשל, 30 שניות.)לשמש את טווח הזמן לניתוח נתונים. חמש בעיות נכללו בקבוצה זו.
    3. סוג הנדסת תצוגת בעיה 17 (. למשל, בעיות סטטיקה - בחלוקה להתמקד עקרונות ספציפיים של הנדסת סטטיקה, או כל סוג בעיה יישומית אחרים שיערותיו יש רכיבים מרחביים - ראו איור 3). הערה: בעיות אלה לקחת הרבה יותר זמן כדי לפתור מאשר בעיות מרחבית. מספר בעיות הראו למשתתפים נע בין ארבעה לעשרה.
    4. הקצאת תקופות מנוחה בתחילה וסוף איסוף נתונים - משמש לקבלת נתוני בסיס. ודא כי כל אלה יש למשך אותו פרק זמן (למשל., 120 שניות).
  4. אם תרצה, לנהל ראיון יציאה עם המשתתף. זה עשוי לכלול את מחשבותיהם על הצגת ניסיוני, לובש את אוזניות EEG, תהליך התקשורת בשימוש בכל הכנת גיוס משתתף, ו / or כל פרוטוקול הדורש תשובות מילוליות שהוזכרו לעיל. שאלון משתמשים תוקף יכול להינתן בפני המשתתפים במקום לנהל ראיון.
  5. כבה את תוכנת משימת הצגה, תוכנת EEG-הרישום, להסיר את האוזניה EEG, ומכבה את ציוד הקלטה-וידאו.

5. סיכום של המושב

  1. לפטר את המשתתף במחקר. תודת המשתתף ולספק להם סקירה של כל מגע בעתיד (למשל., לראיונות מעקב או בפגישות הבאות של המחקר), להסביר כיצד תוצאות המחקר עשויות להתפרסם ו / או לרשות המשתתפים, ולספק כל כיבוד או תשלום (או הסבר איך התשלום יינתן) עליו הוסכם במסגרת מהפיצויים על ההשתתפות במחקר.
  2. העברת נתונים יומני לכל התקני אחסון לטווח ארוך או העברה נדרש. אחסן את טופס הסכמה חתום כראוי וכפי שקבע פרוטוקול IRB.
  3. הסר את פלטס מהאוזנייה לטהר או להיפטר מהם.
  4. החזר את תרמילי אלקטרודה EEG ו לאוזניות למיקום אחסון נאות.
  5. השלך מזרקים משומשים וזבל כראוי.
  6. חזור נוזל למקומות אחסון מתאימים.
  7. אבטח את המעבדה אם לא נמצא בשימוש על ידי חוקרים אחרים.

6. ניתוח נתונים

  1. לזהות ולחלץ את הנתונים הגולמיים עבור כל ערוץ והנתונים סמן המיומנים נתוני ה- EEG. השתמש סמנים קצת ASCII לזהות את ההתחלה ואת הסוף של איסוף נתונים, כמו גם את המעברים בין השלבים השונים של איסוף נתונים (למשל., סוגים בעיה) ובעיות הפרט. ודא כי כל סוג שלב יש ערך סמן שונה כדי לאפשר בידול במהלך ניתוח. שם הנתונים באופן שמפנה את קוד הזיהוי משתתף כמקור.
    הערה: פקודות EEGLAB הן דefined בזאת, אבל EEGLAB דורש MATLAB עבור פעולה זו.
    1. לחץ על קובץ> יבוא נתונים> שימוש בפונקציות EEGLAB ותוספות> מ קבצי EDF / EDF + GDF (ארגז כלי BIOSIG)
    2. בחר בקובץ הנתונים המתאים. לחץ על פתח כדי לטעון את הנתונים.
    3. בחר את רשימת הערוצים. לחץ על OK כדי לקבל.
    4. לספק שם בסיס נתונים. ציין שם תיאורים עבור הנתונים המשקפים את מקור מועד הגבייה. במקרה זה, PSF1448 מציין נתוני זיהוי המשתתף 48 בסתיו של 2014.
  2. מפה את הנתונים שחולצו כדי מונטאז '(כלומר, את הפריסה של בלוטות EEG.) על ידי בחירת מונטאז הניתן על ידי ספק אוזניות EEG (למשל, 10 -. מערכת 20). ודא מונטאז בשימוש לניתוח תואם את הפריסה של אוזניות EEG מנוצלות במהלך הפגישה. זהו יצרן ספציפי.
    1. במקומות ערוץ ערוך על ידי לחיצה על הערוך> מיקומי ערוץ.
    2. בחר Montage. במקרה זה defauמונטאז lt מתאים, זאת פשוט לחץ על OK כדי לקבל.
    3. בחר מפרט מידע ערוץ. במקרה זה ברירת המחדל היא מתאימה, זאת פשוט לחץ על OK כדי לקבל.
  3. מנמיכים את נתוני ערוץ EEG לזה שהוא הכי מייצג של פעילות המוח, כהגדרתו להלן.
    1. החלת מסנן ראשוני לנתונים. בדרך כלל, להחיל גבוה לעבור סינון, נמוך לעבור (עם 0.1 הרץ כמו גבול התחתון של המסנן גבוה לעבור ו -59 הרץ כמו הגבול העליון של המסנן הנמוך לעבור). מריחת מסנן נמוך לעבור פחות מ -60 הרץ מסיר את הרעש של רשת החשמל בארה"ב. שמור את הנתונים עם שם חדש כמו נקודת שחזור.
      1. לחץ על כלים> מסנן FIR בסיסי (חדשות, ברירת מחדל).
      2. גדר פרמטרים מסננים בסיסיים. גדר קצה תחתון ל 0.1 הרץ, קצה גבוה עד 59 הרץ, לא לתכנן את תגובת התדר, ולחץ על OK כדי לקבל.
      3. ציין שם חדש עבור נתונים מסוננים (על ידי צירוף "_filtered" לשם הנתונים הקיימים). בדוק את bשור כדי לשמור את הנתונים כקובץ, ולהשתמש באותו שם עבור הקובץ. לחץ על OK כדי לקבל.
    2. הסר את כל הנתונים המצויים בפני סמן EEG הראשון או לאחר סמן EEG האחרון - תוך התחשבות חביון כל ברישום סמנים EEG. רשום את חביון (הזמן) של הסמן המציין את תחילת ההקלטה נתונה ואת חביון של הסמן המציין את סוף הנתונים. שמור את הנתונים עם שם חדש כמו נקודת שחזור.
      1. הערכים חביון ניתן למצוא את "ערכי ערוך את האירוע - pop_editeventvals ()" המסך; לחץ על הכפתור ">>" ללכת הסמן הסופי אשר מציין את הסיום של נתוני ה- EEG. אין שינוי צריך קיבל, כך לחץ על ביטול פעם הערכים הוקלטו.
      2. לחץ על נתוני Edit> Select.
      3. הזן את חביון ההתחלה והסוף (זמן) ערכים, מופרד ברווח, ב "[מקסימום דקות] זמן טווח (ים)", ולחץ על אישור כדי לאשר.
      4. ציין שם חדש עבורקצוץ נתונים (על ידי צירוף "_cropped" לשם הנתונים הקיימים). סמן את התיבה כדי לשמור את הנתונים כקובץ, ולהשתמש באותו שם עבור הקובץ. לחץ על OK כדי לקבל.
    3. דחה קטעי נתונים עם חפצים גדולים. את הצעדים הבאים מתארים כיצד לעשות זאת באופן ידני תוך הגורו הנתונים. הערה: הסרת הנתונים תהיה גם לגרום להפרעות 34,35.
      1. לנרמל את הנתונים בכל ערוץ (להסיר את מתכוון לשים כל ערוץ על אותה הסקאלה). גם להסיר את DC לקזז (זה משנה את הנתונים, אבל לא הדמיה).
        1. לחץ מגרש> נתוני ערוץ (גלילה).
        2. לחץ על הגדרות> טווח זמן לתצוגה.
        3. ציין את טווח הזמן (. למשל, 30 שניות) כדי לראות בעלילה של "אורך החלון החדש (ים):" שדה. טווח הזמן מבוסס על הזמן בין סמנים עבור בעיות בתוך שלב נתון (או בתוך שני שלבי הבעיה מרחבית). טווח הזמן יכול להיות בסיסד על מקסימום, מינימום, או הזמן הממוצע בין סמנים.
        4. לחץ על כפתור ה "נורמה" כדי לנרמל את הנתונים בעלילה (זה הוא קוסמטי בלבד ואינו משנה את הנתונים שבבסיס).
        5. לחץ על תצוגה> הסר DC לקזז להסיר את DC לקזז בעלילה (זה הוא קוסמטי בלבד ואינו משנה את הנתונים שבבסיס).
      2. הסר חפצים גדולים שאינם חוזרים באופן קבוע לאורך זמן.
        1. סמן את כל הנתונים חפצים למראה הנורמלים. לאחר שכל הנתונים החפצים סומנו, לחץ על הכפתור דחה.
          הערה: אלה יכולים להופיע כמו פסגות גבוהות או רחבות באופן חריג בנתונים - בערוצים בודדים או מרובים - או מגמות עוד המופיעים מספר קטן של ערוצים. נתונים חשודים אם נתונים מערוצים נפרדים להופיע לחצות אחד אחר בעלילה. אלה מייצגים חפצים שאינם חלק של הספקטרום הגל המוח וככל הנראה מייצגים תנועת שרירים על ידי המשתתף או צומת (ים) wקישוריות עניים ה- i. דבר שמזכיר גל מרובע הוא לא נציג של פעילות המוח האנושי.
      3. שמור את הנתונים עם שם חדש כמו נקודת שחזור.
        1. לחץ על קובץ> שמור במערך הנוכחי.
        2. ציין שם חדש עבור הנתונים הקצוצים (על ידי צירוף "_manRej" לשם נתונים הקיימים). לחץ על שמור כדי לקבל.
      4. אם ערוץ מסוים שנראה פגום, להסיר את הנתונים ממנו בנפרד. זה מייצג הפסד גדול בנתונים, כך לעשות זאת בזהירות רבה. אסתכל על הנתונים מהערוץ פני תקופה ארוכה, כפי שקרה לעתים קרובות מתמקם לאורך זמן ומספק מידע שימושי.
    4. והפעל ניתוח רכיב עצמאי (רשפ"ת) ובחר את הייצוגים הטובים ביותר של פעילות גלי מוח.
      הערה: זה מסייע להסרת סטים של חפצים חוזרים בנתונים. ערכות אלה מכילות חפצים שיופיעו מספר פעמים במרווחי זמן קבועים פחות או יותר עם sha חזרפ. בדרך כלל הוא תוצאה של תפקודים ביולוגיים כגון מהבהב או דופק - שכל אחת מהן יהיה משלה.
      1. מפה את נתוני הרשפ"ת מופרדים כדי ייצוג של הגולגולת המבוססת על מונטאז. דחה תוצאות הקשורות מהבהב, דופק, או מתח שרירים - אשר יופיעו לעתים קרובות בתוצאות ICA כאזורי דגש מעל העיניים, ליד המקדשים, או מעל האוזניים, בהתאמה. לדחות כל רכיב המציג את הגולגולת כולה כעוסק שכן הוא לא נציג של פעילות המוח (ראה איור 4) 35 קבלו תוצאות אחרות (ראה איורים 5 - 6)..
        1. לחץ על כלים> הפעלה ICA.
        2. בחר את האלגוריתם ICA ברירת המחדל (runica). לחץ על OK כדי לקבל.
        3. לחץ מגרש> מאפייני רכיב.
        4. בחר את מדדי רכיב (ערוצי אלקטרודה 14 EEG טעון לזיכרון) ואת אפשרויות רפאים. כמו בעבר, הקצה התחתון הוא 0.1 הרץ, והקצה הגבוה הוא 59רץ. לחץ על OK כדי לקבל ערכים.
        5. בתוך החלון קבל / דחה, ללחוץ על כפתור אישור כדי לשנות את הסטטוס דחה (ולחץ עליו שוב כדי לשנות אותו בחזרה קבל). לחץ על אישור כדי להיכנס התיוג קבל / דחה.
      2. מגרש את נתוני ICA-נפרד ב עלילת צבע 2-D. דחה תוצאות שמופיעות מפוספס, ריק, או מתובלת שיבושים, ולאחר מכן לשמור את הנתונים עם שם חדש כמו נקודת שחזור (ראה איורים 5 - 6).
        1. בתוך החלון קבל / דחה, ללחוץ על כפתור אישור כדי לשנות את הסטטוס דחה (ולחץ עליו שוב כדי לשנות אותו בחזרה קבל). לחץ על אישור כדי להיכנס התיוג קבל / דחה.
        2. לחץ על כלים> הסרה של רכיבי - כדי להסיר בפועל את הנתונים המסומנים לדחייה בעבר.
        3. לחץ על אישור כדי להמשיך. המדדים של רכיבים מחוברים לדחייה מוצגות בחלון "הסרת רכיבים".
        4. לחץ על קבל בחלון "אישור" כדי גontinue עם הגיזום של הנתונים.
        5. ציין שם חדש עבור נתוני הגזם (על ידי צירוף "_manRejPruned" לשם נתונים הקיימים). סמן את התיבה כדי לשמור את הנתונים כקובץ, ולהשתמש באותו שם עבור הקובץ. לחץ על OK כדי לקבל.
          הערה: פסים כי לאחרונה יותר 0.5 שניות נחשבים סבירים לדחייה. יחסית "טוב" ייתכן שיהיה צורך להיות מנוצל כאן, תלוי כמה טוב ערכות נתונים אחרים להיראות - רצוי לשמור לפחות מחצית הרכיבים. תוצאות טובות מיוצגות לעתים קרובות על ידי דרגות רציפות על מגרש צבע נתונים רציפים 2-D 34.
  4. הסר את ערכי הגבול עזבו בנתונים. שמור את הנתונים עם שם חדש כמו נקודת שחזור.
    1. לחץ על עריכה> ערכי אירוע.
    2. לגלול בין האירועים ולחץ על הכפתור מחק את האירוע כאשר סוג האירוע הוא גבול. כאשר כל הוסרו, לחץ על אישור.
    3. specifיה שם חדש עבור נתונים גבול-deleted (על ידי צירוף "_deleteBoundaries" לשם הנתונים הקיימים). לחץ על שמור כדי לקבל. השתמש באותו בחירת תפריט פריט כמו קודם כדי להגיע למסך זה (ראה שלב 6.3.3.3.1).
  5. לחשב מדדי כוח מוחלטים לכל סוג פעילות גופני. זהו לוגריתמי מבוססי הכוח לשנות המבוססת על מדידת מיקרו-וולט והזמן -. מחושב עבור כל התדרים (דלתא, תטא, אלפא, בטא, גמא) 22
    1. נתח את הנתונים לגושים, באמצעות סמנים כדי לציין את ההתחלה ואת הסוף של כל משימה.
      1. לחץ על עריכה> בחר נתונים באמצעות אירועים.
      2. לנצל זמנים המתאימות לכל סוג משימה. הגדר את הזמן לתקופות שאר וממשך תקופת מנוחה. לנוכח הבעיות מרחבית (שהן פחות או יותר דומה משך), השתמש באחת מח"מ כל משימות מרחביות או את משך הזמן המרבי של כל משימות מרחביות. עבור מיושם (למשל., Engineerinסטטיקה ז) בעיות, לזהות את המח"מ לכל בעיה. שמור את הנתונים עם שם חדש כמו נקודת שחזור.
        1. הזן את סוג הסמן 'סוג האירוע (ים) ([] = כל) "השדה, (למשל., סוג סמן 50 שמש לציון אירועי מנוחה). היו אירועים לנוח משך 120 שניות במקרה זה, כך להיכנס "1 120" עבור מערך מגבלות זמן. לחץ על OK כדי לקבל.
        2. ציין שם חדש עבור נתונים האירוע (על ידי צירוף "_rest" לשם הנתונים הקיימים במקרה זה). סמן את התיבה כדי לשמור את הנתונים כקובץ, ולהשתמש באותו שם עבור הקובץ. לחץ על OK כדי לקבל.
          הערה: אם חלקים להחיל יכול להיות מופחת ולכן הם לוקחים בערך את אותה כמות של זמן כמו משימות מרחביות, ולאחר מכן להשתמש באותו גודל זמן כמו משימות מרחביות. מאז EEG הוא מדד חשיבות מבחינת זמן, מדויקות יותר את תקופות הזמן הם עבור כל תנאי, פחות מבולבל הנתונים הם בסופו של הדבר (כלומר., מספר דגימות שנאספו עבור כל קונדיtion יהיה עקבי יותר).
  6. השוואת תוצאות בסופו של דבר.
    1. חישוב האחוזים לכל יחסית נתח למדידות שאר הבסיס. עיין קובץ קוד משלימה ובלוחות 1 - 8.
      1. פתח את סקריפט Absolutepower ב MATLAB ולחץ על כפתור ההפעלה כדי להריץ את הסקריפט על הנתונים טעונים בסביבת העבודה במהלך שלב 6.6 (למשל., נתוני המנוחה).
      2. נתונים נבחרים absolutepowermatrix במרחב העבודה MATLAB להעברה תוכנית גיליון אלקטרוני (למשל., MS Excel).
    2. חזור על שלבים 6.5 - 6.6.1.2 עבור כל סוג פעילות גופנית / סמן.
    3. השוואת תוצאות עם זמנים דומים (למשל., משימות מרחביות) אחד לשני כדי לקבל תובנה על קושי יחסי.
    4. השוואת תוצאות פני המשתתפים לזהות מבצעים ביחס גבוהים לעומת מבצעים נמוכים יותר מיומנויות מוערכות. הערה: בעלות ביצועים גבוהים עשויים להציג l מאודittle לגדול ביחס ההפעלה בטא לקו הבסיס, תוך ביצועים נמוכים עשויים להראות עלייה בסדר גודל של 70% 21-26.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

בסעיף זה, השלבים הקודמים מומחשים עם דמויות מדגם כמתואר להלן. סיכומי נתונים מלאים עם מבחנים סטטיסטיים לא מסופקים, כמו מטרת מאמר זה היא להתמקד שיטות. דוגמאות PSVT פוטנציאל: R, MCT, ובעיות מרחבי ניתנים איור 1, איור 2, ואיור 3, בהתאמה.

כובע EEG יאסוף הפעלת מוח באמצעות פוטנציאלים חשמליים עבור כל ערוץ נתון, אשר ניתן לצפות במקביל כפי שמוצג באיור 7. כאמור, חפצים מסוימים בתוך הנתונים צריכים להיות מוסרים באופן ידני, ואילו אחרים ניתן להסיר באמצעות הרשפ"ת. לפעמים ערוץ פגום יכול להיות מזוהה. ממצאים אלו גלויים איור 7. ב תוכנת הניתוח, והממצאים הגדולים, שאינם חוזר על עצמו יכול להיות מסומנים באופן ידני ברצף ולאחר מכן הוסרו על ידי לחיצה על הכפתור "דחייה" (כמו בשלב 6.3.3.2.1). כל הדמויות עם תמונות של ניתוח נתוני ה- EEGהם מכלי תוכנת ניתוח הנזכרים בטבלה של חומרים.

בעקבות ICA, תוכנת הניתוח ממפה את הנתונים בשתי דרכים: 1) ייצוג ממופה-קרקפת של הפעלה, ו -2) עלילת נתוני 2-D רציפה של ההפעלה הערוכה על ידי ניסויים ושעה. דוגמא נתונים מקובלים ניתן לצפות באיור 5. דוגמא הקרקפת דחתה ממופה נתונים המצביעים פעילות לא קשורה למוח עבור שלושה מקרים ניתן לראות באיור 4. 2D מגרשי נתונים רציפים עבור אותה דחו אלה שלושה מקרים ניתן לראות איור 6. הקווים המפוספסים שנצפו התמורה שני מגרשי הכתבים הראשונים להסרה. הקווים המפוספסים בעלילה השלישית עשויים להיחשב גבוליים - 2-D מגרש נתונים רציפים של איכות זו יכולה להיחשב להכללה, ואת החוקר חייב לשקול את האיזון בין כולל אותות מזויפים השלכת נתונים יקרים ערך. פסים כבר מ -0.5 שניות נחשבים Grounds לדחייה. לקבלת הסבר מקיף יותר, בקר באתר האינטרנט של EEGLAB (http://sccn.ucsd.edu/eeglab/).

לאחר שכל הנתונים המבלבלים נדחו - בין אם באמצעות דחייה ידנית תוך ההסתכלות על מגרשי גלי המוח או לאחר ICA - והנתונים כבר מחולקים בזמן עבור סוג הפעילות המתאים, חישובי הכח המוחלטים יכולים להתבצע עבור כל תדר וכל פעילות הקלד דרך תסריט MATLAB (המבוסס על פונקציות תוכנת ניתוח) שניתן בקובץ קוד המשלימה. נתוני הסיכום אז שנוצרו על ידי פונקציית מוצגים בטבלאות שלהלן לוח 1 מכיל נתוני תקופות זמן Rest -.. אשר משמשים כבסיס לחישובי יעילות טבלה 2, טבלה 3, ולוח 4 להכיל את הכח המוחלט נתונים עבור PSVT: R, MCT, ובעיות סטטיקה, בהתאמה. ידי חלוקת ערך התא עבור הערוץ המקביל וחסום תדירותד בטבלה Rest, יחסי כוח ביחס מוחלט מוצגים בלוח 5, לוח 6, ולוח 7 עבור PSVT: R, MCT, ובעיות סטטיקה, בהתאמה.

בסופו של דבר, הערך הממוצע בכל הערוצים נלקחת עבור התדרים בטא לכל סוג פעילות, ואת התוצאות מוצגות בטבלה 8. סוג זה של נתונים שניתן להשתמש בהם כדי לזהות ROIs למחקר עתידי. מנתונים אלו עבור המשתתף מדובר, אנו רואים כי הכח המוחלט ביחס מופיע נמוך יותר עבור PSVT: R מ עבור MCT. מסקנות נחרצות לגבי הצהרה זו, אם כי, עדיין תלויות על מדגם גדול יותר להקים מובהק סטטיסטי אפשרית. הכח המוחלט ביחס למשימות סטטיקה ניתן להשוות לערך של משתתפים אחרים, והערכות של הופעה גבוהה לעומת מאמץ קוגניטיבי משיג ביצועים חלשים יכול להיות מזוהה אשר יכול להיות מתואם עם ציונים תפקודיים על בעיות סטטיקה למתן תוקף. אמנם זה במיוחד נייר שיטות, ומציג דוגמאות של נתונים רק משתתף אחד, הניתוח הסטטיסטי של הדו"ח הראשוני המשמש המבחן של לוין להעריך נורמליות, ואחריו המבחן של פרידמן השוואת משימת קבוצת x x ערוץ EEG. לבסוף, מבחן מעקב ווילקוקסון בוצע על תופעות ואינטראקציות פרידמן משמעותיות. ההשוואה בין מבצעים גבוהים ונמוכים הראתה רמות הפעלה בטא משמעותיים להגברת ביצועים נמוכים מאשר בעלות ביצועים גבוהות (עבור PSVT: R, F3: χ 2 (1,6) = 5.33, p <.03; T8: χ 2 (1, 6) = 4.08, p <.05; FC6: χ 2 (1,6) = 4.08, p <.05; F8: χ 2 (1,6) = 4.08, p <.05; AF4: χ 2 (1 ., 6) = 5.33, p <.03 עבור MCT, F3: χ 2 (1,6) = 5.33, p <.03; T8: χ 2 (1,6) = 5.33, p <.03; FC6: χ 2 (1,6) = 5.33, p <.03; AF4:. χ 2 (1,6) = 4.08, p <.05 על סטטיקה, FC6: χ 2 (1,6) = 4.08, p <.05). 9

איור 1
איור 1: PSVT:. R דוגמא בעית חלק א מדגימה PSVT מדגם יחיד: R בעיה כפי שניתן לראות על ידי משתתפים. (מקור: Guay (1976)). התשובה הנכונה היא ג חלק ב 'מספקת הסבר ויזואלי של הפתרון אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

איור 2
איור 2:. בעית דוגמא MCT חלק א מדגימה בעית MCT המדגם יחידה כפי שניתן לראות על ידי משתתפים. התשובה הנכונה היא ד חלק ב מספקת הסבר ויזואלי של הפתרון. (מקור: CEEB (1939))"Target =" _ blank "> לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

איור 3
איור 3:. סטטיקה דוגמא הבעיה ממחישה בעית סטטיקה דוגמא אחת ניתנה למשתתפים. בעיה זו מיועדת ב-מישור (כלומר., 2-D) נתון שיווי משקל שלושה כוחות ומבנה חיבור נפוץ. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

איור 4
איור 4:. דוגמאות ללא מוח קרקפת-ממופי פעילות שלוש דוגמאות של נתוני מיפוי קרקפת שלאחר ICA מוצג מאדם, 23 בן, משתתף זכר. הפעלה מלאה קרקפת, הפעלה מעל עין / מקדש יחיד, והפעלה ממוקדת o n העיניים ומקדשים מעידים על פעילות גופנית, לא פעילות המוח, כפי שמוצג לאחר יק"א IC2, IC3, ו IC4, בהתאמה. לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

איור 5
איור 5:. קבילות פוסט ICA תמונות נתוני איור של מפת הקרקפת מקובלת 2-D רציף נתונים עלילה לאחר ICA למקרה מדגם, עצמאי רכיב 13 (IC13), מן פרט, 23 בן, משתתף זכר. הפעלה נראית מרוכז על אזור במוח בתצוגה ממופית-הקרקפת, ולא פסים גדולים גלויים בעלילת הנתונים הרציפה. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

בתוך-page = "1"> איור 6
איור 6:.-D 2 מגרשי נתונים רציפים התאמה תמונות קרקפת-ממופות שלוש דוגמאות של מגרשים רציפים נתונים שלאחר ICA מוצגים מאדם, 23 בן, משתתף זכר. להקות או פסים עבים בחלקות נתונים 2-D רציף מן ICA מצביעים שיבושים לא מעיד על תפקוד המוח נורמלי IC2, IC3, IC4 -. במיוחד בחלקות IC2 ו IC3 אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

איור 7
איור 7:. נתוני מוח עם חפצי המסך של חפץ (ערוץ F7) מסומן באופן ידני לדחייה עם מגוון מדגם זמן מאדם, 23 בן, משתתף זכר. הערה במקרה בערוצים מרובים בין 132 ו -133: אירועים דומים חוזרים על עצמם מספר פעמים (בערך באותה צורה וגודל במרווחים זמן קבוע) - וכך הם הניחו לייצג פונקציה ביולוגית שאינו מוח - וניתן להסירו באמצעות ניתוח רכיב העצמאי (למשל, מהבהב.) (ICA). נא ללחוץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

. קובץ קוד משלימה: סקריפט MATLAB ושינוי מציג את הסקריפטים (spectopo.m ו absolutepower.m) עבור השינוי מבוסס על מדידת מיקרו-וולט והזמן - מחושב עבור כל תדר (דלתא, תטא, אלפא, בטא, גמא) - כדי להשיג את הכוח המוחלט בכל תדר 22. שינויי הקוד הנדרשים עבור פונקציונליות הנאות pop_chanedit.m גם כלולים.lemental_Code_File.txt "> אנא לחץ כאן כדי להוריד את הקובץ.

מנוחה AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4
דֶלתָא 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
תטא .97171 1.37529 1.31051 .80067 .86828 .72737 .89545 1.47262 .9612 2.62535 1.81392 1.50252 3.17255 1.07803
אלפא 1.05352 1.3154 1.1847 .65468 .80063 .67154 1.02715 2.07336 1.08513 2.66165 1.57996 1.34778 3.03508 1.16919
בטא .43161 .90384 .50791 .53479 .50098 .38674 .38319 .58092 .31785 1.01047 .56527 .49346 .90616 .48072
גמא .5045 1.34183 .62215 .84909 .70052 .51585 .43051 .67612 .34162 1.03946 .64008 .5726 .91932 .51616

טבלה 1:. Rest כוח מוחלט מכיל ערכי כוח מוחלט לתקופות Rest זמן ההתחלה. ערכים מוצגים עבור כל ערוץ כובע EEG וכל תדרים עצביים. אנא לחץ כאן כדי להוריד את הטבלה כמו גיליון אלקטרוני של Excel.

PSVT: R AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4
דֶלתָא 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
תטא .96945 1.59045 1.37746 1.03259 .84002 .66437 1.07593 1.74327 1.17321 3.7199 2.85166 1.53374 5.03852 1.18174
אלפא .85227 1.13582 1.02927 .58288 .67936 .58545 .74962 1.66418 .99799 2.75755 2.02905 1.36223 3.80233 -1.0266
בטא .35494 .678 .40734 .36971 .37595 .30512 .31952 .50253 .28369 .75791 .71554 0.42837 1.01529 .34922
גמא .30691 .74519 .41486 .43652 .39229 .30623 .30822 .4174 .22447 .66889 .70126 .36895 .90685 .30268

טבלה 2: PSVT:. R כוח מוחלט מכיל ערכי כוח מוחלט לתקופות זמן כאשר המשתתף היה לפתור PSVT: בעיות R. ערכים מוצגים עבור כל ערוץ כובע EEG וכל תדרים עצביים. אנא לחץ כאן כדי להוריד את הטבלה כמו גיליון אלקטרוני של Excel.

MCT AF3 F7 F3 FC5 T7 P7 </ Td> O1 O2 P8 T8 FC6 FC4 FC8 AF4
דֶלתָא 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
תטא 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
אלפא 1.18154 1.41989 1.23333 .76868 .8051 .6844 1.02368 2.53414 1.29356 2.94347 2.26038 1.4973 3.94919 1.1579
בטא .44047 .89503 0.54 .51125 .46215 .36589 .3884 .61918 .35962 1.03223 .89744 .54226 1.35175 .47197
גמא .41897 1.05133 .51015 .64259 .51855 .39244 .41827 .52564 .29925 .87269 .84818 .4996 1.08765 .41331

טבלה 3:. MCT כוח מוחלט מכילה ערכי הכח המוחלטים לתקופות הזמן כאשר המשתתף היה לפתור בעיות MCT. ערכים מוצגים עבור EACh EEG ערוץ כובע כל תדר עצבי. אנא לחץ כאן כדי להוריד את הטבלה כמו גיליון אלקטרוני של Excel.

סטטיקה AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4
דֶלתָא 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
תטא 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
אלפא .86505 1.37518 1.00568 .72506 .76361 .6491 .95616 1.63483 .9386 2.56892 1.67092 1.18895 3.13664 .98499
בטא .35583 .55288 .41326 .30866 .34607 .29362 .357 .59991 .34927 1.04345 .66066 .44385 1.21395 .42598
גמא .24587 .43744 .31831 .23404 .25428 .2218 .26349 .39275 0.22939 .7927 .507 .29891 .94462 .3172

לוח 4:. סטטיקה כוח מוחלט מכיל ערכי הכח המוחלטים לתקופות הזמן כאשר המשתתף היה לפתור בעיות סטטיקה. ערכים מוצגים עבור כל ערוץ כובע EEG וכל תדרים עצביים. אנא לחץ כאן כדי להוריד את הטבלה כמו גיליון אלקטרוני של Excel.

PSVT: R% AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4 מְמוּצָע
דֶלתָא 1.09312 1.20533 1.254 1.00122 .89381 .8701 1.0967 1.27152 1.48439 1.44382 1.81472 1.35708 2.01959 1.25924
תטא .99766 1.15645 1.05108 1.28965 .96746 .91339 1.20155 1.18379 1.22056 1.41692 1.5721 1.02078 1.58816 1.09621
אלפא .80897 .86348 .86881 .89032 .84853 0.8718 .7298 .80265 .9197 1.03603 1.28424 1.01072 1.2528 .87804
בטא .82237 .75013 .80199 .69131 .75043 .78897 .83383 .86506 .89252 .75005 1.26584 .86809 1.12043 .72645 85.2%
גמא .60836 .55535 .66682 .5141 0.56 .59365 .71594 .61734 .65707 .6435 1.09557 .64435 .98644 .5864

. לוח 5: PSVT: R יחסית כוח מוחלט מכיל ערכי כוח מוחלט ביחס - כלומר, היחס לעומת הבסיס Rest - לתקופות זמן כאשר המשתתף היה לפתור PSVT: בעיות R. ערכים מוצגים עבור כל ערוץ כובע EEG וכל תדרים עצביים./ftp_upload/53327/Table_5.xlsx">Please לחץ כאן כדי להוריד את הטבלה כמו גיליון אלקטרוני של Excel.

MCT% AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4 מְמוּצָע
דֶלתָא 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
תטא 1.23445 1.34515 1.29823 1.59146 1.5038 1.49751 1.22317 1.30176 1.40354 1.59,846 2.05851 1.35997 1.95978 1.24072
אלפא 1.12151 1.07944 1.04106 1.17413 1.00557 1.01915 .99661 1.22223 1.19207 1.10588 1.43065 1.11093 1.30118 .99034
בטא 1.02052 .99025 1.06317 .95599 .9225 .9461 1.01359 1.06585 1.13138 1.02154 1.58762 1.09891 1.49174 .9818 109.2%
גמא .83046 .78351 .81998 .7568 .74023 .76077 .97157 .77744 .87596 .83956 1.32511 .87252 1.1831 .80073

. לוח 6: MCT יחסית כוח מוחלט מכיל ערכי כוח מוחלט ביחס - כלומר, היחס לעומת הבסיס Rest - לתקופות זמן כאשר המשתתף היה לפתור בעיות MCT. ערכים מוצגים עבור כל ערוץ כובע EEG וכל תדרים עצביים. אנא לחץ כאן כדי להוריד את הטבלה כמו גיליון אלקטרוני של Excel.

% סטטיקה AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4 מְמוּצָע
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
תטא 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
אלפא .82111 1.04545 .84889 1.1075 .95375 .96658 .93089 .78849 .86496 .96516 1.05757 .88215 1.03347 .84245
בטא .82441 .6117 .81364 .57716 .69079 .75922 .93164 1.03269 1.09885 1.03264 1.16874 .89947 1.33966 .88613 90.5%
גמא .48736 .326 .51162 .27564 .36299 .42997 .61205 .58088 .67146 .76261 .79208 .52202 1.02753 .61453

. לוח 7: סטטיקה כוח מוחלט יחסית מכיל ערכי כוח מוחלט ביחס - כלומר, היחס לעומת הבסיס Rest - לתקופות זמן כאשר המשתתף היה לפתור בעיות סטטיקה. ערכים הם shעצמו עבור כל ערוץ EEG כובע כל תדר עצבי. אנא לחץ כאן כדי להוריד את הטבלה כמו גיליון אלקטרוני של Excel.

מְמוּצָע
PSVT: R% 85.2%
MCT% 109.2%
% סטטיקה 90.5%

. לוח 8: ממוצע יחסית כוח מוחלט מכיל ערכי כוח מוחלט ביחס - כלומר, היחס לעומת הבסיס Rest - בממוצע על פני כל הערוצים כובע EEG לתקופות זמן כאשר המשתתף היה PSVT לפתרון: R, MCT, סטטיקה בעיות . אחוזי מוצגים עבור התדרים בטאו בלבד. אנא לחץ כאן להורדה בטבלה זו בתורגיליון אלקטרוני n Excel.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

פרוטוקול דן ביישום של electroencephalography כדי למדוד את פעילות המוח למשתתפים לעבוד בעיות משני מכשירים ביכולת המרחבית טיפוסי ובעיות סטטיקה הנדסה מרחבית מאוד. השיטות המפורטות כאן עשויות בסופו של דבר יוכל לעזור להבין את היעילות העצבית של בעלות ביצועים גבוהות ונמוכים עוסקים בעבודת הבעיות הללו. זה חיוני כדי להבין את כל הבדלים יעילות עצבית של סטודנטים להנדסה לעבוד על MCT ו PSVT: R, כמו בדיקות אלה משמשות לעתים קרובות כדי להעריך את היכולת המרחבית. השוואה אותם זה לזה מאפשר לנו להעריך תחולתן טובה יותר להצלחה בהנדסה עמדו בתוכניות לימודי הנדסת יסוד.

הפרוטוקול קובע נהלי מחקר על יעילות עצבית הקשורים עם משימות קוגניציה מרחבית. חשוב שכלים מהימנים ותקף משמשים כדי להעריך יכולות מרחביות מחוברות לתכנים הנדסיים. זה אניגם זה חשוב כי בעיות הנדסיות למקד את תוכן הנדסת הנציג לקורס ספציפי. מדידות EEG מציעות יכולת הלא פולשניות ברור טריאנגולצית נתונים מרכיבים קוגניטיבי מסטודנטים עוסקים בהיבטים המרחביים של פתרון בעיות הנדסיות. זמן נכון ביול אמור לשמש עבור איסוף נתונים כאלה, הבטחת טריאנגולציה עם אירועי וידאו-לארכיון. פרוטוקולי IRB צריכים להיות אחריה בקפדנות, כדי להבטיח את האנונימיות של נתונים וניתוח משתתף.

רוב חששות התקלות מתרחשים תוך איסוף נתוני EEG כמפורט להלן, ואת רוב אלה מטופלות לפני נתונים נרשמים. תיקונים עבור עכבה ורעש עניים מטופלות בצורה הטובה ביותר במהלך ההתקנה. בעקבות הוראות היצרן אוזניות EEG הוא קריטי, מניסיוננו האינדיקציות ידי התוכנה של היצרן יכול לכוון למשתמשים לבדוק אלקטרודות ספציפיות. בדרך כלל את הקשר בין משטח הלבד ואת participanראשו של t צריך להיות לח יותר, או את הקשר בין כל אלקטרודה ואת האוזניות ייתכן שיהיה הצורך להיבדק. אם חלק הקישוריות גלויה, אבל האיכות גרועה, באמצעות המזרק מחדש להרטיב קלות את הלבד הוא לעתים קרובות מספיק, ולעתים האוזניות צריכות להיות מותאמות באופן פיזי על מנת להבטיח קשר מוצק עם הקרקפת. בעוד כמה מקרים, נאלצנו לבקש המשתתפים כדי לשטוף את השיער שלהם בכיור לפני הצלחנו להשיג חיבור טוב. כאשר האלקטרודה הופיע לא להיות העברת נתונים, זה בדרך כלל נפתר על ידי הסרת האלקטרודה ואז ולהכניס אותו שוב. לעתים, במקרה פלסטיק עבור האלקטרודה עלול להיסדק, ובמקרה זה יהיה צריך להיות מוחלף.

פתרון בעיות אחרות עלולות להתרחש במהלך ניתוח נתונים, והוא נדון בפרוטוקול. עיבוד מקדים נתונים כרוכים הסינון והסרה של חפצים. לעתים קרובות תוכנת ניתוח נתונים תומכת דחייה ידנית וגם סקריפטים שניתן להפעיל במהלך עיבוד מקדים ופרו cessing של הנתונים.

שינויים נעשו תסריט בתוך תוכנת הניתוח. שינויים אלה מתועדים בקובץ הקוד המשלים. שינויים בפרוטוקול עשויים גם להתבצע. פרוטוקול במקביל נעשה שימוש בהם תשובות מילוליות נדרשים במהלך תקופת המחקר. זה יכיר יותר חפץ לתוך נתוני ה- EEG, אך יספק תובנה רבה יותר את הידע הפונקציונלי של המשתתף במהלך הבדיקות. חלופה שמשה גם שבו משתתף משתתפת בראיון וידאו מוקלט עם החוקר לאחר הפגישה.

שינויים פוטנציאליים מומלצים אחרים כוללים ניצול יכולת מרחביות שונה בדיקות 14, שאלות הנדסיות שונות 17, או הערכות חינוכיות אחרות. מדדים פעילות המוח שונים, אפשריים באמצעות EEG ומכשור אחר, יכולים גם לשפוך אור על הקושי, או מאפיינים אחרים, הערכות מיומנות.

jove_content "> אנו מכירים בכך יש מגבלות עם טכניקה מוגדר במסמך זה בונה יכולת מרחבית (סיבוב משטח מהוקצע חיתוך) נמדד על ידי PSVT:. R ו- MCT הם רק שניים מתוך מבנים פוטנציאליים רבים למדידה עם מדדים מרחבית אחרים. בנוסף, משימות אינטנסיביות שונות מרחבית (כלומר., סוגים שונים של בעיות או קורסים שונים ואת קורסים) עשויות גם להיות מוערכות. מחקר לתוך יעילות עצבית צריך כמובן גם להתנהל על היקף רחב יותר מאשר קורסים בהנדסת יסוד פשוט כגון סטטיקה. עבור למשל, יש לחקור אותו בתוך שדות כלילה הרבים הודו בספרות לסמוך על חשיבה מרחבית 3. כמו כן, מחקרים יעילים עצביים לא צריכים להיות מוגבלים מיומנויות מקושרות ישירות רק ביכולת המרחבית 21-28. אפילו בתוך המחקר המעורב גלי מוח מדידה, את הנוהג של ממוצעי מדידות הספק על משך משימה אוסרת חקירהאל מתאמים אחרים שעשויים להתרחש בתוך תבניות של פעילות מוחית. מדידות EEG, בשל תגובתיות הזמני שלהם, אינן מוגבלות מחקרים יעילים עצביים. ומכשור EEG הוא עצמו מוגבל על ידי עומק של פעילות גלי המוח שהוא יכול לזהות, במיוחד כשמשווים את ברזולוציה מרחבית גבוהה של ספקטרוסקופיה פונקציונלית קרוב אינפרא אדום או תהודה מגנטית תפקודית, אם כי תגובתיות הזמני שלה נותר בין 36 הטובות ביותר.

בסופו של דבר, את הפוטנציאל של שימוש מדידות פיזיולוגיות לספק תובנה תיאוריה ומעשה חינוכי מופיע 37,38 עצום. הגישה הטכנית ומטרות של פרוטוקול זה שונה מאשר הגישה ביופידבק באמצעות EEG ב חינוך / הדרכה שלומד 39, אך כולם שווה שיקול כמו מוענקת תובנה תופעות כגון פיתוח יכולת מרחבית ופיתוח מיומנות הנדסית. גישה זו של שימוש EEG לבחון effici העצביתency בין משימות מרחביות הטמון בתוך מכשירים ביכולת המרחבית ספציפיות מגדיר שיטה אחרת של הפרדת בדיקות ביכולת המרחבית. זה מדגים יישום חדש של גישה neuroscientific לחקירת בדיקות ביכולת המרחבית, כמו גם פתיחת גישה neuroscientific לקראת חקירת הקיים התיאוריה החינוכית. מציאת שיטות אימות ואימות היא חלק מתרבות הנדסה. בתוך יישום חדש זה, בדיקת מוח פיזיולוגית יכולה לפתוח עולם חדש של הבנת תאוריה חינוכית זיקוק. ואכן, אם נתפס שדר פוטנציאל של אימות, רומן דור החדש של הנדסת מחקר חינוכי שעלול להתעורר.

Subscription Required. Please recommend JoVE to your librarian.

Acknowledgments

המחברים מבקשים להודות כריסטופר גרין, ברדלי רובינסון, ומריה מנואלת Valladares, שעזר באיסוף נתונים. מימון לציוד EEG סופק על ידי משרד אונ' יוטת מדינת מחקר בוגר לימודי ציוד מענק מעבדת קוגניציה הרבה החושית של קרי ירדן. בנימין שיחה נתמך על ידי עמיתי מחקר דוקטורט לנשיאות השיגו מבית הספר של אוניברסיטת יוטה ללימודים מתקדמים עבור עבודתו עם ד"ר וייד 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

התנהגות גיליון 114 אינטליגנציה מרחבית electroencephalography יעילות עצבית יכולת מרחבית חשיבה מרחבית הנדסה חינוך סטטיקה
ניצול מדידות Electroencephalography להשוואה של יעילות עצבית משימה ספציפית: משימות אינטליגנציה מרחבית
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