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

空間知能タスク：タスク固有ニューラル効率の比較のための脳波測定を活用

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

本稿では、空間的に集束されたエンジニアリングの問題を解決しながら、人間の神経活動を測定するためのアプローチについて説明します。脳波の方法論は、最終的には、問題のタイプ間と参加者間の両方のタスクのパフォーマンスの比較を可能にする目的で、神経効率の点でベータ脳波測定値を解釈するのに役立ちます。

Abstract

空間的知性は、多くの場合、工学教育とエンジニアリングの職業での成功にリンクされています。彼らは解決策を導き出すための空間能力を必要とする連続したタスクを実行するよう、脳波の使用は個人の神経効率の比較計算を可能にします。神経の効率は、ここでは、他のグループや他のタスクと比較してタスクを実行するために、より少ないβ活性を有し、従ってより少ない神経リソースを消費として定義されます。同様の期間を持つタスクのタスク間の比較のために、これらの測定値は、タスクタイプの難易の比較を可能にすることができます。イントラ参加者と相互参加者の比較のために、これらの測定は、空間能力と異なるエンジニアリングの問題解決タスクの参加者のレベルに潜在的な洞察を提供しています。選択されたタスクのパフォーマンスを分析し、ベータ活動と相関させることができます。この作品は、学生のENGの神経効率を研究し、詳細な研究計画書を提示します典型的な空間能力と静力学の問題の解決で熟成。 、および静力学：学生が精神的に固有の問題テスト（MCT）ローテーションの、パーデュー空間の可視化試験（R PSVT）を切削を完了しました。これらの問題を解決するに従事しながら、参加者の脳波は、脳波をアルファおよびベータ脳波活性化および使用に関するデータを収集することができるようにして測定しました。作業は、エンジニアリングで成功した性能に経路および続くかもしれ工学教育における結果の改善を識別するために、空間的に集中的なエンジニアリング・タスクとの純粋な空間的なタスクの機能性能を相関させることになります。

Introduction

空間能力は科学、技術、工学、および数学（STEM）分野と教育に不可欠であり、これらの領域1,2,3での成功と相関します。したがって、4の解決方法空間能力に影響を与える問題の開発を理解することが重要です。空間能力は、対象5、性能6、エンジニアリング学者7と工学の専門家8の成功の成功にリンクされています。しかし、多くの空間能力の楽器、また非常に空間的である特定のエンジニアリングコンテンツへの典型的な問題の解決に特定の神経のプロセスを示す多くの仕事がありません。

本稿では、神経の測定と組み合わせた空間能力の楽器のスコアのデータ収集と分析のために使用される方法を紹介します。 Joveので出版の意図は、より幅広い視聴者にこれらのメソッドにアクセスしやすくすることです。一般市民のハードウェアとソフトウェアWEReがこの研究に利用さ。方法用紙として、完全な結果/データセットが報告も提供される複数のサンプルであるれていません。すべての画像は、この出版物のために特別に捕獲されました。以下に詳述した方法では女性であった3人の8大学の二年生中年の参加者からのデータに基づいて、予備会議レポート9を調製するのに利用されました。

多くの既存の器具は固有のまたは個人で学習した空間能力のレベルを示すために使用されています。 13：一般的に使用される2つの有効かつ信頼性の高い10,11の機器は試験（MCT）12を切断精神とローテーションのパーデュー空間の可視化試験（R PSVT）です。もともと職業14を設計しながら、これらの機器は、ピアジェ理論10,15によって記述空間可視化開発の異なる段階をテストします。これらの機器の使用は、基礎となる生理学的な認知現象を理解する必要性を作成しますexistin個人がこれらの問題を介して動作グラム。このため、本研究では、最終的には、空間的思考の分析と理解を向上させ、既存のメトリックテスト機能を確認し、工学教育への典型的な、より複雑な問題に空間的評価の適用性を高めることが経験的生理学的データを利用する方法を紹介することを目指しています。これらの問題の多くは、工学静に遭遇することができます。

静は、基礎力学はもちろん、ほとんどの工学部の学生に配信される（ 例えば 、生物学、機械、土木、環境、航空宇宙工学）16,17。それは、学生はコア・エンジニアリング・コンテンツ18に記載されている最初の大規模な問題解決の経験の一つです。静は、安静時または一定の速度で動いている剛体に作用する力の相互作用の研究を伴います。残念ながら、静はinvesに見られるように、高中退、引きこもり、および故障率（14％を持っていますtigated大学）、これは、そのような教育に空間的に強化されたアプローチとして、サポートの主要な道を省略し、伝統的な講義やカリキュラムデリバリーモデルに関連する可能性があります。例えば、静力学における空間的に強化されたアプローチは力が典型的な解析的分析の外でどのように相互作用するかの可視化を標的とし、接地された概念を持つ学生の手続的知識を補強することができます。そのような介入の有効性は、認知神経科学の視点から調査する必要があります。

脳波（EEG）は、学生の脳波活性を測定するユニークなモバイル方法を提示します。ベータ活性化を惹起するタスクを実行する個人は、一般的には非常にタスクの仕様に係合し、彼らは19,20をやっていることに気配りされています。帯域周波数が占める皮質領域の大きさと同様に、タスクは、増加、ベータ波の振幅が増加を要求するように。内の火災よりニューロンベータ周波数範囲（アルファ：8から12ヘルツ、ベータ：12 - 24Hzの）が大きいベータ電力として定義することができます。一つのタスク内のより経験豊富になるように関連して、β波の振幅は小さいベータ発電減少します。これは、タスクを実行すると、高周波電力の減少に関連しているのより大きなタスクの経験神経効率仮説21-28、の一部です。 EEGは、以前に（多くの場合、心的回転と空間ナビゲーションタスクのための）空間能力の研究に使用されてきたが-と適用可能なデータは、アルファ、ベータ版で同定されており、シータバンド27-33 - αおよびβバンドはこのために観察されました研究、およびベータ版は、この論文では予備会議レポート9でさらに代表的な分析のために選択しました。ベータバンド分析に焦点を当てますが、すべての3つのバンドを調査、記録したデータに応じて、このようにして、以下に定義された手順は、将来的に推奨されます。

ザ神経効率仮説はチェス、視空間メモリ、バランスをとる、と休憩を含むさまざまなタスク、上でテストされています。おなじみのタスクを実行するとき、すべてが減少し高周波電力に要因としてタスクの経験を記載しております。一つの特定の研究25は、人の知性は（IQによって測定される）、個々のタスクを実行するためのスキルを習得に役立つ神経効率への貢献で知能を上回るタスクの経験ができるが、という証拠を提示しました。言い換えれば、より多くの個人が彼または彼女になり、より効率的である神経経験しました。

空間能力を伴う既存の神経効率研究は、主に空間的な回転に集中しており、別の問題セットは、異なる集団を比較するために使用されている（ 例えば 、男性/女性）27-28。空間能力のタスクの脳波研究は、他のタスクの種類に性能を比較することで洞察を提供している（ 例えば 、口頭での作業）27,29,30。方法は上のこの論文の焦点で議論し、MCT、PSVTから問題の比較：空間能力に関連しているが、空間回転とナビゲーションに限定されるものではなく、Rと同様に、静的平衡タスクを、。他の空間的なタスクは、本稿で例示したものの代わりに使用することができます。このように、追加的な洞察力が異なる集団について、将来的に得ることができる（ 例えば 、オス/メスまたは専門家/初心者）は、最終的に工学教育実践を改善するのに役立ちます。

空間能力とエンジニアリングの適性を調査するための努力で、我々は特定の空間的およびエンジニアリングタスクの限られたバッテリーの間に高性能の参加者に低パフォーマンスのベータ波のアクティベーションを識別するために、脳波測定値を利用したプロトコルを開発しました。この場合、用語ハイパフォーマーは、参加者のパフォーマンスに関連している、として、フィールドで過ごした時間の量の反射ではありません学習者、すべての参加者が彼らの教育でほぼ同じポイントであったように。また、関連する問題セットは非常に具体的かつ基本的なものです。このように、用語「専門家」または「高パフォーマンス」は、本明細書の専門家の感覚で見て、専門的に採用エンジニアが、エンジニアリング力学のカリキュラムと空間能力の楽器のこの狭いスライスのみで高い性能を表すことはできません。神経の測定は、タスクタイプは難易度のレベルに関する可能な解釈で、他のものよりも、認知資源を補充することができるため、任意の総傾向を識別するために使用することができます。この情報は、潜在的に空間能力に関して将来の評価と介入への洞察を提供してもよいです。他の将来の洞察は、使用されるEEGのハードウェアで使用可能なチャネルの限られた数のこの研究では不可能であった脳のより具体的な領域を考慮することによって導出することができます。

Subscription Required. Please recommend JoVE to your librarian.

Protocol

人間の参加者の使用に関する倫理声明

この作品に関わっ手順は、ヒト対象の研究のためにユタ州立大学の治験審査委員会（IRB）によって承認されています。任意の同様の作業は、関連するIRBによって承認されることをお勧めします。参加者は、実験中の任意の時点で停止または研究からの撤退を許可されています。

参加者の1選択

  1. 現在、静コースに在籍学生から自主的に参加者を選択します。参加者は、以前の研究でいる間、彼らが表示されます静コンテンツにさらされていることを確認してください。
    注：差動パフォーマンスレベルの概念の統合と開発のための時間があるように、理想的には、参加者が研究に参加し、少なくとも4週間前に講義を介して、材料への暴露を持っている必要があります。
  2. すべてIRBプロトコル次募集を実施します。説明しますすべての手順および詳細における潜在的な参加者に制限。将来の接点とどのように研究の結果が公表され、および/または参加者に利用可能にすることができるの範囲を説明してください。研究への参加のための任意の補償を定義します。ボランティアが試験に登録することを選択した場合は、二重コード化された識別コードのみに知られており、治験責任医師によって制御されると、彼または彼女を提供します。
    注：特定の集団の募集は、脳波データの個人差を分析するために必要な参加者のサンプルと数の統計的検出力を確認するために、統計分析が必要になります。研究者が集団間の比較研究を実施することを望む場合には、電力解析は、両集団のための適切な参加者グループのサイズを開発するために行われるべきです。
  3. 参加者のための所望の経験を代表するものであり、活動や問題を選択します。
    注：このプロトコルでは、二年生レベルのエンジニアリング選択した学生は静コースに入学しました。プレーンテスト（MCT）とパデュー空間可視化試験（PSVT-R）を切削メンタル：関連するとみなされる活動は、入門静コンテンツだけでなく、一般的に使用される2つの空間能力の機器から問題がありました。各機器は、空間能力と、この選択された学生の人口の空間発展のレベルの異なる構築物をテストします。
  4. 参加者のための研究室のセッションを整理するためのカレンダーを確立します。

楽器の調製

  1. 製造元の指示に従ってEEGヘッドセット（別名キャップ）を設定します。参加者は、研究のために到着する前にこの準備を完了してください。繰り返しに、この手順は、医療グレードのEEGのセットアップとは対照的に、このようなEmotivなどの一般的な携帯ヘッドセットに固有のものです。
    1. セッションごとに理想的には少なくとも1時間の充電 - EEGヘッドセットを充電してください。定期的に使用され、実験室では、充電少なくとも二つのヘッドセットを持っています常にトン。
    2. EEG電極を減衰させるための液体を含む、アクセス可能な領域に必要なすべての液体を置きます（ 例えば 、水）およびEEG参照ノードのための良好な接触を確保するための研磨剤クリーナー。
    3. （各筐体にしっかりと固定された金の接点を確保）各ケーシング内にフェルトを挿入します。注射器を使用して、湿し水でフェルトを飽和。湿らせた電極を休ませることができます。
  2. 参加者の行動を測定するのに必要なビデオカメラを設定します。現在のプロトコルについては、参加者ごとに2つのビデオカメラを使用します。参加者が所定の位置になったら、カメラを再調整します。映像はタイムスタンプ付きであることを確認してください。
    1. 顔の表情を記録し、高品質のオーディオを得ることを目指している参加者の顔に一台のカメラの焦点を合わせます。
    2. 手書きアクション（筆跡が予想される場合、に書き込みを使用してくださいを含む、手の動きをキャプチャするために、参加者の前の領域に他のカメラをフォーカス）暗いおよび/またはカメラによって捕捉されるのに十分な厚さstrument、どのタスクがその時点で解決されているように洞察を提供するコンピュータモニタの十分。
    3. コンピュータの電源をオンにし、ソフトウェアが脳波データを記録することにあることを確認します。すべてのソフトウェアとデータ収集デバイスは、データ収集のために十分にインターフェースされていることを確認します。

研究参加者とセッション開始の調製

  1. 上述IRB契約あたりの参加者から文書化された同意の受信を確認してください。試験の開始前に参加者が持っている任意の質問に答えます。収集されたデータは、IDコードによって参照され、そこに参加者にデータを結びつける何の識別情報ではなく、彼らはいつでも取り消すことができることになりますことを、参加者を思い出させます。
  2. 前の研究への参加に人口統計調査に記入するために、各参加者を確認して下さい。この調査では、性別について尋ねることができますGE、研究に自分の能力に影響を与える可能性が以前の経験（ 例えば 、過去のエンジニアリングや空間的に集中講義、趣味性を高める空間能力、及びそのような彼らは、彼らが使っている手、罹患している場合が外傷性脳損傷などの除外基準に関する質問）。
    1. 次の条件のいずれかの場合には、脳波分析のためのボランティアグループからの参加者を除外：（a）は、参加者が片手または両手利き残され、脳の左右差の交絡のために制御するために、 （B）。個々のは、物理的障害にラボセッションに参加することはできません。又は（c）個人が深刻な脳損傷を受けました。採用プロセスの間に、これらの制限の潜在的な参加者に通知するか、可能な限り早期に不必要な時間とリソースを費やして避けるために。
  3. 到着すると、参加者が快適であることを確認し、任意の残りの質問や懸念を解決します。
    1. 飽和させるために使用される注射器のデモンストレーションを実施ノードと唯一のフェルトは、湿ったEEGを維持するために使用されることを説明します。参加者は針の極度の恐怖を持っている場合は、他の注意事項の実装を検討し（ 例えば 、フェルトを再湿潤時にその焦点面からシリンジを維持）。
    2. その人から任意の電子機器を削除するには、参加者を確認して下さい。
  4. 参加者にEEGヘッドセットを配置します。
    1. 湿気のためにフェルトを確認し、EEGヘッドセットにフェルト/ケーシングの組み合わせを配置します。
    2. クレンザーで参加者の基準点（ 例えば 、乳様突起）を清掃してください。任意の残留物を乾いた布で拭き取ってください。
    3. 適切に基準点と整合した基準ノードと参加者のヘッドセットを配置します。過度にヘッドセットの腕を曲げないでください。不快感を与えないように、基準ノードと耳の背面との間のギャップのままにして、参加者の頭部に適切にヘッドセットを揃えると空間。

セッション内4.ソフトウェアの実行

  1. EEGロギングソフトウェアを起動します。良い接続がすべてのチャネルは、ロギングデバイス上に表示されていることを確認することにより、ロギングデバイス（ 例えば 、パーソナルコンピュータ）とEEGヘッドセットの間に存在することを確認してください。すべてのチャンネルが最初に低振幅振動と同様の挙動を示すことを確認してください。再湿潤剤およびフェルトを調整するロギングデバイス上で一貫性のあるパターンを達成するように - - すぐに休憩時間を先行し、それぞれの新しい問題のタイプの開始前に参加者との良好な接続性を確保するために脳波を確認してください。
    注：EEGは128 Hzで動作します。電気眼球図記録は、眼球運動を記録するために使用されなかった、およびリンクされた耳の参照が使用されませんでした。
  2. タスクの演習中に静止し、静かに可能な限り維持する参加者に指示します。
  3. タスクプレゼンテーションソフトを開始します。
    注：データ収集時には、すべての前に参加者との計画されたビジュアルコミュニケーションは、コンピュータのモニタを介して起こります。この場合、空間的および工学一連の問題は、コンピュータ画面に表示され、参加者はそれらを解決することが求​​められます。正解は、データ収集中に参加者に提供されていませんでした。問題のある画像は、ユーザ入力に基づいて前進するので、タイミングが問題解決の持続時間に基づいていました。
    1. 表示空間問題のタイプ1：13（ 例えば 、PSVT。R - -複数の選択肢のテスト、または真偽回転の問題は、 図1を参照します）。注：これらの問題の持続時間（ 例えば 、30秒）は、データ分析のための時間帯として使用されます。ファイブ問題はこのセットに含まれていました。
    2. 空間的な問題のタイプ2を表示12（ 例えば 、MCT - 。 -複数の選択肢のテスト、または真偽精神的な切断の問題は、図2を参照します）。注：これらの問題の持続時間をします（ 例えば 、30秒）データ解析のための時間帯として使用されます。ファイブ問題はこのセットに含まれていました。
    3. 表示エンジニアリング問題のタイプ17（ 例えば 、静問題- 。エンジニアリング静の特定の原則、または空間成分を持っていると仮定他の適用された問題のタイプに焦点を当てて破壊- 図3を参照してください）。注：これらの問題は、空間的な問題よりも、解決するまでに大幅に時間がかかり。参加者に示された問題の数は4から10まで変化しました。
    4. 休止開始時期間とデータ収集の終了を割り当てる - ベースラインデータを得るために使用されます。これらのそれぞれは同じ持続時間（ 例えば 、120秒）を持っていることを確認してください。
  4. 必要であれば、参加者との出口インタビューを行っています。これは、EEGヘッドセット、募集及び参加者の準備全体で使用される通信処理を着て、実験的なプレゼンテーションに自分の考えを含み、かつ/ Oあり上記の口頭の回答を必要とrの任意のプロトコル。検証ユーザアンケートではなくインタビューを行う参加者に提供することができます。
  5. タスクプレゼンテーションソフトをオフにし、EEGロギングソフトウェア、EEGヘッドセットを削除し、録画機器の電源を切ってください。

セッションのおわり

  1. 研究の参加者を閉じます。 （ 例えば 、フォローアップインタビューや勉強の後続のセッションのための）参加者に感謝し、それらに任意の将来の接触の概要を説明し、研究の結果が公表され、および/ ​​または参加者が利用できるようにし、提供することができる方法を説明します任意の軽食やお支払い（または支払いが提供される方法の説明は）研究への参加のための報酬の一部として合意しました。
  2. 必要な長期または転送ストレージデバイスへの転送データログ。適切かつIRBプロトコルによって指定されたとして署名同意書を保管してください。
  3. ヘッドセットからフェルトを外し、消毒またはそれらを処分。
  4. 適切な保管場所にEEG電極ケーシングとヘッドセットを返します。
  5. 適切に使用された注射器とゴミを処分。
  6. 適切な保管場所に液体を戻します。
  7. 他の研究者によって使用されていない場合は、ラボを固定します。

6.データ解析

  1. 各チャンネルの生データとEEGデータログからマーカーデータを特定し、抽出します。データ収集、およびデータ収集の異なるフェーズ間の遷移（ 例えば 、問題の種類）と、個々の問題の始まりと終わりを識別するためのASCIIビットのマーカーを使用します。分析中に分化を可能にするために、各位相型が異なるマーカー値があることを確認してください。ソースとして参加者のIDコードを参照する方法でデータに名前を付けます。
    注：EEGLABコマンドは、dは本明細書のefinedが、EEGLABは、この実行のためにMATLABが必要です。
    1. EEGLAB機能やプラグインを使用したファイル]> [データのインポート>をクリック> EDF / EDF + GDFファイル（BIOSIGツールボックス）から、
    2. 適切なデータファイルを選択します。データをロードするには、[開く]をクリックします。
    3. チャンネルリストを選択します。受け入れるには、[OK]をクリックします。
    4. データセット名を提供します。コレクションのソースと日付を反映したデータの記述名を指定します。この場合、PSF1448は、2014年の秋で参加者ID 48からのデータを示しています。
  2. モンタージュに抽出したデータをマッピングする（ すなわち 、EEGノードのレイアウト。）EEGヘッドセットベンダーが提供するモンタージュ選択することによって（ 例えば 、10 - 20システム）。分析のために使用されているモンタージュセッション中に利用EEGヘッドセットのレイアウトに一致することを確認します。これはメーカー固有のものです。
    1. [編集]> [チャンネルの場所をクリックして編集チャンネルの場所。
    2. モンタージュを選択します。この場合defauでLTのモンタージュが適切であるので、単純に受け入れるには、[OK]をクリックします。
    3. チャンネル情報の仕様を選択します。この場合、デフォルトが適切であるので、単純に受け入れるには、[OK]をクリックします。
  3. 以下に定義されるように、脳の活動の中で最も代表的であるものにEEGチャネルデータを減らします。
    1. データへの初期フィルタを適用します。典型的には、（低域通過フィルタの上限としてハイパスフィルタと59ヘルツの下限として0.1ヘルツで）高域通過、低域通過フィルタを適用します。ローパスフィルタを適用60Hz未満は、米国電気グリッドからノイズを除去します。リストア・ポイントなどの新しい名前でデータセットを保存します。
      1. ツール>基本的なFIRフィルタ（新しいデフォルト）をクリックします。
      2. 基本フィルタのパラメータを設定します。 0.1ヘルツ、59ヘルツの高いエッジに下縁を設定し、周波数応答をプロットし、受け入れるには、[OK]をクリックしないでください。
      3. （既存のデータセット名に「_filtered」を付加することによって）フィルタリングされたデータの新しい名前を指定します。 Bをチェックoxはファイルとしてデータを保存し、ファイル名に同じ名前を使用します。受け入れるには、[OK]をクリックします。
    2. EEGマーカーを記録する際に念頭に置いて、任意の待ち時間を維持する - 最後の脳波マーカー最初の脳波マーカーの前または後にあるすべてのデータを削除してください。データ記録の開始及びデータの終了を示すマーカーの待ち時間を示すマーカの待ち時間（時間）を記録。リストア・ポイントなどの新しい名前でデータセットを保存します。
      1. レイテンシーの値はで見つけることができる「編集イベント値 - pop_editeventvals（）」画面。 EEGデータの終わりを意味する最後のマーカーに移動するには、「>>」ボタンを押してください。変化は受け入れする必要がないので、値が記録された後[キャンセル]をクリックします。
      2. [編集]> [データを選択]をクリックします。
      3. 「時間範囲[最小最大]（複数可）」フィールドに、スペースで区切っ開始と終了待ち時間（時間）の値を、入力し、受け入れるには、[OK]をクリックします。
      4. 新しい名前を指定します。（既存のデータセット名に「_cropped」を付加することによって）データをクロップ。ファイルとしてデータを保存し、ファイル名に同じ名前を使用するチェックボックスをオンにします。受け入れるには、[OK]をクリックします。
    3. 大規模な人工物とのデータのセクションを拒否します。以下含まれるステップは、データを視覚的に検査しながら、手動でこれを行う方法について説明します。注意：データの削除もアーティファクト34,35の原因となります。
      1. 各チャネルのデータを正規化（平均値を削除し、同じ規模で、各チャネルを置きます）。また、（これはデータを変更するではなく、可視化）DCオフセットを除去します。
        1. プロット>チャネルデータ（スクロール）をクリックします。
        2. 表示するには、[設定]> [時間の範囲]をクリックします。
        3. 「新しいウィンドウ長（S）：」欄のプロットに示されるべき時間範囲（ 例えば 、30秒）を指定します。時間範囲は、与えられた相内（または2つの空間の問題フェーズ内）の問題のためのマーカーの間の時間に基づいています。時間範囲は、ベースとすることができますマーカー間の最大値、最小値、または平均時間にD。
        4. （これは単なる化粧品であり、基礎となるデータは変更されません）は、プロット内のデータを正規化するために「ノーム」ボタンをクリックします。
        5. 表示]をクリックします> DCを削除するDCを削除するには、オフセット（これは単なる化粧品であり、基礎となるデータは変更されません）プロットに相殺されました。
      2. 時間をかけて定期的に繰り返されていない大規模なアーティファクトを削除します。
        1. マーク異常探しアーティファクトデータのすべて。すべてのアーティファクトのデータがマークされたら、拒否ボタンをクリックします。
          単一または複数のチャネルに - - これらは、データ内の異常に高​​いまたは広いピークとして現れることができるまたはチャネルの少数に表示されていればトレンド：注意してください。個別のチャネルからのデータがプロットに互いに交差するように見える場合、データは疑わしいです。これらは、wは脳波スペクトルの一部ではなく、最も可能性の高い参加者またはノード（複数可）により、筋肉の動きを表すアーティファクトを表しますi番目の接続不良。方形波に似たものは、人間の脳の活動の代表ではありません。
      3. リストア・ポイントなどの新しい名前でデータセットを保存します。
        1. > [ファイル]をクリックし、現在のデータセットを保存します。
        2. （既存のデータセット名に「_manRej」を付加することによって）トリミングされたデータの新しい名前を指定します。受け入れるために[保存]をクリックします。
      4. 特定のチャネルが不良であると思われる場合は、個別に、そこからデータを削除します。これは、データに大きな損失を意味するので、十分に注意して行ってください。それは多くの場合、時間の経過とともに落ち着くと有用なデータを提供するように、長い期間にわたってチャネルからのデータを見てください。
    4. 独立成分分析（ICA）を実行し、脳波活動の最高の表現を選択します。
      注：これは、データ内の反復アーチファクトのセットの除去に役立ちます。これらのセットは繰り返さ舎でおおよそ一定の間隔で複数回表示される成果物が含まれていますPE。そのそれぞれが独自のセットを持っています - 典型的には、それらは、そのような点滅や脈拍などの生物学的機能の結果です。
      1. モンタージュに基づいて、頭蓋の表現にICA-分離されたデータをマップします。点滅、パルス、または筋肉の緊張に関連する結果を拒否 - 多くの場合、それぞれの寺院の近く、または耳の上、目の上重点分野として、ICA結果に表示されます。 。（ - 6 5を図を参照してください）他の結果を受け入れる35（ 図4参照）、脳活動のない代表的なそれ以来従事されているように全体の頭蓋を示す任意のコンポーネントを拒否します。
        1. [ツール]> [ファイル名を指定して実行ICA]をクリックします。
        2. デフォルト（runica）ICAアルゴリズムを選択します。受け入れるには、[OK]をクリックします。
        3. プロット>コンポーネントのプロパティ]をクリックします。
        4. 成分指数（メモリにロードされた14 EEG電極チャネル）とスペクトルのオプションを選択します。前述のように、下縁は0.1 Hzで、より高いエッジは59でありますヘルツ。エントリを受け入れるには、[OK]をクリックします。
        5. 許可/拒否ウィンドウ内で、拒否するには、ステータスを変更するには、[Accept]ボタンをクリックしてください（と受け入れるために戻ってそれを変更するには、もう一度それをクリックします）。許可/拒否の標識を記録するには、[OK]をクリックします。
      2. 2次元カラープロットでICA-分離されたデータをプロットします。その後、（ - 6図5を参照）を復元ポイントとして新しい名前でデータセットを保存し、筋状の空白、または不連続がちりばめ表示された結果を拒否します。
        1. 許可/拒否ウィンドウ内で、拒否するには、ステータスを変更するには、[Accept]ボタンをクリックしてください（と受け入れるために戻ってそれを変更するには、もう一度それをクリックします）。許可/拒否の標識を記録するには、[OK]をクリックします。
        2. [ツール]をクリック>コンポーネントを削除する - 実際には、以前に拒否のマークが付けられたデータを削除します。
        3. 続けるには[OK]をクリックします。拒絶反応のために記録要素のインデックスは、「コンポーネントの削除」ウィンドウに表示されます。
        4. Cに「確認」ウィンドウに同意する]をクリックしますデータのプルーニングとontinue。
        5. （既存のデータセット名に「_manRejPruned」を付加することによって）剪定データの新しい名前を指定します。ファイルとしてデータを保存し、ファイル名に同じ名前を使用するチェックボックスをオンにします。受け入れるには、[OK]をクリックします。
          注：長い0.5秒以上続くストリークは拒絶反応のための合理的と考えられています。部品の少なくとも半分を保つことが望ましい - 相対的な「善」はどのように良い他のデータセットがあるように見えるに応じて、ここで利用する必要があるかもしれません。良好な結果は、しばしば、2-D連続データの色プロット34上で連続階調で表されています。
  4. データに残された境界値を削除します。リストア・ポイントなどの新しい名前でデータセットを保存します。
    1. [編集]> [イベントの値をクリックします。
    2. イベントをスクロールして、イベントタイプが境界であるときにDeleteイベント]ボタンをクリックします。すべてが削除されたら、[OK]をクリックします。
    3. Specif削除された境界データ（既存のデータセット名に「_deleteBoundaries」を付加することによって）のための屋の新しい名前。受け入れるために[保存]をクリックします。 （ステップ6.3.3.3.1を参照）、この画面に到達するために前と同じメニュー項目の選択を使用してください。
  5. 各エクササイズのタイプのための絶対的な力の指標を計算します。 。各周波数帯域（デルタ、シータ、アルファ、ベータ、およびガンマ）のために計算された22 -これは、電力ベースの対数マイクロボルト測定と時間に基づいて変換であります
    1. ブロックにチャンクデータを、各タスクの開始と終了を示すためにマーカーを使用。
      1. イベントを使用して、[編集]> [データを選択]をクリックします。
      2. 各タスクのタイプに適した時間枠を利用しています。休止期間の持続時間によって残りの期間の時間枠を定義します。 （期間中におおよそ似ています）は、空間の問題については、すべての空間のタスクまたはすべての空間タスクの最大期間の平均期間のいずれかを使用します。適用（ 例えばについては、engineerinグラム静力学）の問題は、問題ごとの平均所要時間を特定します。リストア・ポイントなどの新しい名前でデータセットを保存します。
        1. でマーカータイプを入力し、「イベント・タイプ（複数可）（[] =すべて）」フィールドは、（ 例えば 、マーカータイプ50は、残りのイベントをマークするために使用されました）。残りのイベントは、この場合には120秒の持続時間を持っていたので、時間制限アレイに対して「1 120」を入力します。受け入れるには、[OK]をクリックします。
        2. （この場合、既存のデータセット名に「_rest」を追加することによって）イベントデータの新しい名前を指定します。ファイルとしてデータを保存し、ファイル名に同じ名前を使用するチェックボックスをオンにします。受け入れるには、[OK]をクリックします。
          注：彼らは空間的作業とほぼ同じだけの時間がかかるように適用される部分を小さくすることができる場合には、空間的なタスクと同じ時間枠のサイズを使用します。 EEGは、時間に敏感な尺度であるので、より正確な時刻エポックを各条件については、あまり混乱データ（最後に、 すなわち 、サンプルの数は、各コンディために収集しまする）は、より一貫性があるだろう。
  6. 最終的な分析の結果を比較してください。
    1. ベースラインの残りの部分の測定に比べて各チャンクの割合を計算します。補足コードファイルを参照し、 表1から8まで 。
      1. MATLABでAbsolutepowerスクリプトを開き、ステップ6.6の間にワークスペースにロードされたデータ上でスクリプトを実行するには、[実行]ボタンをクリックします（ 例えば 、残りのデータを）。
      2. スプレッドシートプログラム（ 例えば 、MS Excelなど）への転送のためにMATLABワークスペース内absolutepowermatrixデータを選択します。
    2. すべてのエクササイズ/マーカータイプのための6.6.1.2 - を繰り返して、6.5を繰り返します。
    3. 相対的な難しさへの洞察のために互いに類似した時間枠（ 例えば 、空間的なタスク）との結果を比較してください。
    4. 評価されるスキルが低いパフォーマーに対する高い相対パフォーマーを識別するために、参加者全体で結果を比較。注：ハイパフォーマーは、非常リットルを示してもよいです低パフォーマーが70％21-26程度の増加を示すかもしれないがittle、ベースラインにベータ活性化に相対的に増加します。

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

以下に説明するように、このセクションでは、前述の手順は、サンプルの数字で示されています。本稿の目的は方法に焦点を当てることであるとして、統計的検定との完全なデータの要約は、提供されていません。潜在PSVTの例：R、MCT、および空間の問題はそれぞれ、 図1、 図2、及び図3に示されています。

EEGキャップは、図7に示すように並列に表示することができ、与えられた各チャネルのための電位を経由して脳の活性化を収集します。前述のように他の人がICAを介して除去することができるが、データ内の特定のアーティファクトは、手動で削除する必要があります。時間に障害チャネルを識別することができます。このようなアーティファクトは、図7に表示されます。解析ソフトウェアでは、大規模な、非反復アーティファクトを手動で順番にマークすることができ、その後、（ステップ6.3.3.2.1のように）「REJECT」ボタンをクリックして削除します。 EEGデータ分析の画像ですべての数字材料の表に記載されている解析ソフトウェアツールからです。

活性化の1）頭皮マップ表現、およびトライアルや時間によって配列された活性化の2）2次元連続データのプロット：ICAに続いて、解析ソフトウェアは、次の2つの方法でデータをマッピングします。許容されるデータの例を図5で観察することができる。拒否された頭皮の例三の場合について脳に関連付けられていない活動を示すデータが、同じ拒否3つの場合の2次元連続データプロットで見ることができる図4に見ることができるマップされ図6。除去のための最初の二つのプロットワラントの対価で観察ストリーキング。第三のプロットでストリーキングを境界線とみなすことができる - この品質の2次元連続データのプロットは、包含のために考慮することができる、と研究者は、スプリアス信号を含む、貴重なデータを破棄とのバランスを考慮する必要があります。 0.5秒より長いスジがGROと考えられています拒否のunds。より多くの洞察力のために、EEGLABのウェブサイト（http://sccn.ucsd.edu/eeglab/）を参照してください。

脳波のプロットで、またはICAの後に見ながら、手動拒絶を通して - - 一旦全ての交絡のデータが拒否されたとのデータが適切な活動タイプに間に合うようにチャンクされた、絶対的な力の計算は、各周波数帯とそれぞれの活動のために作ることができます補足コードファイルで指定されたMATLABスクリプトを経由してタイプ（解析ソフトウェアの機能に基づきます）。この関数によって生成された要約データを以下の表に示す。 表1はレスト期間のデータ含ま-効率計算のためのベースラインとして使用され、表2、 表3、および表4は、絶対的な力を含みますPSVTのデータ：R、MCT、および静力学の問題、それぞれ。対応するチャネルと周波数禁止をセルの値で割ることにより、レストテーブル内のdは、相対的な絶対的なパワー比はPSVTについては、 表5、 表6、および表7に示されている：R、MCT、および静問題を、それぞれ。

最終的に、全てのチャネルにわたる平均値を各活動タイプのベータ周波数帯のために採取され、その結果を表8に示す。このタイプのデータは、今後の研究のための関心領域を識別するために使用することができます。 MCTのためよりも、R：問題の参加者のためにこれらのデータから、我々は相対的な絶対的な力がPSVTのために低く表示されていることを参照してください。このステートメントに関する決定的な結論は、しかし、可能な統計的有意性を確立するために、より大きなサンプルサイズに依存したまま。静タスクの相対的な絶対的なパワーは他の参加者、および検証のための静力学の問題の官能スコアと相関させることができ識別することができる低パフォーマー認知労作対ハイパフォーマーの推定値からの値と比較することができます。 これは、具体的な方法紙であり、そして唯一の参加者からのデータの例を示しているが、予備報告の統計分析は、EEGチャネルxのフリードマン検定比較グループのxタスクに続いて、正常性を評価するためにレーベンのテストを使用していました。最後に、追跡Wilcoxon検定は、有意なフリードマン効果と相互作用を行いました。 PSVTのためにハイとローパフォーマーとの比較ハイパフォーマンスのためのより低いパフォーマーのための有意に高いベータの活性化レベルを示した（：R、F3：χ2（1,6）= 5.33、P <0.03; T8：χ2（1、 6）= 4.08、P <0.05; FC6：χ2（1,6）= 4.08、P <0.05; F8：χ2（1,6）= 4.08、P <0.05; AF4：χ2（1 、6）= 5.33、P <0.03 MCTの場合、F3：χ2（1,6）= 5.33、P <0.03; T8：χ2（1,6）= 5.33、P <0.03; FC6： χ2（1,6）= 5.33、P <0.03; AF4：χ2（1,6）= 4.08、P <0.05静、FC6の場合： χ2（1,6）= 4.08、P <0.05）。9

図1
参加者が見られるようにR問題： 図1：PSVT：R問題の例パートAは、単一のサンプルPSVTを示しています。 （出典：グアイ（1976））正解はC.パートBは、溶液の視覚的な説明を提供している。 この図の拡大版をご覧になるにはこちらをクリックしてください。

図2
図2：MCT問題の例パートAは、参加者が見られるように、単一のサンプルMCTの問題を示しています。正解であるD.パートBは、溶液の視覚的な説明を提供します。 （出典：CEEB（1939））"ターゲット=" _空白 ">この図の拡大版をご覧になるにはこちらをクリックしてください。

図3
図3：静力学問題の例は、参加者に与えられた単一の例の静問題を説明します。この問題は、3つの力と共通の接続構造、所定の面内（ すなわち 、2-D）均衡のためのものである。 この図の拡大版をご覧になるにはこちらをクリックしてください。

図4
図4：非脳スカルプマップされた活動の例として 、ポストICAの頭皮マップデータの3つの例は、個々の、23歳、男性参加者から示されています。フル頭皮の活性化、単眼/寺上記の活性化、および活性化がo集中しましたそれぞれ、IC2、IC3、およびIC4におけるICAの後に示すように、n目や寺院は、ない脳活動伍長活動の指標である。 この図の拡大版をご覧になるにはこちらをクリックしてください。

図5
図5：個体からの試料の場合のICA後の許容可能な頭皮マップと2次元連続データプロットの許容可能なポストICAデータのイメージイラスト、独立成分13（IC13）、23歳、男性の参加者。アクティベーションは、頭皮にマッピングされたビューで脳の領域を中心にしているように見える、とは大きな筋が継続的なデータプロットに表示されていない。 この図の拡大版をご覧になるにはこちらをクリックしてください。


図6：頭皮マップイメージのマッチング2次元連続データプロットポストICA連続データプロットの3つの例は、個々の、23歳、男性参加者から示されています。 ICAから2次元連続データプロットの太いバンドやスジがIC2、IC3、IC4における正常な脳の機能を示していない不連続性を示している-特にIC2とIC3プロットに。 この図の拡大版をご覧になるにはこちらをクリックしてください。

図7
図7：アーティファクトのアーティファクトと脳波データのスクリーンショット（チャネルF7）が個別に手動で、23歳、男性の参加者からのサンプル時間範囲の拒絶のためにマーク。複数のチャネルにわたるイベントに注意してください。 132と133の間：同様のイベントが複数回（ほぼ同じ形状と定期的にサイズを）繰り返している-ので、非脳の生物学的機能を表現するために想定されている-と独立成分分析を介して除去することができる（ 例えば 、点滅します。） （ICA）。 この図の拡大版をご覧になるにはこちらをクリックしてください。

補足コードファイル：MATLABスクリプトおよび改変マイクロボルトの測定値に基づいて変換し、時間のためのスクリプト（spectopo.mとabsolutepower.m）を表示-周波数帯域毎に計算された（デルタ、シータ、アルファ、ベータ、およびガンマ）。 -各周波数22での絶対的な力を得ることができます。 pop_chanedit.mに適切な機能のために必要なコードの変更も含まれています。lemental_Code_File.txt ">このファイルをダウンロードするにはこちらをクリックしてください。

残り AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4
デルタ 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
シータ 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
アルファ 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
ベータ 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
ガンマ 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

表1：休憩絶対パワーベースラインレスト期間の絶対的なパワー値が含まれています。値は、各EEGキャップチャンネルと各神経周波数帯域のために示されている。 Excelスプレッドシートとしてこの表をダウンロードするにはこちらをクリックしてください。

PSVT：R AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4
デルタ 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
シータ 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
アルファ 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
ベータ 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
ガンマ 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

表2：PSVT：Rの問題：R絶対パワーの参加者がPSVTを解決された期間のための絶対的な力の値が含まれています。値は、各EEGキャップチャンネルと各神経周波数帯域のために示されている。 Excelスプレッドシートとしてこの表をダウンロードするにはこちらをクリックしてください。

MCT AF3 F7 F3 FC5 T7 P7 </ TD> O1 O2 P8 T8 FC6 FC4 FC8 AF4
デルタ 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
シータ 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
アルファ 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
ベータ 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
ガンマ 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

表3：MCT絶対パワーは、参加者がMCTの問題を解決された期間の絶対的なパワー値が含まれています。値は、EACのために示されていますH EEGキャップチャンネルと各神経周波数帯域。 Excelスプレッドシートとしてこの表をダウンロードするにはこちらをクリックしてください。

静力学 AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4
デルタ 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
シータ 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
アルファ 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
ベータ 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
ガンマ 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

表4：参加者は静の問題を解決したときに静絶対パワーの期間のための絶対的なパワー値が含まれています。値は、各EEGキャップチャンネルと各神経周波数帯域のために示されている。 Excelスプレッドシートとしてこの表をダウンロードするにはこちらをクリックしてください。

PSVT：R％ AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4 平均
デルタ 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
シータ 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
アルファ 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
ベータ 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パーセント
ガンマ 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

Rの問題：表5：PSVT：参加者がPSVTを解決したときの期間のための- -レストベースラインと比較して、すなわち、比R相対絶対パワーは相対、絶対電力値が含まれています。値は、各EEGキャップチャンネルと各神経周波数帯域のために示されています。Excelのスプレッドシートとしてこの表をダウンロードするにはこちらをクリック/ftp_upload/53327/Table_5.xlsx">Please。

MCTの％ AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4 平均
デルタ 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
シータ 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
アルファ 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
ベータ 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パーセント
ガンマ 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

。表6：MCT相対絶対パワーは相対、絶対電力値が含まれています-それは、残りのベースラインと比較して比である-の期間のために参加者がMCTの問題を解決したとき。値は、各EEGキャップチャンネルと各神経周波数帯域のために示されている。 Excelスプレッドシートとしてこの表をダウンロードするにはこちらをクリックしてください。

静％ AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4 平均
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
シータ 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
アルファ 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
ベータ 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パーセント
ガンマ 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

。表7：静相対絶対パワーは相対、絶対電力値が含まれています-それは、残りのベースラインと比較して比である-の期間のために参加者が静の問題を解決したとき。値は、shのです各EEGキャップチャンネルと各神経周波数帯域のための独自の。 Excelスプレッドシートとしてこの表をダウンロードするにはこちらをクリックしてください。

平均
PSVT：R％ 85.2パーセント
MCTの％ 109.2パーセント
静％ 90.5パーセント

表8：相対絶対パワーを平均化相対、絶対電力値が含まれています-つまり、残りのベースラインと比較して比は-参加者がPSVTを解決したときの期間のすべてのEEGキャップチャネルにわたって平均：R、MCT、および静力学の問題。パーセンテージはのみ ​​のベータ周波数帯のために示されている。 この表をダウンロードするにはこちらをクリックしてくださいnはExcelスプレッドシート。

Subscription Required. Please recommend JoVE to your librarian.

Discussion

プロトコルは、2つの典型的な空間能力の楽器から問題を取り組んで参加者との高い空間エンジニアリング静問題の脳活動を測定する脳波のアプリケーションについて説明します。ここでは詳述した方法では、最終的にこれらの問題を作業に従事してハイとローパフォーマーの神経効率を理解するのに役立つことができるかもしれません。これらのテストは、多くの場合、空間能力を評価するために使用されているように、R：MCTとPSVTに取り組んで工学部の学生の神経効率の違いを理解することが不可欠です。それらを相互に比較すると、私たちはより良い工学の成功への適用と基礎工学のカリキュラム内での位置を評価することができます。

プロトコルは、空間認知タスクに関連する神経効率の研究のための手順を確立します。信頼性が高く、有効な機器エンジニアリングコンテンツに接続された空間的な能力を評価するために使用されることが重要です。これは私エンジニアリングの問題は、特定のコースのための代表的なエンジニアリング・コンテンツをターゲットにすることも重要です。脳波測定は、エンジニアリング問題解決の空間的な側面に従事する学生から認知部品データを三角測量するための明確な非侵入能力を提供します。適切なタイムスタンプは、ビデオアーカイブイベントに三角測量を確保し、そのようなデータ収集のために使用されるべきです。 IRBプロトコルは厳重参加者データと分析の匿名性を確保し、従わなければなりません。

以下に詳述するようにEEGデータを収集しながら、ほとんどのトラブルシューティング問題が発生し、データが記録される前に、それらの大部分が処理されます。貧しいインピーダンスとノイズの補正は最高のセットアップ時に処理されます。 EEGヘッドセットの製造元の指示に従うことが重要である、と私たちの経験では、メーカーのソフトウェアによる指示は、特定の電極を確認するためにユーザーを誘導することができます。典型的には、フェルトパッドとの間の接続とparticipanトンの頭がより減衰する必要がある、または各電極とヘッドセットとの間の接続をチェックする必要があるかもしれません。いくつかの接続が表示されているが、品質が悪い場合は、再度湿らフェルトに注射器を使用して、多くの場合十分であり、時間にヘッドセットは、頭皮との固体接触を確実にするために、物理的に調整する必要があります。例のカップルで、私たちは良好な接続を得ることができたの前に流しに自​​分の髪を洗うために、参加者に依頼する必要がありました。電極はデータを送信できないように思われた場合には、多くの場合、電極を除去し、それを再挿入することによって改善されました。時間に、電極用のプラスチックケースは、それを交換する必要があります。その場合に、割れてもよいです。

他のトラブルシューティングは、データ解析中に発生する、プロトコルに記載されています。データの前処理は、フィルタリングやアーチファクトの除去を含みます。多くの場合、データ解析ソフトウェアは、手動拒絶反応と同様に前処理し、プロの中に実行できるスクリプトをサポートしていますデータのcessing。

修正は、解析ソフトウェア内のスクリプトに行われました。これらの変更は補足コードファイルに記載されています。プロトコルへの変更も行うことができます。同時プロトコルが使用された言葉の回答が試験中に必要とされます。これは、EEGデータによりアーティファクトをご紹介しますが、試験中に参加者の機能に関する知識に多くの洞察を提供します。代替案はまた、参加者はセッションの後の研究者との録画インタビューで参加している使用されてきました。

その他お勧めの潜在的な修正は異なるエンジニアリング質問17、またはその他の教育評価、14はテスト異なる空間能力を利用することが含まれます。 EEGおよび他の計装を介して可能な異なる脳活動の指標も、スキル評価の難しさ、または他の特性に光を当てることができます。

jove_content ">私たちは、この文書で定義されている技術に限界があることを理解PSVTによって測定空間能力の構築物（回転と切断予定面）：R及びMCTは、他の空間の測定基準で測定多くの潜在的なコンストラクトの2つだけです。また、異なる空間的に集約型のタスク（ すなわち 、問題や異なるコースと授業の異なる種類）も評価することができる。神経効率の研究はもちろん、このような静と同じくらい基本的な工学コースよりも広い範囲で行われるべきである。について例では、それは多くのSTEM分野内で調査されるべきである空間的推論3に依存することが文献で ​​認めている。また、神経効率の研究は直接だけ空間能力21-28にリンクされているスキルに限定されるものではない。でも脳波に関与した研究内測定値は、タスクの持続時間にわたって電力測定値を平均化の実施は、調査を禁止します脳活動のパターン内で発生する可能性がある他の相関関係に。それらの時間的な応答のためにEEG測定は、神経効率研究に限定されません。その時間応答は最高36の間ままであると、EEG計測自体が、それは特に機能的な近赤外分光法または機能的磁気共鳴画像の高い空間分解能と比較して、検出することができる脳波活動の深さによって制限されます。

最終的には、教育の理論と実践への洞察を提供するために、生理学的測定を使用しての可能性は計り知れない37,38を表示されます。このプロトコルの技術的アプローチと目標は、教育/研修で脳波を用いたバイオフィードバックアプローチは、39を研究するが、洞察力は、このような空間能力開発やエンジニアリング能力開発等の現象に得られるように、すべてが考慮に値するよりも異なっています。神経efficiを調べるために脳波を使用するこのアプローチ特定の空間能力の機器内の固有の空間タスク間encyは空間能力テストを分離する別の方法を定義します。これは、空間能力テストを調査するだけでなく、既存の教育理論の研究に向けて神経科学のアプローチを開くための神経科学的アプローチの新しいアプリケーションを例示しています。検証および妥当性確認のための方法を見つけることは、エンジニアリング文化の一部です。この新しいアプリケーション内では、生理的脳波検査は理解と精錬教育理論の新しい領域を開くことができます。エンジニアリングの検証の可能性への道、小説や新世代として見た場合確かに、教育研究が生じる可能性があります。

Subscription Required. Please recommend JoVE to your librarian.

Acknowledgments

著者は、データ収集を手伝っために、クリストファー・グリーン、ブラッドリー・ロビンソン、そしてマリア・マヌエラ・バヤダレスを承認したいと思います。 EEG機器のための資金はケリー・ジョーダンの多感覚​​認知研究室に研究大学院機器グラントのユタ州立大学のオフィスによって提供されていました。ベンジャミン・コール博士ウェイド・グッドリッジとの仕事のための大学院のユタ州立大学の学校から達成大統領博士研究員によってサポートされています。

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

行動、問題114、空間知能、脳波、神経効率、空間能力、空間的思考、工学教育、静力学
空間知能タスク：タスク固有ニューラル効率の比較のための脳波測定を活用
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