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

Utilizando mediciones Electroencefalografía para la comparación de eficiencia en las tareas específicas de los nervios: Tareas de Inteligencia Espacial

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

Este manuscrito describe un método para medir la actividad neuronal de los seres humanos, mientras que la solución de problemas de ingeniería espacialmente focalizadas. La metodología electroencefalograma ayuda a interpretar las mediciones de ondas cerebrales beta en términos de eficiencia neural, con el objetivo de hacer que finalmente permite comparaciones de rendimiento de las tareas entre ambos tipos de problemas y entre los participantes.

Abstract

La inteligencia espacial suele estar relacionada con el éxito en la enseñanza de la ingeniería y de ingeniería profesiones. El uso de electroencefalografía permite el cálculo comparativo de la eficiencia de los nervios de los individuos a medida que realizan tareas sucesivas que requieren habilidad espacial para derivar soluciones. eficiencia neural aquí se define como tener una menor activación beta, y por lo tanto gastar menos recursos neuronales, para realizar una tarea en comparación con otros grupos u otras tareas. Para las comparaciones entre las tareas de tareas con duraciones similares, estas medidas pueden permitir una comparación del tipo de tarea dificultad. Para las comparaciones intra-participantes y entre los participantes, estas mediciones proporcionan una visión potencial en el nivel de la capacidad espacial y diferentes tareas de resolución de problemas de ingeniería del participante. El rendimiento en las tareas seleccionadas puede ser analizada y correlacionada con la actividad beta. Este trabajo presenta un protocolo de investigación detallado estudio de la eficiencia neural de estudiantes engenvejecido en la resolución de la capacidad espacial típica y los problemas de Estática. Los estudiantes completaron los problemas específicos de la prueba de corte Mental (MCT), Purdue espacial prueba de visualización de rotaciones (taquicardia supraventricular paroxística: R), y la estática. En el ejercicio de la solución de estos problemas, las ondas cerebrales de los participantes se midieron con EEG permitiendo que los datos que deben recogerse respecto alfa y beta del cerebro de onda de activación y uso. La obra se presenta para correlacionar el rendimiento funcional en las tareas espaciales puras con las tareas de ingeniería espacialmente intensivos para identificar las vías para acceder a un desempeño exitoso en la ingeniería y las mejoras resultantes en la enseñanza de la ingeniería que pueden seguir.

Introduction

La capacidad espacial es vital para la Ciencia, Tecnología, Ingeniería y Matemáticas (STEM) y los campos de educación y se correlaciona con éxito en estas áreas 1,2,3. Por lo tanto, es importante entender el desarrollo de la forma espacial afecta la capacidad de resolución de problemas 4. La capacidad espacial se ha relacionado con un interés del 5, 6 rendimiento, el éxito en el mundo académico de ingeniería 7 y el éxito en profesionales de la ingeniería 8. Sin embargo, no hay una gran cantidad de trabajo que indica los procesos neuronales específicos en la solución de los problemas típicos de muchos instrumentos de la capacidad espacial, ni el contenido de ingeniería específica que es altamente espacial.

Este documento proporciona una introducción a los métodos utilizados para la recogida y el análisis de las puntuaciones del instrumento capacidad espaciales combinadas con mediciones neuronales datos. La intención de la publicación con JoVe es hacer que estos métodos sean más accesibles a un público más amplio. público en general de hardware y software de were utilizado en este estudio. Como métodos de papel, no se reportan resultados completos / conjuntos de datos, ni son múltiples muestras proporcionadas. Todas las imágenes fueron capturadas específicamente para esta publicación. Los métodos que se detallan a continuación se utilizaron en la preparación de un informe de la conferencia preliminar 9 sobre la base de datos de los participantes, de segundo año de edad de ocho universitarios, tres de los cuales eran mujeres.

Muchos instrumentos existentes se utilizan para indicar los niveles de habilidad espacial inherente a la o aprendida por los individuos. Dos válidos y fiables 10,11 instrumentos que se utilizan comúnmente son los Mental Test de corte (MCT) 12 y la prueba de Purdue Visualización Espacial de rotaciones (taquicardia supraventricular paroxística: I) 13. Aunque originalmente diseñado ocupacionalmente 14 estos instrumentos de prueba diferentes etapas del desarrollo de la visualización espacial descrito por la teoría de Piaget 10,15. El uso de estos instrumentos crea una necesidad de comprender los fenómenos cognitivos fisiológicos subyacentes existing cuando las personas trabajan a través de estos problemas. Por esta razón, este estudio tiene como objetivo mostrar los procedimientos que utilizan datos fisiológicos empírica de que en última instancia puede mejorar el análisis y la comprensión del pensamiento espacial, verificar las capacidades de pruebas de métricas existentes, y aumentar la aplicabilidad de las evaluaciones espaciales problemas más complejos típicos de la formación en ingeniería. Muchos de estos problemas se pueden encontrar en la ingeniería de la Estática.

La estática es una mecánica fundamentales supuesto entregados a la mayoría de los estudiantes de ingeniería (por ejemplo., Biológicos, mecánicos, Civil, Ambiental, Ingeniería Aeroespacial) 16,17. Es una de las primeras experiencias de resolución de problemas extensos que los estudiantes se dan en el contenido de ingeniería núcleo 18. Estática implica el estudio de la interacción de las fuerzas sobre un cuerpo rígido que está en reposo o se mueve a una velocidad constante. Desafortunadamente Estática tiene una alta deserción, la retirada, y las tasas de fracaso (14% como se ve en las InvesUniversidad tigated) y esto puede estar relacionado con los modelos de prestación de conferencia y del plan de estudios tradicionales que omiten las avenidas principales de apoyo, como los enfoques mejorados espacialmente a la educación. Por ejemplo, los enfoques mejorados espacialmente en la Estática pueden dirigirse a la visualización de cómo interactúan las fuerzas fuera del análisis analítico típico y reforzar el conocimiento procedimental de los estudiantes con la conceptualización a tierra. La eficacia de estas intervenciones que hay que investigar desde una perspectiva neurocientífica cognitiva.

Electroencefalografía (EEG) presenta un método único y móvil de medir la actividad de las ondas cerebrales de los estudiantes. Las personas que realizan tareas que provocan la activación beta son generalmente muy ocupados con los detalles de la tarea y están atentos a lo que están haciendo 19,20. Como tarea exige aumento, la amplitud de los aumentos de onda beta, al igual que el tamaño de la zona cortical las frecuencias de ancho de banda ocupan. Los más neuronas que se activan dentro dela gama de frecuencias beta (alfa: 8 - 12 Hz, beta: 12 - 24 Hz) se puede definir como un mayor poder beta. En relación con esto, como uno se vuelve más experiencia en una tarea, la amplitud de las ondas beta disminuye, la generación de energía menos beta. Esto es parte de la hipótesis de la eficiencia neural 21-28, en el que una mayor experiencia tarea cuando se realiza una tarea está relacionada con una disminución en la potencia de la frecuencia. Aunque EEG se ha utilizado anteriormente en el estudio de las habilidades espaciales (a menudo para la rotación mental y tareas de navegación espacial) - y de datos aplicables se han identificado en el alfa, beta, theta y bandas 27-33 - se observaron bandas alfa y beta para este estudio, y beta se seleccionaron para su posterior análisis representativo en este documento y en el informe de la conferencia preliminar 9. Los procedimientos definidos a continuación por lo tanto se centran en el análisis de la banda beta, pero una investigación sobre las tres bandas, en función de los datos registrados, se recomienda en el futuro.

loshipótesis de la eficiencia neuronal ha sido probado en varias tareas, incluyendo el ajedrez, memoria visuoespacial, el equilibrio, y el descanso. Todos han indicado experiencia tarea como un factor en la disminución del poder de frecuencia cuando se realizan tareas familiares. Un estudio en particular 25 ha presentado pruebas de que, aunque la inteligencia de una persona (tal como se mide por IQ) puede ayudar al individuo a adquirir los conocimientos necesarios para realizar una tarea, la experiencia con la tarea mayor que la inteligencia en su contribución a la eficiencia neural. En otras palabras, cuanta más experiencia que un individuo es, más eficiente neural que él o ella se vuelve.

Existentes estudios de eficiencia neural que afecta la habilidad espacial se han centrado principalmente en la rotación espacial, y diferentes conjuntos de problemas se han utilizado para comparar las diferentes poblaciones (por ejemplo., Hombres / mujeres) 27-28. Estudios de EEG de las tareas de la capacidad espacial también han proporcionado información comparando el rendimiento de otros tipos de tareas (por ejemplo., Tareas verbales)27,29,30. Los métodos descritos en este documento se centran en y comparar problemas de la MCT, la taquicardia supraventricular paroxística: R, así como las tareas de equilibrio estático, que están relacionados con la capacidad espacial, pero no se limitan a la rotación espacial y la navegación. Otras tareas espaciales pueden ser utilizados en lugar de los dados como ejemplos en este manuscrito. De esta manera, una visión adicional se puede obtener en el futuro en relación con las diferentes poblaciones (por ejemplo., Macho / hembra o experto / novato) que en última instancia, ayudar a mejorar las prácticas educativas de ingeniería.

En un esfuerzo por investigar la capacidad espacial y la aptitud de ingeniería, hemos desarrollado un protocolo que utiliza mediciones de EEG para identificar las activaciones beta de la onda de bajo rendimiento a los participantes de alto rendimiento durante una batería limitada de tareas espaciales y de ingeniería específicos. En este caso, el alto desempeño término está relacionado con el rendimiento del participante, y no es un reflejo de la cantidad de tiempo invertido en el campo por elalumno, ya que todos los participantes eran aproximadamente en el mismo momento de su educación. Además, el conjunto problema en cuestión es bastante específica y básica; por tanto, los términos "expertos" o "alto rendimiento" en este documento no deben ser vistos en el sentido de un experto, ingeniero empleado profesionalmente, pero que representa sólo el alto rendimiento en este estrecho trozo de ingeniería mecánica de plan de estudios y los instrumentos de la capacidad espacial. Las mediciones neuronales también se pueden utilizar para identificar cualquier tendencia brutos para los que los tipos de tareas pueden reclutar más recursos cognitivos que otros, con interpretación posible respecto a los niveles de dificultad. Esta información puede potencialmente dar una idea de la evaluación e intervención futuro con respecto a la capacidad espacial. Otros visión futuro puede derivarse considerando regiones más específicas del cerebro, que no era posible en este estudio debido al número limitado de canales disponibles en el hardware utilizado EEG.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Declaración de ética relacionada con el uso de las personas participantes

Procedimientos involucrados en este trabajo han sido aprobados por la Junta de Revisión Institucional (IRB) de la Universidad del Estado de Utah para el estudio de los sujetos humanos. Se recomienda que cualquier trabajo similar también debe ser aprobado por el IRB relevante. Los participantes se les permite detener o retirarse del estudio en cualquier momento durante el experimento.

1. Selección de los participantes

  1. Seleccionar a los participantes sobre una base voluntaria de los estudiantes matriculados en un curso de Estática. Asegúrese de que los participantes han sido previamente expuestos al contenido Estática verán mientras que en el estudio.
    Nota: Lo ideal sería que los participantes deben tener la exposición al material a través de conferencia al menos cuatro semanas antes de su participación en el estudio por lo que hay tiempo para la consolidación de conceptos y el desarrollo de los niveles de rendimiento diferenciales.
  2. Llevar a cabo el reclutamiento siguiendo todos los protocolos del IRB. Expliquetodos los procedimientos y restricciones a los posibles participantes en detalle. Describir el alcance del contacto en el futuro y cómo los resultados del estudio pueden ser publicados y / o puestos a disposición de los participantes. Definir ninguna compensación por la participación en el estudio. Si un voluntario opta por inscribirse en el estudio, él o ella con un código de identificación de doble codificado sólo conocido y controlado por el investigador principal.
    Nota: el reclutamiento específico población requerirá un análisis estadístico para verificar el poder estadístico de la muestra y el número de participantes necesarios para analizar las diferencias individuales en los datos de ondas cerebrales. Si el investigador quiera llevar a cabo un estudio comparativo entre las poblaciones, a continuación, un análisis de potencia debe llevarse a cabo para desarrollar los tamaños de grupo participante apropiado para ambas poblaciones.
  3. Seleccione actividades o problemas que son representativos de las experiencias deseadas para los participantes.
    Nota: En este protocolo, estudiante de segundo nivel de ingenieríaSe seleccionaron los estudiantes matriculados en un curso de Estática. Las actividades que se consideran relevantes fueron los problemas de contenido Estática introductoria, así como dos instrumentos de la capacidad espacial de uso común: el Mental Test de corte plano (MCT) y la visualización espacial de prueba de Purdue (taquicardia supraventricular paroxística-R). Cada instrumento evalúa diferentes construcciones de la capacidad espacial y el nivel de desarrollo espacial en esta población estudiante seleccionado.
  4. Establecer un calendario para organizar las sesiones de laboratorio para los participantes.

2. Preparación de Instrumentos

  1. Configurar los auriculares EEG (también conocido como tapas) según las instrucciones del fabricante. Complete esta preparación antes de que el participante llega para el estudio. Para reiterar, este procedimiento es específico para auriculares para móvil generales como Emotiv, a diferencia de las configuraciones EEG de grado médico.
    1. Cargar los auriculares EEG - idealmente al menos una carga de 1 hora por sesión. Para un laboratorio que se utiliza con regularidad, tener por lo menos dos auriculares de carga de unat todo momento.
    2. Coloque todos los líquidos necesarios en una zona accesible, incluyendo el líquido para amortiguar los electrodos EEG (por ejemplo., Agua) y un limpiador abrasivo para asegurar un buen contacto de los nodos de referencia en el EEG.
    3. Inserte los fieltros en cada caja (asegurando el contacto de oro se asienta firmemente en cada carcasa). Saturar los fieltros con el líquido de amortiguación utilizando una jeringa. Permitir a los electrodos humedecidas para descansar.
  2. Configurar cualquier cámara de video necesaria para medir el comportamiento de los participantes. Para el protocolo actual, utilice dos cámaras de vídeo por participante. Volver a ajustar las cámaras una vez que el participante está en su lugar. Asegúrese de que el vídeo es una marca de tiempo.
    1. Enfoca una cámara en la cara del participante si el objetivo de registrar las expresiones faciales y obtener audio de alta calidad.
    2. Enfoque la otra cámara en la zona delante del participante para capturar movimiento de la mano, incluyendo las acciones de escritura a mano (si se espera de escritura a mano, asegúrese de usar un escrito eninstrumento que es oscuro y / o suficiente para ser capturado por la cámara de espesor), y lo suficientemente del monitor de la computadora para que se conozca como tarea a la que está siendo resuelto en ese momento.
    3. A su vez en el equipo y compruebe que el software está en para registrar los datos de ondas cerebrales. Verificar que todos los dispositivos de software y de recopilación de datos están interconectando suficiente para la recolección de datos.

3. Preparación de las participantes del estudio y Sesión de Inicio

  1. Verificar la recepción de consentimiento documentado de los participantes por el acuerdo IRB se discutió anteriormente. Responder a cualquier pregunta que los participantes tienen antes de comenzar el estudio. Recuerde a los participantes que los datos recogidos serán referenciados por código de identificación y no habrá ninguna información de identificación que vincula los datos a la participante, y que pueden retirarse en cualquier momento.
  2. Pida a cada participante que complete una encuesta de demografía antes de la participación en el estudio. Esta encuesta puede preguntar acerca de género, unage, la experiencia previa que pueda afectar sus habilidades en el estudio (por ejemplo., cursos de ingeniería pasado o espacialmente intensivos, aficiones mejorar la capacidad espacial y preguntas relativas a los criterios de exclusión, como las lesiones cerebrales traumáticas que puedan haber sufrido, que la mano que utilizan).
    1. Excluir a los participantes del grupo de voluntarios para el análisis del EEG cuando se cumple alguna de las siguientes condiciones: (a) el participante es zurdo o ambidiestro, con el fin de controlar la lateralidad cerebral confunde; (segundo); el individuo no puede participar en las sesiones de laboratorio debido a una discapacidad física; o (c) la persona ha sufrido una lesión cerebral grave. Notificar a los participantes potenciales de estas limitaciones durante el proceso de contratación, o tan pronto como sea posible para evitar el gasto innecesario de tiempo y recursos.
  3. A su llegada, asegúrese de que el participante sea cómoda y resolver cualquier pregunta o preocupación restantes.
    1. Demostrar la jeringa usada para saturar elnodo y explicar que sólo se utiliza para mantener el EEG fieltros húmedos. Si el participante tiene un miedo extremo a las agujas, considerar la aplicación de otras medidas de precaución (por ejemplo., Manteniendo la jeringa fuera de su plano focal cuando se vuelva a mojar los fieltros).
    2. Pedir al participante que se quite cualquier electrónica de su persona.
  4. Coloque el auricular EEG en el participante.
    1. Compruebe los fieltros de la humedad y colocar las combinaciones de fieltro / carcasa en el auricular EEG.
    2. Limpiar los puntos de referencia (por ejemplo., Apófisis mastoides) del participante con el limpiador abrasivo. Limpie cualquier residuo.
    3. Coloque el auricular en el participante con los nodos de referencia debidamente alineados con los puntos de referencia. No doble excesivamente los brazos de los auriculares. Deja un espacio entre el nodo de referencia y la parte posterior de la oreja con el fin de no causar molestias, y alinear y el espacio el auricular adecuadamente con la cabeza del participante.

4. Ejecución del software dentro de la Sesión

  1. Inicie el software de registro de EEG. Asegúrese de que existe una buena conexión entre el dispositivo de registro (por ejemplo., Un ordenador personal) y un auricular EEG mediante la comprobación de que todos los canales se visualizan en el dispositivo de registro. Compruebe que todos los canales de visualización inicialmente comportamiento similar con oscilaciones de baja amplitud. Compruebe el EEG para asegurar una buena conectividad con el participante - rehumedecimiento y el ajuste de los fieltros a fin de lograr los cuadros persistentes en el dispositivo de registro - inmediatamente anterior a los períodos de descanso y antes del inicio de cada nuevo tipo de problema.
    Nota: El EEG funciona a 128 Hz. Electrooculografía no se utiliza para registrar el movimiento del ojo, y no se utilizó de referencia oído vinculado.
  2. Instruir al participante permanecer lo más quieto y silencioso como sea posible durante los ejercicios de tarea.
  3. Iniciar el software de presentación de tareas.
    Nota: Durante la recolección de datos, todos los pre-comunicación visual planificada con el participante se produce a través de la pantalla del ordenador. En este caso, aparecerá una serie de problemas espaciales y de ingeniería en la pantalla del ordenador, y se pidió a los participantes para resolverlos. Las respuestas correctas no se les proporcionó a los participantes durante la recolección de datos. Las imágenes de problemas avanzado a través de la entrada del usuario, por lo que la sincronización se basan en la duración de resolución de problemas.
    1. Problemas con la visualización espacial de tipo 1 (por ejemplo, taquicardia supraventricular paroxística:. R - una prueba de opción múltiple, problemas de rotación o verdadero o falso - ver Figura 1) 13. Nota: (. Por ejemplo, 30 segundos) La duración de estos problemas se utiliza como el intervalo de tiempo para el análisis de datos. Cinco problemas fueron incluidos en este conjunto.
    2. Problemas con la visualización espacial de tipo 2 (por ejemplo, MCT -. Una prueba de elección múltiple o de corte mentales verdadero o falso problemas - ver figura 2) 12. Nota: La duración de estos problemas se (por ejemplo, 30 seg.)ser utilizado como el intervalo de tiempo para el análisis de datos. Cinco problemas fueron incluidos en este conjunto.
    3. Ingeniería de visualización del tipo de problema 17 (. Por ejemplo, problemas de Estática - desglosadas para centrarse en los principios específicos de la ingeniería estática, o cualquier otro tipo de problema aplicada la hipótesis de tener componentes espaciales - ver Figura 3). Nota: Estos problemas tienen significativamente más tiempo para resolver que los problemas espaciales. El número de problemas que se muestran a los participantes varió de cuatro a diez.
    4. Asignar tiempos de descanso al principio y al final de la recolección de datos - se utiliza para la obtención de datos de referencia. Asegúrese de que cada uno de estos tienen la misma duración (por ejemplo., 120 s).
  4. Si se desea, llevar a cabo una entrevista de salida con el participante. Esto puede incluir sus pensamientos en la presentación experimental, el uso de los auriculares EEG, el proceso de comunicación utilizado durante la preparación y el reclutamiento de los participantes, y / or cualquier protocolo que requiere respuestas verbales mencionados anteriormente. Un cuestionario validado el usuario puede proporcionar a los participantes en lugar de llevar a cabo una entrevista.
  5. Desactivar el software de tareas de presentación, el software de registro de EEG, retire el auricular del EEG, y apague el equipo de grabación de vídeo.

5. Conclusión de la Sesión

  1. Descartar el participante en el estudio. Gracias al participante y les proporcionará una visión general de cualquier contacto futuro (por ejemplo., Para las entrevistas de seguimiento o posteriores sesiones de estudio), explican cómo los resultados del estudio pueden ser publicados y / o puestos a disposición de los participantes, y proporcionar los refrescos o el pago (o una explicación de cómo se proporcionará el pago) acordadas como parte de la compensación por la participación en el estudio.
  2. Los registros de datos de transferencia a cualquier dispositivo de almacenamiento requerida a largo plazo o transferencia. Almacenar el formulario de consentimiento firmado de manera adecuada y según lo señalado por el protocolo IRB.
  3. Retire los fieltros de los auriculares y desinfectar o disponer de ellos.
  4. Devolver las cajas de electrodos EEG y los auriculares a la ubicación de almacenamiento adecuada.
  5. Desechar las jeringas usadas y basura adecuadamente.
  6. Volver a los lugares de almacenamiento de líquidos adecuados.
  7. Asegure el laboratorio si no se utiliza por otros investigadores.

Análisis 6. Datos

  1. Identificar y extraer los datos en bruto para cada marcador de datos de los registros de datos de EEG canal y. Use marcadores bits ASCII para identificar el comienzo y el final de la recogida de datos, así como las transiciones entre diferentes fases de recogida de datos (por ejemplo., Los tipos de problemas) y problemas individuales. Asegúrese de que cada tipo de fase tiene un valor de marcador diferente a fin de permitir la diferenciación durante el análisis. Nombre de los datos de una manera que hace referencia al código de ID participante como la fuente.
    Nota: Los comandos son d EEGLABefined en este documento, pero EEGLAB requiere MATLAB para esta ejecución.
    1. Haga clic en Archivo> Importar datos> Uso de las funciones EEGLAB y plugins> Desde archivos EDF / EDF GDF + (BioSig caja de herramientas)
    2. Seleccione el archivo de datos adecuado. Haga clic en Abrir para cargar los datos.
    3. Seleccione la lista de canales. Haga clic en OK para aceptar.
    4. Proporcionar un nombre de conjunto de datos. Especificar un nombre descriptivo para los datos que reflejan la fuente y la fecha de recogida. En este caso, PSF1448 indica los datos de identificación del participante 48 en el otoño de 2014.
  2. En el mapa los datos extraídos al montaje (es decir, el diseño de los nodos de EEG.) Seleccionando el montaje proporcionado por el auricular proveedor EEG (por ejemplo, un 10 -. Sistema 20). Asegúrese de que el montaje se utiliza para el análisis coincide con el diseño de los auriculares EEG utilizado durante la sesión. Esto es específico del fabricante.
    1. Editar ubicaciones canal haciendo clic en Editar> Channel ubicaciones.
    2. Seleccionar Montage. En este caso el default montaje es apropiado, por lo que basta con hacer clic en OK para aceptar.
    3. Seleccione: Detalles técnicos del canal. En este caso, el valor predeterminado es el caso, por lo que basta con hacer clic en OK para aceptar.
  3. Reducir los datos del canal de EEG a lo que es más representativo de la actividad cerebral, como se define a continuación.
    1. Aplicar un filtro inicial a los datos. Típicamente, aplicar un paso alto, el filtro de paso bajo (con 0,1 Hz como el límite inferior del filtro de paso alto y 59 Hz como el límite superior del filtro de paso bajo). La aplicación de un filtro de paso bajo de menos de 60 Hz elimina el ruido de la red eléctrica de Estados Unidos. Guarde el conjunto de datos con un nuevo nombre como un punto de restauración.
      1. Haga clic en Herramientas> Filtro FIR básico (nuevo, por defecto).
      2. Establecer parámetros de los filtros básicos. Establecer Borde inferior a 0,1 Hz, con el borde superior a 59 Hz, no trazar la respuesta de frecuencia, y haga clic en OK para aceptar.
      3. Especificar un nuevo nombre para los datos filtrados (añadiendo "_filtered" al nombre del conjunto de datos existente). Compruebe la bbuey para guardar los datos como un archivo, y use el mismo nombre para la cabecera. Haga clic en OK para aceptar.
    2. Retire todos los datos que se encuentran antes de que el primer marcador de EEG o después del último marcador de EEG - teniendo en cuenta la latencia en la grabación de los marcadores EEG. Registrar la latencia (tiempo) de la marca que indica el inicio de la grabación de datos y la latencia del marcador que indica el final de los datos. Guarde el conjunto de datos con un nuevo nombre como un punto de restauración.
      1. Los valores de latencia se pueden encontrar en los "valores de eventos Editar - pop_editeventvals) (" pantalla; presione el botón ">>" para ir al marcador definitivo que significa el final de los datos de EEG. No se necesita un cambio aceptado, así que haga clic en Cancelar una vez que los valores han sido registrados.
      2. Haga clic en Editar> Seleccionar datos.
      3. Introduzca el comienzo y el final de latencia valores (tiempo), separadas por un espacio, en el "Intervalo de tiempo [min max] (s)" campo y haga clic en OK para aceptar.
      4. Especificar un nuevo nombre para elrecortada de datos (añadiendo "_cropped" al nombre del conjunto de datos existente). Marque la casilla para guardar los datos como un archivo, y utilizar el mismo nombre para la cabecera. Haga clic en OK para aceptar.
    3. Rechazar secciones de datos con los artefactos de gran tamaño. Los pasos incluyen a continuación describen cómo hacer esto manualmente, mientras que la inspección visual de los datos. Nota: la eliminación de los datos también causará artefactos 34,35.
      1. Normalizar los datos en cada canal (quitar la media y poner cada canal en la misma escala). También eliminar el offset CC (esto altera los datos, pero no la visualización).
        1. Haga clic Terreno> Datos del Canal (de desplazamiento).
        2. Haga clic en Configuración> Intervalo de tiempo que se vea.
        3. Especifica el intervalo de tiempo (. Por ejemplo, 30 segundos) que se muestra en el diagrama de la "longitud nueva ventana (s):" campo. El intervalo de tiempo se basa en el tiempo entre los marcadores para los problemas dentro de una fase dada (o dentro de las dos fases de problemas espaciales). El intervalo de tiempo puede ser de based en el máximo, mínimo, o el tiempo promedio entre los marcadores.
        4. Haga clic en el botón de "norma" para normalizar los datos en la trama (esto es sólo cosmético y no altera los datos subyacentes).
        5. Haga clic en Mostrar> Eliminar desplazamiento de CC para eliminar el offset de DC en la trama (esto es sólo cosmético y no altera los datos subyacentes).
      2. Eliminar grandes artefactos que no se repiten con regularidad en el tiempo.
        1. Marcar todos los datos de artefactos aspecto anormal. Una vez que todos los datos de artefactos se han marcado, haga clic en el botón Rechazar.
          Nota: Estos pueden aparecer picos como anormalmente altos o anchos en los datos - en canales individuales o múltiples - o tendencias, siempre que aparecen en un pequeño número de canales. Los datos son sospechosos si los datos de canales separados parecen cruzar entre sí en la trama. Estos representan los artefactos que no son parte del espectro de las ondas cerebrales y, probablemente, representan el movimiento muscular por el participante o un nodo (s) wla mala conectividad i. Algo parecido a una onda cuadrada no es representativo de la actividad del cerebro humano.
      3. Guarde el conjunto de datos con un nuevo nombre como un punto de restauración.
        1. Haga clic en Archivo> Guardar como conjunto de datos actual.
        2. Especificar un nuevo nombre para los datos modificados (añadiendo "_manRej" al nombre del conjunto de datos existente). Haga clic en Guardar para aceptar.
      4. Si un canal en particular parece ser defectuosa, eliminar los datos de la misma forma individual. Esto representa una gran pérdida de datos, por lo que lo hacen con gran precaución. Mira los datos de la canal durante un período de tiempo largo, ya que a menudo se instala en el tiempo y proporciona datos útiles.
    4. Ejecutar un Análisis de Componentes Independientes (ICA) y seleccionar las mejores representaciones de la actividad de las ondas cerebrales.
      Nota: Este ayuda en la eliminación de conjuntos de artefactos repetitivos en los datos. Estos conjuntos contienen artefactos que van a aparecer varias veces a intervalos más o menos regulares con un sha repetidaEducación física. Típicamente son el resultado de las funciones biológicas, tales como el parpadeo o pulso - cada uno de los cuales tendrá su propio conjunto.
      1. En el mapa los datos separados-ICA a una representación del cráneo basado en el montaje. Rechazar los resultados asociados con el parpadeo, el pulso, la tensión muscular o - que a menudo aparecen en los resultados de la ACI como áreas de énfasis sobre los ojos, cerca de las sienes, o sobre las orejas, respectivamente. Rechazar cualquier componente que muestra todo el cráneo que se dediquen, ya que no es representativo de la actividad cerebral (véase la Figura 4) 35 aceptar otros resultados (ver Figuras 5 - 6)..
        1. Haga clic en Herramientas> Ejecutar ICA.
        2. Seleccione el algoritmo ICA predeterminado (rúnica). Haga clic en OK para aceptar.
        3. Haga clic en Plot> Propiedades del componente.
        4. Seleccionar los índices de componentes (los 14 canales de electrodos EEG cargados en la memoria) y las opciones espectrales. Como antes, el borde inferior es de 0,1 Hz, y el borde superior es 59Hz. Haga clic en Aceptar para aceptar las entradas.
        5. Dentro de la ventana Aceptar / Rechazar, haga clic en el botón Aceptar para cambiar el estado de Rechazar (y haga clic de nuevo para cambiarlo de nuevo a Aceptar). Haga clic en Aceptar para registrar el etiquetado Aceptar / Rechazar.
      2. Representar gráficamente los datos separados por ICA en una parcela de color 2-D. Rechazar los resultados que aparecen rayado, blanco, o salpicada de discontinuidades, a continuación, guarde el conjunto de datos con un nombre nuevo como un punto de restauración (ver Figuras 5 - 6).
        1. Dentro de la ventana Aceptar / Rechazar, haga clic en el botón Aceptar para cambiar el estado de Rechazar (y haga clic de nuevo para cambiarlo de nuevo a Aceptar). Haga clic en Aceptar para registrar el etiquetado Aceptar / Rechazar.
        2. Haga clic en Herramientas> quitar componentes - para eliminar realmente los datos marcados previamente para el rechazo.
        3. Haga clic en OK para continuar. Los índices de los componentes registrados para el rechazo se muestran en la ventana "Quitar componentes".
        4. Haga clic en Aceptar en la ventana de "Confirmación" para continuac con la poda de los datos.
        5. Especificar un nuevo nombre para los datos podadas (añadiendo "_manRejPruned" al nombre del conjunto de datos existente). Marque la casilla para guardar los datos como un archivo, y utilizar el mismo nombre para la cabecera. Haga clic en OK para aceptar.
          Nota: Rayas que duran más de 0,5 seg se considera razonable para el rechazo. Relativa "bondad" puede necesitar ser utilizado aquí, dependiendo de lo bien que otros conjuntos de datos parecen ser - es deseable mantener al menos la mitad de los componentes. Los buenos resultados son a menudo representados por gradaciones continuas sobre una parcela de color continua de datos 2-D 34.
  4. Retire los valores límites que quedan en los datos. Guarde el conjunto de datos con un nuevo nombre como un punto de restauración.
    1. Haga clic en Editar> valores de eventos.
    2. Desplazarse a través de los eventos y haga clic en el botón Eliminar evento cuando el tipo de evento es un límite. Cuando todos se han eliminado, haga clic en OK.
    3. specifel ya nuevo nombre para los datos borrados-límite (añadiendo "_deleteBoundaries" al nombre del conjunto de datos existente). Haga clic en Guardar para aceptar. Utilizar la misma selección de elementos de menú que antes de llegar a esta pantalla (consulte el paso 6.3.3.3.1).
  5. Calcular las métricas y el poder absoluto para cada tipo de ejercicio. Esta es una basada en la potencia logarítmica transformar basado en la medida microvoltios y el tiempo -. Calculado para cada banda de frecuencia (Delta, Theta, Alfa, Beta y Gamma) 22
    1. Chunk los datos en bloques, utilizando marcadores para indicar el principio y el final de cada tarea.
      1. Haga clic en Editar> Seleccionar datos usando eventos.
      2. Utilizar marcos de tiempo apropiados para cada tipo de tarea. Definir el calendario de los períodos de descanso por la duración de un período de descanso. Para los problemas espaciales (que son más o menos similares en duración), o bien utilizar la duración media de todas las tareas espaciales o la duración máxima de todas las tareas espaciales. Para el aplicado (por ejemplo., Engineering Estática) problemas, identificar la duración media de cada problema. Guarde el conjunto de datos con un nuevo nombre como un punto de restauración.
        1. Introduzca el tipo de marcador en el "Tipo (s) Evento ([] = all)" campo, (por ejemplo., Tipo de marcador 50 se utilizó para marcar los eventos de descanso). eventos de descanso tuvieron una duración de 120 segundos en este caso, por lo tanto introduzca "1 120" para la matriz de plazos. Haga clic en OK para aceptar.
        2. Especificar un nuevo nombre para los datos del evento (añadiendo "_Resto" al nombre del conjunto de datos existente en este caso). Marque la casilla para guardar los datos como un archivo, y utilizar el mismo nombre para la cabecera. Haga clic en OK para aceptar.
          Nota: Si las porciones aplicados pueden reducirse por lo que toman más o menos la misma cantidad de tiempo que las tareas espaciales, a continuación, utilizar el mismo tamaño de marco de tiempo como las tareas espaciales. Dado que el EEG es una medida sensible al tiempo, más precisos serán las épocas de tiempo son para cada condición, los menos confundido a los datos están en el final (es decir., El número de muestras recogidas para cada condila será más consistente).
  6. Comparación de resultados para el análisis final.
    1. Calcular el porcentaje de cada fragmento con respecto a las mediciones de línea de base de descanso. Ver el archivo de código suplementario, y en las Tablas 1 - 8.
      1. Abra la secuencia de comandos AbsolutePower en MATLAB y haga clic en el botón Ejecutar para ejecutar la secuencia de comandos en los datos cargados en el espacio de trabajo durante el paso 6.6 (por ejemplo., Los datos de reposo).
      2. Seleccionar datos absolutepowermatrix en el área de trabajo de MATLAB para la transferencia a un programa de hoja de cálculo (por ejemplo., MS Excel).
    2. Repita los pasos 6.5 - 6.6.1.2 para cada tipo de ejercicio / marcador.
    3. Comparar los resultados con plazos similares (por ejemplo, tareas espaciales.) Entre sí para conocer a fondo la dificultad relativa.
    4. Compara los resultados entre los participantes identificar intérpretes relativas más altas en comparación con los artistas más bajos en las habilidades que se está evaluando. Nota: Las empresas de alto rendimiento pueden mostrar muy loco aumento en la activación de la beta en relación con la línea de base, mientras que las bajas artistas pueden mostrar un aumento del orden del 70% 21-26.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

En esta sección, los pasos anteriores se ilustran con las figuras de la muestra como se describe a continuación. resúmenes de datos completos con las pruebas estadísticas no se proporcionan, ya que el objetivo de este trabajo es centrarse en los métodos. Ejemplos de potencial taquicardia supraventricular paroxística: R, MCT, y problemas espaciales se dan en la Figura 1, Figura 2, y la Figura 3, respectivamente.

La tapa de EEG recogerá la activación del cerebro a través de los potenciales eléctricos para cada canal dado, que se puede ver en paralelo como se muestra en la Figura 7. Como se mencionó anteriormente, ciertos artefactos dentro de los datos deben ser eliminados manualmente, mientras que otros se pueden eliminar a través de ICA. A veces se puede identificar un canal defectuoso. Tales artefactos son visibles en la Figura 7. En el software de análisis, los artefactos grandes, no repetitivos se pueden marcar manualmente en secuencia y luego se retira haciendo clic en el botón "RECHAZO" (como en el paso 6.3.3.2.1). Todas las cifras con imágenes de análisis de datos de EEGson de la herramienta de software de análisis que aparece en la Tabla de Materiales.

Después de la ACI, el software de análisis de los mapas de los datos de dos maneras: 1) Una representación del cuero cabelludo con asignación de activación, y 2) Una parcela continua de datos 2-D de la activación dispuestos por los ensayos y el tiempo. Un ejemplo de datos aceptables se puede observar en la Figura 5. Un ejemplo de cuero cabelludo rechazado asigna datos que indican actividad no asociado con el cerebro para tres casos se pueden ver en la Figura 4. 2D parcelas continua de datos para esos mismos rechazados tres casos se puede considerar en Figura 6. el veteado observado en la consideración dos primeras parcelas órdenes para el retiro. Las rayas en la tercera trama puede ser considerado limítrofe - 2-D parcelas datos continuos de esta calidad pueden ser considerados para su inclusión, y el investigador debe tener en cuenta el equilibrio entre incluidas las señales espurias y descartando datos valiosos. Vetas más de 0,5 segundos se consideran groondos para el rechazo. Para mayor comprensión, consulte la página web EEGLAB (http://sccn.ucsd.edu/eeglab/).

Una vez que todos los datos de confusión han sido rechazadas - ya sea a través del rechazo manual mientras mirando las parcelas de ondas cerebrales o después de la ACI - y los datos se han fragmentado en el tiempo para el tipo de actividad adecuada, los cálculos de potencia absolutos se pueden hacer para cada banda de frecuencia y cada actividad escriba a través de la secuencia de comandos de MATLAB (basado en las funciones de software de análisis) que figura en el archivo de código suplementario. Los datos resumidos a continuación, generados por la función se muestran en las siguientes tablas Tabla 1 contiene los datos de los períodos de tiempo de descanso -.. Que se utilizan como base para los cálculos de eficiencia Tabla 2, Tabla 3 y Tabla 4 contienen el poder absoluto datos para la taquicardia supraventricular paroxística: R, MCT, y los problemas de Estática, respectivamente. Al dividir por el valor de la celda para el canal correspondiente y la prohibición de frecuenciad en la tabla de descanso, las relaciones de poder absoluto relativos se muestran en la Tabla 5, Tabla 6 y Tabla 7 para la taquicardia supraventricular paroxística: R, MCT, y problemas de Estática, respectivamente.

En última instancia, el valor promedio en todos los canales se toma de la banda de frecuencia beta para cada tipo de actividad, y los resultados se muestran en la Tabla 8. Este tipo de datos se puede utilizar para identificar regiones de interés para la investigación futura. A partir de estos datos para el participante en cuestión, vemos que el poder absoluto en relación aparece más bajo para la taquicardia supraventricular paroxística: R que por el MCT. conclusiones decisivas respecto a esta declaración, sin embargo, siguen dependiendo de un tamaño de muestra más grande posible para establecer la significación estadística. El poder absoluto relativo para tareas Estática puede ser comparado con el valor de los otros participantes, y estimaciones de alto desempeño vs bajo el esfuerzo cognitivo intérprete puede ser identificado, que podría ser correlacionada con las puntuaciones funcionales sobre los problemas de Estática para su validación. Aunque se trata de un documento específicamente métodos, y presenta ejemplos de datos de sólo un participante, el análisis estadístico del informe preliminar utilizó el test de Levene para evaluar la normalidad, seguido por el test de Friedman comparando tarea x x grupo de canales de EEG. Por último, se realizó una prueba de Wilcoxon de seguimiento sobre los efectos y las interacciones Friedman significativos. La comparación entre los intérpretes de alta y baja mostraron niveles significativamente más altos de activación beta para un rendimiento bajo que para las empresas de alto rendimiento (para la taquicardia supraventricular paroxística: R, F3: χ 2 (1,6) = 5,33, p <0,03; T8: χ 2 (1, 6) = 4,08, p <0,05; FC6: χ 2 (1,6) = 4,08, p <0,05; F8: χ 2 (1,6) = 4,08, p <0,05; AF4: χ 2 (1 ., 6) = 5.33, p <.03 Para MCT, F3: χ 2 (1,6) = 5,33, p <0,03; T8: χ 2 (1,6) = 5,33, p <0,03; FC6: χ 2 (1,6) = 5,33, p <0,03; AF4:. χ 2 (1,6) = 4,08, p <.05 Por Estática, FC6: χ 2 (1,6) = 4,08, p <0,05). 9

Figura 1
Figura 1: La taquicardia supraventricular paroxística:. R problema ejemplo la Parte A demuestra una sola muestra de taquicardia supraventricular paroxística: R problema como se ve por los participantes. (Fuente: Guay (1976)). La respuesta correcta es C. Parte B proporciona una explicación visual de la solución Haga clic aquí para ver una versión más grande de esta figura.

Figura 2
Figura 2:. Ejemplo MCT Problema Parte A demuestra un solo problema de muestra MCT como se ve por los participantes. La respuesta correcta es D. Parte B proporciona una explicación visual de la solución. (Fuente: CEEB (1939))"Target =" _ blank "> Haga clic aquí para ver una versión más grande de esta figura.

figura 3
Figura 3:. Ejemplo Estática Problema ilustra un solo problema Estática ejemplo dado a los participantes. Este problema es en el plano (es decir., 2-D) de equilibrio dado tres fuerzas y una estructura de conexión común. Haga clic aquí para ver una versión más grande de esta figura.

Figura 4
Figura 4: Ejemplos de Actividad. La no-cerebro asignada cuero cabelludo Tres ejemplos de post-ICA datos del cuero cabelludo-asignada se muestra de un individuo, de 23 años de edad, participante masculino. la activación completa del cuero cabelludo, la activación por encima de un solo ojo / templo, y la activación o se centraronn ojos y las sienes son indicativos de la actividad corporal, no la actividad cerebral, como se muestra después de la ACI en IC2, IC3 y IC4, respectivamente. Por favor, haga clic aquí para ver una versión más grande de esta figura.

Figura 5
Figura 5:. Aceptables imágenes post-ICA de datos Ilustración del mapa del cuero cabelludo aceptable y la trama continua de datos 2-D después de la ACI para un caso de ejemplo, Independiente Componente 13 (IC13), a partir de un individuo, de 23 años de edad, participante masculino. La activación parece estar centrado en una región del cerebro en la vista del cuero cabelludo-asignada, y no hay grandes vetas son visibles en la trama de datos continua. Por favor, haga clic aquí para ver una versión más grande de esta figura.


Figura 6: 2-D. Parcelas datos continuos correspondientes imágenes mapeadas del césped Tres ejemplos de tramas de datos continua-post-ICA se muestran de un individuo, de 23 años de edad, participante, masculino. Gruesas bandas o rayas en las parcelas 2-D datos continuos de ICA indican discontinuidades no indicativos de la función normal del cerebro en IC2, IC3, IC4 -. Especialmente en IC2 y el IC3 parcelas favor, haga clic aquí para ver una versión más grande de esta figura.

Figura 7
Figura 7:. Los datos de ondas cerebrales con artefactos Captura de pantalla de un artefacto (canal F7) marcó de forma manual para el rechazo con un rango de tiempo muestra de un individuo, de 23 años de edad, participante, masculino. Tenga en cuenta el evento a través de múltiples canales entre 132 y 133: Eventos similares se repiten varias veces (aproximadamente la misma forma y tamaño a intervalos regulares) - y por lo tanto se supone que representan una función biológica no-cerebro - y pueden ser removidos a través de Análisis de Componentes Independientes (por ejemplo, parpadeando.) (ICA). Haga clic aquí para ver una versión más grande de esta figura.

. Archivo Código Suplementario: MATLAB Guión y Alteración Muestra las secuencias de comandos (spectopo.m y absolutepower.m) para la transformación basado en la medición de microvoltios y el tiempo - calculado para cada banda de frecuencia (delta, theta, alfa, beta y gamma) - para obtener la potencia absoluta en cada frecuencia 22. También se incluyen los cambios de código necesarios para el correcto funcionamiento de pop_chanedit.m.lemental_Code_File.txt "> Haga clic aquí para descargar este archivo.

DESCANSO AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4
delta 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
theta 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
alfa 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
beta 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
gama 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

Tabla 1:. Resto poder absoluto Contiene los valores absolutos de energía para los períodos de tiempo de referencia de descanso. Los valores se muestran para cada canal tapa de EEG y cada banda de frecuencia neuronal. Por favor, haga clic aquí para descargar la tabla como una hoja de cálculo de Excel.

La taquicardia supraventricular paroxística: R AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4
delta 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
theta 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
alfa 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
beta 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
gama 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

Tabla 2: taquicardia supraventricular paroxística:. R poder absoluto Contiene los valores y el poder absoluto de los plazos en que el participante estaba resolviendo problemas de taquicardia supraventricular paroxística: R. Los valores se muestran para cada canal tapa de EEG y cada banda de frecuencia neuronal. Por favor, haga clic aquí para descargar la tabla como una hoja de cálculo de Excel.

MCT AF3 F7 F3 FC5 T7 P7 </ Td> O1 O2 P8 T8 FC6 FC4 FC8 AF4
delta 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
theta 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
alfa 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
beta 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
gama 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

Tabla 3:. MCT poder absoluto Contiene los valores absolutos de energía para los períodos de tiempo cuando el participante estaba resolviendo problemas MCT. Los valores se muestran para EACh EEG canal tapa y cada banda de frecuencia neuronal. Por favor, haga clic aquí para descargar la tabla como una hoja de cálculo de Excel.

estática AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4
delta 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
theta 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
alfa 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
beta 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
gama 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

Tabla 4:. Estática poder absoluto Contiene los valores absolutos de energía para los períodos de tiempo cuando el participante estaba resolviendo problemas de Estática. Los valores se muestran para cada canal tapa de EEG y cada banda de frecuencia neuronal. Por favor, haga clic aquí para descargar la tabla como una hoja de cálculo de Excel.

La taquicardia supraventricular paroxística: R% AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4 promedio
delta 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
theta 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
alfa 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
beta 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%
gama 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

. Tabla 5: taquicardia supraventricular paroxística: R relativa Poder Absoluto Contiene los valores de potencia absoluta relativa - es decir, la proporción en comparación con la línea base Resto - para los períodos de tiempo cuando el participante estaba resolviendo problemas de taquicardia supraventricular paroxística: R. Los valores se muestran para cada canal tapa de EEG y cada banda de frecuencia neuronal./ftp_upload/53327/Table_5.xlsx">Please haga clic aquí para descargar la tabla como una hoja de cálculo de Excel.

MCT% AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4 promedio
delta 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
theta 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
alfa 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
beta 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%
gama 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

. Tabla 6: MCT relativa Absolute Power Contiene los valores de potencia absoluta relativa - es decir, la proporción en comparación con la línea de base Rest - para los períodos de tiempo cuando el participante estaba resolviendo problemas MCT. Los valores se muestran para cada canal tapa de EEG y cada banda de frecuencia neuronal. Por favor, haga clic aquí para descargar la tabla como una hoja de cálculo de Excel.

estática% AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4 promedio
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
theta 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
alfa 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
beta 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%
gama 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

. Tabla 7: Estática relativa Poder Absoluto Contiene los valores de potencia absoluta relativa - es decir, la proporción en comparación con la línea base Resto - para los períodos de tiempo cuando el participante estaba resolviendo problemas de Estática. Los valores son shpropia para cada canal tapa de EEG y cada banda de frecuencia neuronal. Por favor, haga clic aquí para descargar la tabla como una hoja de cálculo de Excel.

promedio
La taquicardia supraventricular paroxística: R% 85,2%
MCT% 109,2%
estática% 90,5%

. Tabla 8: En promedio relativa Poder Absoluto Contiene los valores de potencia absoluta relativa - es decir, la proporción en comparación con la línea base Resto - promedio a través de todos los canales de tapa de EEG para los períodos de tiempo en los que el participante era la solución de taquicardia supraventricular paroxística: Problemas R, MCT, y la estática . Los porcentajes se muestran para la banda de frecuencia beta solamente. Por favor, haga clic aquí para descargar la tabla como unahoja de cálculo Excel n.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

El protocolo discute la aplicación de la electroencefalografía para medir la actividad cerebral de los participantes problemas de trabajo a partir de dos instrumentos típicos de la capacidad espacial y problemas de ingeniería altamente Estática espaciales. Los métodos se detallan en esta última instancia, puede ser capaz de ayudar a entender la eficiencia neural de artistas de alto y bajo que trabajen estos problemas. Es de vital importancia para entender las diferencias en la eficiencia de los nervios de los estudiantes de ingeniería que trabajan en el MCT y la taquicardia supraventricular paroxística: R, ya que estas pruebas se utilizan a menudo para evaluar la capacidad espacial. Comparándolos entre sí nos permite evaluar mejor su aplicabilidad para el éxito en la ingeniería y su posición en los planes de estudio de ingeniería fundamental.

El protocolo establece los procedimientos para la investigación sobre la eficacia neuronales asociados con tareas cognitivas espaciales. Es importante que los instrumentos fiables y válidos se utilizan para evaluar las capacidades espaciales conectados a contenido de ingeniería. se iTambién es importante que los problemas de ingeniería se dirigen al contenido de ingeniería representativo para un curso específico. mediciones de EEG ofrecen una capacidad no intrusiva distinta de triangular datos de los componentes cognitivos de los estudiantes que participan en los aspectos espaciales de la solución de problemas de ingeniería. momento adecuado estampación se debe utilizar para dicha recolección de datos, asegurando triangulación con eventos de vídeo-archivado. protocolos IRB deben seguirse rigurosamente, lo que garantiza el anonimato de los datos y el análisis de los participantes.

La mayoría de las preocupaciones de solución de problemas se producen mientras que la recogida de datos de EEG, como se detalla a continuación, y la mayoría de los se manejan antes se registran datos. Las correcciones para los pobres de impedancia y el ruido es más fácil manipularlos durante la instalación. Siguiendo las instrucciones del fabricante de la dirección de EEG es crítica, y en nuestra experiencia las indicaciones por el software del fabricante puede dirigir a los usuarios para comprobar electrodos específicos. Típicamente, la conexión entre la almohadilla de fieltro y la PARTICIPANLa cabeza de t necesita ser humedecido más, o puede necesitar ser comprobada la conexión entre cada electrodo y el auricular. Si alguna conectividad es visible, pero la calidad es mala, usando la jeringa para volver a humedecer el fieltro es a menudo suficiente, y en ocasiones el auricular necesita ser ajustado físicamente para asegurar un contacto sólido con el cuero cabelludo. En un par de casos, tuvimos que pedir a los participantes para enjuagar el cabello en un fregadero antes de que fuéramos capaces de obtener una buena conexión. Cuando el electrodo parecía no ser la transmisión de datos, a menudo se remedia mediante la eliminación de electrodo y colocar nuevamente. A veces, la caja de plástico para el electrodo puede agrietarse, en cuyo caso tendrá que ser reemplazado.

Otra solución de problemas puede ocurrir durante el análisis de datos, y se discute en el protocolo. preprocesamiento de datos implica el filtrado y la eliminación de artefactos. A menudo, el software de análisis de datos soporta el rechazo manual, así como las secuencias de comandos que se pueden ejecutar en la ejecución previa y pro procesamiento de los datos.

Se hicieron modificaciones a un script en el software de análisis. Esos cambios se documentan en el archivo de código suplementario. Las modificaciones al protocolo también se pueden hacer. Un protocolo concurrente se ha usado en la que se requieren respuestas verbales durante el estudio. Esto introducirá más artefactos en los datos de EEG, pero proporcionará una visión más clara conocimiento funcional del participante durante las pruebas. Una alternativa también se ha utilizado en la que el participante participa en una entrevista de vídeo grabada con el investigador después de la sesión.

Otras modificaciones potenciales recomendados incluyen la utilización de diferentes pone a prueba la capacidad espacial 14, 17 diferentes preguntas de ingeniería, u otras evaluaciones educativas. Diferentes métricas de actividad cerebral, posible a través de EEG y otra instrumentación, también podría arrojar luz sobre la dificultad, u otras características, de las evaluaciones de habilidades.

jove_content "> Reconocemos que existen limitaciones con la técnica definido en este documento Las construcciones de la capacidad espacial (rotación y corte de la superficie cepillada) medidos por la taquicardia supraventricular paroxística:. R y MCT son sólo dos de muchas construcciones posibles medibles con otras medidas espaciales. Además, también se pueden evaluar diferentes tareas espacialmente intensivos (es decir., diferentes tipos de problemas o diferentes cursos y cursos). la investigación en eficiencia neural debe, por supuesto, también se llevó a cabo en un ámbito de aplicación más amplio que los cursos de ingeniería simplemente fundamentales tales como la Estática. Para ejemplo, se debe investigar dentro de los muchos campos de STEM reconocidos en la literatura que depender de razonamiento espacial 3. Además, los estudios de eficiencia neural no deben limitarse a las habilidades directamente relacionadas únicamente a la capacidad espacial 21-28. Incluso dentro de la investigación que participan en las ondas cerebrales medición, la práctica de un promedio de mediciones de potencia durante la duración de una tarea prohíbe investigaciónen otras correlaciones que puedan ocurrir dentro de los patrones de actividad cerebral. mediciones de EEG, debido a su capacidad de respuesta temporal, no se limitan a estudios de eficiencia neural. Y la instrumentación de EEG, se encuentra limitada por la profundidad de la actividad cerebral que puede detectar, sobre todo si se compara con la mayor resolución espacial de la espectroscopia de infrarrojo cercano funcional o imágenes por resonancia magnética funcional, aunque su capacidad de respuesta temporal se mantiene entre los mejores 36.

En última instancia, la posibilidad de utilizar las mediciones fisiológicas para proporcionar una visión de la teoría y la práctica educativa aparece inmensa 37,38. El enfoque técnico y los objetivos de este protocolo son diferentes que el enfoque de la biorretroalimentación EEG utilizando en la educación / formación estudia 39, pero todos son dignos de consideración como profundizar en el conocimiento de fenómenos tales como el desarrollo de la capacidad espacial y el desarrollo de habilidades de ingeniería. Este enfoque de usar EEG para examinar effici neuralrencia entre las tareas espaciales inherentes a los instrumentos de la capacidad espacial específicos define otro método de segregación de las pruebas de habilidad espacial. Este es un ejemplo de una nueva aplicación de un enfoque para la investigación neurocientífica pruebas de habilidades espaciales, así como la apertura de un enfoque hacia la investigación neurocientífica de la teoría educativa existente. La búsqueda de métodos para la verificación y validación es parte de la cultura de ingeniería. Dentro de esta nueva aplicación, la prueba de ondas cerebrales fisiológicos puede abrir un nuevo campo de la comprensión y la teoría de la educación de refinación. De hecho, si se ve como una potencial fuente de validación, una novedosa y nueva generación de la ingeniería puede surgir la investigación educativa.

Subscription Required. Please recommend JoVE to your librarian.

Acknowledgments

Los autores desean reconocer Christopher Green, Bradley Robinson, y María Manuela Valladares, para ayudar con la recolección de datos. Los fondos para el equipo de EEG fue proporcionado por la Oficina de Investigación y Estudios de Posgrado Equipo de Grant de la Universidad del Estado de Utah para multisensorial Laboratorio de Cognición de Kerry Jordan. Benjamin llamadas está apoyado por una beca de investigación de Doctorado Presidencial alcanzado desde la Escuela de Estudios de Posgrado de la Universidad del Estado de Utah por su trabajo con el Dr. Wade 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

Comportamiento Edición 114 la inteligencia espacial la electroencefalografía eficiencia neural la habilidad espacial el pensamiento espacial la formación de ingenieros Estática
Utilizando mediciones Electroencefalografía para la comparación de eficiencia en las tareas específicas de los nervios: Tareas de Inteligencia Espacial
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