Évaluer les multiples dimensions de l'engagement à caractériser l'apprentissage: une perspective neurophysiologique

L’objectif global de cette procédure est de collecter et de synchroniser des données sur l’engagement comportemental, émotionnel et cognitif pendant les tâches d’apprentissage. Pour ce faire, il faut d’abord connecter tous les systèmes de collecte de données par le biais d’un dispositif de synchronisation qui enverra un marqueur de temps dans les données collectées. La deuxième étape consiste à collecter des données de suivi oculaire et d’interactions logicielles pour l’engagement comportemental.

Ensuite, des données EEG seront recueillies pour la caractérisation de l’engagement cognitif. La dernière étape consiste à collecter des données d’engagement émotionnel provenant de l’activité électrodermale ou d’un DE pour la mesure de l’excitation et la reconnaissance automatique des émotions faciales ou un FER pour générer des données de valence. A terme, ces indices caractérisant les trois dimensions de l’engagement seront resynchronisés dans un logiciel de synchronisation en fonction des repères temporels initialement envoyés par le dispositif de synchronisation.

Le principal avantage de cette technique est qu’elle quantifie les trois dimensions de l’engagement des apprenants au cours d’une tâche d’apprentissage, contrairement aux méthodes de recherche classiques qui se concentrent uniquement sur les instruments d’auto-évaluation de l’engagement après les tâches. Cette méthode peut aider à répondre à des questions clés dans le domaine de l’indication, telles que : quelle est la dynamique de l’affectation de la cognition dans divers contextes d’apprentissage complexes et quel est l’impact de divers contextes pédagogiques sur l’effet et la cognition ? Cette technique a des implications dans d’autres domaines.

Par exemple, dans le domaine des technologies de l’information, nous utilisons cette technique pour mesurer l’engagement d’un utilisateur lorsqu’il navigue sur un site Web ou utilise une application logicielle. Cette technique s’inspire de travaux récents en neuroomique où les données de vigilance du conducteur longue distance ont été recueillies à l’aide d’appareils EEG. La démonstration de cette procédure sera faite par Gabrielle Zu avec une assistante de recherche au Tech three Lab de HEC Montréal, mais aussi par Igo et Yig, qui sont assistants de recherche du Neuro Lab de Bégin, en activant l’eye tracker, l’amplificateur EEG pour l’enregistrement des ordinateurs et des haut-parleurs.

Préparez la solution EEG avec le matériel requis selon les procédures recommandées par le fabricant. Préparez ensuite le logiciel d’EEG et de suivi oculaire pour le prochain participant. Ensuite, démarrez le logiciel d’enregistrement vidéo et les caméras démarrez le logiciel de synchronisation avec la sous-routine spécifique créée pour le projet, ce qui permet d’envoyer les marqueurs de synchronisation toutes les 60 secondes.

Démarrez ensuite le logiciel de mesure physiologique et ouvrez la mise en page spécifique créée pour le projet. Ensuite, amenez le participant dans la salle de collecte de données et trouvez l’emplacement de l’électrode cz sur la tête du participant selon le système de référence 10 20. Placez le réseau EEG sur la tête du participant et assurez-vous que chaque électrode est positionnée perpendiculairement à la surface de la tête.

Branchez le connecteur du réseau et effectuez un contrôle d’impédance avec un seuil à 40 kilo ohms. Enfin, placez deux capteurs physiologiques sur le dessus de la main gauche du participant. Commencer la collecte des données.

Une fois que tous les logiciels d’enregistrement sont prêts à être démarrés dans Synchrony, effectuez une procédure d’étalonnage en neuf points et observez le participant pendant qu’il suit les points rouges à l’écran. Répétez cette procédure jusqu’à ce qu’une précision suffisante soit obtenue selon les normes du fabricant, demandez au participant de résoudre 10 problèmes de physique newtonienne sur l’ordinateur. Arrêtez les acquisitions de données sur tous les ordinateurs.

Une fois la tâche terminée, retirez tous les capteurs du participant. Tout d’abord, importez les données EEG dans le logiciel d’analyse de données EEG. Ensuite, cliquez sur fichier, puis sur Nouveau projet, et choisissez l’emplacement des données brutes en cliquant sur Parcourir.

Sélectionnez le dossier de données brutes nouvellement créé. Choisissez l’emplacement de deux autres dossiers nommés historique et exportez de la même manière. Cliquez ensuite sur OK.

Ensuite, cliquez sur les transformations et les filtres IIR pour prétraiter le signal cérébral en appliquant un filtre et une encoche dans la fenêtre du logiciel. Définissez des limites de coupure à 1,5 et 50 hertz avec une pente de 12 décibels pour chacun et activez une encoche à une fréquence de 60 hertz. Ensuite, DC D tend le signal en cliquant sur transformations et DC dre.

Sélectionnez l’option en fonction du temps à 100 millisecondes avant le marqueur et 100 millisecondes avant la connexion CC. Effectuez une inspection des données brutes en cliquant sur Transformations et inspection des données brutes. Sélectionnez l’inspection semi-automatique et choisissez les paramètres de tension, de minimum maximum et d’amplitude vus ici.

Effectuez une analyse automatique de composants indépendants ou ICA avec sphère classique pour la suppression du clignotement I en cliquant sur transformations et ICA une fois terminé. Traitez l’ICA inverse en cliquant sur transformations ICA. Puis l’ICA inverse.

Enfin, exportez le signal et les marqueurs en cliquant sur exporter et exporter les données génériques. Sélectionnez les zones intitulées fichier d’en-tête de droite et fichier de marqueur de droite. De plus, sélectionnez le format texte pour une éventuelle construction MATLAB de l’indice d’engagement.

Ensuite, importez le signal EEG dans matlab. Pour ce faire, démarrez le script E-E-G-L-A-B. L’interface graphique EEG lab apparaît donc dans matlab.

Importez les données d’un participant à la fois en sélectionnant des données, importez des données à l’aide des fonctions et des plug-ins du laboratoire EEG et à partir du fichier brain vis rec VDR, collez un script dans la fenêtre de commande qui générera un indice d’engagement. Ce script affichera un fichier texte. Ouvrez le fichier texte de l’index d’engagement dans Microsoft Excel.

Appliquez une normalisation du score Z aux données EEG pour permettre la comparaison entre les sujets. Une fois le prétraitement EEG terminé. Prétraitez les données physiologiques en important les données d’activité ÉLECTRODERMALE ou EDA dans le logiciel d’analyse de données physiologiques.

Calculez ensuite une normalisation de score z sur les données EDA en cliquant sur la transformation et les mathématiques de forme d’onde pour permettre la comparaison inter-sujets. Cela se fait en deux étapes. Tout d’abord, sélectionnez le canal EDA pour la première source, le signe moins dans la fenêtre d’opération mathématique et K pour la deuxième source.

Sélectionnez ensuite nouveau dans le menu de destination. Entrez la valeur moyenne du canal EDA et sélectionnez transformer l’onde entière. Cliquez sur OK pour la deuxième étape, ouvrez à nouveau les mathématiques de la forme d’onde de transformation et sélectionnez le canal EDAK pour la première source, le signe de division dans la fenêtre d’opération mathématique et K pour la deuxième source.

Sélectionnez ensuite nouveau dans le menu de destination. Entrez la valeur de l’écart-type du canal EDA et sélectionnez transformer l’onde entière. Enfin, cliquez sur OK pour la dernière étape de prétraitement.

Importez les données vidéo de l’enregistreur multimédia dans un logiciel de reconnaissance automatique des émotions faciales en cliquant sur le fichier nouveau, puis sur participant. Sélectionnez un nouveau participant dans le menu du projet. Cliquez ensuite sur Fichier nouvelle analyse et vidéo.

Cliquez sur la loupe à côté de celle de l’analyse et choisissez le fichier vidéo souhaité. Terminez en calculant le zco des données de valence dans SPSS en cliquant sur analyser les statistiques descriptives et les descriptifs. Sélectionnez Enregistrer la valeur standardisée dans les variables et une colonne avec le score Z apparaîtra.

Commencez par importer les vidéos de suivi I en cliquant sur fichier, importer et vidéo dans une nouvelle observation. Nommez la nouvelle observation et choisissez le fichier vidéo à importer. Importez toutes les données externes en cliquant sur Fichier, Importer et Données externes.

Incluez le score Z du signal EEG, zco du signal EDA et le score Z des données de valence. Si vous le souhaitez, ajoutez des marqueurs d’événement pour une analyse plus approfondie. Pour synchroniser la synchronisation entre les ordinateurs, ouvrez le menu de décalage en appuyant sur la touche Ctrl Maj et le signe égal sélectionner décalage numérique pour entrer le temps en secondes entre chaque paire de sources de données.

Cliquez sur OK. Ensuite, sélectionnez les variables intéressantes à générer dans le rapport en cliquant sur Analyser les données sélectionnées et le nouveau profil de données. Sélectionnez l’événement à analyser et cliquez sur OK.

Ajoutez ensuite une ligne de connexion entre la table de début et la table d’imbrication, ainsi qu’entre la table d’imbrication et la table de résultats. Générez le rapport en cliquant, analysez l’analyse numérique et les nouvelles statistiques de clics et cochez la case à côté de signifier dans le menu des données externes. Cliquez ensuite sur OK.

Cliquez sur layout et assurez-vous que les données externes se trouvent sur les colonnes et que les conteneurs de résultats apparaissent sur les lignes. Terminez en cliquant dessus. D’accord. Enfin, cliquez sur le bouton calculer pour que le logiciel mette à jour les calculs impliqués dans le rapport en cours de génération.

De nombreuses dimensions des données d’engagement sont synchronisées dans cette expérience, notamment comportementales, cognitives et émotionnelles grâce à l’utilisation de plusieurs ordinateurs. Afin d’établir la base de référence du sujet, il est utile d’utiliser les données d’un point de la tâche où il y a une pause ici à la fin de la pause. L’engagement cognitif de l’EEG augmente légèrement en prévision de la prochaine tâche, et l’excitation continue de diminuer.

Les données de valence sont manquantes parce que les yeux du participant sont fermés pendant la tâche de résolution de problèmes. Lorsque le sujet lit la troisième ligne, vous pouvez voir que son excitation a atteint son apogée. La valence émotionnelle est neutre et l’engagement cognitif EEG est à son maximum une fois maîtrisé.

Cette technique implique environ 30 minutes de préparation du sujet avant le début de l’expérimentation après son développement. Cette technique ouvrira la voie aux chercheurs et praticiens d’une technologie de l’information, mais aussi dans l’industrie du jeu vidéo pour surveiller en temps réel l’aspect comportemental, émotionnel et cognitif des utilisateurs. Une étape clé dans toute approche de régulation est la synchronisation, et la précision de cette procédure doit être testée avant et après chaque expérience afin d’avoir un timing précis entre tous les appareils.

Après avoir regardé cette vidéo, vous devriez maintenant avoir une bonne compréhension de la façon de recueillir des données psychophysiologiques synchronisées afin de mieux comprendre la dynamique d’interaction des dimensions comportementales, émotionnelles et cognitives de l’engagement au cours d’une tâche d’apprentissage.