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

Summary

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

Abstract

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

Introduction

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

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

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

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

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

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

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

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

Protocol

הצהרה אתית בנוגע לשימוש של משתתפי אדם

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

בחירת 1. משתתפים

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

2. הכנת מכשירים

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

3. הכנת משתתפי מחקר מושבת התחילה

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

ביצוע תוכנה 4. בתוך המושב

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

5. סיכום של המושב

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

6. ניתוח נתונים

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

Results

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

כובע EEG יאסוף הפעלת מוח באמצעות פוטנציאלים חשמליים עבור כל ערוץ נתון, אשר ניתן לצפות במקביל כפי שמוצג באיור 7. כאמור, חפצים מסוימים בתוך הנתונים צריכים להיות...

Discussion

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

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Emotiv EPOC דגם 1.0	דגם Emotiv: Emotiv Premium	"מערכת EEG ניידת, רב-ערוצית ברזולוציה גבוהה."
לוח הבקרה של Emotiv (תוכנה)	Emotiv		משמש לאיסוף נתונים.
Emotiv Testbench (תוכנה)	Emotiv		משמש לאיסוף נתונים.
אמולטור יציאה טורית וירטואלית - VSPE (תוכנה)ETERLOGIC.COM			נעשה שימוש ב-COM10 באיסוף נתונים. זמין להורדה בחינם, תלוי במערכת ההפעלה.
E-Prime 2.0 (תוכנה)		תוכנה לפסיכולוגיה	המשמשים לאיסוף נתונים (הצגת בעיות למשתתפים ואיסוף סמנים לשלבים שונים).
EEGLab 13.4.4b (תוכנה)	מרכז שוורץ למדעי המוח החישוביים (SCCN)		משמש לניתוח נתונים. "סביבת קוד פתוח לעיבוד אותות אלקטרופיזיולוגיים". SCCN הוא מרכז של המכון לחישוב עצבי, אוניברסיטת קליפורניה בסן דייגו.
MATLAB R2014b	The Mathworks, Inc.		משמש להפעלת EEGLab
Microsoft Excel 2013	Microsoft		משמש להרכבה והשוואה של תוצאות בטבלה מ- EEGLab & MATLAB, ליצירת טבלאות
מצלמת וידיאו עם מיקרופון מובנה	Canon	CNVHFR50	משמש להקלטת הפעלות
ערכת מזרק (מזרק 5 סמ"ק ומחטים קהות 16 G x 2)	Electro-Cap Intnl. Inc.	E7	לשמירה על לחות הלבד של מכסה ה-EEG.
Nuprep EEG Skin Prep Gel	Weaver וחברה	10-30	לניקוי תהליך המסטואיד.
חומר חיטוי	Purell	S-12808	לחיטוי ידיים