מאמר שיטה

פרוטוקול איסוף נתונים וניתוח יישומים לטכנולוגית ניתוח הבעות פנים אוטומטי ובזמן ניתוח להערכה חושית

DOI:

10.3791/54046

⸱

26 באוגוסט 2016

 ,  , 
1Food Science and Technology, Virginia Tech, 2Civil and Environmental Engineering, Virginia Tech

במאמר זה

סיכום

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

פרוטוקול עבור לכידה סטטיסטית בניתוח תגובה רגשית של אוכלוסיית משקאות ומזונות מעובים במעבדת הערכה חושית באמצעות תוכנת ניתוח הבעת פנים אוטומטית מתואר.

תקציר

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

אנו מדגימים שיטה ללכידת תגובה רגשית למשקאות ומזונות נוזליים במעבדת הערכה חושית באמצעות תוכנת ניתוח הבעות פנים אוטומטי (AFEA). בנוסף, אנו מדגימים שיטה לחילוץ פלט נתונים רגשיים רלוונטיים ולשרטוט התגובה הרגשית של אוכלוסייה על פני מסגרת זמן מוגדרת. על ידי זיווג הזמן של תגובת הטיפול של כל משתתף לגירוי בקרה (קו בסיס), ניתן לכמת את התגובה הרגשית הכוללת לאורך זמן ועל פני מספר משתתפים. AFEA הוא כלי אנליטי פרוספקטיבי להערכת תגובה בלתי משוחדת למזון ומשקאות. נכון לעכשיו, רוב המחקרים התמקדו בעיקר במשקאות. מתודולוגיות וניתוחים עדיין לא תוקננו ליישום AFEA על משקאות ומזון; עם זאת, יש צורך במתודולוגיה סטנדרטית עקבית. אופטימיזציה של הליכי לכידת וידאו ואיכות הווידאו המתקבלת מסייעת באיסוף מוצלח של תגובה רגשית למזונות. יתר על כן, המתודולוגיה של ניתוח הנתונים היא חדשה לחילוץ הנתונים הרלוונטיים לתגובה הרגשית. השילובים של אופטימיזציה של לכידת וידאו וניתוח נתונים יסייעו בסטנדרטיזציה של הפרוטוקול לניתוח אוטומטי של הבעות פנים ופרשנות של נתוני תגובה רגשית.

מבוא

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

ניתוח הבעת פן אוטומטי (AFEA) הוא כלי אנליטי פוטנציאלי לאפיון מתגובות רגשיות משקאות ומזונות. ניתוח רגשי יכול להוסיף ממד נוסף מתודולוגיות מדע חושיות קיימות, שיטות הערכת מזון, ודירוגי מידה נהנתנית משמש בדרך כלל הוא במסגרות מחקר ותעשייה. ניתוח רגשי יכול לספק סטנדרטי כמדד נוסף חושף תגובה מדויקת יותר למזונות ומשקאות. ניקוד נהנתן עשוי לכלול הטיות משתתפים עקב אי להקליט תגובות 1.

מחקר AFEA כבר בשימוש ביישומים מחקר רבים, כולל משחקי מחשב, התנהגות המשתמש, חינוך / הוראה, ולימודי פסיכולוגיה על אמפתיה ומרמה. רוב מחקרי מזון קשור התמקד באפיון תגובה רגשית לאיכות מזון והתנהגות אנושית עם מזון. עם המגמה האחרונה צובר תובנה התנהגויות מזון, גוף הולך וגדל של דיווחים בספרות להשתמש של AFEAלאפיון התגובה הרגשית האנושית הקשורים מזונות, משקאות, ניחוחי 1-12.

AFEA נגזר מערכת Coding פעולה פנים (FACS). מערכת קידוד פעולת פנים (FACS) מפלה תנועות פנים מאופיינות יחידות פעולה (AUS) בסולם האינטנסיביות של 5 נקודות 13. גישת FACS דורשת מומחי סקירה מאומנים, קידוד ידני, זמן הערכה משמעותי, ומספקת אפשרויות ניתוח נתונים מוגבלות. AFEA פותח שיטת הערכה מהירה כדי לקבוע רגשות. AFEA תוכנה מסתמכת על תנועת שרירים בפנים, מסדי נתונים פנים, ואלגוריתמים לאפיין את התגובה הרגשית 14-18. התוכנה AFEA השתמשו במחקר זה הגיע "מדד FACS של הסכם של 0.67 בממוצע הן על ורשה סט של תמונות הבעות פנים רגשיות (WSEFEP) ואמסטרדם דינמי הבעת פנים הגדר (ADFES), המקורב הסכם רמת 0.70 עבור קידוד ידני "19 . רגשות אוניברסליים נכללו באנליזה שמחים (חיוביים), עצובים (שלילי), נגעל (שלילי), הפתיע (חיוביים או שליליים), כועס (שלילי), הפחיד (שליליים) וניטראליים כל בסולם נפרד של 0 עד 1 ( 0 = לא הביע; 1 = ביטוי מלא) 20. בנוסף, בספרות פסיכולוגיה כוללת שמחה, מופתע, וגם כעסו רגשות "גישה" (כלפי גירויים) ועצובה, מפוחד, נגעל כרגשות "נסיגה" (הרחק גירויים מרתיעים) 21.

מגבלה אחת של תוכנת AFEA הנוכחית לאפיון רגשות הקשורים מזון היא הפרעה מצד תנועות פנים הקשורים לעיסה ובליעה וכן, קיימים בקשות מוטוריקה גסות אחרות, כגון תנועות ראש קיצוניות. תוכנת מטרות תנועות שרירי פנים קטנות, עמדה המתייחס ומידת התנועה, המבוססות על למעלה מ 500 נקודות שרירים על פני 16,17. תנועות לעיסה להפריע סיווג ביטויים. מגבלה זוation ניתן לפנות באמצעות מזון נוזלי. עם זאת, אתגרים מתודולוגיה אחרים יכולים גם להפחית רגישות וידאו וניתוח AFEA כולל סביבת איסוף נתונים, טכנולוגיה, הוראות חוקרות, התנהגות משתתף משתתף תכונות.

מתודולוגיה סטנדרטית לא פותחה ומאומתת על לכידת וידאו אופטימלית וניתוח נתונים באמצעות AFEA לתגובה רגשית למזונות ומשקאות במעבדת הגדרת הערכה חושית. היבטים רבים יכולים להשפיע על הסביבה הלכידה וידאו כולל תאורה, הצללה עקב פגיעה ברק, כיוונים משתתפים, התנהגות משתתף, גובה משתתף, כמו גם, גובה מצלמה, לדוג מצלמה והגדרות ציוד. יתר על כן, מתודולוגיות ניתוח נתונים אינן עולות בקנה אחד וחוסר מתודולוגיה סטנדרטית להערכת תגובה רגשית. הנה, נדגים נוהל העבודה הרגיל שלנו עבור לכידת נתונים ועיבוד רגשי לתוך תוצאות משמעותיות באמצעות משקאות (חלב בטעמים, חלב unflavored ומי unflavored) להערכה. למיטב ידיעתנו רק פרסום ביקורת עמיתים אחד, מהקבוצה במעבדה שלנו, ניצל סדרת זמן נתונים לפרשנות לרגשות ניתוח 8; עם זאת, השיטה עודכנה עבור השיטה המוצגת שלנו. המטרה שלנו היא לפתח מתודולוגיה משופרת ועקבית כדי לעזור עם שחזור במעבדת הגדרת הערכה חושית. להדגמה, המטרה של מודל המחקר היא להעריך אם AFEA יכול להשלים הערכת קבילות נהנתנית מסורתית של חלב בטעמים, חלב unflavored ומי unflavored. הכוונה של הפרוטוקול בסרטון הזה היא לעזור להקים המתודולוגיה AFEA, לתקנן קריטריונים לכידים וידאו במעבדת הערכה חושית (הגדרה לתא חושית), וכן להדגים שיטה לניתוח נתונים זמני רגשי של אוכלוסייה.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

פרוטוקול

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

משפט ואתיקה: מחקר זה שאושר מראש על ידי וירג'יניה טק מוסדית מועצה לביקורת (IRB) (IRB 14-229) לפני תחילת הפרויקט.

זהירות: ניסויים בבני אדם מחייב הסכמה מדעת לפני ההשתתפות. בנוסף לאישור IRB, הסכמה לשימוש של תמונות סטילס או וידאו נדרש גם לפני המסירה של תמונות כל לדפוס, וידאו, או הדמיה גרפית. בנוסף, אלרגנים במזון ניתן גילוי לפני הבדיקה. המשתתפים מתבקשים לפני תחילת הפאנל אם יש להם חוסר סובלנות, אלרגיות או בעיות אחרות.

הערה: קריטריוני הכללה: ניתוח הבעת פן אוטומטית רגיש מסגרת משקפים עבים, פנים וגוון עור בעל זקן עבות. משתתף שיש להם קריטריונים אלה אינם עולים בקנה אחד עם ניתוח תוכנה בשל סיכון מוגבר סרטונים נכשלו. זו מיוחסת חוסר היכולת של התוכנה כדי למצוא את הפנים.

גיוס 1. הכנת מדגם משתתף

  1. כן משקה או רךדגימות מזון.
    1. הכינו פתרונות חלב מוגבר באמצעות חלב 2% והציע טעמים מן קוסטלו וקלארק (2009) 22 וכן טעמים אחרים. הכן את הפתרונות הבאים: (1) חלב unflavored (חלב דל שומן 2%); (2) מי unflavored (מי שתייה); (3) תמצית וניל טעם בחלב (0.02 גר '/ מיליליטר) (טעם וניל ברור חיקוי); ו (4) טעם מלוח בחלב (0.004 גרם / מ"ל ​​מלח המכיל יוד).
      הערה: פתרונות אלה משמשים למטרות הדגמה בלבד.
    2. יוצקים חצי aliquots אונקיה (~ 15 גרם) של כל פתרון ל -2 גר '. כוסות וכובע מדגם פלסטיק שקופים עם מכסים לפי צבעים.
      הערה: מומלץ להשתמש כוסות שקופות; עם זאת, זה תלוי בשיקול דעתו של החוקר.
  2. לגייס משתתפים מהקמפוס או הקהילה המקומית כדי להשתתף במחקר.
    הערה: גודל המדגם משתתף הדרושים מחקר תלוי בשיקול דעתו של החוקר. אנו ממליצים בטווח של עד 10 ל -50 משתתפים.
  3. השג סכמת הסובייקט אנושית לפני ההשתתפות במחקר.

2. הכנת חדר לוח עבור לכידת וידאו

הערה: פרוטוקול זה מיועד לכידת נתונים במעבדת הערכה חושית. פרוטוקול זה הוא להפוך נתוני AFEA ללכוד שימושי עבור הגדרה לתא חושית.

  1. השתמש דוכני הפרט עם צג מסך מגע לפניהם (רמת הפנים) כדי לשמור על המיקוד שלהם קדימה ולמנוע מביט למטה.
  2. השתמש כיסאות גובה מתכוונן עם תמיכה לאחור.
    הערה: אלה הם חיוניים עבור מאפשר למשתתפים להיות מותאמים במאונך ימוקמו מתאים ללכידת וידאו. השתמש כיסאות נייחים (לא תכונה מתגלגלת) עם תמיכה בגובה בחזרה מתכווננת, כך התנועות של המשתתף מופחתות.
  3. גדר תאורה עילית ב "100% היום" עבור לכידת וידאו מרגשת פנים אופטימלי (illuminant 6504K; R = 206; G = 242; B = 255).
    הערה: כדי למנוע הצללה אינטנסיבית, תאורה חזיתית מפוזרת היא IDEאל תוך עוצמת או צבע האור אינה רלוונטית כמו 20. בסופו של דבר, זה תלוי בשיקול דעתו של החוקר, פרוטוקול / מתודולוגיה פרט, וסביבה לשלוט בתאורה עבור לכידה.
  4. להטביע מצלמה מתכווננת מעל צג מסך מגע להקלטה.
    1. השתמש מצלמה עם רזולוציה של לפחות 640 x 480 פיקסלים (ומעלה) 20. דונו יכולות המצלמה נדרש עם ספק התוכנה לפני הרכישה וההתקנה 20. הערה: יחס ההיבט לא חשוב 20.
    2. גדר מהירות מצלמה ללכוד 30 פריימים (מהירות רגילה או אחרת) שנייה לעקביות.
    3. חבר ולהבטיח מדיה תוכנת צריבה מוגדרת למצלמה להקליט ולשמור קטעי וידאו משתתף.

3. התאמה משתתפת וכיווני מילולי

  1. יש רק למשתתף אחד בכל פעם להעריך את הדגימות בתא החושי.
    הערה: בדיקה יותרמשתתף אחד בעת ובעונה אחת עלולה להפריע סביבת בדיקות ולשבש את הריכוז של המשתתף או ליצור הטיה.
  2. עם ההגעה, לתת למשתתפי הוראות מילוליות על התהליך ונהלי ביצוע.
    1. יש המשתתפים לשבת ישר למעלה אל גב הכיסא.
    2. התאם גובה הכיסא, המיקום של הכיסא (המרחק מן המצלמה), וזווית המצלמה כך פניו של המשתתף הוא נתפס במרכז של הקלטת וידאו, ללא צללים על הסנטר או סביב העיניים.
      הערה: בביתן החושי, ראשו של המשתתף הוא בערך 20 - במרחק של 24 סנטימטרים מן המצלמה ואת הצג עם הפנים שמרכזה הזנת וידאו מצלמה.
    3. הדרך המשתתף להמשיך לשבת כמו המיקום וממוקד הפונה לכיוון הצג. בנוסף, להורות המשתתפים להימנע מתנועות פתאומיות כל צריכת פוסט-מדגם במהלך תקופת הערכת 30 שניות לדגימה.
    4. הדרך את המשתתף לצרוך את המשקה כולו או מדגם מזון נוזלי ולבלוע.
    5. הדריכו את המשתתף שברצונך להעביר את הגביע מדגם במהירות מתחת לסנטר ולמטה לשולחן מיד לאחר המדגם הוא בפה. זאת על מנת לחסל חסימת פן. זכר להם להמשיך לחפש לעבר המסך.
      הערה: המנשא מדגם למסור המדגם הוא עד פי שיקול דעתו של החוקר. קש או ספל עשוי לשמש. בכל מקרה, חסימת פנים ראשונית היא בלתי נמנעת בגלל הפנים יהיה occluded או מעווה בשל צריכה.
  3. הדרך את המשתתף לבצע את ההוראות כפי שהם מופיעים על מסך המגע. הערה: הוראות הם רצף אוטומטית שתוכנת התוכנה חושית האוטומטית.

4. תהליך משתתף בודד עבור לכידת וידאו

  1. אשר מצלמת וידאו הוא לכידת פניו של המשתתף בצורה אופטימלית תוך המשתתף יושבבנוחות בתא (לפני מצגת לדוגמה) על ידי הצגת מסך המחשב שעליו לכידת וידאו מוצגת. בגין הקלטה על ידי לחיצה על כפתור ההקלטה על צג המחשב.
  2. הדרך המשתתפים ללגום מים לנקות את החך שלהם.
  3. לספק טיפולים אחד בכל פעם, החל טיפול בסיס או שליטה (מי unflavored). לזהות כל דגימה על ידי כרטיס אינדקס ייחודי בצבע מונח על גבי כל המדגם הקשור לקוד צבע מדגם לזיהוי וטיפול מדגם בתוך הסרטון.
    הערה: הדרכת תכנון בצג מגע מורה משתתפים. ההוראות לכוון את המשתתף באמצעות סדרה של צעדים סטנדרטיים עבור כל דגימת טיפול.
  4. באמצעות צג מסך מגע, לכוון את המשתתף:
    1. החזק את טרום צריכת כרטיס אינדקס הצבע המזוהה לזיהוי מדגם בסרטון.
      הערה: כרטיס הצבע הוא חוקרי דרך יכולים לזהות טיפולי הווידאוnd לסמן את מסגרת הזמן המתאימה (זמן אפס) להערכה המדגם.
    2. לאחר שקבע את הכרטיס בקצרה, למקם את הכרטיס בחזרה על המגש.
    3. לגמרי לצרוך המדגם ולהמתין כ 30 שניות, נאכף באמצעות הדרכה מתוכנת על המסך, בעוד פונה לכיוון המצלמה.
      הערה: תקופת הדגימה 30 שניות המבוקר מקיפה טווח זמן מספיק לצורך תקופת הערכת דגימה כולה (כלומר, מראה את כרטיס האינדקס, פתיחת מדגם (הסרת המכסה), צריכה ללכוד רגשי).
    4. זן ציון הקבילות הנהנתן שלהם על צג מסך המגע (1 = אהב מאוד, 2 = לא אוהבים הרבה מאוד, 3 = אהב בינוני, 4 = אהב מעט, 5 = לא אוהב ולא סלידה, 6 = כמו מעט, 7 = כמו בינוני, 8 = כמו הרבה מאוד, 9 = כמו מאוד).
    5. לשטוף את הפה עם מי שתייה לפני תהליך המדגם הבא.

5. הערכת אפשרויות ניתוח הבעות פנים אוטומטיות

הערה: תוכנות ניתוח הבעת פנים רבות קיימות. תוכנה פקודה ופונקציות עשויות להשתנות. חשוב לעקוב אחר הנחיות למשתמש של היצרן וציין 20 ידניים.

  1. שמור הקלטות בפורמט המדיה ולהעביר אל תוכנת ניתוח הבעת פנים האוטומטית.
  2. לנתח קטעי וידאו משתתף באמצעות תוכנת ניתוח פנים אוטומטית.
    1. לחץ לחיצה כפולה על סמל התוכנה על שולחן העבודה של המחשב.
    2. לאחר התוכנית פתוחה, לחץ על "קובץ", בחר "חדש ...", ובחר "פרויקט ..."
    3. בחלון pop up, שם הפרויקט לשמור את הפרוייקט.
    4. להוסיף משתתפי הפרויקט על ידי לחיצה על "המשתתפים הוסף" סמל (אדם עם סימן (+)). עוד משתתפים ניתן להוסיף על ידי חזרה על שלב זה.
    5. הוסף וידאו של משתתף למשתתף בהתאמה לניתוח.
      1. בצד שמאל של המסך לחץ על הסמל של wi סליל סרטה סימן הפלוס (+) כדי להוסיף סרטון לנתח.
      2. לחץ על "זכוכית מגדלת" תחת משתתף עניין לגלוש וידאו להוסיף.
  3. לנתח קטעי וידאו מסגרת לפי מסגרת תחת הגדרות ניתוח כיול רציפות בתוכנה.
    1. לחץ על סמל העיפרון כדי להתאים את ההגדרות בתחתית החלון, תחת לשונית "הגדרות" עבור כל סרטון וידאו משתתף.
      1. הגדר "Face דגם" לגנרל. גדר "סיווגים להחליק" כן. גדר "קצב דגימה" אל כל מסגרת.
      2. גדר "סיבוב תמונה" למקום קבע "כיול רציף" כן. גדר "כיול נבחר" לללא.
    2. שמור הגדרות פרויקט.
    3. לחצו על סמל ניתוח אצווה (אותו סמל היעד דמוי אדום ושחור) לנתח את קטעי וידאו הפרויקט.
    4. שמור את התוצאות פעם ניתוח הושלם.
      הערה: הגדרות וידאו אחרות קיימות בתוכנה אם researcהעדפתה מצדיקה שיטת ניתוח אחר.
    5. שקול כשלי סרטונים אם occlusions פנים רציני או חוסר היכולת למפות את פן נמשכת במהלך החלון שלאחר הצריכה שצוין (איור 1). בנוסף, אם המודל נכשל נתונים יגידו "FIT_FAILED" או "FIND_FAILED" ב קבצי הפלט המיוצאים (איור 2). זה מייצג את נתונים שאבדו מאז התוכנה לא יכולה לסווג או לנתח את הרגשות של המשתתף.
      הערה: AFEA מתרגמת תנועה שרירי הפנים כדי נייטרלי, שמח, נגעל, עצוב, כועס, מופתע ומפוחד בסולם מ -0 (לא הביע) עד 1 (ביטוי מלא) לכל רגש.
  4. לייצא את נתוני התפוקה AFEA כמו קבצי לוג (.txt) לניתוח נוסף.
    1. לאחר ניתוחים הושלמו, לייצא את הפרויקט כולו.
      1. לחץ על "קובץ", "יצוא", "תוצאות פרויקט היצוא".
      2. כאשר חלון נפתח, בחר את המיקום של איפה היצוא Should להינצל ולהציל את קבצי לוג (.txt) לתיקייה.
      3. המרה כל חי יומן משתתף לגיליון אלקטרוני נתונים (csv או .xlsx) כדי לחלץ נתונים רלוונטיים.
        1. תוכנת גיליון אלקטרוני נתוני פתיחה ובחר בכרטיסייה "נתונים".
        2. בכרטיסיית "הנתונים", בקבוצת "קבל נתונים חיצוניים", לחץ על "מטקסט".
        3. ב "שורת הכתובת", לאתר, לחץ לחיצה כפולה על קובץ טקסט משתתף לייבא, ופעל על פי ההוראות שעל מסך אשף.
        4. המשך תהליך היצוא עבור כל הקבצים משתתפים הרלוונטיים.

6. סרטונים משתתפים חותם זמן עבור ניתוח נתונים

  1. שימוש בתוכנת AFEA, באופן ידני לבדוק כל וידאו של המשתתף לזהות הזמן שלאחר צריכת אפס עבור כל דגימה. רשום את החותמת בגיליון אלקטרוני נתונים. צריכת הודעה מוגדרת כשכוס המדגם היא מתחת לסנטרו של המשתתף כבר לא OCcludes הפנים.
    הערה: המיקום של החותמת הוא קריטי להערכה. הנקודה שבה הכוס כבר לא חוסמת את פנים היא ההמלצה האופטימלית וחותמת זמן צריך להיות עקבי לכל המשתתפים.
  2. שמור את הגיליון אלקטרוני נתונים החותמים (csv) כהפניה לחילוץ נתונים רלוונטיים מתוך קטעי וידאו.
    הערה: סרטונים משתתף רשאי גם להיות מקודד פנימי בתוכנה כמו "סימון אירוע".

7. סדרות עתיות ניתוח רגשי

הערה: קח למשל את "הבסיס" להיות מלא (כלומר, מי unflavored בדוגמא זו). החוקר יש את היכולת ליצור "גירוי לטיפול בסיסי" שונה או "זמן התחלה ללא גירוי" להשוואה לזווג תלוי באינטרסים של החקירה. השיטה מוצעת חשבונות עבור מדינה "ברירת מחדל", באמצעות שימוש במבחן סטטיסטי לזווג. במילים אחרות, ההליך משתמשת חסימת סטטיסטית (כלומר,מבחן משויך) כדי להתאים את מראה ברירת המחדל של כל משתתף ולכן מקטינה את ההשתנות פני משתתפים.

  1. חלץ נתונים רלוונטיים מתוך קבצי מיוצא (csv או .xlsx).
    1. זהה מסגרת זמן רלוונטית להערכת המחקר (שניות).
    2. ידני לחלץ נתוני בהתאמה (מסגרת זמן) המתיקים משתתפים מיוצאים ההתייעצות עם חותמת המשתתף (זמן אפס).
    3. לקמפל כל נתוני הטיפול של משתתף (מספר משתתף, טיפול, זמן וידאו מקורי, ותגובת רגש) לכל רגש (שמח, ניטראלי, עצוב, כועס, מופתע, מפוחד, ונגעל) עבור מסגרת הזמן בוחר (שניות) בגיליון אלקטרוני נתונים חדש לצורך ניתוח עתידי (איור 3).
    4. המשך תהליך זה עבור כל המשתתפים.
  2. זהה את הזמן המקביל אפס המקובץ החותם עבור כל זוג משתתף-טיפול ולהתאים וידאו זמן זמן אמיתי "0" השוואה ישירה ( איור 4, איור 5).
    הערה: הנתונים משתתפים נאספים וידאו רציף ולכן כל טיפול "זמן אפס" שונה (כלומר, זמן וידאו מי unflavored אפס הוא 02: 13.5 וזמן וידאו חלב unflavored אפס הוא 03: 15.4). באיור 4 בשל שונה טיפול "אפסי זמן", פעמי הווידאו צריכים להיות וסדרה וכיוונו את עצמם מחדש כדי להתחיל "0: 00.0" או שעת התחלה סטנדרטית אחרת כדי להשוואת זמן ישירה של נתוני תגובה רגשית טיפול.
  3. עבור כל משתתף, רגש, ונקודת זמן מתואמת, לחלץ את הטיפול לזווג (למשל, חלב unflavored) וטיפול מלא (למשל, מי unflavored) ציון רגשי כמותית. במילים אחרות, יישר סדרה עתית הטיפול והביקורת של המשתתף של תגובות לכל רגש (איור 5).
  4. לרכז את כל המידע של המשתתף (משתתף, זמן מתואם, וטיפול לזווג(למשל, מי unflavored וחלב unflavored) בכל נקודת זמן (איור 6).
    הערה: השלבים הבאים מדגימים את השלבים עבור מבחן לזווג וילקוקס ביד. רוב ניתוח נתוני תוכנות תעשינה זאת אוטומטית. מומלץ לדון בתהליך הניתוח הסטטיסטי עם סטטיסטיקאי.
  5. לאחר הדגימות מתאפס ומיושר עם פעמי וידאו מתואמות חדשות, להשוות ישירות בין התוצאות הרגשיות של מדגם בהתאמה ואת השליטה (מי unflavored) באמצעות בדיקות ווילקוקסון פרמטרית לזווג רציפים פני המשתתפים (איור 7).
    הערה: יישור הזמן החדש של הדגימות יאפשר השוואה ישירה בתוך מסגרת זמן 5 שניות שלאחר הצריכה. אם התבוננות לזווג אינו נוכח טיפול, ושחרר את המשתתף מזו השוואה נקודת זמן.
    1. חשבתי את ההבדל בין מלא המדגם שמתאים לכל השוואה לזווג באמצעות נתוני spreadsheתוכנת ניהול et.
      הערה: ההשוואה תהיה תלויה קצב הפריימים שנבחר לניתוח רגשי בתוכנה. הפרוטוקול מדגים 30 השוואות בודדות לשנייה למשך 5 שניות (מסגרת זמן שנבחר).
      הערה: השתמש איור 7 כהפניה עבור עמודות וצעדים.
      1. הפחת את הערך של חלב (למשל, חלב unflavored) מהערך של השליטה (למשל, מי unflavored) כדי לקבוע את ההבדל. בשנת תוכנת ניהול הגיליון האלקטרונית נתונים בעמודה חדשה תחת הכותרת "הבדל בטיפול", זן "= (C2) - (D2)", שבו "C2" הוא ערכי השליטה רגשיים "D2" הוא הערכים הרגשיים טיפול הנבחר. המשך תהליך זה עבור כל נקודות הזמן.
      2. חשב את הערך המוחלט של ההפרש הטיפול. בשנת תוכנת ניהול גיליון אלקטרוני נתונים בעמודה חדשה, הזן "= ABS (E2)", שבו "E2" ההבדל טיפול. המשך תהליך זה עבורבכל נקודות הזמן.
      3. לקבוע את סדר הדירוג של הבדל הטיפול. בשנת תוכנת ניהול גיליון אלקטרוני נתונים בעמודה חדשה, הזן "= RANK (G2, $ G $ 2: $ G $ 25, 1)" שבו "G2" ההבדל המוחלט "1" הוא "עולה". המשך תהליך זה עבור כל נקודות הזמן.
      4. לקבוע את הדירוג החתום של סדר הדירוג על הגיליון האלקטרוני. להחליף את השלט שלילי אם הבדל הטיפול היה שלילי (אני טור).
      5. חשב את סכום חיובי (= SUMIF (I2: I25, "> 0", I2: I25) וסכום שלילי = SUMIF (I2: I25, "<0", I2: I25) של ערכים דרגה.
      6. קבע את נתון הבדיקה. נתון המבחן הוא הערך המוחלט סכום נמוך יותר.
      7. התייעץ טבלאות סטטיסטיות עבור ווילקוקסון חתום הצביע סטטיסטיקת מבחן באמצעות מספר תצפיות כללו בזמן הספציפי ערך אלפא שנבחר כדי לקבוע את הערך הקריטי.
      8. אם נתון הבדיקה הוא פחות מהערך הקריטי לדחות tהוא השערת האפס. אם הוא גדול, לקבל את השערת האפס.
  6. שרטט את התוצאות על גרף הטיפול המשויך (כלומר, חלב unflavored נמשל למי unflavored) עבור הפעמים כאשר הוא דחה את השערת האפס. השתמש בסימן של ההבדל לקבוע איזה טיפול יש את הרגש הגדול (איור 8).
    1. בשנת תוכנת ניהול גיליון אלקטרוני נתונים, ליצור גרף באמצעות הערכים של קיומו או אי קיומו של משמעות.
      1. לחץ על "הוספה" כרטיסייה.
      2. בחר "קו"
      3. קליק ימני על תיבת הגרף.
      4. לחץ על "בחר נתונים" ופעל לפי ההנחיות המופיעות במסך ובחר ונתונים רלוונטיים הגרף (איור 8).
        הערה: התרשימים יציגים תוצאות רגשיות שבו המדגם או האיזון מחמיר יותר ומשמעותי. גרף תלוי, הרגש גבוה באותה העת ספציפית המאפשר את היכולת להבחין כיצד רגשות של המשתתףאבולוציה לאורך תקופה של 5 בפעם השנייה בין שתי דגימות.
        הערה: תמיכה סטטיסטית עם סטטיסטיקאי מומלצת מאוד כדי לחלץ נתונים רלוונטיים. פיתוח הקידוד סטטיסטי נדרש לנתח את תוצאות רגשיות.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

תוצאות

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

השיטה מציעה פרוטוקול סטנדרטי עבור איסוף נתונים AFEA. אם שלבי פרוטוקול הציעו הם אחריו, פלט נתונים רגשי שמיש (איור 1) הנובע איסוף נתונים עלוב (איור 2: A; שמאל תמונה) עשוי להיות מוגבל. ניתוח סדרת זמן לא יכול להיות מנוצל אם קבצי לוג (.txt) בעיקר להכיל "FIT_FAILED" ו "FIND_FAILED" כמו זה נתונים רעים (איור 1). יתר על כן, השיטה כוללת פרוטוקול השוואה סטטיסטית ישירה בין שני טיפולים של פלט נתונים רגשי על מסג...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

דיון

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

AFEA יישום בספרות הקשורים מזון ומשקאות הוא מאוד מוגבל 1-11. היישום למזון חדש, יצירת הזדמנות להקמת פרשנות מתודולוגיה ונתונים. Arnade (2013) 7 מצאו השתנות פרט גבוהות בקרב תגובה רגשית פרט שוקו וחלב לבן באמצעות שטח מתחת הניתוח העקום והניתוח שונה. עם זאת, אפילו עם השתנות משתתף, משתתפים שנוצרו תגובה מאושרת יותר תוך עצוב נגעל הייתה זמן קצר בתגובה 7. במחקר נפרד באמצעות ריכוזים גבוהים ונמוכים של טעמים בסיסיים, Arnade (2013) 7, נמצא כי ההבדלים בתג...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

גילויים

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

למחברים אין מה לחשוף.

תודות

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

פרויקט זה מומן, בחלקו, על ידי ConAgra Foods (אומהה, NE, ארה"ב), תחנת הניסויים החקלאיים של וירג'יניה, תוכנית האץ' של המכון הלאומי למזון וחקלאות, משרד החקלאות של ארה"ב, והתוכנית הבין-תחומית ללימודים מתקדמים של וירג'יניה טק ווטר INTERface.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
2% חלב מופחת שומןKroger Brand, סינסינטי, OH או DZA Brands, LLC, Salisbury, NCna לפתרונות
מי שתייהKroger Brand, סינסינטי, OHnaלפתרונות
חיקוי טעם וניל שקוףKroger Brand, סינסינטי, OHna לפתרונות
מלח יודKroger Brand, סינסינטי, OHna לפתרונות
FaceReader 6Noldus Information Technology, Wageningen, The Netherlandsna לניתוח פנים
מערכת ניהול מידע חושי (SIMS) 2000מערכות מחשב חושיות, ברקלי הייטס, ניו ג'רזיגרסה 6ללכידת נתונים חושיים
RhapsodyAcuity Brands Lighting, Inc., Conyers, GAעבור תאורת סביבה
R Version R Core Team 20153.1.1לניתוח סטטיסטי
Microsoft OfficeMicrosoftnaלניתוח סטטיסטי
JMPתוכנת ניתוח סטטיסטי (SAS) גרסה 9.2, SAS Institute, Cary, NCnaלניתוח סטטיסטי
מקליט מדיה 2.5Noldus Information Technology, Wageningen, The Netherlandsnaללכידת משתתפים הערכה חושית
ציר M1054 תקשורת ציר מצלמה, לונד, שוודיהומשקאות
ומשקאות או מזון קל להערכה

מקורות

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. De Wijk, R. A., Kooijman, V., Verhoeven, R. H. G., Holthuysen, N. T. E., De Graaf, C. Autonomic nervous system responses on and facial expressions to the sight, smell, and taste of liked and disliked foods. Food Qual Prefer. 26 (2), 196-203 (2012).
  2. De Wijk, R. A., He, W., Mensink, M. G. J., Verhoeven, R. H. G., De Graaf, C. ANS responses and facial expression differentiate between the taste of commercial breakfast drinks. PLoS ONE. 9 (4), 1-9 (2014).
  3. He, W., Boesveldt, S., De Graaf, C., De Wijk, R. A. Behavioural and physiological responses to two food odours. Appetite. 59 (2), 628(2012).
  4. He, W., Boesveldt, S., De Graaf, C., De Wijk, R. A. Dynamics of autonomic nervous system responses and facial expressions to odors. Front Psychol. 5 (110), 1-8 (2014).
  5. Danner, L., Sidorkina, L., Joechl, M., Duerrschmid, K. Make a face! Implicit and explicit measurement of facial expressions elicited by orange juices using face reading technology. Food Qual Prefer. 32 (2014), 167-172 (2013).
  6. Danner, L., Haindl, S., Joechl, M., Duerrschmid, K. Facial expression and autonomous nervous system responses elicited by tasting different juices. Food Res Int. 64 (2014), 81-90 (2014).
  7. Arnade, E. A. Measuring consumer emotional response to tastes and foods through facial expression analysis [thesis]. , Virginia Tech. Blacksburg. 1-187 (2013).
  8. Leitch, K. A., Duncan, S. E., O'Keefe, S., Rudd, R., Gallagher, D. L. Characterizing consumer emotional response to sweeteners using an emotion terminology questionnaire and facial expression analysis. Food Res Int. 76, 283-292 (2015).
  9. Crist, C. A., et al. Application of emotional facial analysis technology to consumer acceptability using a basic tastes model. Technical Abstracts and Proceedings of the 2014 Institute of Food Technologists Annual Meeting, 2014 Jun 21 - 24, New Orleans, LA, , (2014).
  10. Garcia-Burgos, D., Zamora, M. C. Facial affective reactions to bitter-tasting foods and body mass index in adults. Appetite. 71 (2013), 178-186 (2013).
  11. Garcia-Burgos, D., Zamora, M. C. Exploring the hedonic and incentive properties in preferences for bitter foods via self-reports, facial expressions and instrumental behaviours. Food Qual Prefer. 39 (2015), 73-81 (2015).
  12. Lewinski, P., Fransen, M. L., Tan, E. S. H. Predicting advertising effectiveness by facial expressions in response to amusing persuasive stimuli. J. Neurosci. Psychol. Econ. 7 (1), 1-14 (2014).
  13. Ekman, P., Friesen, W. V. Facial action coding system: A technique for the measurement of facial movement. , Consulting Psychologists Press. Palo Alto, California. (1978).
  14. Viola, P., Jones, M. Rapid object detection using a boosted cascade of simple features. Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern. 1, 511-518 (2001).
  15. Sung, K. K., Poggio, T. Example-based learning for view-based human face detection. IEEE Trans. Pattern Anal. Mach. Intell. 20 (1), 39-51 (1998).
  16. FaceReader 5™ Technical Specifications. , Noldus Information Technology. Wageningen, The Netherlands. Available from: http://www.webshop.noldus.com/media/techspec/facereader _techspec.pdf (2014).
  17. Cootes, T., Taylor, C. Statistical models of appearance for computer vision: Technical report. , University of Manchester, Wolfson Image Analysis Unit, Imaging Science and Biomedical Engineering. (2000).
  18. Bishop, C. M. Neural networks for pattern recognition. , Oxford University Press. New York. (1995).
  19. Lewinski, P., den Uyl, T. M., Butler, C. Automated facial coding: validation of basic emotions and FACS AUs in FaceReader. J. Neurosci. Psychol. Econ. 7 (4), 227-236 (2014).
  20. Noldus Information Technology. FaceReader Reference Manual Version 6. , Wageningen, The Netherlands. (2014).
  21. Alves, N. T., Fukusima, S. S., Aznar-Casanova, J. A. Models of brain asymmetry in emotional processing. Psychol Neurosci. 1 (1), 63-66 (2008).
  22. Costello, M., Clark, S. Preparation of samples for instructing students and staff in dairy products evaluation (Appendix F). The sensory evaluation of dairy foods. Clark, S., Costello, M., Drake, M., Bodyfelt, F. , 2nd, Springer. New York. 551-560 (2009).
  23. Porcherot, C., et al. How do you feel when you smell this? Optimization of a verbal measurement of odor-elicited emotions. Food Qual Prefer. 21, 938-947 (2010).
  24. Warrenburg, S. Effects of fragrance on emotions: Moods and physiology. Chem. Senses. 30, i248-i249 (2005).
  25. Bredie, W. L. P., Tan, H. S. G., Wendin, K. A comparative study on facially expressed emotions in response to basic tastes. Chem. Percept. 7 (1), 1-9 (2014).
  26. Wendin, K., Allesen-Holm, B. H., Bredie, L. P. Do facial reactions add new dimensions to measuring sensory responses to basic tastes? Food Qual Prefer. 22, 346-354 (2011).
  27. Rosenstein, D., Oster, H. Differential facial responses to four basic tastes in newborns. Child Dev. 59 (6), 1555-1568 (1988).
  28. Rosenstein, D., Oster, H. Differential facial responses to four basic tastes in newborns. What the face reveals: Basic and applied studies of spontaneous expression using the facial action coding system (FACS). P, E. kman, E, R. osenberg , Oxford University Press, Inc. New York. 302-327 (1997).
  29. Rozin, P., Fallon, A. E. A perspective on disgust. Psychol. Rev. 94 (1), 23-41 (1987).
  30. Delarue, J., Blumenthal, D. Temporal aspects of consumer preferences. Curr. Opin. Food Sci. 3, 41-46 (2015).
  31. Sudre, J., Pineau, N., Loret, C., Marin, N. Comparison of methods to monitor liking of food during consumption. Food Qual Prefer. 24 (1), 179-189 (2012).
  32. Weiland, R., Ellgring, H., Macht, M. Gustofacial and olfactofacial responses in human adults. Chem. Senses. 35 (9), 841-853 (2010).
  33. Ekman, P. Universal and cultural differences in facial expressions of emotion. Nebraska symposium on motivation. Cole, J. , University of Nebraska Press. Lincoln (NE). 207-283 (1971).
  34. Griemel, E., Macht, M., Krumhuber, E., Ellgring, H. Facial and affective reactions to tastes and their modulation by sadness and joy. Physiol Behav. 89 (2), 261-269 (2006).

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

הדפסות חוזרות והרשאות

בקש הרשאה לשימוש חוזר בטקסט או באיורים של מאמר JoVE זה

בקש הרשאה

תגיות

מאמרים קשורים