הערכת ממדים המרובים של אירוסין לאפיין למידה: הנוירופיזיולוגי פרספקטיבה

המטרה הכוללת של הליך זה היא לאסוף ולסנכרן נתונים על מעורבות התנהגותית, רגשית וקוגניטיבית במהלך משימות למידה. זה מושג על ידי חיבור ראשון של כל מערכות איסוף הנתונים באמצעות מכשיר סנכרון שישלח סמן זמן בתוך הנתונים שנאספו. השלב השני הוא איסוף נתוני מעקב עיניים ואינטראקציות תוכנה למעורבות התנהגותית.

לאחר מכן, ייאספו נתוני EEG לאפיון מעורבות קוגניטיבית. השלב האחרון הוא לאסוף נתוני מעורבות רגשית המגיעים מפעילות אלקטרודרמלית או ED למדידת עוררות וזיהוי רגשי פנים אוטומטי או FER ליצירת נתוני ערכיות. בסופו של דבר, אינדקסים אלו המאפיינים את שלושת ממדי ההתקשרות יסונכרנו מחדש בתוכנת סנכרון בהתאם לסמני הזמן שנשלחו בתחילה על ידי מכשיר הסנכרון.

היתרון העיקרי של טכניקה זו הוא שהיא מכמתת תלת מימד של מעורבות הלומדים במהלך משימת למידה בניגוד לשיטות מחקר קלאסיות המתמקדות אך ורק בכלי הערכה עצמית של מעורבות לאחר המשימות. שיטה זו יכולה לעזור לענות על שאלות מפתח בתחום ההתוויה, כגון מהי הדינמיקה של השפעה על קוגניציה במסגרות למידה מורכבות שונות ומהי ההשפעה של מסגרות פדגוגיות שונות על אפקט וקוגניציה? ישנן השלכות לטכניקה זו בתחומים אחרים.

לדוגמה, בטכנולוגיית מידע, אנו משתמשים בטכניקה זו כדי למדוד את המעורבות של משתמש בזמן גלישה באתר או שימוש ביישום תוכנה. טכניקה זו שואבת השראה מעבודה עדכנית בנוירו-אומיקה, שבה נאספו נתוני ערנות של נהגים למרחקים ארוכים באמצעות מכשירי EEG. מי שידגים את ההליך הזה יהיו גבריאל זו עם עוזרת מחקר במעבדת Tech 3 של HEC מונטריאול, אבל גם איגו וייג, שהם עוזרי מחקר ממעבדת הנוירולוגית של בגין על ידי הפעלת גשש העין, מגבר EEG להקלטת מחשבים ורמקולים.

הכן את תמיסת ה-EEG עם החומר הנדרש בהתאם לנהלים המומלצים של היצרן. לאחר מכן הכינו את תוכנת ה-EEG ומעקב העיניים עבור המשתתף הקרוב. לאחר מכן הפעל את תוכנת הקלטת הווידאו והמצלמות מפעילות את תוכנת הסנכרון עם תת השגרה הספציפית שנוצרה עבור הפרויקט, המאפשרת לשלוח את סמני הסנכרון כל 60 שניות.

לאחר מכן הפעל את תוכנת המדידה הפיזיולוגית ופתח את הפריסה הספציפית שנוצרה עבור הפרויקט. לאחר מכן, הכניסו את המשתתף לחדר איסוף הנתונים ומצאו את מיקום האלקטרודה cz על ראשו של המשתתף על פי מערכת הייחוס 10 20. הנח את רשת ה-EEG על ראשו של המשתתף וודא שכל אלקטרודה ממוקמת בניצב למשטח הראש.

חבר את מחבר הרשת ובצע בדיקת עכבה עם סף של 40 קילו אוהם. לבסוף, הניחו שני חיישנים פיזיולוגיים על החלק העליון של ידו השמאלית של המשתתף. התחל באיסוף נתונים.

לאחר שכל תוכנות ההקלטה מוכנות להפעלה ב-Synchrony, בצע הליך כיול של תשע נקודות והתבונן במשתתף בזמן שהוא עוקב אחר הנקודות האדומות על המסך. חזור על הליך זה עד להשגת דיוק מספיק על פי תקני היצרן, הורה למשתתף לפתור 10 בעיות פיזיקה ניוטוניות במחשב. הפסק רכישת נתונים בכל המחשבים.

לאחר השלמת המשימה, הסר את כל החיישנים מהמשתתף. ראשית, ייבא את נתוני ה-EEG לתוכנת ניתוח נתוני EEG. לאחר מכן, לחץ על קובץ ולאחר מכן על פרויקט חדש ובחר את מיקום הנתונים הגולמיים על ידי לחיצה על עיון.

בחר את תיקיית הנתונים הגולמיים החדשה שנוצרה. בחר את המיקום של שתי תיקיות נוספות בשם היסטוריה וייצא באותו אופן. לאחר מכן לחץ על אישור.

לאחר מכן, לחץ על טרנספורמציות ומסנני IIR כדי לעבד מראש את אות המוח על ידי החלת מסנן וחריץ בחלון התוכנה. הגדר גבולות חיתוך ב-1.5 ו-50 הרץ עם שיפוע של 12 דציבלים לכל אחד ואפשר חריץ בתדר של 60 הרץ. ואז DC D מגמה את האות על ידי לחיצה על טרנספורמציות ו- DC dre.

בחר באפשרות בהתבסס על זמן ב-100 אלפיות השנייה לפני הסמן ו-100 אלפיות השנייה לפני חיבור DC. בצע בדיקת נתונים גולמיים על-ידי לחיצה על המרות ובדיקת נתונים גולמיים. בחר בדיקה חצי אוטומטית ובחר את הפרמטרים למתח, מינימום מקסימלי ומשרעת הנראים כאן.

בצע ניתוח רכיבים עצמאי אוטומטי או ICA עם כדור קלאסי להסרת I blink על ידי לחיצה על טרנספורמציות ו-ICA לאחר השלמתו. עבדו את ה-ICA ההפוך בלחיצה על המרות ICA. ואז ICA הפוך.

לבסוף ייצא את האות והסמנים על ידי לחיצה על ייצוא וייצוא נתונים גנריים. בחר את התיבות המסומנות בקובץ הכותרת הימנית ובקובץ הסמן הימני. בנוסף, בחר פורמט טקסט לבניית MATLAB בסופו של דבר של אינדקס המעורבות.

לאחר מכן, ייבא את אות ה-EEG ל-matlab. לשם כך, הפעל את קובץ ה- Script E-E-G-L-A-B. אז ממשק המשתמש הגרפי של מעבדת EEG מופיע ב-matlab.

ייבא את הנתונים עבור משתתף אחד בכל פעם על-ידי בחירת נתוני ייבוא קבצים באמצעות פונקציות ותוספים של מעבדת EEG ומקובץ המוח מול קובץ VDR הדבק קובץ Script בחלון הפקודה שייצור אינדקס מעורבות. סקריפט זה יוציא קובץ טקסט. פתח את קובץ הטקסט של אינדקס המעורבות ב- Microsoft Excel.

החל נורמליזציה של ציון Z על נתוני ה-EEG כדי לאפשר השוואה בין נושאים. לאחר השלמת העיבוד המקדים של EEG. עבד מראש את הנתונים הפיזיולוגיים על ידי ייבוא נתוני הפעילות האלקטרודרמלית או ה-EDA לתוכנת ניתוח הנתונים הפיזיולוגיים.

לאחר מכן חשב נורמליזציה של ציון z על נתוני ה-EDA על ידי לחיצה על טרנספורמציה ומתמטיקה של צורות גל כדי לאפשר השוואה בין נושאים. זה נעשה בשני שלבים. תחילה, בחר את ערוץ EDA עבור מקור אחד, את סימן המינוס בחלון הפעולה המתמטית ו- K עבור מקור שני.

לאחר מכן בחר חדש בתפריט היעד. הזן את הערך הממוצע של ערוץ EDA ובחר שנה את כל הגל. לחץ על אישור עבור השלב השני, פתח שוב את מתמטיקה של צורת גל טרנספורמציה, ובחר את ערוץ EDAK עבור מקור אחד, את סימן החילוק בחלון הפעולה המתמטית ו- K עבור מקור שני.

לאחר מכן בחר חדש בתפריט היעד. הזן את ערך סטיית התקן של ערוץ EDA ובחר Transform Whole Wave. לבסוף, לחץ על אישור לשלב העיבוד המקדים האחרון.

ייבא נתוני וידאו ממקליט המדיה לתוכנה אוטומטית לזיהוי רגשות פנים על ידי לחיצה על קובץ חדש ולאחר מכן משתתף. בחר משתתף חדש בתפריט הפרויקט. לאחר מכן לחץ על קובץ ניתוח ווידאו חדשים.

לחץ על זכוכית המגדלת שליד ניתוח אחד ובחר את קובץ הווידאו הרצוי. סיים בחישוב ה-zco של נתוני הערכיות ב-SPSS על ידי לחיצה על ניתוח סטטיסטיקה תיאורית ותיאורית. בחר שמור ערך סטנדרטי במשתנים ותופיע עמודה עם ציון Z.

התחל על-ידי ייבוא סרטוני הווידאו I Tracking על-ידי לחיצה על קובץ, ייבוא ווידאו בתצפית חדשה. תן שם לתצפית החדשה ובחר את קובץ הווידאו הרצוי לייבוא. ייבא את כל הנתונים החיצוניים על-ידי לחיצה על קובץ, ייבוא ונתונים חיצוניים.

כלול את ציון ה-Z של אות ה-EEG zco של אות ה-EDA ואת ציון ה-Z של נתוני הערכיות. אם תרצה, הוסף סמני אירועים לניתוח נוסף. כדי לסנכרן את התזמון בין מחשבים, פתח את תפריט ההיסט על ידי לחיצה על Control Shift וסימן השוויון בחר היסט מספרי כדי להזין את הזמן בשניות בין כל זוג מקורות נתונים.

לחץ על אישור. לאחר מכן, בחר משתנים מעניינים שייווצרו בדוח על ידי לחיצה על נתח בחר נתונים ופרופיל נתונים חדש. בחר את האירוע הרצוי לניתוח ולחץ על אישור.

לאחר מכן הוסף קו חיבור בין טבלת ההתחלה והקינון, וכן בין הטבלה Nest לטבלת התוצאות. צור את הדוח על ידי לחיצה, ניתוח מספרי וסטטיסטיקות קליקים חדשות וסמן את התיבה שליד ממוצע בתפריט נתונים חיצוניים. לאחר מכן לחץ על אישור.

לחץ על פריסה וודא שהנתונים החיצוניים נמצאים בעמודות ושהגורמים המכילים של התוצאה מופיעים בשורות. סיים בלחיצה. בסדר. לבסוף, לחץ על כפתור החישוב כדי שהתוכנה תעדכן את החישובים הכרוכים בדוח שנוצר.

ממדים רבים של נתוני מעורבות מסונכרנים בניסוי זה, כולל התנהגותיים, קוגניטיביים ורגשיים באמצעות שימוש במספר מחשבים. על מנת לבסס את קו הבסיס של הנושא, כדאי להשתמש בנתונים מנקודה במשימה שבה יש הפסקה כאן בסוף ההפסקה. המעורבות הקוגניטיבית של EEG עולה מעט לקראת המשימה הבאה, והעוררות עדיין יורדת.

נתוני ערכיות חסרים מכיוון שעיני המשתתף עצומות במהלך משימת פתרון הבעיות. כשהנבדק קורא את השורה השלישית, אתה יכול לראות שהעוררות שלו הגיעה לשיאה. ערכיות רגשית היא ניטרלית, והמעורבות הקוגניטיבית של EEG היא מקסימלית ברגע ששולטים בה.

טכניקה זו כוללת כ-30 דקות של הכנת הנושא לפני תחילת הניסוי לאחר פיתוחו. טכניקה זו תסלול את הדרך לחוקרים ולעוסקים בטכנולוגיית מידע, אך גם בתעשיית משחקי הווידאו לנטר בזמן אמת את ההיבט ההתנהגותי, הרגשי והקוגניטיבי של המשתמשים. שלב מפתח בכל גישת ויסות הוא סנכרון, ויש לבדוק את הדיוק של הליך זה לפני ואחרי כל ניסוי על מנת לקבל תזמון מדויק בין כל המכשירים.

לאחר צפייה בסרטון זה, כעת אמורה להיות לך הבנה טובה כיצד לאסוף נתונים פסיכופיזיולוגיים מסונכרנים על מנת להבין טוב יותר את הדינמיקה של אינטראקציה בין ממדים התנהגותיים, רגשיים וקוגניטיביים של מעורבות במהלך משימת למידה.