乳児で学習を定量化：追跡脚アクションを発見学習タスクの実行中に

Summary

生後3-4ヶ月の乳児が発見によって課題を学習し、その学習過程を定量化するために彼らの脚の動きを捕捉する方法が説明されています。

Abstract

タスク固有のアクションは、乳児期に自発運動から出てきます。これは、タスク固有のアクションが発見学習プロセスを介して出てくることが提案されています。ここでの方法が記述された3〜4ヶ月の乳児が発見してタスクを学び、自分の足の動きは、学習プロセスを定量化するためにキャプチャされます。この発見学習タスクが回転し、幼児の指定された足のアクションに基づいて音楽を再生幼児活性化し、モバイルを使用しています。仰臥位の乳児は、仮想しきい値を横切って垂直に足を動かすことにより、移動を活性化します。幼児が独立して自分の足の行動がモバイルを活性化することを発見し、このパラダイムは乳児の足の動きを学習過程の定量化を可能にするモーションキャプチャシステムを使用して追跡している、という点でユニークです。具体的には、学習は、モバイルの活性化の持続時間の点でヒップ膝coordinaにおける移動、変更を有効にエンドエフェクタ（フィート）の位置分散を定量化しますションパターン、股関節と膝の筋肉トルクの変化。この情報は、タスク固有のアクションをサポートしている人や環境制約の相互作用で、乳児の探査と開発について説明します。この方法を使用してその後の研究は、運動障害の危険性が乳児の異なる集団のどの特定の障害を調べることができ、タスク固有のアクションのための発見学習プロセスに影響を与えます。

Introduction

タスク固有のアクションは、乳児期に自発的な動きから出てきます。これは、タスク固有のアクションが発見学習プロセス^1,2を介して出てくることが提案されています。彼らは自然に移動し、環境における新規効果をもたらす行動を探るなどの作業は、幼児によって発見されています。幼児が彼らの行動や自分の周りの世界への影響との間の接続を利用するようにタスク固有のアクションが出現します。しかし、ほとんどは幼児が探求し、タスク固有のアクションを実行するために彼らの自発的な動きを修正することを学ぶために悪用正確なプロセスについて知られています。ここでの方法が記述された3〜4ヶ月の乳児が発見してタスクを学び、自分の足の動きは、学習プロセスを定量化するためにキャプチャされます。

図1：幼児蹴り活性化モバイルタスク。 それは仮想閾値（赤い点線）を超えたときに強い>各足（黄色の円）の剛体に取り付けられた中央の発光ダイオード（LED）は、モバイルを活性化させます。再印刷サージェントらの許可を得て^。3

この発見学習タスクが回転し、幼児³の指定された足のアクションに基づいて音楽を再生幼児活性化し、モバイルを使用しています。モバイル下に仰向けに置か幼児は仮想閾値（ 図1）を横切って垂直に足を移動することによって、それをアクティブにします。幼児が独立して自分の足の行動がモバイルを活性化することを発見し、このパラダイムは乳児の足の動きを学習過程の定量化を可能にするモーションキャプチャシステムを使用して追跡している、という点でユニークです。

実験プロトコルは、データ収集の二日間を含みます。 1日目は、幼児が自発的にキックする2分間のベースライン条件で構成されていたが、彼の足のアクション幼児が仮想しきい値を交差するように垂直に足を移動した場合、乳児の足の行動が幼児モバイルを活性化するには、6分の取得条件に続く幼児の移動を活性化することはできません。このプロトコルは、乳児の自発的な脚の行動の定量化ならびに乳児が自分の脚の動作と幼児モバイルの活性化との関係を探るような動きの様々な態様の定量を可能にします。 2日目、2分間のベースライン条件と6分の取得条件に加えて、2分間の吸光状態は、幼児の足の行動が幼児の携帯電話をアクティブにしないで追加されます。これは、既に学習環境応答が中止された場合、幼児が自分の足の行動をどのように変化するかを定量化することができます。

前の幼児モバイルパラダイムでは、脚の動き^4-6、特定の股関節と膝の周波数がreinforcされている^7,8、またはパネル^9を蹴っを角度モバイル動きとエド。ベースライン条件^4-9と比較して、毎日のパフォーマンスは、取得または絶滅状態の間、これらの脚の動作の増加と定義しました。日全体での学習は、日2または3のベースラインまたは取得条件と1日目^5,6のベースライン状態の間、これらの脚の動作の増加と定義しました。これらの以前のモバイルパラダイムは、しかし、彼らはタスクを学習するときにオプションの幼児がそれらに利用できる持っている動きについての情報を提供しない、幼児はモバイル活性化と強化された足の行動の頻度を増加させることを実証しています。蹴り速度が強化されている場合は、移動時やモバイルは、もはや活性化と相互作用する場合、それらのいずれかの速度が増加を蹴るとき例えば、乳児は、パフォーマンスや学習を実証します。これは、幼児が自分の蹴り率を絞り込むことができますことを実証しているが、幼児がgeneratに自分の脚協調パターンやトルク生産を絞り込むことができますかどうかは不明ですそれらの好ましい移動レパートリー内にない電子レッグアクション。

この携帯パラダイムは、その乳児にユニークです前のモバイルパラダイムに比べて携帯を活性化するために、より洗練された脚の動作を実証するために必要とされています。このモバイルパラダイムでは、テーブルの上にそれぞれの足の高さは、それぞれの足に取り付けられた発光ダイオード（LED）からの位置データを用いて2分間のベースライン状態時に計算されます。仮想閾値はその後、ベースライン状態の間に両足の高さの上限範囲内にある高さでテーブルに平行に設定されています。どちらかの足がしきい値を超えた場合は、取得時には、移動体が回転して、音楽を再生します。 3秒後、移動が停止し、幼児が足閾値以下に移動し、次に縦方向に足を移動させ、再びしきい値を超えた場合にのみアクティブになります。時間の最大量のために移動を有効にするには、幼児が閾値を超えて足を動かし、GRAVに対してそれを維持する必要があります性3秒間、その後すぐに閾値以下に足を移動し、再度しきい値より上に移動し、 など 3秒のためにそこにそれを保持します。これは、単にキック速度を増加させるよりも、より洗練された足のアクションを必要とします。

図2：代表的な幼児からエンドエフェクタ（フィート）のフィルタ処理されていない位置データ 、個々の学習基準に基づいて学習を実証した3ヶ月の乳児の2日目からのフィルタ処理されていない位置データ。赤い線は、z座標の右足に配置された発光ダイオード（LED）からの位置データです。青い線は、左足のLEDからの位置データです。太い黒線はテーブルです。点線は、仮想閾値は、ベースライン時の彼らの蹴りの高さに基づいて、各幼児のための決定されたように個別14センチメートルテーブルの上方に配置されています1日目のX軸の状態は2分間隔によって時間標識します。移動体が活性化しないと取得1の最初の30秒の間に、彼は一貫してテーブルから両足を維持し、モバイルまで次の5 1/2分間右閾値の周りに彼の足を動かしたときに乳児がベースラインの間に彼の足を移動する方法に注意してくださいもはや絶滅状態の間活性化しません。

このモバイルパラダイムの第二​​ユニークな特徴は、各乳児の足の行動が幼児がタスクを学ぶために、それらの移動オプションを使用する方法を定量化するために、最先端のモーションキャプチャ技術を使用して追跡していることです。代表的な一幼児から移動を活性化し、それぞれの足の上にLEDのフィルタリングされていない位置データは、 図2に含まれています。幼児は、ベースラインと買収の最初の部分の間にテーブルの上に様々な高さで足を動かしたが、その後、両足を動かす方法に注意してください権獲得コンディの残りの部分の間にしきい値の周りモバイルまでションはもはや絶滅の間に活性化しません。これは、発見学習タスクを達成するための多くの潜在的な移動戦略の一つです。戦略は、モーションキャプチャシステムから取得した位置データを用いた三次元運動学及び動力学を計算することによって定量することができます。具体的には、学習プロセスは、モバイル起動の持続時間、エンドエフェクタモバイル、ヒップ膝調整パターンを活性化する（フィート）の位置変動に等しい補強脚アクション（％のRLA）の百分率で定量化されます、および股関節と膝関節トルク。

Protocol

南カリフォルニア大学の治験審査委員会は、この研究を承認しました。

1.システムの準備

1. モーションキャプチャシステムを設定します。ご注意：これらの手順は、各モーションキャプチャシステムで異なります。
   1. 、モーションキャプチャプログラムの中で「 新規登録の実行」をクリックする30秒の収集時間を入力し、クリックして「 登録 」 をしてキャプチャボリューム内の登録対象を移動させることにより、一つのセンサのそれに2モーションキャプチャセンサの座標系を合わせます30秒間。登録が正常に完了したら、コンピュータ画面上の正方形（RMS）登録エラーを意味ルートを観察します。
   2. クリックして登録オブジェクトを使用してテストテーブルにグローバル座標系の位置を合わせ、モーションキャプチャプログラムの「 新しい位置合わせを行います 」。
      1. 登録OBJEを配置することにより、原点を定義します。モーションキャプチャプログラムで検査テーブルとクリック「 デジタル化 」の右上にCT。箱の上に登録オブジェクトを配置し、「 デジタル化 」をクリックして、Z軸を定義します。 Z軸は、テーブルに垂直です。
      2. テーブルの長さに沿ってボックスの登録オブジェクトを移動し、「 デジタル化 」をクリックするだけで、Z / Y +平面を定義します。 Y軸は、テーブルの長さに平行でX軸はテーブルの幅に平行です。
   3. 2ストロボポートにLEDを接続し、モーションキャプチャシステムプログラム（ストロボポート2用ストロボポート1の24および20）内のストロボポートあたりのLEDの数を入力します。各LEDの数と位置について、図3を参照してください。リアルタイムで追跡されているLEDのストリップチャートのような表示を提供するために、不足しているデータビューを選択します。
      
2. 幼児モバイルコンピュータプログラムを設定します。
   1. 入力各条件を分単位。 1日目は、フェーズ1の入力2（2分のベースライン、非強化状態）、フェーズ2のための6（6分の取得、補強条件）、およびフェーズ3 0（0分の絶滅、非強化状態）。
   2. 2日目は、フェーズ1の入力2（ベースライン）、フェーズ2（取得）するための6、2フェーズ3（消滅）するため、及び1日目のベースラインの間に計算しきい値がしきい値になるように「 デフォルトとして使用ZMIN」をチェック2日目の取得条件に使用されます。
   3. 「StreamframesAllFrames」を選択し、有効にするには、「 送信 」をクリックします移動プログラムは、指定された基準に基づいて、乳児のモバイルを活性化するために、モーションキャプチャシステムからのデータを使用します。
3. ビデオカメラを設定します。
   1. 3同期ビデオ（右側、左側、オーバーヘッドビュー）のためのビデオ、コンピュータ·プログラムを開始します。
   2. 表情や視線を記録するために乳児の頭の上に追加のビデオカメラを起動します。

2.幼児の準備

1. 親に実験を説明し、それらの乳児でできるだけ対話することを知らせます。
   注：幼児がうるさいとなった場合、幼児が実験を通じてうるさいとならない場合は、親が自分のビューの外に乳児の横に座るべきであること、しかし、幼児との相互作用の進行がある親に知らせます。
   1. まず、心強い口調で「すべてが、私は右ここにいるよ、大丈夫です」、と言って親に尋ねます。
   2. 第二に、尋ねます乳児を安心しながら、親が乳児の観点に立っています。
   3. 第三に、幼児の手の1を保持または乳児におしゃぶりを与えるためにどちらかの親を尋ねます。
      注：穏やかでアラート幼児を維持するために必要な親の相互作用の少なくとも量が与えられ、可能な限り速やかに終了されます。
2. 、幼児服を脱ぎ乳児モバイル下乳児を配置し、トランクの両端にベルクロバンドを使用してテーブルに幼児を固定します。
3. 乳児がテーブルに固定された後、乳児の胸骨マーカーおよび骨盤、太もも、すね、足剛体を配置します。

3.幼児モバイル学習タスク

1. 毎日、同期モーションキャプチャシステム、モバイルコンピュータプログラム、及びビデオカメラを起動することによって、モバイル学習タスクを開始します。
   1. 分0〜2、ベースライン条件の両方の日に、幼児が自発的に蹴り観察します。
   2. 2マイルの間に1日目乳児移動プログラムは継続的にそれぞれの足の剛体上のLEDの1からのzデータに基づいて、移動活性化の閾値を計算するように、nベースライン条件は、観察します。例えば、左足で右足とマーカ21上のマーカー9。マーカー9が中心は、図1に黄色の丸で囲んだ右足剛体のLEDである。マーカ21は、中心が左足剛体のLEDです。
   3. 2分間のベースラインの終了時に、移動プログラムは、2分間のベースライン状態の間、両足の平均高さ以上の標準偏差（SD）の高さにしきい値を設定します。
   4. 分2〜8、取得条件の両方の日には、幼児の携帯の回転に伴って観察し、どちらかの足の上に配置されたLEDは、1日目の2分のベースライン状態の間に計算されたしきい値を超えると、音楽を再生します。
      注：モバイルの活性化は、長い足が3秒の最大の仮想閾値を超えるようにするために継続されます。 3秒、ミズーリ後の胆汁は、幼児が仮想閾値以下の足を移動させ、その後、垂直方向の足を移動させ、再びしきい値を超えた場合にのみ再アクティブ化されます。この「3秒ルール」がしきい値を超えて足を保持する対アクティブな脚の探索の動きを奨励しています。
   5. 幼児がモバイル補強なしで自然に蹴りとして分8-10、消光状態から2日目に、観察します。
2. 幼児がモバイルと相互作用した後、それぞれの脚部のローカル座標系を定義し、空間の各身体セグメントのための参照構成を定義するために、静的校正トライアルを収集します。
   1. 次の場所に両面EKGのカラーを使用して乳児の皮膚に左右10個々のLEDを修正：第十肋骨下のトランクの横方向の正中線、股関節、膝関節の横ラインの大転子、足首外果、およびの遠位端を^第 5中足骨。
   2. に幼児の下肢を保持5秒間延長し、解剖学的位置。このキャリブレーション位置のすべての関節の角度を0°として定義されます。
3. 2日目に、人体計測データを収集します。
   1. デジタル電気規模で各乳児を計量。
   2. 以下の測定をしてください。幼児の全長を、太もも、すね、足の中間セグメントで円周。 （malleolusの複数形で）、足首（膝関節線で）膝の幅、足（中足骨頭で）。と太もも（膝関節線に大転子）、シャンク（外果に膝関節線）、フット（第一中足指節関節内果）の長さ。

4.データ解析

1. MATLABなどのカスタム計算言語プログラムを用いた実験のそれぞれ2分間隔の間にRLA％を計算することにより、パフォーマンスと学習を分析します。時間1しきい値以上であった携帯電話を活性化し、各足のLEDの両方の期間を計算します。からモバイルは3秒の間隔の後に活性化し、一方または両方のLEDが3秒間隔よりも大きくするための閾値を超えていたれた時間の長さを減算しません。
   1. 統計的に3、2分間の取得間隔のいずれかの中に％のRLAが大幅に2分間のベースライン間隔^{3,4,7,9,10を}超えているかどうか^を分析することにより、毎日グループのパフォーマンスを測定します。
   2. いずれかの2分の取得間隔中％RLAが2分のベースラインの間隔^3,4,6,9,10に比べて1.5倍％のRLAと同じかそれ以上である場合。毎日のタスクを実行したように、個々の幼児を分類
   3. 全6分間の取得条件2日目の間の％RLAは、ベースライン条件の1日目^3,6中％のRLAを超えているかどうかを統計的に決定することにより、日全体のグループのメジャー学習。
   4. 2日目の全体の6分の取得条件中％のRLAはやGREに等しい場合学習者として、個々の幼児を分類1日目^3,6,11の1.5倍のベースライン条件よりATER。
2. 実験の各2分間隔の間にビデオテープを符号化することによって覚醒し、注目を分析します。 = 5 ^3,8,11、1 =居眠り警告と2 =非アクティブ、警告とうるさい、3 =アクティブ= 4、泣い：覚醒の規模は以下のように定義されます。 0 =モバイル^3,8見=モバイル、1を見ていない：注意尺度は以下のように定義されます。
3. プロセスの位置データおよびカスタムMATLABプログラムを用いて抽出キック。
   1. キュービックスプラインを使用して欠落している位置のデータを補間するために、カスタムのMatlabプログラム（20個の連続するフレームの最大値）へのモーションキャプチャシステムから出力されたロード位置データファイル。
   2. （a）は5ヘルツのカットオフ周波数で四次バターワースを使用してフィルタ位置データは、パワースペクトル解析から決定されるように、カスタムMatlabのプログラムに補間されたファイルをロードし、（b）は、次の関節角度を計算：股関節屈曲/拡張、股関節外転/内転、股関節内部/外部回転、膝の屈曲/伸展、足首反転/外転、足首背屈/ ¹²に記載されているように底屈。
   3. キックを抽出するために、カスタムMatlabのプログラムに角度ファイルをロードします。股関節または膝関節角度の変化が屈曲または拡張子^3,9,13-15いずれかに11.5度（0.2ラジアン）を超えた連続的な脚の動きの発症としてキックの始まりを定義します。伸展運動^3,9,14次の屈曲運動またはピーク屈曲次ピーク拡張のフレームとしてキックの終了を定義します。
4. すべてのキックのために、カスタムMATLABプログラムを使用して、運動学的パラメータを計算します。
   1. モバイル^3を活性化し、各徒歩でLEDのz方向（垂直、タスク固有の方向）に位置分散を計算します。
   2. ゼロ遅れでピアソン相関係数（r）を使用して、股関節屈曲/伸展および膝関節屈曲/伸展関節の相関を計算します股関節と膝関節角度遠足の間。幼児間の相関（r）を比較するために、フィッシャーのZスコア^3,9,15にヒップ膝関節角度の相関関係を変換します。
   3. 、関節角度データを時間的に正規化後、角度位置/速度データ^16,17から連続相対位相（CRP）股関節屈曲/伸展および膝関節屈曲/伸展を計算します。次の5つの時点でCRP計算の結果を分析して、（a）キックの始まり、最初のセグメントの（b）のピーク速度、（c）はジョイント反転、（D）は、第2のセグメントのピーク速度、および（eキック³の）終わり。
5. すべてのキックのために、同期映像データを表示することによって、非接触キックを識別します。カスタムMatlabのプログラムを用いた非接触キックのための動力学的パラメータを計算します。
   1. 大人¹⁸ Hatzeの人体計測モデルから幼児のために修正式から分節質量と重心を計算します。の慣性モーメントを計算し、3D大人¹⁹のためのJensenの人体計測モデルから幼児のために修正方程式から太もも、すね、足のセグメント。
   2. 空間操作²⁰のスクリュー理論を用いて次の運動方程式の項を計算します。
      
      M（θ）は慣性行列であるラグランジュアプローチを用いて導出され、 コリオリ遠心トルク行列、N（θ）重力（GRA）のトルクとT筋肉（MUS）トルク。
   3. 非接触キック、体セグメントの慣性パラメータ、及び運動のbiomechanic方程式から3D運動学的データを用いて関節トルクを計算します。
   4. 運動依存（MDT）、GRA、および三菱UFJ証券のトルクの寄与²¹に各関節におけるネット（NET）のトルクを分割します。 NETトルクが各関節での加速度に正比例します。MDTトルクは手足の移動相互接続されたセグメント間の機械的な相互作用に関連した受動トルクに関連しています。 GRAトルクは手足に下向きに作用する重力の受動的な力に関連しています。 MUSトルクは、アクティブな筋肉の収縮や筋肉、腱、靭帯、および他の関節周囲の組織の受動的な変形からの力が含まれています。
   5. 別々に腰と膝の場合、NETのトルクに分割された各トルク（MUS、GRA、MDT）の寄与の大きさとしてトルクインパルスを計算します。膝MUSトルクが膝NETトルクと比較して同じまたは反対方向に作用している期間中に正または負のトルク衝撃（トルク*時間）を計算します。膝GRAとMDTトルクやヒップMUS、GRA、およびMDTトルクと、この同じ計算を実行します。別々に腰と膝のために、分割された各トルクIMPULSの寄与の大きさの尺度を得るために、各トルク成分のすべての正と負の衝動を合計NETトルクインパルスに電子（MUS、GRA、MDT）。

Results

幼児の学習プロセスは、％RLA、エンドエフェクタ（フィート）、ヒップ膝角度の相関係数、および股関節と膝関節トルクの位置変動の観点から定量化することができます。分析の各レベルは、幼児が自分の脚の動作と発見学習プロセス中に乳児の移動の活性化との関係を探る方法についての固有の情報を提供します。

％のRLAとヒップ膝角度の相関係数、被験者間因子として自己回帰共分散構造とグループ（学習者、非学習者）と混合回帰モデルの統計的分析のために、各従属変数の違いを試験するために使用した（％日全体のベースライン、買収、および消光条件のうちRLA、ヒップ膝相関係数）。学習者グループ内の股関節と膝の筋肉トルクインパルスの統計分析のために、自己回帰共分散構造を有する混合回帰モデルをのために使用しました日全体のベースライン、買収、および消光条件のうち、各従属変数（腰筋トルクインパルス、膝の筋肉トルクインパルス）。統計分析は、アルファレベル全体のF値の0.05に設定し、事前に計画事後比較のためにボンフェローニ補正を使用して調整して、SAS（バージョン7.0、SASインスティテュート社）を用いて完了しました。 <...

Discussion

幼児のための発見·学習課題の設計

幼児のための発見学習のタスクは思慮深く幼児が独立して不測の事態を発見していることを確実にするために設計されなければなりません。取得条件の開始時にいくつかの移動のパラダイムでは、乳児は、いずれの移動体が移動体^7,22の非偶発的な活性化によって活性化させるか、各乳児の脚は受動的に幼児を導入するために研究者によって移動されることが示されています不測の事態^9。また、介護者及び実験者は乳児のパフォーマンスをサポートするための追加の強化を提供することができます。具体的なルールは、ここで概説したように、幼児は独立して外部の影響を受けずに不測の事態を発見していることを保証するために重要です。

これは、発見学習タスクの実行中に収集依存尺度は、パフォーマンスの変化に敏感であることも重要です。最も重要なASPこのパラダイムで電気ショック療法は、乳児モバイルの活性化のための閾値の設定です。閾値がテーブルの上に高すぎる配置されている場合は、乳児は、モバイルを活性化され、彼の足の...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Optotrak Certus 位置センサー、遠焦点、スタンド付き	Northern Digital Inc	8800852
Optotrak データ収集ユニット II (ODAU II)Northern	Digital Inc	8800767
Optotrak Vinten スタンド、クイックフィックスアダプター付き Certus	Northern Digital Inc	8800855.002
Certus S-Type、標準構成	Northern Digital Inc	8800761
マーカー(7 mm)ペア、RJIIコネクター(c/w	Northern Digital Inc	8001029.001
ACラインコード、医療グレード、北米	Northern Digital Inc	7500010
Cubic Reference Emitter Kit - Certus	Northern Digital Inc	8800768
3 Pylon IEEE 1394 cameras	Basler	A6021c
Vixia HG10 ビデオカメラ	キヤノン	2183B001
粘着ディスク	MVAP医療用品	E401-500
リバーシブルヘッドサポート	エディバウ	アー52556
ソフトストラップストラップ	モンズプレストン	A34960
デジタル小児科	スケール健康計	モデル524KL