젊은 유아의 학습을 정량화 : 추적 다리 동작을 발견 학습 작업 중

다음 실험의 목표는 유아가 특정 과제를 배울 때 다리 움직임의 출현과 발달을 조사하는 것입니다. 이것은 먼저 유아용 모빌 아래에 유아를 놓고 유아의 다리에 카메라 가시 마커를 부착함으로써 수행됩니다. 다음으로, 아기가 모바일이 회전하고 음악을 재생하는 발견 학습 과제에 참여할 때 아기의 다리 움직임을 추적합니다.

유아가 가상 임계값을 가로질러 어느 한 발을 수직으로 움직일 때마다 유아의 다리 움직임을 분석하여 유아가 자신의 다리 동작으로 모빌을 활성화했다는 것을 배웠는지, 그리고 실험 과정에서 아기가 다리 움직임을 어떻게 변화시켰는지 확인합니다. 궁극적으로, 이 새로운 발견 학습 패러다임은 유아가 과제 특정 행동을 수행하기 위해 자발적인 움직임을 수정하는 방법을 배울 때 탐색하고 활용하는 과정에 대한 정보를 제공합니다. 이 패러다임은 유아가 독립적으로 다리 동작이 모빌을 활성화한다는 것을 발견한다는 점에서 독특합니다.

그들의 다리 움직임은 모션 캡처 시스템을 사용하여 추적됩니다. 이전의 패러다임은 이러한 특징 중 하나를 가지고 있었을 수 있지만, 둘 다 어린 유아의 학습 과정을 정량화하는 데 필요합니다. 이 방법은 유아가 주변 세계를 탐색하여 어떻게 학습하는지와 같은 분야의 몇 가지 주요 질문에 답하는 데 도움이 될 수 있습니다.

시작하려면 먼저 두 모션 캡처 센서의 좌표계를 참조 센서의 좌표계에 정렬하여 모션 캡처 시스템을 설정합니다. 먼저 모션 캡처 프로그램에서 새 등록 수행을 클릭합니다. 그런 다음 30초의 수집 시간을 입력하고 등록을 클릭합니다.

register를 클릭하면 등록 개체를 시스템의 캡처 볼륨 내에서 30초 동안 이동합니다. 등록이 완료되면 루트는 사각형 등록이 컴퓨터 화면에 표시됨을 의미합니다. 그런 다음 모션 캡처 프로그램에서 Perform New alignment(새 정렬 수행)를 클릭하여 정합 개체를 사용하여 글로벌 좌표계를 테스트 테이블에 정렬하고, 테스트 테이블의 오른쪽 상단 모서리에 등록 개체를 배치하여 원점을 정의하고, 모션 캡처 프로그램에서 디지털화를 클릭합니다.

그런 다음 책 위에 등록 개체를 배치하고 클릭하여 Z축을 디지타이징하여 Z축을 정의하고 테이블에 수직이 되도록 합니다. 다음으로, 테이블의 길이를 따라 책의 정합 객체를 이동하고 digitize를 클릭하여 ZY 양의 평면을 정의합니다. Y축은 테이블의 길이와 평행하고 x축은 테이블의 너비와 평행합니다.

LED를 두 개의 스트로크 포트에 연결하고 모션 캡처 시스템 프로그램 내에서 스트로브 포트당 LED 수를 입력합니다. 여기에 표시된 그림 3을 참조하십시오. 각 LED의 수와 위치에 대해 누락된 데이터 보기를 선택하여 실시간으로 추적되는 LED 표시와 같은 스트립 차트를 제공하여 유아용 모바일 프로그램을 설정합니다.

먼저 1일차의 각 조건에 대한 분 수를 입력하고 2를 입력합니다. 1단계의 경우 비강화 상태. 2 단계, 강화 조건, 2 일차 3 단계에서 0, 1 단계에서 2 개, 2 단계에서 6 개, 3 단계에서 2 개를 입력합니다.

또한 확인란을 선택하십시오. xin을 기본값으로 사용하여 첫째 날의 기준선 동안 계산된 임계값이 둘째 날의 획득 조건에 사용되는 임계값이 되도록 합니다. 마지막으로 스트림 프레임, 모든 프레임을 선택하고 보내기를 클릭하여 모바일 프로그램이 모션 캡처 시스템의 데이터를 사용하여 지정된 기준에 따라 유아용 모바일을 활성화할 수 있도록 합니다.

다음으로, 모바일 설정 주변에 3대의 카메라를 배치하고, 하나는 오른쪽 측면에, 하나는 왼쪽 측면에, 다른 하나는 머리 위에 배치합니다. 그리고 컴퓨터 시스템에 연결하십시오. 비디오 컴퓨터 프로그램을 시작하여 세 개의 입력을 동기화합니다.

또한 네 번째 카메라를 유아의 머리 위에 배치하여 얼굴 표정을 기록하고 시선을 추적합니다. 부모에게 실험에 대해 설명하고 아기와 가능한 한 적은 상호 작용을 하도록 알려 주는 것으로 시작하십시오. 다음으로, 아기의 옷을 벗기고 아기를 모빌 아래에 놓습니다.

트렁크를 가로지르는 벨크로 밴드를 사용하여 유아를 테이블에 고정합니다. 제자리에 고정되면 흉골 마커를 부착한 다음 유아의 발, 생크, 허벅지 및 골반 경체를 부착합니다. 각 시험일이 시작될 때, 모션 캡처 시스템, 모바일 컴퓨터 프로그램 및 비디오 카메라를 동시에 시작하여 초기 2분의 기준 시간 동안 유아가 자발적으로 발차기를 하는 것을 관찰하여 모바일 학습 작업을 시작합니다.

이 기간 동안 유아 모바일 프로그램은 2분 기준선 기간이 끝날 때 각 발의 강체에 있는 LED 중 하나의 Z 데이터를 기반으로 모바일 활성화에 대한 임계값을 지속적으로 계산합니다. 모바일 프로그램이 기준선 기간 동안 두 발의 평균 높이보다 1 표준 편차 높은 높이에서 임계값을 설정하는 것을 관찰하십시오. 다음으로, 획득 조건 동안, 소멸 단계에서 테스트 첫날부터 2분 기준 조건 동안 계산된 임계값을 양쪽 발에 놓은 LED가 교차할 때 유아 모빌이 회전하고 음악을 재생

테스트 둘째 날에는 유아가 모바일 수정과 유아의 상호 작용에 이어 이동식 보강 없이 자발적으로 발차기를 관찰합니다. 여기에 표시된 것처럼 양면 EKG 목걸이를 사용하여 유아 피부에 양측으로 10개의 개별 LED를 잡고 5초 동안 확장된 해부학적 자세로 유아의 하지를 유지합니다. 이 보정 위치의 접합 각도를 0도로 정의합니다.

검사 둘째 날이 지나면 디지털 전기 저울로 아기의 체중을 잰다. 그런 다음 아기의 길이, 허벅지 중간 부분, 정강이 및 발 둘레를 측정합니다. 다음으로, 무릎 관절 선에서 무릎 너비를 측정합니다.

Malia 라인에서 발목의 너비와 중족골 머리에서 발의 너비가 있습니다. 마지막으로, 대대(內訅)에서 무릎 관절선(knee joint line)까지의 허벅지 길이, 무릎 관절 선에서 외측 말루(malu)까지의 정강이 길이, 내측 몰리(medial moly)에서 첫 번째 중족골 관절(metatarsal phlange joint)까지의 발 길이를 측정합니다. 함께 제공되는 텍스트 프로토콜에 설명된 대로 강화된 다리 동작의 백분율을 계산하여 유아의 성능과 학습을 분석합니다.

다리의 움직임을 분석하려면 모션 캡처 시스템에서 출력된 위치 데이터 파일을 사용자 지정 MATLAB 프로그램으로 로드하고 큐빅 스플라인을 사용하여 최대 20개의 연속 프레임에 대해 누락된 위치 데이터를 보간합니다. 다음으로, 보간된 파일을 사용자 지정 MATLAB 프로그램에 불러와 먼저 차단 주파수가 5Hz인 4차 버터워스를 사용하여 위치 데이터를 필터링한 다음 soderquist와 wedin에 설명된 대로 관절 각도를 계산합니다. 이 그래프는 학습자로 분류된 유아와 비학습자로 분류된 유아 간의 행동 결과의 차이를 보여줍니다.

유아는 2일차의 전체 습득 조건에서 강화된 다리 동작이 1일차 기준 상태의 강화된 다리 동작의 1.5배 이상인 경우 학습자로 분류되었습니다. 첫째 날 획득 조건의 처음 2분 동안 학습자 퍼센트 RLA의 초기 감소에 주목하십시오. 이 과제를 학습한 유아들은 유아용 모빌이 활성화되기 시작했을 때 전반적인 행동을 줄였는데, 아마도 처음에는 방향 감각 반응으로, 그 다음에는 자신의 행동이 모바일 활성화와 관련이 있는지 여부를 결정하기 위한 전략으로 사용되었을 것입니다. 표시.

다음은 학습자와 비학습자로 분류된 유아 간의 고관절 무릎 협응력의 차이입니다. 비학습자가 아닌 학습자는 2일차 획득 조건과 1일차 기준선 조건 사이의 고관절 무릎 각도 상관 계수를 유의하게 감소시켰습니다. 여기서, 고관절 및 무릎 근육 토크 임펄스의 차이는 학습자로 분류된 유아 그룹에서 분석되었습니다.

강력한 발견은 소멸 상태 동안 다른 조건에 비해 고관절 및 무릎 근육 토크 충격이 증가했다는 것입니다. 이 과제를 배운 유아들은 소멸 상태에서 모빌을 재활성화하기 위해 큰 엉덩이와 무릎 근육 토크를 생성하는 것으로 보인다. 이 실험적 패러다임은 운동 기능 장애의 위험이 있는 유아로 확장될 수 있습니다.

다양한 유아 집단의 손상이 발견 학습 과정과 과제별 다리 동작을 수행하는 능력에 어떤 영향을 미치는지 조사하는 데 사용할 수 있습니다.