Artykuł badawczy
Protokół ten opisuje losowy workflow, w którym platforma edukacji muzycznej oparta na AI z mikrointerwencjami opartymi na HRV oraz informacją zwrotną opartą na wizualizacji, służy do poprawy nauki teorii muzyki i zmniejszenia lęku o stan u studentów studiów licencjackich na pianinie.
Sztuczna inteligencja (AI) jest coraz częściej wykorzystywana w pedagogice muzycznej, jednak powtarzalne przepływy pracy, które wspólnie oceniają przyswajanie wiedzy i regulację lęku, pozostają ograniczone. Protokół ten opisuje losowy, kontrolowany przepływ pracy implementacji platformy edukacji muzycznej opartej na AI w rutynowych zajęciach studyjnych oraz ocenianie jej efektów u studentów studiów na pianinie. Uczestnicy są przesiewani i losowo przydzielani do platformy opartej na AI lub tradycyjnego nauczania na 2 tygodnie (dwanaście sesji po 30 minut). Wyniki obejmują ustrukturyzowany test teorii muzyki/analizy oraz Inwentarz Lęku Stanu-Cechy Stanu (STAI-S; 20 pozycji, skala 4-punktowa; łącznie 20–80). Zmienność tętna (HRV) jest rejestrowana podczas 5-minutowego odpoczynku w siedzącym stanie oraz 5-minutowego standaryzowanego segmentu ćwiczeń; główne indeksy obejmują średni kwadrat pierwiastkowy kolejnych różnic przedziałów normalno-normalnych (RMSSD; krótkotrwała aktywność błędna), odchylenie standardowe przedziałów normalno-normalnych (SDNN; zmienność ogólna) oraz moc wysokoczęstotliwościową (HF) (komponent spektralny związany z parasympatycznym). Protokół umożliwia instruktorom i badaczom wdrożenie platformy oraz przestrzeganie ustandaryzowanej sekwencji obejmującej selekcję uczestników, wykonywanie randomizacji, konfigurację i konfigurację platformy, umieszczanie i rejestrowanie czujników HRV, obsługę artefaktów i obliczanie HRV, administrowanie/punktowanie wszystkich miar wyników oraz eksport końcowych danych, nazewnictwo plików i bezpieczne przechowywanie do analizy statystycznej. Analizy wykorzystują testy t z niezależnymi próbkami oraz analizę kowariancji (ANCOVA) z punktem wyjściowym jako kowariantem. Reprezentatywne wyniki wykazują wyższą skorygowaną wydajność teorii po teście w ramieniu sterowanym AI (częściowe η2 = 0,206) oraz niższy poziom lęku po interwencji (t(38) = −3,486, p = 0,001; d Cohena ≈ 1,10) niż kontrolne, przy czym wzorce HRV dostarczają kontekstu fizjologicznego, a wtórne wyniki obciążenia poznawczego wskazują na zmniejszone obciążenie zewnętrzne.
We współczesnej szkolnictwie muzycznej wyższe cele edukacyjne wykraczają poza samo przekazywanie wiedzy i obejmują dobrostan psychiczny studentów oraz ich zrównoważony rozwój jako wykonawców. Studenci fortepianu rutynowo trenują pod wielokrotną presją oceny, jaką ponoszą jury, konkursy, przesłuchania i publiczne recitale, gdzie lęk może zakłócać kontrolę uwagi i pogarszać jakość wykonania1.
Lęk związany z wykonywaniem muzyki (MPA) oraz lęk związany z egzaminem są konsekwentnie zgłaszane w próbkach konserwatoriów i uniwersytetów, a wysokie szacunki występowania zostały udokumentowane w różnych kohortach i podejściach pomiarowych2. Poza subiektywnym stresem, lęk wiąże się z fizjologicznym pobudzeniem, rozproszeniem uwagi oraz obniżoną samoefektywnością, co może przekładać się na niestabilność wysokości dźwięku/timingu oraz niespójną wydajność w ocenie3.
Najnowsze osiągnięcia w dziedzinie sztucznej inteligencji (AI) otwierają drogę do bardziej ukierunkowanego wsparcia w tym kontekście. Personalizacja oparta na AI może dostosować trudność, tempo i informacje zwrotne do zmieniających się potrzeb uczniów oraz zmniejszyć uzależnienie od uniwersalnych instrukcji w nauczaniu w studiu4. Równolegle, obliczenia afektywne mogą wywnioskować chwilowe stany emocjonalne na podstawie sygnałów multimodalnych (np. mimika, mowa i sygnały fizjologiczne), co pozwala systemowi reagować na wahania lęku podczas ćwiczeń5.
Kluczowym markerem fizjologicznym w tej dziedzinie jest zmienność tętna (HRV), która jest powszechnie używana jako nieinwazyjny wskaźnik związany z autonomiczną regulacją i reakcją na stres6. Gdy są wbudowane w nauczanie, prompty uwzględnione w HRV mogą wspierać mikrointerwencje "just-in-time" (np. krótkie wskazówki dotyczące oddychania w tempie lub uważności), które mają na celu zmniejszenie poziomu ostrego lęku podczas praktyki7.
Drugim filarem projektowania jest informacja zwrotna oparta na wizualizacji. Pulpity wyświetlające krzywe postępu, mapy lokalizacji błędów lub wskaźniki oparte na HRV mogą wzmocnić samomonitorowanie i współregulację nauczyciel–uczeń, czyniąc zachowania praktyki i obciążenie poznawczo-afektywne bardziej przejrzystymi8. Z perspektywy nauki o uczeniu się, te wybory projektowe są zgodne z teorią obciążenia poznawczego, która kładzie nacisk na redukcję zbędnego obciążenia poprzez uproszczoną prezentację, segmentację i projektowanie informacji zwrotnej, jednocześnie wspierając konstrukcję schematu poprzez odpowiednie przetwarzanie9.
Pomimo szybkiego rozwoju narzędzi do nauki muzyki opartych na AI, stosunkowo niewiele badań w szkolnictwie muzycznym na wyższym poziomie integruje personalizację opartą na AI, monitorowanie fizjologiczne (HRV) oraz informację zwrotną opartą na wizualizacji na jednej platformie i ocenia cały przepływ pracy w warunkach losowych10. Ponadto wiele raportów podkreśla wyniki bez określania procedur rejestrowalnych, na poziomie parametrów dla rejestrowania sensorów, obsługi artefaktów i eksportu danych, co ogranicza powtarzalność i replikację między miejscami. Niniejsza praca wypełnia tę lukę, prezentując krok po kroku protokół wdrażania platformy edukacji muzycznej opartej na AI w rutynowych zajęciach studyjnych oraz oceniając jej wpływ na osiągnięcia w teorii/analizie muzyki oraz lęk stanowy (STAI-S), przy czym indeksy HRV są rejestrowane podczas standaryzowanych segmentów odpoczynku i ćwiczeń, aby zapewnić kontekst fizjologiczny.
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Protokół badania został zatwierdzony przez Instytucjonalną Radę Przeglądową Szkoły Sztuk Uniwersytetu Technologicznego Jingchu (nr zatwierdzenia: JCTU-ARTS-2025-013). Przed zapisaniem się wszyscy uczestnicy uzyskali pisemną świadomą zgodę.
Rejestracja uczestników
Uzyskaj pisemną świadomą zgodę przed zapisem się po otrzymaniu pisemnego i ustnego wyjaśnienia celów badania, procedur, potencjalnych ryzyk i korzyści, poufności oraz umów dotyczących obsługi danych. Przechowywać podpisane formularze zgody oddzielnie od danych badawczych w zamkniętej szafce lub zaszyfrowanym archiwum cyfrowym, z ograniczonym dostępem ograniczonym do głównego badacza i jednego wyznaczonego zarządcy danych. Zapisz numer zatwierdzenia, datę zatwierdzenia oraz datę zgody każdego uczestnika w dzienniku badania, aby wspierać przejrzyste raportowanie i replikację11. Zarejestruj protokół badania w odpowiednim rejestrze badań, jeśli wymaga tego polityka instytucjonalna lub wytyczne czasopisma, oraz zapisz identyfikator rejestracji i datę rejestracji w dzienniku badań12.
Kwalifikacje i rekrutacja uczestników
Selekcja i rekrutacja uczestników
Rekrutuj 40 studentów studiów licencjackich na fortepianie w wieku 18–22 lat z konserwatorium lub uniwersyteckiego programu muzycznego, dążąc do przybliżonego stosunku płci z docelowym odchyleniem nie większym niż 60:40. Sprawdź, czy każdy kandydat ukończył co najmniej 6 miesięcy formalnej nauki gry na fortepianie, potrafi płynnie czytać pięcioliniowy zapis oraz posiada podstawową wiedzę z teorii muzyki wystarczającą do ukończenia testu bazowego. Zaproś zainteresowanych kandydatów na wizytę przesiewową i przedstaw pisemne informacje dotyczące badania, opisujące zobowiązania czasowe, procedury zbierania danych oraz ochronę poufności co najmniej 24 godziny przed selekcją.
Stosuj kryteria włączenia
Przeprowadz kwestionariusz Generalized Disorder Anxiety-7 (GAD-7) każdemu kandydatowi i oceniaj go zgodnie z podręcznikiem instrumentu13. Przeprowadź krótką, półustrukturyzowaną rozmowę kwalifikacyjną trwającą 5–8 minut, aby potwierdzić, że kandydat rozumie instrukcje, toleruje procedury i uczestniczy we wszystkich sesjach. Uwzględnić uczestników tylko wtedy, gdy spełnione są wszystkie kryteria: wiek 18–22 lata, co najmniej 6 miesięcy formalnego szkolenia na pianinie, wynik GAD-7 w zakresie od 5 do 14 lat, wskazujący na łagodny do umiarkowanego lęku14, gotowość do realizacji wszystkich procedur interwencji i oceny oraz dostarczenie pisemnej świadomej zgody.
Zastosowanie kryteriów wykluczenia
Wyklucz kandydatów z obecnie poważnymi zaburzeniami psychicznymi lub trwającym leczeniem psychiatrycznym, które mogłoby zakłócać udział lub ważność wyników. Wykluczyć kandydatów, którzy uczestniczyli w podobnych badaniach szkolenia muzycznego opartych na AI w ciągu ostatnich trzech miesięcy, definiowanych jako każde badanie interwencji obejmujące algorytmiczne wskazówki lub automatyczne informacje zwrotne dla sesji ≥3. Wyklucz kandydatów, którzy nie znają repertuaru docelowego i nie mogą osiągnąć stabilnego poziomu wyjściowego po standaryzowanym okresie zapoznania się z fragmentem trwającym 15 minut. Wyklucz kandydatów z poważnymi zaburzeniami ruchowymi, wzrokowymi lub słuchowymi, które mogłyby zakłócać wykonywanie gry na fortepianie lub rejestrację zmienności tętna (HRV). Rozważ wykluczenie kandydatów z chorobami lub czynnikami, które znacząco obniżają jakość pomiaru HRV (np. znane arytmie, wszczepione rozruszniki serca lub leki wyraźnie wpływające na funkcję autonomiczną) i dokumentuj tę motywację w dzienniku przesiewowym, jeśli jest to możliwe15. Dokumentuj wszystkie decyzje dotyczące włączenia i wykluczenia, w tym powody wykluczenia, w dzienniku selekcyjnym identyfikowanym przez zanonimizowane identyfikatory uczestników i przechowuj ten dziennik oddzielnie od danych o wynikach.
Losowość i ukrywanie alokacji
Przygotowanie sekwencji randomizacji
Użyj oprogramowania statystycznego do wygenerowania sekwencji losowej 1:1 w blokach permutowanych, przypisując uczestnikom ramię eksperymentalne (platforma sterowana AI) lub ramię kontrolne (tradycyjne instrukcje). Wstępnie zdefiniuj rozmiar bloku używanego dla permutowanych bloków jako 4 i zapisz nazwę oprogramowania, wersję oraz stałą losową wartość zalążkową 20250113 w dzienniku randomizacji, aby zapewnić powtarzalność16. Upewnij się, że badacz tworzący sekwencję nie jest zaangażowany w ocenę uczestników, punktację wyników ani nauczanie. Drukuj indywidualne zadania grupowe na identycznych kartkach papierowych (około 5 cm x 2 cm) i umieść każde zadanie w kolejno numerowanej, nieprzezroczystej, zapieczętowanej kopercie. Szczegóły przygotowania kopert zapisuj w dzienniku audytu (data, przygotowujący, łączna liczba kopert = 40) i przechowuj dziennik audytu oddzielnie od danych wyników.
Wdrożenie ukrywania alokacji
Przechowuj zapieczętowane koperty w bezpiecznym miejscu dostępnym tylko dla osób odpowiedzialnych za przydział. Na końcu sesji bazowej każdego uczestnika pobierz kolejną kopertę w kolejności numerycznej. Otwórz kopertę w obecności uczestnika i zapisz ujawniony przydział w dzienniku alokacji (identyfikator uczestnika, numer koperty, data/godzina, podpis alokatora). Wszystkie pozostałe koperty zachowaj zamknięte do użycia, aby zachować ukrycie alokacji.
Utrzymanie zaślepiania przez oceniające wydajność
Przypisz każdemu uczestnikowi anonimizowany identyfikator, który nie koduje alokacji grup w formacie P001–P040. Wszystkie nagrania audio i wideo oznaczaj jedynie identyfikatorem uczestnika oraz czasem (przed lub po interwencji). Zapewnij oceniającym wydajność zestaw nagrań bez informacji o alokacji grup oraz z usuniętymi metadanymi plików przed udostępnieniem.
Repertuar i oprawa
Wybór repertuaru celów docelowych
Wykorzystaj Sonatę fortepianową Mozarta w G-dur, K.283, część II (Andante) jako wspólny utwór treningowy i oceniający. Użyj taktów 1–32 jako standaryzowanego fragmentu do szkolenia i oceny oraz potwierdzi, że długość i trudność tego fragmentu są odpowiednie dla absolwentów pianina na poziomie średniozaawansowanym, pozwalając na stabilne tempo i stałe wymagania dotyczące frazowania w sesjach17.
Standaryzacja otoczenia fizycznego
Wszystkie sesje prowadzone w cichym studiu ze stabilnym oświetleniem i temperaturą utrzymywaną na poziomie 22 ± 1 °C. Umieść cyfrowy fortepian z klawiszami ważnymi lub akustyczny o podobnym mechanizmie klawiszy w stałym pomieszczeniu i utrzymuj stałą wysokość ławki dla każdego uczestnika podczas wizyt. Umieść mikrofon 0,8 m od instrumentu na stałej wysokości 1,2 m, pod kątem 45° w stronę płyty rezonansowej lub klawiatury, aby uzyskać wyraźny sygnał bez przecinania. Zamontuj kamerę na statywie 1,8 m od wykonawcy na wysokości 1,4 m, rejestrując dłonie i górną część ciała pod stałym kątem przez wszystkie sesje.
Kalibracja sprzętu przed każdym dniem testowym
Ustaw i przetestuj głośność metronomu tak, aby była wyraźnie słyszalna dla uczestnika, ale nie dominowała nad nagraniem audio, celując w poziom odtwarzania około 60–65 dB na pozycji ławki. Dostosuj wzmocnienie nagrania na interfejsie audio lub urządzeniu nagrywającym, aby uniknąć przecięcia, zachowując wysoki stosunek sygnału do szumu, celując w szczytowe poziomy między −12 dB a −6 dB podczas przejść forte. Sprawdź kadrowanie i ostrość kamery, aby upewnić się, że klawiatura, dłonie i górna część tułowia są konsekwentnie widoczne. Sprawdź łączność urządzeń HRV i jakość sygnału, obserwując wyświetlacz w czasie rzeczywistym i potwierdzając stabilne wykrywanie interwału R–R (lub stabilny przebieg EKG) przez co najmniej 30 sekund przed rozpoczęciem zbierania danych. Jeśli wystąpi przecięcie dźwięku, zmniejsz wzmocnienie wejściowe o 3–6 dB, powtórz testowe nagranie trwające 10 sekund i kontynuuj dopiero wtedy, gdy szczytowe poziomy pozostaną poniżej progu przycinania. Jeśli detekcja R–R jest niestabilna, zwiększ kontakt ze skórą, zaciskając pasek na klatce piersiowej i nawilżając podkładki stykowe (lub przesuwaj elektrody EKG zgodnie z zaleceniami producenta), powtarzaj kontrolę sygnału w ciągu 30 sekund i kontynuuj dopiero po uzyskaniu stabilnego śladu.
Miary wyników
Wiedza i analiza (główny wynik poznawczy)
Opracuj dwie równoległe formy (Forma A i Forma B) ustrukturyzowanego testu teorii muzyki i analizy utworów, dopasowanych pod względem treści i poziomu trudności18. Zawiera 20 pozycji obejmujących harmonię (8 pozycji), segmentację rytmiczną (4 pozycje), rozpoznawanie motywów (4 pozycje) oraz analizę formalną (4 pozycje) repertuaru docelowego i materiałów powiązanych. W każdym momencie oceny usiądź uczestnika samotnie w cichym pomieszczeniu i podaj formularz A (punkt wyjścia) lub formularz B (po teście), zgodnie z ustalonym harmonogramem. Polec uczestnikowi ukończenie testu w ciągu 30 minut bez użycia instrumentów, podręczników czy elektronicznych pomocy. Na koniec testu odbierz arkusz odpowiedzi i zapisz czas ukończenia w kilka minut. Oceniaj każdą odpowiedź za pomocą standaryzowanego klucza odpowiedzi i obliczaj łączny wynik dokładności (0–100) jako główny wynik poznawczy, przyznając 5 punktów za każdy punkt. Przechowuj łączną liczbę punktów i czas ukończenia pod zanonimizowanym identyfikatorem uczestnika.
Ruryka wyników (wynik umiejętności drugoplanowych)
Nagraj wykonanie audio-wideo docelowego fragmentu każdego uczestnika zarówno przed, jak i po interwencji, używając standaryzowanego instrumentu, ustawienia mikrofonu i kąta kamery. Stosuj rubrykę wykonawczą o czterech wymiarach: płynność melodyczna, dokładność rytmiczna, koordynację i technikę oraz interpretację ekspresyjną. Oceniaj każdy wymiar w skali od 1 do 5, aby uzyskać łączną ocenę od 4 do 20. Przeszkol co najmniej dwóch niezależnych oceniających, korzystając ze szczegółowego dokumentu rubrykowego oraz zestawu 6 nagrań pilotażowych (3 bazowe i 3 potestowe od studentów niebędących badaniem), aż do osiągnięcia akceptowalnego porozumienia we wszystkich wymiarach. Zapewnij oceniającym pełny zestaw nagrań oznaczonych wyłącznie anonimowym identyfikatorem i punktem czasu, bez informacji o grupie. Instruuj oceniających samodzielną ocenę nagrań oraz zapisywanie wyników w bezpiecznej tabeli punktacji lub bazie danych. Zidentyfikuj wszelkie rozbieżności większe niż 2 punkty w jednym wymiarze i rozwiązuj je poprzez dyskusję; Jeśli nie uda się osiągnąć konsensusu, uzyskaj ocenę trzeciej kategorii. Przed pełnym wyznaczeniem oszacuj wiarygodność między oceniającymi na podstawie współczynnika korelacji wewnątrzklasowej (ICC) na 6 nagraniach pilotażowych i potwierdź, że ICC wynosi co najmniej 0,8019. Podsumuj wyniki rubryk na poziomie grupy (łącznie i w czterech wymiarach) przed i po teście w Tabeli Uzupełniającej 1 oraz przedstawij statystyki wiarygodności między oceniającymi (ICC z 95% przedziałami ufności) w Tabeli Uzupełniającej 2.
Stan lęku i zmienność tętna (wtórne efekty afektywne/fizjologiczne)
Przeprowadz Inwentarz Niepokoju Państwo-Cech Stanu (STAI-S; 20 pozycji, 4-punktowa skala Likerta, łączny wynik 20–80) zarówno przed-, jak i po interwencji20. Poucz uczestników, by odpowiadali na podstawie swoich aktualnych odczuć i odpowiadali na wszystkie pytania. Sprawdź każdy kwestionariusz pod kątem brakujących odpowiedzi i w razie potrzeby poproś uczestnika o wypełnienie pominiętych pozycji przed wyjściem. Oblicz całkowity wynik STAI-S zgodnie z instrukcją instrumentów. Jeśli do wizualizacji lub analizy eksploracyjnej użyto zweryfikowanego podzbioru 10-pozycyjnego lub dostosowanego formatu, dokumentuj regułę adaptacji i selekcji, podaj uzasadnienie i odniesienia oraz raportuj α Cronbacha zarówno dla pełnej skali, jak i podzbioru w wynikach21. Należy zainstruować uczestników, aby unikali intensywnych ćwiczeń, kofeiny i obfitych posiłków przez co najmniej 2 godziny przed pomiarem HRV oraz unikali alkoholu przez co najmniej 12 godzin przed każdą wizytą; Potwierdź zgodność ustnie i zapisz zgodność jako tak/nie w dzienniku sesji22. Rejestruj HRV za pomocą (i) czujnika EKG z pasem klatki piersiowej lub (ii) systemu EKG z trzema odprowadzeniami. Używaj interwałów R–R pochodzących z EKG z częstotliwością próbkowania 1000 Hz dla wszystkich nagrań i zapisuj modalność (EKG), częstotliwość próbkowania (1000 Hz) oraz datę/godzinę nagrania w dzienniku sesji. Do nagrywania na pasku klatkowym umieść pasek na poziomie wyrostka keksifoidalnego z mocnym kontaktem ze skórą; do rejestracji EKG umieść elektrody w standardowej konfiguracji lead II i przed rozpoczęciem weryfikacji stabilnej detekcji fal R. Do odpoczynku HRV usadź uczestnika wygodnie z stopami płasko na podłodze i rękami opartymi na udach; instruować cichą czuwność z minimalnym ruchem i bez mówienia przez 5 minut; rozpocznij nagrywanie po 60 sekundach stabilizacji i analizuj kolejny segment 300 sekund.
Do ćwiczenia HRV polec uczestnikowi wykonanie docelowego przejścia przez 5 minut w stałym tempie 76 uderzeń na minutę i stałym dynamicznym celem mezzo-forte; Użyj metronomu, aby utrzymać tempo i rozpocznij analizę po pierwszych 30 sekundach, analizując kolejny segment 270 sekund. Po każdym nagraniu eksportuj surową serię przedziałów R–R jako plik wartości rozdzielony przecinkami (CSV) zawierający co najmniej dwa pola (znacznik czasu w ms; interwał R–R w ms), oraz inspekcję śladu za pomocą oprogramowania rejestrującego i inspekcji wizualnej, aby zidentyfikować utratę sygnału, artefakty i uderzenia pozaciączne.
Zastosuj wcześniej określony workflow korekty artefaktów i zapisz proporcję skorygowanych uderzeń dla każdego segmentu w dzienniku sesji23.
Reguła wykrywania artefaktów: oznaczyć przedział R–R jako artefakt, jeśli odbiega on o więcej niż 20% od mediany poprzednich 5 normalnych przedziałów lub jeśli wartości absolutne R–R wykraczają poza 300–2000 ms. Metoda korekcji: zastąpienie oznaczonych interwałów za pomocą interpolacji sześciennej sąsiadujących normalnych przedziałów po usunięciu uderzeń ektopowych.
Próg kontroli jakości: powtórz segment nagrania, jeśli proporcja skorygowanego uderzenia przekracza 5,0% lub jeśli występuje ciągła utrata sygnału dłuższa niż 5 sekund.
Oblicza się indeksy w dziedzinie czasowej, w tym RMSSD i SDNN, używając oprogramowania analitycznego w wersji 1.3.0, a wyniki są przechowywane w ustrukturyzowanym pliku wyników (CSV) powiązanym z identyfikatorem uczestnika, punktem czasowym i typem segmentu (odpoczynek lub praktyka). Oblicz indeksy w dziedzinie częstotliwości, w tym moc HF w paśmie 0,15–0,40 Hz, używając periodogramu Welcha o długości okna 120 sekund, 50% nakładaniu się, oknie Hamminga i resamplowaniu 4 Hz interpolowanej serii R–R; raportować HF w ms2 oraz logarytmicznie transformować HF przed analizą wnioskową. Opcjonalnie oblicz moc LF (0,04–0,15 Hz) oraz stosunek LF/HF i raportuj je opisowo z odpowiednią ostrożnością24.
Obciążenie poznawcze (eksperymentalny wynik wtórny)
Przeprowadz wielowymiarowy kwestionariusz obciążenia poznawczego opracowany przez Leppinka i współpracowników po testie25. Przedstawimy 10 pozycji tworzących trzy podskale: obciążenie nadrzędne (3 pozycje), obciążenie wewnętrzne (3 pozycje) oraz obciążenie niezmienne (4 pozycje), każda oceniana na 7-punktowej skali Likerta od 1 (zdecydowanie się nie zgadzam) do 7 (zdecydowanie się zgadzam). Dla każdej podskali oblicz średnią odpowiadających im elementów, aby uzyskać wynik podskali od 1 do 7; traktować brakujące wartości jako nieprawidłowe i wymagać pełnych odpowiedzi do punktacji. Interpretuj wyższe obciążenie zewnętrzne jako większe nieistotne przetwarzanie, wyższe obciążenie wewnętrzne jako większą złożoność zadania wrodzonego, a wyższe obciążenie niezwiązane jako większy wysiłek produktywny budujący schemat. Korzystając z wersji nieangielskiej, wykonaj tłumaczenie i tłumaczenie wsteczne przez dwóch niezależnych ekspertów dwujęzycznych, testuj przetłumaczony instrument u 10 studentów fortepianu niestudiującego i oblicz α Cronbacha dla każdej podskali; Przyjmij α ≥ 0,70 jako kryterium adekwatności26. Zgłoś wartości α specyficzne dla podskali w wynikach i analizuj trzy podskale osobno, stosując korektę Holma–Bonferroniego dla wielokrotnych porównań z rodzinnym α = 0,0527. Jeśli chcesz, wyprowadzmy złożony indeks obciążenia poznawczego jako średnią arytmetyczną wszystkich 10 pozycji.
Punkt wyjściowy (przed testem; Tydzień 1)
Potwierdź kwalifikacje i świadomą zgodę na początku sesji wyjściowej oraz przypisz uczestnikowi anonimizowany identyfikator. Zapisz dane demograficzne i historię szkoleń, w tym wiek, płeć, lata nauki gry na pianinie oraz typowe cotygodniowe godziny ćwiczeń, w formie danych bazowych. Przeprowadz test wiedzy i analizy (Formularz A) w cichym środowisku, egzekwuj limit 30 minut i zapisuj łączny wynik oraz czas ukończenia pod identyfikatorem uczestnika. Podłącz czujnik HRV i nagraj 5-minutowy segment HRV spoczynkowy, a następnie 5-minutowy standaryzowany segment HRV z celem z prędkością 76 uderzeń na minutę i dynamicznym celem mezzo-forte.
Monitoruj jakość sygnału podczas rejestracji i powtarzaj każdy segment z nadmiernymi artefaktami po regulacji napięcia paska lub umieszczenia elektrod; powtarzaj, gdy proporcja skorygowanego bitu przekracza 5,0% lub gdy ciągła utrata sygnału przekracza 5 s, i dokumentuj powtórzenie oraz powód w dzienniku sesji. Podsumuj wskaźniki jakości danych HRV (proporcja uderzeń skorygowanych przez artefakty, powtarzające się segmenty i wykluczenia) w Tabeli Uzupełniającej 3. Przeprowadz STAI-S i oblicz łączny wynik (20–80) zgodnie z kluczem punktacyjnym. Nagraj podstawowe wykonanie audio-wideo fragmentu docelowego za pomocą zdefiniowanego instrumentu, mikrofonu i aparatu, zapewniając spójne kadrowanie i poziom dźwięku. Oznacz wszystkie pliki danych (testy, nagrania HRV, ankiety i filmy z wynikami) anonimowym identyfikatorem uczestnika oraz wskaźnikiem przed punktem czasowym, a następnie przechowuj je w bezpiecznym, kontrolowanym przez dostęp katalogu z kopią zapasową, stosując następującą konwencję nazewnictwa plików: P###_TP(pre/post)_MOD(test/HRVrest/HRVprac/STAI/perf)_YYYYMMDD_HHMM28.
Sesje interwencyjne (tygodnie 2–3)
Harmonogram
Zaplanuj 12 nadzorowanych sesji trwających po 30 minut dla każdego uczestnika w grupie eksperymentalnej w ciągu 2 tygodni. Planuj sesje w stosunkowo stałych porach dnia dla każdego uczestnika w określonym oknie ±2 godziny w stosunku do czasu rozpoczęcia pierwszej sesji oraz rejestruj czas rozpoczęcia i zakończenia każdej sesji, aby zmniejszyć i zmierzyć dzienne zmiany HRV i lęku. Rejestruj frekwencję, powody opuszczonych/przełożonych sesji oraz wszelkie odstępstwa od protokołu w dzienniku przestrzegania zasad. Standaryzuj warunki przed sesją, potwierdzając, że uczestnicy przestrzegali ograniczeń dotyczących kofeiny, intensywnych ćwiczeń, obfitych posiłków i alkoholu, i zapisuj zgodność jako tak/nie z krótkimi notatkami w numerze29.
Ramię eksperymentalne: platforma wspomagana przez AI (Rysunek 1)
Na początku każdej sesji poinstruuj uczestnika, aby zalogował się do platformy AI za pomocą zanonimizowanego identyfikatora uczestnika i potwierdził, że w interfejsie nie pojawiają się żadne dane osobowe. Załaduj fragment sonaty Mozarta w interaktywnym interfejsie partytury i sprawdź, czy wyświetlane są właściwe utwory, granice fragmentów (takty 1–32) oraz ustawienia trudności. Konfiguruj platformę do rejestrowania telemetrii ćwiczeń na poziomie nuty i taktu, w tym dokładności wysokości dźwięku (%), odchylenia czasu rozpoczęcia (ms), dryfu tempa względem metronomu (%), lokalizacji błędów na poziomie taktu oraz liczby powtórzeń dla każdego zapętlonego segmentu; Ustaw interwał aktualizacji telemetrii na 200 ms oraz interwał agregacji na poziomie kresków na 1 kreskę. Uruchom 45-sekundową kalibrację fragmentu, aby potwierdzić, że platforma rejestruje zdarzenia nutowe i dopasowuje wykryte nuty do pozycji punktowych; Powtórz kalibrację, jeśli błędy wyrównania przekraczają jedną z następujących tolerancji: mediana niezgodności początku większej niż 80 ms w dowolnym oknie 10-dźwiękowym lub powtarzające się niewyrównanie na poziomie pasków na dwóch kolejnych paskach.
Włącz spersonalizowany moduł treningowy, aby wchłaniał funkcje wydajności w trakcie sesji i generował cele na poziomie segmentu według stałej reguły: wybierz dwa paski o najwyższym łącznym wskaźniku błędu, gdzie łączny wynik błędu = 0,5 x wskaźnik błędu pitch + 0,3 x bezwzględne odchylenie czasu + 0,2 x dryf tempa; zapisz wybrane paski oraz trzech najlepszych kierowców błędów w dzienniku sesji. Instruuj uczestnika ćwiczenia wybranych segmentów, podczas gdy interaktywna partytura podkreśla nuty w czasie rzeczywistym, wspiera zapętlanie trudnych fragmentów oraz odtwarza MIDI przykłady docelowych segmentów w docelowym tempie (76 bpm) oraz w zmniejszonym tempie 60 bpm dla rusztowania. Przydziel czas sesji według stałej struktury i zapisuj zrealizowane minuty dla każdej fazy: 3 minuty logowania/kalibracji, 21 minut ćwiczeń segmentów ukierunkowanych, 5 minut refleksji z partnerem konwersacyjnym (Sekcja 7.3) oraz 1 minutę podsumowania/eksportu i notatek30.
Partner do ćwiczeń konwersacyjnych
Aktywuj partnera do praktyki konwersacyjnej zasilanego dużym modelem językowym (LLM) za pomocą bezpiecznego połączenia API i zapisz wersję modelu jako LLM-PracticePartner v2.1 (build 2025-01-15), typ endpoint wnioskowania jako chmurę, a metodę kontroli dostępu jako uwierzytelnianie oparte na tokenach w dzienniku badania. Skonfiguruj partnera za pomocą stałego promptu systemowego, który ogranicza wyjścia do treści związanej z praktyką (frazowanie, intencje ton-kolor, decyzje pedałowania, diagnoza błędów i sugestie kolejnych kroków) oraz wyłącz wszystkie funkcje żądające danych osobowych.
Po każdym ukierunkowanym segmencie ćwiczeń poproś uczestnika o opisanie wyborów sformułowań, intencji dotyczących koloru tonu, decyzji pedałowania, postrzeganych trudności oraz poziomu niepokoju w skali samooceny od 0 do 10, a następnie zapisuj odpowiedzi jako uporządkowane pola w dzienniku sesji. Konfiguruj partnera tak, aby zwracał krótkie, specyficzne dla segmentu sugestie zgodne z aktualnymi celami, używając stałych parametrów generowania: maksymalna długość odpowiedzi 80 słów, maksymalnie 2 obroty na segment, temperatura 0,2 oraz 2-sekundowy limit odpowiedzi; Zapisz liczbę wymian i całkowity czas trwania dialogu na sesję. Upewnij się, że czas dialogu pozostaje drugorzędny względem gry, ograniczając całkowity czas dialogu na sesję do 6 minut i egzekwując limit poprzez wyłączanie kolejnych podpowiedzi po osiągnięciu limitu.
Prywatność i bezpieczeństwo: przechowywanie dzienników rozmów z użyciem anonimowych identyfikatorów, szyfrowanie podczas transmisji za pomocą TLS 1.2 lub nowszego i w spoczynku za pomocą AES-256, ograniczanie dostępu wyłącznie do osób upoważnionych, ustalanie przechowywania surowych transkrypcji na 24 miesiące oraz zapisywanie daty usunięcia dla zestawu transkrypcji każdego uczestnika w planie zarządzania danymi31.
Multimodalne rozpoznawanie emocji i mikrointerwencje
Włącz moduł multimodalnego rozpoznawania emocji i zapisuj modalności wejściowe oraz częstotliwości próbkowania/aktualizacji w dzienniku sesji w następujący sposób: wideo twarzy z prędkością 30 klatek na sekundę, dźwięk głosowy w mono 16 kHz oraz strumień HRV aktualizowany o 1 Hz przy użyciu odstępów R–R pochodzących z EKG. Zdefiniuj podwyższone naprężenia za pomocą wcześniej określonej logiki wyzwalającej i zapisz dokładne parametry.
Wyzwalacz HRV: RMSSD spada co najmniej o 1 odchylenie standardowe bazowe uczestnika poniżej bazowego spoczynkowego RMSSD i pozostaje poniżej tego progu przez co najmniej 60 kolejnych sekund podczas treningu, obliczanego na przesuwającym się oknie 30 sekund aktualizowanym co 1 s.
Wyzwalacz wydajności: wskaźnik błędów w trakcie przewyższa średni wskaźnik błędów uczestnika z poprzednich trzech sesji o co najmniej 20% dla ciągłego okna co najmniej 60 sekund, gdzie wskaźnik błędów jest obliczany w przesuwającym się oknie 20 nut aktualizowanym co 5 nut.
Reguła potwierdzenia multimodalnego: wyzwalacz wymaga albo samego wyzwalacza HRV, albo wyzwalacza wydajności oraz co najmniej jednego potwierdzającego sygnału z cech twarzy/głosu, definiowanego jako spadek walencji twarzy o co najmniej 0,30 względem poziomu wyjściowego uczestnika podczas sesji przez co najmniej 10 kolejnych sekund lub drżenie głosu wzrastającego o co najmniej 15% względem poziomu wyjściowego uczestnika podczas sesji przez co najmniej 10 kolejnych sekund, z punktami odniesienia obliczanymi z pierwszych 2 minut sesji.
Określ, czy fuzja multimodalna jest progiem opartym na regułach, czy jest wytrenowanym klasyfikatorem. Użyj progowania opartego na regułach dla tego protokołu i zapisz wszystkie progi w pliku konfiguracyjnym platformy32. Zaprogramuj system tak, aby wstrzymał praktykę po osiągnięciu progu stresu i wywołał jedną mikrointerwencję wybraną z wcześniej określonej biblioteki. Zapisz rodzaj interwencji, czas rozpoczęcia, czas trwania oraz status zakończenia sesji w dzienniku sesji.
Tempo oddychania: scenariusz 90-tkowy z stałym rytmem oddechu 6 oddechów na minutę, dostarczany przez timer na ekranie i sygnałdźwiękowy 33.
Krótka wskazówka uważności: 75-sekundowa instrukcja uwagi z stałym tekstem, przedstawiona jako tekst na ekranie z narracją audio.
Muzyka w tle o niskim podnieceniu: 90-sekundowe odtwarzanie wcześniej określonego utworu o niskim podnieceniu przy stałym celu głośności 55–60 dB na pozycji bench, z identyfikatorem ścieżki zapisanym jako Track-LA-01 w dzienniku sesji.
Po mikrointerwencji wznow przerwany fragment i zmniejsz tempo o 8% przez pierwsze 60 sekund ponownego zaangażowania, gdy wyzwalacz był oparty na HRV, a następnie wróć do tempa docelowego, jeśli wskaźnik błędów biegu wraca do 10% średniej wartości błędów uczestnika z poprzednich trzech sesji przez co najmniej 30 kolejnych sekund.
Kontrola jakości: zapisz liczbę wyzwalaczy, liczbę ukończonych mikrointerwencji oraz liczbę przerwanych interwencji na sesję, a następnie oblicz wskaźnik zgodności dla każdego uczestnika jako ukończonych wyzwalaczy podzielonych przez łączną liczbę wyzwalaczy.
Walidacja wydajności wyzwalaczy, podsumowując fałszywie pozytywne i fałszywie negatywne zdarzenia przy użyciu wcześniej określonych kryteriów.
Fałszywie pozytywny: wyzwalacz pojawia się, gdy uczestnik zgłasza niski poziom lęku (≤2/10) przy kolejnym zgłoszeniu, a wskaźnik błędów biegowych pozostaje w granicach 10% średniego wskaźnika błędów uczestnika z poprzednich trzech sesji przez kolejne 60 sesji.
Fałszywie negatywne: uczestnik zgłasza wysoki niepokój (≥7/10) przy kolejnym promptie podczas segmentu bez wyzwalacza, mimo że wskaźnik błędów przewyższa średni wskaźnik błędów uczestnika z poprzednich trzech sesji o co najmniej 20% przez co najmniej 60 sekund lub mimo że HRV spełnia kryterium wyzwalacza HRV.
Podsumuj liczbę i wskaźniki fałszywie pozytywnych i fałszywie negatywnych wyników na uczestnika oraz na sesję w Tabeli Uzupełniającej 434. Opisowo zgłoś złożony indeks obciążenia poznawczego w Tabeli Uzupełniającej 4.
Wycinka i przestrzeganie przepisów
Konfiguruj platformę tak, aby rejestrowała wszystkie zdarzenia i wyniki ćwiczeń jako ustrukturyzowane rekordy powiązane z anonimizowanym ID, numerem sesji i znacznikiem czasu w formacie ISO 8601. Wymagane pola obejmują celowane paski, liczenie pętli, metryki dokładności, dryf tempa, liczbę dialogów oraz całkowity czas trwania dialogu w sekundach, zdarzenia wyzwalające, typ i czas trwania interwencji w sekundach oraz wszelkie ręczne nadpisania przez instruktorów. Eksportuj podsumowania na poziomie sesji o 20:00 każdego dnia i przechowuj zarówno surowe logi, jak i podsumowane tabele na bezpiecznym serwerze, z automatycznymi kopiami zapasowymi zaplanowanymi raz dziennie o 02:00. Stosuj ustandaryzowaną konwencję nazewnictwa plików dla wszystkich eksportów sformatowanych jako StudyID_Group_ID_Session##_YYYYMMDD_HHMM i zapisuj w formatach niezastrzeżonych w następujący sposób: CSV dla logów, WAV dla nagrań audio, MP4 dla nagrań wideo oraz PDF dla raportów z sesji. Zarejestruj ścieżkę eksportu, sumę kontrolną pliku za pomocą SHA-256 oraz potwierdzenie kopii zapasowej w dzienniku badania, aby wspierać śledzowalność35.
Ramię sterujące: tradycyjne instrukcje
Zaplanuj dwanaście 30-minutowych sesji prowadzonych przez nauczyciela przez 2 tygodnie dla każdego uczestnika grupy kontrolnej, odpowiadając łącznemu czasowi nadzorowanego kontaktu z grupą eksperymentalną36. Używaj tego samego repertuaru, treści dydaktycznych i instruktorów co w Części Eksperymentalnej, aby kontrolować efekty nauczyciela i materiału37. Każdą sesję przeprowadź według standardowej pedagogiki studyjnej, w tym demonstrację nauczyciela, wyjaśnienia ustne oraz ukierunkowane ćwiczenia na fragment. Zlecaj zadania domowe za pomocą tradycyjnych instrukcji ustnych lub pisemnych, bez generowanych przez AI podpowiedzi czy analiz, a zadanie domowe definiuj jako jeden 20-minutowy blok samodzielnej praktyki dziennie, skupiony na taktach 1–32. Powstrzymaj uczestników Control od indywidualnej analityki, automatycznych promptów, pulpitów i mikrointerwencji. Zapewnij każdemu uczestnikowi Control krótki papierowy lub elektroniczny dziennik treningowy i instruuj zapisywanie daty oraz przybliżonego czasu dodatkowego treningu bez nadzoru w ciągu kilku minut. Na koniec interwencji zbieraj logi i wpisuj całkowity czas ćwiczeń bez nadzoru dla docelowego fragmentu do bazy danych badania.
Szlak sprzężenia zwrotnego wzroku i samoregulacji (ramię eksperymentalne)
Włącz graficzny system informacji zwrotnej łączący zachowania podczas ćwiczeń, wahania emocjonalne i obciążenie fizjologiczne na wspólnej osiczasu 38. Obliczaj mapy ciepła emocjonalne na podstawie danych multimodalnych, w tym charakterystyki głosu, trendów HRV oraz anomalii w zachowaniu wydajnościowym, takich jak skoki błędów czy niestabilność tempa39. Konfiguruj codzienne podsumowania tak, aby oznaczać gorące punkty zdefiniowane jako dowolny 30-sekundowy przedział, w którym wskaźnik błędów znajduje się w górnych 20% tej sesji i obecny jest co najmniej jeden marker stresu (spełniony wyzwalacz HRV lub spełnione potwierdzenie multimodalne), oraz rejestruj oznaczone gorące punkty dla kolejnych sesji40. Generuj wykresy trendów HRV podsumowujące moc RMSSD i HF dla trzech stałych epok na sesję: przed treningiem (pierwsze 60 s), w trakcie treningu (minuty 3–4) oraz po treningu (ostatnie 60 s), używając spójnych jednostek i skalowania osi na poziomieuczestników 41. Zidentyfikuj wyraźne spadki mocy RMSSD lub HF, zdefiniowane jako spadek o co najmniej 15% w porównaniu do epoki przed praktyką sesji zsynchronizowanej z oznaczonym gorącym punktem i traktuj te wzorce jako kandydatów do interwencji prowadzonych platformowo; Zarejestrował, czy interwencja została wywołana i zakończona42.
Narysuj krzywe postępu dla dokładności wysokości dźwięku, dokładności rytmicznej, kompletności muzycznej oraz wskaźników błędów w poszczególnych sesjach, używając średnich na poziomie sesji oraz 95% pasm zaufania obliczonych dla uczestników każdej grupy43. Nałóż krzywe wydajności i postępu z mapą ciepła emocjonalnej, aby wspierać refleksję nad sprzężeniem emocja-wydajność oraz kontrolą metapoznawczą44. Zapewnij pulpity instruktorskie pokazujące te same informacje na poziomie indywidualnym i grupowym, aktualizując panele na koniec każdej sesji w ciągu 5 minut od zakończenia i podkreślając szczyty lęku lub niestabilności wydajności45. Korzystaj z pulpitów do tworzenia dostosowanych odpowiedzi pedagogicznych opisanych w notatkach instruktora, w tym tymczasowego spowolnienia tempa, stopniowej ekspozycji na trudne drążki, dodatkowego werbalnego wsparcia lub krótkiego indywidualnego coachingu skoncentrowanego na zidentyfikowanych punktach46.
Sesja po interwencji (po teście; koniec 3. tygodnia)
Zaplanuj ocenę po interwencji na koniec trzeciego tygodnia i dopasuj warunki wyjściowe tak dokładnie, jak to możliwe, w tym pomieszczenie, sprzęt i godzinę dnia w ciągu ±2 godziny od rozpoczęcia sesji wyjściowej. Podłącz czujnik HRV i nagraj 5-minutowy segment HRV spoczynkowy, a następnie 5-minutowy standaryzowany segment HRV z użyciem tych samych zasad rozmieszczenia, ustawień próbkowania i obsługi artefaktów co na początku, używając tego samego celu tempa 76 uderzeń na minutę oraz dynamicznego celu mezzo-forte47.
Przeprowadz test wiedzy i analizy (Formularz B) w tych samych warunkach i z tym samym limitem czasowym co na początku i zarejestruj łączny wynik oraz czas ukończenia48. Przeprowadz STAI-S i oblicz łączny wynik (20–80) zgodnie z kluczem punktacyjnym49. Nagraj wykonanie audio-wideo po interwencji fragmentu, używając tego samego mikrofonu i kamery, instrumentu oraz kadrowania, co na podstawie50. Przeprowadz kwestionariusz obciążenia poznawczego i zapisz wyniki podskali dla obciążenia zewnętrznego, wewnętrznego i odpowiedniego51.
W przypadku działu eksperymentalnego przeprowadź krótki, półustrukturyzowany wywiad trwający 6–8 minut na temat użyteczności platformy oraz postrzeganych efektów na regulację i uczenie się lęku, korzystając ze stałego przewodnika wywiadowego i konsekwentnego promptingu52. Nagranie wywiadów audio za zgodą i transkrypcja dosłowna do analizy jakościowej.
Analiza statystyczna
Wykonaj apriorną analizę mocy przed rekrutacją za pomocą GPower (wersja 3.1 lub nowsza) i zapisz rodzinę testów jako testy F, a test statystyczny jako ANCOVA: Fixed effects, main effects and interactions. Określ model ANCOVA w dwóch grupach, wynik bazowy jako kowarian, α = 0,05, pożądana moc = 0,80 i załóż rozmiar efektu f = 0,30 dla głównego wyniku poznawczego na podstawie wcześniejszej literatury i ograniczeń wykonalności. Jeśli zakładany efekt jest wyrażony jako częściowy η2, przelicz się na f Cohena używając wcześniej określonej konwersji f = √(η2 / (1 − η2)) i zapisz metodę obliczania53.
Dokumentuj wymaganą wielkość próby i potwierdzi, czy n = 40 spełnia lub zbliża się do celu przy założenych założeniach; zachowaj plik wyjściowy z analizy mocy w dokumentacji badania. Przeprowadzaj analizy w oprogramowaniu SPSS 26.0 lub równoważnym oraz zapisuj nazwę/wersję oprogramowania w dzienniku analiz. Podsumuj wyniki ciągłe jako średnią ± odchyleniu standardowym, a zmienne kategoryczne jako liczby i procenty.
Oceń pierwotną skuteczność za pomocą porównań wyników po testie między grupami z wartością wyjściową jako kowariantem (ANCOVA) i podaj skorygowane średnie, częściowe η2 oraz 95% przedziały ufności54. Stosuj testy t z niezależnymi próbami do porównań między grupami, gdy jest to stosowne, oraz testy t w parach dla zmian wewnątrzgrupowych; stosuj alternatywy nieparametryczne, gdy założenia są naruszane. Sprawdź normalność i homoskedastyczność; zmienne HRV spektralne z logarytmem transformacji przed analizą i szczegółami transformacji raportu.
Gdy stosowane są metody odporne, należy określić dokładną metodę i uzasadnienie. Raportuj dwustronne wartości p z α = 0,05 i towarzysz testom hipotez z rozmiarami efektu (d, częściowe η2) i 95% przedziałami ufności. Przeprowadz analizy eksploracyjne w ramieniu eksperymentalnym, badając powiązania między metrykami korzystania z platformy (łączna liczba minut na platformie, liczba mikrointerwencji, wskaźnik przestrzegania zasad) a wynikami poznawczym, afektywnymi i HRV.
Jakość i bezpieczeństwo danych
Sprawdź sygnały fizjologiczne podczas każdego pomiaru HRV pod kątem artefaktów lub niestabilnego wykrywania R–R za pomocą wyświetlacza w czasie rzeczywistym. Powtórz dowolny segment HRV o słabej jakości sygnału po regulacji napięcia paska lub umieszczenia elektrod, a powtórz, gdy proporcja skorygowanego uderzenia przekroczy 5,0% lub ciągła strata sygnału przekroczy 5 s; Zapisz powtórzenie i podejrzenie przyczyny w dzienniku sesji. Kalibruj poziomy dźwięku i ustawienia metronomu na początku każdej wizyty, aby uniknąć przenikania i utrzymać porównywalną głośność w nagraniach, celując w szczytowe poziomy od −12 dB do −6 dB.
Monitoruj uczestników pod kątem działań niepożądanych, nadmiernego zmęczenia lub dyskomfortu związanego z praktyką lub czujnikami oraz dokumentuj wydarzenia w dzienniku bezpieczeństwa. Pozwól na dodatkowe przerwy lub skróć sesję, jeśli uczestnik zgłasza nadmierne zmęczenie, lęk lub dyskomfort, i zapisuj zmiany jako odstępstwa od protokołu. Rejestruj wszystkie odchylenia protokołu (opuszczone sesje, niepełne pomiary HRV, poważne odchylenia) i bierz pod uwagę odchylenia w analizach wrażliwości.
Obsługa danych i zaślepianie
Przypisz każdemu uczestnikowi unikalny anonimizowany identyfikator i użyj go do oznaczania wszystkich nagrań, ankiet i plików danych. Przechowuj wszystkie dane na dyskach z kontrolą dostępu z regularnymi automatycznymi kopiami zapasowymi zaplanowanymi raz dziennie o 02:00 zgodnie z polityką instytucjonalnej ochrony danych. Utrzymuj osobny plik łączący, mapujący identyfikatory uczestników na identyfikatory osobowe w zaszyfrowanej lokalizacji dostępnej tylko dla osób upoważnionych. Utrzymuj oceny wydajności w niepewności, udostępniając anonimowe i synchronizowane w czasie klipy audio–wideo oraz zachowując informacje o przydziale grup.
Sfinalizuj kryteria punktacji przed rozpoczęciem oceny i dostarcz pisemne instrukcje oraz przykładowe nagrania55. Ponownie sprawdź niezawodność między oceniającymi na pilotażowym podzbiorze 6 nagrań przed pełnym wynikiem i potwierdź ICC ≥ 0,80.
Upewnij się, że co najmniej następujące parametry funkcjonalne są raportowane: częstotliwość próbkowania HRV = 1000 Hz, przechwytywanie obrazu twarzy = 30 klatek na sekundę przy rozdzielczości 1920 × 1080, rejestrowanie dźwięku głosu = 16 kHz mono, oraz odstęp aktualizacji telemetrii platformy = 200 ms.
Termin i przestrzeganie
Zdefiniuj próg przestrzegania protokołu jako ukończenie co najmniej dziesięciu z dwunastu sesji nadzorowanych w tygodniach 2–3, przy czym każda zakończona sesja jest zdefiniowana jako sesja nadzorowana trwająca co najmniej 27 minut aktywnego udziału w planowanym 30-minutowym czasie. Zapisz liczbę ukończonych sesji nadzorowanych oraz łączną liczbę minut nadzorowanych dla każdego uczestnika w dzienniku przestrzegania, a następnie oblicz przestrzeganie minut nadzorowanych jako łączną liczbę minut nadzorowanych podzielonych przez 360 planowanych minut wyrażonych procentami. Rejestruj dodatkowy czas ćwiczeń zgłaszany przez siebie z dzienników uczestników i wprowadzaj łączne dane do bazy jako minuty dziennie oraz łączną liczbę minut w ciągu 2 tygodni interwencji, a każdą dzienną wartość przekraczającą 120 minut do weryfikacji.
Dla grupy eksperymentalnej zapisz liczbę, typ, czas rozpoczęcia oraz czas trwania mikrointerwencji wywołanych przez system na sesję z logów platformowych i oblicz indeks ekspozycji na interwencje jako całkowity czas trwania interwencji w sekundach na sesję. Włączyć wszystkich randomizowanych uczestników do analiz intencji leczenia oraz leczyć brakujące wyniki po teście, stosując ostatnie obserwacje przenoszone do wyników kwestionariuszy oraz pełną analizę przypadków dla nagrań wydajności, gdy ponowne nagranie nie jest możliwe; Zapisz regułę obsługi w dzienniku analizy. Przeprowadz analizy wrażliwości ograniczone do uczestników spełniających próg protokołu oraz dodatkowo analizę czułości, wykluczając sesje z odstępstwami od protokołu klasyfikowane jako poważne, definiowane jako przegapiony segment rejestrowania HRV lub sesja skrócona o więcej niż 5 minut.
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Wpływ na poznanie teorii muzyki
Jak pokazano w Tabeli 1, grupa eksperymentalna (M = 72,45, SD = 6,83, n = 20) oraz grupa kontrolna (M = 71,30, SD = 7,14, n = 20) nie różniły się w okresie przedtestowym, t(38) = 0,625, p = 0,604, co wskazuje na bazową porównywalność dla pierwotnego punktu końcowego poznawczego. Po interwencji ANCOVA kontrolująca wyniki przed testem wykazała wyższe skorygowane średnie po teście w grupie eksperymentalnej niż w grupie kontrolnej (skorygowana M = 84,95 v...
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
To randomizowane badanie oceniało platformę edukacji muzycznej opartą na AI, która integruje spersonalizowaną analitykę praktyk, multimodalne rozpoznawanie emocji z mikrointerwencjami "just-in-time" oraz informację zwrotną opartą na wizualizacji. W porównaniu do tradycyjnego nauczania, oddział eksperymentalny wykazał umiarkowany do dużego wzrost wydajności w teorii muzyki i analizie (częściowe η2 = 0,206) oraz znaczną redukcję lęku o stan (t = −3,486, p = 0,001; d ≈ 1,10), wraz z bardziej korzystnym profilem o...
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Autor deklaruje brak konkurencyjnych interesów finansowych.
Dziękujemy uczestniczącym studentom i instruktorom studia za ich czas i zaangażowanie oraz personelowi technicznemu konserwatorium za pomoc w zakresie instrumentacji i planowania sali.
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
| Nazwa | Firma | Numer katalogowy | Komentarze |
|---|---|---|---|
| Platforma edukacji muzycznej oparta na AI (build badawczy) | Wewnętrzne / instytucjonalne | ID builda platformy: v2.1 (build 2025-01-15) | Interaktywny wynik + telemetria ćwiczeń + pulpity + silnik wyzwalający oparty na regułach; interwał aktualizacji telemetrii = 200 ms; eksportuj logi jako CSV. |
| Chusteczki alkoholowe (preparat do pielęgnacji skóry) | NA (dowolny dostawca medyczny) | NA | Dla poprawy kontaktu elektrody/paska oraz stabilności sygnału; Rejestruj parking, jeśli jest dostępny. |
| EKG EKG z pasem klatkowym (1000 Hz) | Polar Electro | Polar H10; Część nr 92075957 | R&ndash pochodzący z EKG; interwały R; częstotliwość próbkowania = 1000 Hz (zgodnie z protokołem); stosowany do 5-minutowego odpoczynku + 5-minutowego standardowego odcinka ćwiczeń. |
| Kwestionariusz obciążenia poznawczego (Leppink, 10 pozycji) | NA (źródło publikacji) | NA | 7-punktowy Likert; obliczać 3 podskale; jeśli przetłumaczone: tłumaczenie– translacja wsteczna + pilot n=10; raport Cronbach' s i alpha; według podskali. |
| Komputer do obsługi platformy i logowania | NA | NA | Każdy nowoczesny laptop/desktop; wersja systemu operacyjnego record (system operacyjny); Upewnij się, że synchronizacja czasu jest synchronizacja czasu dla znaczników czasowych w logach. |
| Przechowywanie danych (zaszyfrowany dysk / serwer zabezpieczony) | NA | NA | Kontrolowany przez dostęp; automatyczne kopie zapasowe; Nazwa pliku: " P###_TP(przed/po)_MOD(…)_YYYYMMDD_HHMM"; Przechowuj surowe + wyciągi pochodne. |
| Elektroda EKG żelu / przewodzący żel (opcjonalnie) | NA (dowolny dostawca medyczny) | NA | Zastosowanie, jeśli jakość sygnału jest niestabilna; Dokumentuj wykorzystanie tak/nie w dzienniku sesji. |
| Mikrofon zewnętrzny (jeśli używasz mikrofonu + interfejsu zamiast rejestratora) | Audio-Technica | AT2020 | Opcjonalna alternatywa dla przenośnego rejestratora; utrzymuj odległość mikrofonu 0,8 m; unikaj przecinania; Ustawienia gainu dokumentu. |
| Oprogramowanie do przetwarzania HRV | Kubios (lub odpowiednik) | NA | Musi obsługiwać wykrywanie artefaktów + interpolację, RMSSD/SDNN, Welch HF (0.15– 0,40 Hz) z oknem 120 s, nakładaniem się 50%, oknem Hamminga, próbkowaniem 4 Hz; Zapisz nazwę i wersję oprogramowania. |
| Metronom | Korg | MA-2 BLBK | Używano do standaryzacji tempa ćwiczeń (76 bpm) i wspierania spójnego tempa na różnych sesjach. |
| Przenośny rejestrator dźwięku (nagrywanie głosu) | Zoom | H1n | Nagrywanie dźwięku głosowego w mono 16 kHz (downsamplowanie, jeśli nagranie wyższe); przechowywać jako WAV; Utrzymuj stałe rozmieszczenie mikrofonu. |
| Oprogramowanie do analizy mocy | G*Power | 3.1 (lub później) | Wykorzystywane do analizy potęgowej a priori; Zapisz ustawienia rodziny/modelu testowego w pliku wyjściowym analizy mocy. |
| Usługa dużych modeli językowych (LLM) typu Practice-partner | Instytucjonalny / Bezpieczny dostawca API | LLM-PracticePartner v2.1 (wersja 2025-01-15) | Typ punktu końcowego: chmura; uwierzytelnianie oparte na tokenach; przechowywać tylko anonimizowane ID; logowanie/wyjścia jako zaszyfrowany tekst. |
| Kwestionariusz: GAD-7 | NA (licencjonowane/źródło publikacji) | NA | Używaj wersji zweryfikowanej językowej; punktacja według instrukcji; przechowywać kopie w segregatorze do nauki; Zapisz odpowiedzi za pomocą anonimowego ID. |
| Kwestionariusz: STAI-S (20 pozycji) | NA (licencjonowany/wydawca) | NA | Używaj oficjalnej/zweryfikowanej wersji językowej; łącznie 20– 80; jeśli pokazuje podzbiór 10 pozycji dla figurek, reguła wyboru dokumentu + niezawodność w Wynikach. |
| Oprogramowanie do analizy statystycznej | IBM | Statystyki SPSS 26.0 | Stosowany w testach ANCOVA i t; Zapisz dokładną wersję/wbudowany log analizy. |
| Statyw / mocowanie aparatu | Manfrotto (lub odpowiednik) | NA | Akceptowalny każdy stabilny statyw; Ustalicie odległość/wysokość w różnych sesjach (np. 1,8 m dystansu, 1,4 m wysokości). Jeśli masz potwierdzony model, zamień NA na swój lab. Numer modelu. |
| Interfejs audio USB (jeśli używasz mikrofonu + interfejsu) | Focusrite | Scarlett 2i2 (3. generacja) | Opcjonalne; szczyty rejestrowania celów między i minus; 12 dB i − 6 dB podczas fragmentów forte (zgodnie z tekstem protokołu). |
| Kamera wideo (1080p, 30 fps) | Logitech | C920; Część nr 960-001055 | Nagranie obrazu twarzy = 1920& razy; 1080, 30 fps (zgodnie z protokołem); Upewnij się, że nie pojawiają się żadne identyfikowalne informacje. |
| Cyfrowy fortepian z klawiszami ważonymi (lub akustyczne) | NA | NA | Zalecana akcja ważona z 88 klawiszami; zachowaj ten sam instrument przez wszystkie sesje; Dokument typ instrumentu i kluczową akcję. |
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE
Poproś o pozwolenie