Avaliando as múltiplas dimensões do noivado a Caracterizar Aprendizagem: uma perspectiva neurofisiológica

O objetivo geral deste procedimento é coletar e sincronizar dados sobre o envolvimento comportamental, emocional e cognitivo durante as tarefas de aprendizagem. Isso é feito conectando primeiro todos os sistemas de coleta de dados por meio de um dispositivo de sincronização que enviará um marcador de tempo dentro dos dados coletados. A segunda etapa é coletar dados de rastreamento ocular e interações de software para engajamento comportamental.

Em seguida, os dados do EEG serão coletados para caracterização do engajamento cognitivo. A etapa final é coletar dados de engajamento emocional provenientes da atividade ELECTRODERMAL ou de um ED para medição da excitação e reconhecimento automático de emoções faciais ou A FER para gerar dados de valência. Em última análise, esses índices que caracterizam as três dimensões do engajamento serão ressincronizados em um software de sincronização de acordo com os marcadores de tempo inicialmente enviados pelo dispositivo de sincronização.

A principal vantagem dessa técnica é que ela quantifica três dimensões do engajamento dos alunos durante uma tarefa de aprendizagem, em oposição aos métodos clássicos de pesquisa que se concentram apenas em instrumentos de autoavaliação de engajamento após as tarefas. Este método pode ajudar a responder a questões-chave no campo da indicação, como quais são as dinâmicas de afetar a cognição em vários ambientes complexos de aprendizagem e qual é o impacto de vários ambientes pedagógicos no efeito e na cognição? Existem implicações para esta técnica em outros campos.

Por exemplo, em tecnologia da informação, estamos usando essa técnica para medir o engajamento de um usuário enquanto navega em um site ou usa um aplicativo de software. Esta técnica é inspirada em trabalhos recentes em neuroômica, onde dados de vigilância de motoristas de longa distância foram coletados usando dispositivos de EEG. Demonstrando este procedimento estará Gabrielle Zu com um assistente de pesquisa no Tech three Lab da HEC Montreal, mas também Igo e Yig, que são assistentes de pesquisa do Neuro Lab of Begin, ligando o rastreador ocular, amplificador de EEG para gravar computadores e alto-falantes.

Prepare a solução de EEG com o material necessário de acordo com os procedimentos recomendados pelo fabricante. Em seguida, prepare o software de EEG e rastreamento ocular para o próximo participante. Em seguida, inicie o software de gravação de vídeo e as câmeras iniciam o software de sincronização com a sub-rotina específica criada para o projeto, que permite que os marcadores de sincronização sejam enviados a cada 60 segundos.

Em seguida, inicie o software de medição fisiológica e abra o layout específico criado para o projeto. Em seguida, leve o participante para a sala de coleta de dados e encontre a localização do eletrodo cz na cabeça do participante de acordo com o sistema de referência 10 20. Coloque a rede de EEG na cabeça do participante e certifique-se de que cada eletrodo esteja posicionado perpendicularmente à superfície da cabeça.

Conecte o conector de rede e execute uma verificação de impedância com um limite de 40 kilo ohms. Por fim, coloque dois sensores fisiológicos na parte superior da mão esquerda do participante. Inicie a coleta de dados.

Assim que todo o software de gravação estiver pronto para ser iniciado no Synchrony, execute um procedimento de calibração de nove pontos e observe o participante enquanto ele segue os pontos vermelhos na tela. Repita este procedimento até que seja alcançada precisão suficiente de acordo com os padrões do fabricante, instrua o participante a resolver 10 problemas de física newtoniana no computador. Pare as aquisições de dados em todos os computadores.

Quando a tarefa estiver concluída, remova todos os sensores do participante. Primeiro, importe os dados do EEG para o software de análise de dados do EEG. Em seguida, clique em arquivo, depois em novo projeto e escolha o local dos dados brutos clicando em procurar.

Selecione a pasta de dados brutos recém-criada. Escolha o local de mais duas pastas chamadas histórico e exporte da mesma maneira. Em seguida, clique em OK.

Em seguida, clique em transformações e filtros IIR para pré-processar o sinal cerebral aplicando um filtro e um entalhe na janela do software. Defina os limites de corte em 1,5 e 50 hertz com uma inclinação de 12 decibéis para cada um e habilite um entalhe a uma frequência de 60 hertz. Em seguida, DC D mostra o sinal clicando em transformações e DC dre.

Selecione a opção com base no tempo em 100 milissegundos antes do marcador e 100 milissegundos antes da conexão DC. Execute uma inspeção de dados brutos clicando em transformações e inspeção de dados brutos. Selecione a inspeção semiautomática e escolha os parâmetros de tensão, mínimo máximo e amplitude vistos aqui.

Execute uma análise automática de componentes independentes ou ICA com esfera clássica para remoção de intermitência clicando em transformações e ICA depois de concluído. Processe o ICA inverso clicando em transformações ICA. Em seguida, ICA inverso.

Por fim, exporte o sinal e os marcadores clicando em exportar e exportar dados genéricos. Selecione as caixas rotuladas arquivo de cabeçalho direito e arquivo de marcador direito. Além disso, selecione o formato de texto para uma eventual construção do índice de engajamento no MATLAB.

Em seguida, importe o sinal de EEG para o matlab. Para fazer isso, inicie o script E-E-G-L-A-B. Portanto, a GUI do laboratório de EEG aparece no matlab.

Importe os dados de um participante por vez selecionando dados de importação de arquivos usando funções e plug-ins de laboratório de EEG e, no arquivo VDR de rec do brain vis, cole um script na janela de comando que gerará um índice de engajamento. Este script produzirá um arquivo de texto. Abra o arquivo de texto de índice de engajamento no Microsoft Excel.

Aplique uma normalização de escore Z aos dados de EEG para permitir a comparação entre sujeitos. Assim que o pré-processamento do EEG estiver concluído. Pré-processe os dados de fisiologia importando os dados de atividade ELECTRODERMAL ou EDA para o software de análise de dados fisiológicos.

Em seguida, calcule uma normalização de pontuação z nos dados EDA clicando em transformação e matemática de forma de onda para permitir a comparação entre sujeitos. Isso é feito em duas etapas. Primeiro, selecione o canal EDA para a fonte um, o sinal de menos na janela de operação matemática e K para a fonte dois.

Em seguida, selecione novo no menu de destino. Insira o valor médio do canal EDA e selecione transformar onda inteira. Clique em OK para a segunda etapa, abra a matemática da forma de onda de transformação novamente e selecione o canal EDAK para a origem um, o sinal de divisão na janela de operação matemática e K para a fonte dois.

Em seguida, selecione novo no menu de destino. Insira o valor do desvio padrão do canal EDA e selecione transformar toda a onda. Por fim, clique em OK para a etapa final de pré-processamento.

Importe dados de vídeo do gravador de mídia para o software de reconhecimento automático de emoções faciais clicando em arquivo novo e depois em participante. Selecione um novo participante no menu do projeto. Em seguida, clique em arquivar nova análise e vídeo.

Clique na lupa ao lado da análise um e escolha o arquivo de vídeo desejado. Termine calculando o zco dos dados de valência no SPSS clicando em analisar estatísticas descritivas e descritivas. Selecione salvar valor padronizado em variáveis e uma coluna com pontuação Z aparecerá.

Comece importando os vídeos de rastreamento I clicando em arquivo, importar e vídeo em uma nova observação. Nomeie a nova observação e escolha o arquivo de vídeo desejado para importar. Importe todos os dados externos clicando em arquivo, importar e dados externos.

Inclua o escore Z do sinal de EEG, zco do sinal EDA e o escore Z dos dados de valência. Se desejar, adicione marcadores de evento para análise posterior. Para sincronizar o tempo entre computadores, abra o menu de deslocamento pressionando control shift e o sinal de igual selecione deslocamento numérico para inserir o tempo em segundos entre cada par de fontes de dados.

Clique em OK. Em seguida, selecione variáveis interessantes a serem geradas no relatório clicando em analisar dados selecionados e novo perfil de dados. Selecione o evento desejado para analisar e clique em OK.

Em seguida, adicione uma linha de conexão entre a tabela inicial e aninhada, bem como entre a tabela Aninhar e a tabela de resultados. Gere o relatório clicando, analise a análise numérica e as estatísticas de novos cliques e marque a caixa ao lado de significar no menu de dados externos. Em seguida, clique em OK.

Clique em layout e verifique se os dados externos estão em colunas e se os contêineres de resultados aparecem em linhas. Finalize clicando. Okey. Por fim, clique no botão calcular para que o software atualize os cálculos envolvidos no relatório que está sendo gerado.

Muitas dimensões dos dados de engajamento são sincronizadas neste experimento, incluindo comportamental, cognitiva e emocional por meio do uso de vários computadores. Para estabelecer a linha de base do sujeito, é útil usar dados de um ponto da tarefa em que há uma pausa aqui no final da pausa. O envolvimento cognitivo do EEG está aumentando ligeiramente em antecipação à próxima tarefa, e a excitação ainda está diminuindo.

Os dados de valência estão ausentes porque os olhos do participante estão fechados durante a tarefa de resolução de problemas. À medida que o sujeito lê a terceira linha, você pode ver que sua excitação atingiu o pico. A valência emocional é neutra e o envolvimento cognitivo do EEG é máximo Uma vez dominado.

Esta técnica envolve cerca de 30 minutos de preparação do sujeito antes do início da experimentação Após seu desenvolvimento. Essa técnica abrirá caminho para pesquisadores e praticantes de tecnologia da informação, mas também na indústria de videogames, para monitorar em tempo real o aspecto comportamental, emocional e cognitivo dos usuários. Um passo fundamental em qualquer abordagem de regulação é a sincronização, e a precisão desse procedimento deve ser testada antes e depois de cada experimento para ter um tempo preciso entre todos os dispositivos.

Depois de assistir a este vídeo, agora você deve ter uma boa compreensão de como coletar dados psicofisiológicos sincronizados para entender melhor a dinâmica de interação das dimensões comportamentais, emocionais e cognitivas do engajamento durante uma tarefa de aprendizagem.