Оценивая различные аспекты помолвка с чертой обучения: нейрофизиологической перспективы

Общая цель данной процедуры заключается в сборе и синхронизации данных о поведенческой, эмоциональной и когнитивной вовлеченности во время выполнения учебных заданий. Для этого сначала все системы сбора данных подключаются через устройство синхронизации, которое отправляет временную метку в собираемые данные. На втором этапе осуществляется сбор данных айтрекинга и взаимодействий с программным обеспечением для анализа поведенческой вовлеченности.

Затем будут собраны данные ЭЭГ для характеристики когнитивной вовлеченности. Заключительным этапом является сбор данных об эмоциональной вовлеченности с помощью электродермальной активности (ЭДА) для измерения уровня возбуждения и автоматического распознавания эмоций по лицу (A FER) для получения данных о валентности. В конечном итоге эти индексы, характеризующие три измерения вовлеченности, будут повторно синхронизированы в программном обеспечении для синхронизации в соответствии с временными маркерами, первоначально отправленными синхронизирующим устройством.

Основным преимуществом данного метода является то, что он позволяет количественно оценить три измерения вовлеченности учащихся во время выполнения учебного задания, в отличие от классических методов исследования, которые сосредоточены исключительно на инструментах самооценки вовлеченности после завершения заданий. Этот метод может помочь ответить на ключевые вопросы в области образования, такие как: каковы динамические характеристики влияния на когнитивные процессы в различных сложных условиях обучения и каково воздействие различных педагогических подходов на аффективную и когнитивную сферы? Данная методика может быть применена и в других областях.

Например, в информационных технологиях этот метод используется для измерения вовлеченности пользователя при просмотре веб-сайта или использовании программного приложения. Данный метод основан на недавних работах в области нейроомики, где данные о бдительности водителей на дальних дистанциях собирались с помощью устройств ЭЭГ. Эту процедуру продемонстрируют Габриэль Зу, научный сотрудник лаборатории Tech three в HEC Montreal, а также Иго и Йиг, научные сотрудники нейролаборатории. Начнем с включения айтрекера, усилителя ЭЭГ, компьютеров для записи и динамиков.

Подготовьте раствор для ЭЭГ, используя необходимые материалы в соответствии с рекомендуемыми процедурами производителя. Затем настройте программное обеспечение для ЭЭГ и айтрекинга для следующего участника. После этого запустите программу видеозаписи и камеры, а также программное обеспечение для синхронизации с использованием специальной подпрограммы, созданной для данного проекта, которая позволяет отправлять маркеры синхронизации каждые 60 секунд.

Затем запустите программное обеспечение для физиологических измерений и откройте соответствующий макет, созданный для данного проекта. Далее пригласите участника в помещение для сбора данных и определите положение электрода cz на голове участника в соответствии с системой координат 10-20. Наденьте сеточку ЭЭГ на голову участника и убедитесь, что каждый электрод расположен перпендикулярно поверхности головы.

Подключите сетевой разъем и выполните проверку импеданса с пороговым значением 40 кОм. Наконец, разместите два физиологических датчика на тыльной стороне левой руки участника. Начните сбор данных.

После того как все программы для записи в Synchrony будут готовы к запуску, проведите процедуру калибровки по девяти точкам, наблюдая за участником, который должен следить за красными точками на экране. Повторяйте эту процедуру до достижения достаточной точности в соответствии со стандартами производителя, после чего поручите участнику решить на компьютере 10 задач по ньютоновской физике. Остановите сбор данных на всех компьютерах.

По завершении задачи снимите все датчики с участника. Сначала импортируйте данные ЭЭГ в программное обеспечение для анализа данных ЭЭГ. Затем нажмите «File» (Файл), затем «New Project» (Новый проект) и выберите расположение необработанных данных, нажав «Browse» (Обзор).

Выберите только что созданную папку для необработанных данных. Таким же образом выберите расположение еще двух папок с названиями history и export. Затем нажмите ОК.

Затем выберите пункт transformations и IIR filters, чтобы предварительно обработать сигнал мозга, применив фильтр и режекторный фильтр в окне программы. Установите границы среза на 1.5 и 50 hertz с наклоном 12 decibels для каждого и активируйте режекторный фильтр на частоте 60 hertz. После этого удалите постоянную составляющую (DC offset) из сигнала, нажав transformations и DC dre.

Выберите вариант, основываясь на времени за 100 milliseconds до маркера и за 100 milliseconds до подключения DC. Выполните проверку необработанных данных, нажав «transformations» и «raw data inspection». Выберите полуавтоматическую проверку (semi-automatic inspection) и установите параметры для напряжения, максимального, минимального значений и амплитуды, представленные здесь.

Выполните автоматический анализ независимых компонентов (ICA) с использованием классической сферы (classic sphere) для удаления морганий, нажав «transformations», а затем «ICA». После завершения выполните обратное преобразование ICA, нажав «transformations», затем «ICA» и, наконец, «inverse ICA».

Наконец, экспортируйте сигнал и маркеры, нажав «export» (экспорт), а затем «generic data export» (экспорт общих данных). Отметьте флажками пункты «right header file» (файл заголовка правого канала) и «right marker file» (файл маркеров правого канала). Кроме того, выберите текстовый формат (text format) для последующего расчета индекса вовлеченности в MATLAB.

Далее импортируйте сигнал ЭЭГ в MATLAB. Для этого запустите скрипт EEGLAB, после чего в MATLAB откроется графический интерфейс EEGLAB.

Импортируйте данные для каждого участника по отдельности, выбрав функцию импорта файлов с помощью функций и плагинов EEG lab, и из файла VDR brain vis rec вставьте в командное окно скрипт, который создаст индекс вовлеченности. Результатом работы этого скрипта будет текстовый файл. Откройте текстовый файл с индексом вовлеченности в Microsoft Excel.

Примените Z-нормализацию к данным ЭЭГ для обеспечения возможности межсубъектного сравнения. После завершения предварительной обработки ЭЭГ выполните предварительную обработку физиологических данных, импортировав данные электродермальной активности (ЭДА) в программное обеспечение для анализа физиологических данных.

Затем выполните z-нормализацию данных EDA, выбрав пункт transformation and waveform math, чтобы обеспечить возможность межсубъектного сравнения. Это выполняется в два этапа. Сначала выберите канал EDA в качестве источника один (source one), знак минус в окне математических операций и K в качестве источника два (source two).

Затем выберите «new» в меню назначения. Введите среднее значение канала EDA и выберите «transform entire wave». Нажмите «okay», для второго шага снова откройте «transformation waveform math» и выберите канал EDAK в качестве источника один (source one), знак деления в окне математических операций и K в качестве источника два (source two).

Затем выберите «new» в меню назначения. Введите значение стандартного отклонения для канала EDA и выберите «transform entire wave». Наконец, нажмите «okay» для завершения этапа предварительной обработки.

Импортируйте видеоданные из медиарекордера в программное обеспечение для автоматического распознавания эмоций по лицу, нажав «File» (Файл), затем «New» (Новый) и «Participant» (Участник). В меню проекта выберите нового участника. Затем нажмите «File» (Файл), «New» (Новый), «Analysis» (Анализ) и «Video» (Видео).

Нажмите на значок увеличительного стекла рядом с первым анализом и выберите нужный видеофайл. Завершите процедуру расчетом zco данных валентности в SPSS, перейдя в меню «analyze» (анализ), затем «descriptive statistics» (описательная статистика) и выбрав «descriptives» (дескриптивные статистики). Выберите опцию «save standardized values as variables» (сохранить стандартизированные значения как переменные), после чего появится столбец с Z-score.

Начните с импорта видеозаписей трекинга, перейдя в меню «file», выбрав «import» и «video» в новом наблюдении (observation). Присвойте новому наблюдению имя и выберите нужный видеофайл для импорта. Импортируйте все внешние данные, перейдя в меню «file», выбрав «import» и «external data».

Добавьте Z-оценку сигнала ЭЭГ, zco сигнала КГР и Z-оценку данных валентности. При необходимости добавьте маркеры событий для дальнейшего анализа. Чтобы синхронизировать время между компьютерами, откройте меню смещения (offset), нажав Ctrl+Shift и знак равенства (=), затем выберите «numerical offset», чтобы ввести время в секундах между каждой парой источников данных.

Нажмите «ОК». Затем выберите переменные, которые должны быть представлены в отчете, нажав «Analyze», «Select Data» и «New Data Profile». Выберите событие, которое необходимо проанализировать, и нажмите «ОК».

Затем проведите линию связи между начальной таблицей и таблицей гнезд, а также между таблицей гнезд и таблицей результатов. Сформируйте отчет, нажав «analyze numerical analysis», затем нажмите «statistics» и в меню «external data» установите флажок напротив «mean». После этого нажмите «okay».

Нажмите «Layout» и убедитесь, что внешние данные расположены по столбцам, а контейнеры с результатами — по строкам. Завершите настройку, нажав «Okay». Наконец, нажмите кнопку «Calculate», чтобы программное обеспечение обновило расчеты в формируемом отчете.

В данном эксперименте синхронизируются многие параметры данных о вовлеченности, включая поведенческие, когнитивные и эмоциональные, с помощью нескольких компьютеров. Для установления базового уровня испытуемого целесообразно использовать данные из той точки выполнения задания, где следует пауза, а именно — из конца этой паузы. Когнитивная вовлеченность по данным ЭЭГ начинает слегка расти в ожидании следующего задания, в то время как уровень возбуждения все еще снижается.

Данные о валентности отсутствуют, так как во время выполнения задачи по решению проблемы глаза участника закрыты. В тот момент, когда испытуемый читает третью строку, видно, что уровень его возбуждения достиг пика. Эмоциональная валентность нейтральна, а когнитивная вовлеченность по данным ЭЭГ достигает максимума после освоения материала.

Данный метод предполагает примерно 30 минут подготовки испытуемого перед началом эксперимента. После своего внедрения эта методика откроет возможности перед исследователями и специалистами не только в области информационных технологий, но и в индустрии видеоигр для мониторинга поведенческих, эмоциональных и когнитивных аспектов пользователей в режиме реального времени. Ключевым этапом любого подхода к регулированию является синхронизация; точность этой процедуры необходимо проверять до и после каждого эксперимента для обеспечения точного согласования времени между всеми устройствами.

После просмотра этого видео вы должны получить четкое представление о том, как собирать синхронизированные психофизиологические данные для более глубокого понимания динамики взаимодействия поведенческого, эмоционального и когнитивного аспектов вовлеченности в процессе выполнения учебного задания.