Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Behavior
Click here for the English version

Behavior

Door gebruik te maken Elektro Metingen voor Vergelijking van taakspecifieke Neural Efficiëntieverbeteringen: Ruimtelijke Intelligence Tasks

Published: August 9, 2016 doi: 10.3791/53327
Automatic Translation
1, 1, 1, 2, 2
1Department of Engineering Education, Utah State University, 2Department of Psychology, Utah State University

Summary

Dit manuscript beschrijft een aanpak van neurale activiteit van mensen te meten, terwijl het oplossen ruimtelijk gerichte technische problemen. De elektro-methodologie helpt interpreteren beta hersengolven gemeten in termen van neurale efficiëntie, met als doel het uiteindelijk mogelijk vergelijkingen van de taakuitvoering zowel tussen probleem soorten en tussen de deelnemers.

Abstract

Ruimtelijke intelligentie is vaak gekoppeld aan succes in het technisch onderwijs en technische beroepen. Het gebruik van elektro-encefalografie maakt vergelijkende berekening van neurale efficiency individuen ', zoals ze opeenvolgende taken waarvoor ruimtelijk inzicht om oplossingen af ​​te leiden uit te voeren. Neurale efficiency hier gedefinieerd als minder beta activeren, en dus minder neurale structuren besteden, een taak in vergelijking met andere groepen of andere taken. Voor inter-taak vergelijkingen van taken met vergelijkbare looptijden, kunnen deze metingen een vergelijking van het type taakmoeilijkheid mogelijk te maken. Voor intra-deelnemer en inter-deelnemer vergelijkingen, deze metingen bieden inzicht in de potentiële niveau van ruimtelijk inzicht en anders het oplossen van technische problemen taken van de deelnemer. Prestaties op het geselecteerde taken kunnen worden geanalyseerd en gecorreleerd met beta activiteiten. Dit werk geeft een gedetailleerd onderzoeksprotocol het bestuderen van de neurale efficiëntie van studenten engin het oplossen van typische ruimtelijk inzicht en Statics problemen jaar. Studenten voltooide specifieke problemen van de Mental Cutting Test (MCT), Purdue Ruimtelijke Visualisatie test van rotaties (PSVT: R), en Statics. Terwijl die zich bezighouden met het oplossen van deze problemen, zijn hersengolven van de deelnemers gemeten met EEG zodat gegevens kunnen worden verzameld met betrekking tot alfa- en bèta-hersengolven activering en gebruik. Het werk kijkt naar functionele prestaties op puur ruimtelijke opgaven met ruimtelijk intensieve technische taken die correleren met de paden voor succesvolle prestaties in de engineering en de daaruit voortvloeiende verbeteringen in de techniek onderwijs die kunnen volgen identificeren.

Introduction

Ruimtelijk inzicht is essentieel voor Science, Technology, Engineering, en wiskunde (STEM) velden en onderwijs en correleert met succes in deze gebieden 1,2,3. Daarom is het belangrijk voor de ontwikkeling van hoe ruimtelijk inzicht effecten probleemoplossende 4 begrijpen. Ruimtelijk inzicht is gekoppeld aan rente 5, 6 prestaties, succes in engineering academici 7 en succes in engineering professionals 8. Maar er is niet veel werk aangeeft specifieke neurale processen bij het oplossen typisch vele ruimtelijk inzicht instrumenten, of specifieke inhoud techniek die zeer ruimtelijk.

Dit artikel geeft een inleiding op methoden die worden gebruikt voor het verzamelen en analyseren van ruimtelijk inzicht instrument scores gecombineerd met neurale meetgegevens. De bedoeling van het publiceren met Jupiter is om deze methoden meer toegankelijk voor een breder publiek te maken. Algemeen publiek hardware en software were gebruikt in deze studie. Als methoden papier, zijn volledige resultaten / data sets niet gemeld, noch zijn meerdere monsters verstrekt. Alle beelden werden specifiek vastgelegd voor deze publicatie. De hieronder beschreven methoden werden gebruikt bij het ​​opstellen van een voorlopig verslag van de conferentie 9 gebaseerd op de data van acht college tweedejaars leeftijd deelnemers, van wie er drie vrouwen waren.

Veel bestaande instrumenten worden gebruikt om het niveau van ruimtelijk inzicht inherent zijn aan of geleerd door individuen aan te geven. Twee valide en betrouwbare 10,11 instrumenten die vaak worden gebruikt, zijn de Mental Scherpe Test (MCT) 12 en de Purdue Ruimtelijke Visualisatie test van rotaties (PSVT: R) 13. Hoewel oorspronkelijk ontworpen arbeidsongeschikt 14 van deze instrumenten te testen verschillende stadia van ruimtelijke visualisatie ontwikkeling beschreven door Piaget theorie 10,15. Het gebruik van deze instrumenten ontstaat de behoefte om te begrijpen de onderliggende fysiologische verschijnselen cognitieve existing wanneer mensen werken door middel van deze problemen. Om deze reden, deze studie is bedoeld om methoden gebruik te maken van empirische fysiologische gegevens die uiteindelijk de analyse en het begrip van ruimtelijke denken kan verbeteren showcase, controleren bestaande metrics testmogelijkheden, en verhoging van de toepasbaarheid van de ruimtelijke assessments om meer complexe problemen die typisch zijn voor technisch onderwijs. Veel van deze problemen kunnen worden aangetroffen in engineering Statics.

Statica is een fundamenteel mechanica cursus geleverd aan de meeste ingenieursstudenten (bijv., Biologische, Werktuigbouwkunde, Civiele, Milieu, Aerospace Engineering) 16,17. Het is één van de eerste uitgebreide probleemoplossende ervaringen die studenten krijgen in de kern van technische inhoud 18. Statica omvat de studie van de wisselwerking van krachten op een star lichaam dat in rust of bewegen met een constante snelheid. Helaas Statics heeft een hoge uitval, terugtrekking, en falen tarieven (14% zoals te zien in de inveszochte University) en dit kan worden gerelateerd aan de traditionele lezing en curriculum delivery-modellen dat de belangrijkste wegen van steun, zoals ruimtelijk verbeterde aanpak van het onderwijs weg te laten. Zo kan bijvoorbeeld ruimtelijk verbeterde aanpak in Statica de visualisatie van de manier waarop krachten interactie buiten typische analytische analyse richten en te versterken procedurele kennis van studenten met geaarde conceptualisering. De effectiviteit van dergelijke interventies onderzocht moet worden vanuit een cognitief neurowetenschappelijk perspectief.

Elektro-encefalogram (EEG) presenteert een unieke en mobiele methode voor het meten hersengolfactiviteit studenten. Individuen het uitvoeren van taken die beta activering ontlokken zijn over het algemeen erg bezig met de taak details en zijn alert op wat ze aan het doen zijn 19,20. Zoals taakeisen verhogen, de amplitude van de bèta golven toeneemt, evenals de omvang van de corticale gebied de bandbreedtes bezetten. Hoe meer neuronen die brand binnende beta frequentiebereik (alpha 8 - 12 Hz, beta: 12 - 24 Hz) kan worden gedefinieerd als meer beta vermogen. Relatedly, als één wordt ervaren in een taak, de amplitude van bètagolven af, die minder energie beta. Dit is onderdeel van de neurale efficiency hypothese 21-28, waarbij grotere taak ervaring bij het ​​uitvoeren van een taak houdt verband met een afname van frequentiemacht. Hoewel EEG is eerder gebruikt in de studie van ruimtelijk inzicht (vaak mentale rotatie en ruimtelijke navigatietaken) - en toepasselijke data geïdentificeerd in de alfa, beta en theta banden 27-33 - alfa- en beta banden werden geobserveerd te studie, en beta werd geselecteerd voor verdere representatieve analyse in dit document en in het voorlopig verslag van de conferentie 9. Onderstaande dus richten op bèta band analyse omschreven procedures, maar een onderzoek naar alle drie de bands, afhankelijk van de geregistreerde gegevens, wordt aanbevolen in de toekomst.

Deneurale efficiency hypothese is getest op diverse taken, zoals schaken, visueel-ruimtelijke geheugen, balanceren, en rusten. Alle hebben aangegeven taak ervaring als factor in een verminderde frequentie van de macht bij het uitvoeren van bekende taken. Eén bepaalde studie 25 heeft bewijs gepresenteerd dat, hoewel de intelligentie van een persoon (zoals gemeten door IQ) kan helpen bij het ​​individu het verwerven van de vaardigheden om een taak, ervaring met de taak uit te voeren opweegt tegen intelligentie in haar bijdrage aan de neurale efficiency. Met andere woorden, de meer ervaren een individu is, hoe efficiënter neurally hij of zij wordt.

Bestaande neurale efficiëntie studies met ruimtelijk inzicht zijn voornamelijk gericht op ruimtelijke rotatie en ander probleem sets zijn gebruikt om verschillende populaties vergelijken (bijv., M / v) 27-28. EEG-onderzoek van ruimtelijk inzicht taken hebben ook inzicht door het vergelijken van de prestaties van andere soorten taken (bijv., Verbale taken)27,29,30. De werkwijzen die in dit document nadruk op en vergelijk problemen van de MCT, PSVT: R, en statisch evenwicht taken, die betrekking hebben op ruimtelijk inzicht, maar zijn niet beperkt tot rotatie en ruimtelijke navigatie. Andere ruimtelijke taken kunnen worden gebruikt in plaats van degene die als voorbeeld in dit manuscript. Op deze manier kan extra inzicht in de toekomst met betrekking tot verschillende populaties worden verkregen (bijv., Man / vrouw of deskundige / beginnende) om uiteindelijk te verbeteren techniek onderwijspraktijk.

In een poging om ruimtelijk inzicht en techniek geschiktheid te onderzoeken, hebben we een protocol met behulp van EEG-metingen aan de beta golf activeringen van slecht presterende deelnemers hoog presterende identificeren gedurende een beperkte batterij van specifieke ruimtelijke en technische taken ontwikkeld. In dit geval is de term presteert houdt verband met de uitvoering van de deelnemer, en niet een afspiegeling is van de hoeveelheid tijd in het veld door deleerling, aangezien alle deelnemers op ongeveer hetzelfde moment in hun opleiding. Bovendien, het probleem set betrokken is heel specifiek en basic; dus de termen "expert" of "high performing" hierin niet mag worden beschouwd in de zin van een expert, professioneel werkzaam ingenieur, maar die alleen hoge prestaties in deze smalle stukje techniek mechanica curriculum en ruimtelijk inzicht instrumenten. De neurale metingen kunnen ook worden gebruikt om een ​​bruto trends waarvoor taaktypen kunnen meer cognitieve hulpmiddelen rekruteren dan andere, met betrekking tot mogelijke interpretatie moeilijkheidsgraad identificeren. Deze informatie kan mogelijk inzicht geven in de toekomstige evaluatie en interventie met betrekking tot ruimtelijk inzicht. Andere toekomstige inzicht kan worden verkregen door te kijken naar meer specifieke gebieden van de hersenen, hetgeen niet mogelijk was in dit onderzoek vanwege het beperkte aantal kanalen in het EEG gebruikte hardware.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Ethische verklaring met betrekking tot het gebruik van menselijke deelnemers

Procedures bij dit werk betrokken zijn goedgekeurd door de Institutional Review Board (IRB) in Utah State University voor de studie van de menselijke proefpersonen. Het wordt aanbevolen dat een soortgelijk werk ook door de desbetreffende IRB dient te worden goedgekeurd. Deelnemers mogen stoppen of terug te trekken uit het onderzoek op elk moment tijdens het experiment.

1. Selectie van deelnemers

  1. Selecteer de deelnemers op basis van vrijwilligheid van de studenten ingeschreven in een Statics cursus. Nagaan of de deelnemers eerder zijn blootgesteld aan de statische inhoud zullen zien, terwijl in de studie.
    Opmerking: Ideaal deelnemers moeten blootstelling aan het materiaal via de voordracht ten minste vier weken voor moeten deelname aan het onderzoek, zodat er tijd is voor de consolidatie van concepten en de ontwikkeling van gedifferentieerde prestatieniveaus.
  2. Voeren recruitment volgende alle IRB protocollen. uitleggenalle procedures en beperkingen aan potentiële deelnemers in detail. Beschrijven de reikwijdte van toekomstig contact en hoe de resultaten van de studie worden bekendgemaakt en / of ter beschikking gesteld aan de deelnemers. Definieer een vergoeding voor deelname aan de studie. Als een vrijwilliger kiest om te kunnen deelnemen aan het onderzoek, zorgen voor hem of haar met een dubbel-gecodeerde identificatiecode alleen bekend bij en gecontroleerd door de hoofdonderzoeker.
    Opmerking: specifieke populatie aanwerving statistische analyse vereisen om de statistische kracht van het monster en aantal benodigde deelnemers individuele verschillen in de hersengolven analyseren verifiëren. Als de onderzoeker wil een vergelijkende studie tussen populaties uit te voeren, dan is een power analyse moet worden uitgevoerd om de juiste deelnemer groep maten voor beide populaties te ontwikkelen.
  3. Kies activiteiten of problemen die representatief zijn voor de gewenste voor de deelnemers ervaringen.
    Let op: In dit protocol, tweedejaars-level techniekstudenten in een Statics cursus werden geselecteerd. De activiteiten relevant geacht waren problemen uit de inleidende Statics inhoud evenals twee veelgebruikte ruimtelijk inzicht instrumenten: de Mental Cutting Plane Test (MCT) en de Purdue Ruimtelijke Visualization Test (PSVT-R). Elk instrument test verschillende constructies van ruimtelijk inzicht en het niveau van ruimtelijke ontwikkeling in deze geselecteerde studentenpopulatie.
  4. Opzetten van een kalender aan het laboratorium sessies te organiseren voor de deelnemers.

2. Voorbereiding van de instrumenten

  1. Stel de EEG headsets (aka caps) per instructies van de fabrikant. Vul dit voorbereiding voor de deelnemer komt voor de studie. Nogmaals, deze procedure naar algemene mobile headsets zoals Emotiv, in tegenstelling tot medische kwaliteit EEG opstellingen.
    1. Laad de EEG headsets - idealiter minstens een 1-uur vergoeding per sessie. Voor een regelmatig gebruikt laboratorium, ten minste twee headsets opladen van eent altijd.
    2. Plaats alle benodigde vloeistoffen op een toegankelijke omgeving, waaronder de vloeistof voor demping van de EEG-elektroden (bv., Water) en een schuurmiddel om te zorgen voor een goed contact van de EEG verwijzing knooppunten.
    3. Steek de vilten in elk behuizing (het waarborgen van de gouden contact stevig in elke behuizing). Verzadigen het vilten met de dempende vloeistof met behulp van een injectiespuit. Laat bevochtigde elektroden te rusten.
  2. Stel eventueel vereiste videocamera's naar Deelnemer gedrag te meten. Voor het huidige protocol, gebruik maken van twee videocamera's per deelnemer. Opnieuw afstellen camera zodra de deelnemer plaats. Zorg ervoor dat de video-tijdstempel.
    1. Focus één camera op het gezicht van de deelnemer als gericht op gelaatsuitdrukkingen te nemen en het verkrijgen van een hoge kwaliteit audio.
    2. Richt de andere camera op het gebied in de voorkant van de deelnemer aan de hand beweging vast te leggen, met inbegrip van handschrift acties (als handschrift wordt verwacht, zorg ervoor dat een schriftelijk te gebruiken instrument dat is donker en / of dik genoeg worden vastgelegd door de camera) en genoeg van de computermonitor inzicht over welke taak wordt opgelost waarna.
    3. Zet de computer aan en controleer of de software op brainwave data op te nemen. Controleer of alle software en het verzamelen van gegevens apparaten voldoende interface voor het verzamelen van gegevens.

3. Voorbereiding van de studie deelnemers en Session Aanvang

  1. Controleer of de ontvangst van de gedocumenteerde toestemming van de deelnemers per de IRB overeenkomst hierboven besproken. Beantwoorden alle vragen van de deelnemers voorafgaand aan het begin van de studie. Herinner de deelnemers dat de verzamelde gegevens zullen worden verwezen door ID-code en er zal geen identificerende informatie dat de gegevens stropdassen aan de deelnemer te zijn, en dat zij te allen tijde intrekken.
  2. Vraag elke deelnemer een demografische enquête in te vullen voorafgaand aan deelname aan het onderzoek. Deze enquête kunnen vragen over geslacht, eenge, eerdere ervaring dat hun capaciteiten van invloed kunnen zijn in het onderzoek (bijv., langs engineering of ruimtelijk intensieve cursussen, ruimtelijk inzicht verbeteren van hobby's, en vragen met betrekking tot uitsluitingscriteria zoals traumatisch hersenletsel kunnen zij hebben geleden, welke hand ze te gebruiken).
    1. Uitsluiten deelnemers uit de groep vrijwilligers van de EEG analyse als een van de volgende omstandigheden: (a) de deelnemer wordt overhandigd of symmetrische links, om te controleren voor de hersenen lateraliteit verwart; (B); het individu kan niet deelnemen aan de practica als gevolg van een lichamelijke handicap; of (c) het individu heeft geleden ernstig hersenletsel. Informeer potentiële deelnemers van deze beperkingen tijdens het wervingsproces, of zo vroeg mogelijk te besteden onnodig veel tijd en middelen te voorkomen.
  3. Bij aankomst, zorgen voor de deelnemer is comfortabel en alle resterende vragen of problemen op te lossen.
    1. Demonstreer de spuit gebruikt om het te verzadigenknooppunt en uitleggen dat het alleen wordt gebruikt om de EEG vilt vochtig houden. Indien de deelnemer heeft een extreme angst voor naalden, overwegen om andere voorzorgsmaatregelen (bijv., Het bijhouden van de spuit uit hun focal plane bij het ​​opnieuw bevochtigen van de vilt).
    2. Vraag de deelnemer om alle elektronica uit hun persoon te verwijderen.
  4. Plaats de EEG headset op de deelnemer.
    1. Controleer het vilt voor vocht en plaats het vilt / behuizing combinaties in de EEG headset.
    2. Maak de referentiepunten (bv., Mastoideus proces) van de deelnemer met de schurend reinigingsmiddel. Veeg eventuele resten weg.
    3. Plaats de headset op de deelnemer met de referentie-knooppunten op de juiste wijze in lijn met de referentiepunten. Buig de armen van de headset. Laat een ruimte tussen de referentie-knooppunt en de achterkant van het oor om geen ongemak en lijn en ruimte de headset geschikte manier weg van de deelnemer.

4. Software Uitvoering binnen de Session

  1. Start de EEG-logging software. Zorg ervoor dat een goede verbinding tussen het logging apparaat (bijv., Personal computer) en EEG headset door te controleren of alle van de kanalen worden weergegeven op de logging-apparaat. Controleer of alle kanalen aanvankelijk vergelijkbaar gedrag met een lage amplitude oscillaties weer te geven. Controleer de EEG goede verbinding te waarborgen met de deelnemer - opnieuw bevochtigen en instellen vilt om consistente patronen op het registratieapparaat bereiken - onmiddellijk voorafgaand aan de rusttijden en vóór het begin van elk nieuw type probleem.
    Opmerking: Het EEG werkt op 128 Hz. Electrooculography werd niet gebruikt om oogbewegingen te registreren, en gekoppeld-ear verzoek is niet gebruikt.
  2. Instrueer de deelnemer om zo stil en rustig mogelijk te blijven tijdens de taak oefeningen.
  3. Start de task-presentatie software.
    Opmerking: Tijdens het verzamelen van gegevens, alle pre-geplande visuele communicatie met de deelnemer vindt plaats via de computer monitor. In dit geval zal een reeks van ruimtelijke en technische problemen worden weergegeven op het computerscherm, en de deelnemers wordt gevraagd om ze op te lossen. Correcte antwoorden werden tijdens het verzamelen van gegevens niet aan de deelnemers verstrekt. Het probleem beelden geavanceerde op basis van input van de gebruiker, dus de timing was gebaseerd op het oplossen van problemen duur.
    1. Weergave ruimtelijke probleem type 1 (bijv PSVT:. R - een multiple choice test, of waar-onwaar rotatie problemen - zie figuur 1) 13. Opmerking: (bijv., 30 sec) De duur van deze problemen zullen worden gebruikt als het tijdsbereik voor de gegevensanalyse. Vijf problemen werden opgenomen in deze set.
    2. Beeldscherm ruimtelijke probleem type 2 (bv MCT -. Een multiple choice test, of waar-onwaar psychische problemen snijden - zie figuur 2) 12. Opmerking: De duur van deze problemen (bijv 30 sec.)worden gebruikt als tijdsbereik voor de gegevensanalyse. Vijf problemen werden opgenomen in deze set.
    3. Weergave techniek probleemsoort 17 (bijv., Statics problemen - afgebroken om zich te concentreren op specifieke beginselen van techniek Statics, of enige andere toegepaste type probleem hypothese ruimtelijke componenten - zie figuur 3). Opmerking: deze problemen neemt aanzienlijk meer tijd op te lossen dan de ruimtelijke problemen. Het aantal problemen aangetoond deelnemers varieerde 4-10.
    4. Wijs rusttijden aan het begin en het einde van het verzamelen van gegevens - wordt gebruikt voor het verkrijgen van basisgegevens. Zorgen dat elk van deze hebben dezelfde duur (bijv., 120 sec).
  4. Indien gewenst, voeren een exit-interview met de deelnemer. Dit kan hun gedachten onder meer op de experimentele presentatie, het dragen van de EEG headset, het communicatieproces gebruikt in werving en deelnemer voorbereiding en / or elk protocol waarbij verbale antwoorden hierboven vermeld. Een gevalideerde vragenlijst gebruiker kan aan de deelnemers in plaats van het voeren van een gesprek worden verstrekt.
  5. Schakel de task-presentatie software, de EEG-logging software, verwijder de EEG headset, en zet de video-opname-apparatuur.

5. Conclusie van het Session

  1. Verwerpen de studie deelnemer. Bedank de deelnemer en hen een overzicht van eventuele toekomstige contact (bijv., Voor de follow-up interviews of volgende sessies van het onderzoek), uit te leggen hoe de resultaten van het onderzoek kan worden gepubliceerd en / of ter beschikking gesteld aan de deelnemers, en zorgen elke versnaperingen of betaling (of een uitleg over hoe de betaling zal worden verstrekt) overeengekomen als onderdeel van de vergoeding voor deelname aan het onderzoek.
  2. Overdracht van gegevens logs om alle benodigde langdurige of overdracht opslagapparaten. Bewaar het ondertekende toestemmingsformulier adequaat en zoals door IRB protocol aangewezen.
  3. Verwijder het vilt uit de headset en ontsmetten of gooi ze.
  4. Zet de EEG elektrode behuizingen en hoofdtelefoon op de juiste opslaglocatie.
  5. Gooi de gebruikte spuiten en afval op de juiste wijze.
  6. Terug vloeistoffen passende opslaglocaties.
  7. Verzeker lab indien niet wordt gebruikt door andere onderzoekers.

6. Data Analysis

  1. Identificeer en haal de ruwe data voor elk kanaal en de marker gegevens van de EEG data logs. ASCII- bit markers voor het begin en einde van de gegevensverzameling, en de overgangen tussen verschillende fasen van de gegevensverzameling (bv., Probleemtypen) en individuele problemen te identificeren. Zorg ervoor dat elk type fase heeft een andere marker waarde om differentiatie mogelijk te maken tijdens de analyse. Naam van de data op een wijze die de deelnemer ID code verwijst als bron.
    Opmerking: EEGLAB opdrachten zijn dhierin efined, maar EEGLAB vereist MATLAB voor deze uitvoering.
    1. Klik op Bestand> Gegevens importeren gebruiken> EEGLAB functies en plugins> Van EDF / EDF + GDF-bestanden (BIOSIG toolbox)
    2. Selecteer het juiste bestand. Klik op Openen om de data te laden.
    3. Selecteer de zenderlijst. Klik op OK om te accepteren.
    4. Zorg voor een gegevensset Naam. Geef een beschrijvende naam voor de gegevens die de bron en de datum van de collectie weerspiegelt. In dit geval, PSF1448 geeft gegevens van Deelnemers-ID 48 in het najaar van 2014.
  2. Zet de geëxtraheerde gegevens naar de montage (dat wil zeggen, de plaats van de EEG knooppunten.) Door het selecteren van de montage door de EEG headset leverancier (bijvoorbeeld een 10 -. 20 systeem). Zorgen de montage gebruikt voor de analyse overeenkomt met de layout van de EEG headset gebruikt tijdens de sessie. Dit is fabrikantspecifieke.
    1. kanaal bewerken locaties door te klikken op Bewerken> Channel Locations.
    2. Selecteer Montage. In dit geval default montage is geschikt, dus klikt u op OK om te accepteren.
    3. Selecteer Channel Information Specification. In dit geval is de standaard geval, dus gewoon Klik op OK om te accepteren.
  3. Verminder het EEG kanaalgegevens die meest representatieve van hersenactiviteit, zoals hieronder gedefinieerd.
    1. Breng een eerste filter aan de gegevens. Gewoonlijk geldt een hoogdoorlaat, laagdoorlaat filter (met 0,1 Hz als ondergrens van het hoogdoorlaatfilter 59 Hz en de bovengrens van het laagdoorlaatfilter). Toepassen van een laagdoorlaatfilter kleiner dan 60 Hz verwijdert de ruis van de Amerikaanse elektriciteitsnet. Sla de dataset met een nieuwe naam als een herstelpunt.
      1. Klik op Extra> Basic FIR Filter (nieuw, standaard).
      2. Stel Basic Filter Parameters. Stel Lagere rand tot 0,1 Hz, Hoger rand tot 59 Hz, niet de frequentierespons niet plot, en klik op OK om te accepteren.
      3. Geef een nieuwe naam voor de gefilterde gegevens (door het toevoegen van "_filtered" om de bestaande naam dataset). Controleer de bos om de gegevens op te slaan als een bestand, en gebruik dezelfde naam voor de bestandsnaam. Klik op OK om te accepteren.
    2. Verwijder alle gegevens die voor de eerste EEG merker of na de laatste EEG marker liggen - rekening houdend met eventuele vertraging bij de registratie van de EEG markers. Noteer de latentie (tijd) van de marker waarin de inleiding van gegevensregistratie en de latentie van de marker die het einde van de data. Sla de dataset met een nieuwe naam als een herstelpunt.
      1. De latency waarden kunnen worden gevonden in de "Edit event waarden - pop_editeventvals ()" scherm; druk op de ">>" knop om naar de uiteindelijke markering dat het einde van de EEG data. Geen verandering moet geaccepteerd, dus klik op Annuleren zodra de waarden zijn opgenomen.
      2. Klik op Bewerken> Selecteer gegevens.
      3. Voer het begin en het einde latency (tijd) waarden, gescheiden door een spatie, in de "Time bereik [min max] (s)" veld, en klik op OK om te accepteren.
      4. Geef een nieuwe naam voor debijgesneden data (door het toevoegen van "_cropped" om de bestaande naam dataset). Vink het vakje aan om de gegevens als een bestand op te slaan, en maken gebruik van dezelfde naam voor de bestandsnaam. Klik op OK om te accepteren.
    3. Weigeren delen van data met grote artefacten. De stappen opgenomen hieronder beschreven hoe u dit handmatig doen, terwijl visueel inspecteren van de data. Let op: de verwijdering van de gegevens zal ook artefacten 34,35 veroorzaken.
      1. Normaliseren van de gegevens in elk kanaal (verwijder het gemiddelde en zet elk kanaal op dezelfde schaal). Verwijder ook de DC offset (dit verandert de gegevens, maar niet de visualisatie).
        1. Klik Plot> Channel data (scroll).
        2. Klik op Instellingen> Tijd bereik weer te geven.
        3. Geef de tijd bereik (bijv., 30 sec) worden getoond in de plot in de "Nieuw venster lengte (s):" veld. De tijdspanne is gebaseerd op de tijd tussen merkers voor problemen bij een bepaalde fase (of binnen de twee ruimteprobleem fasen). De tijdspanne kan uitvalsbasisd op het maximum, minimum of gemiddelde tijd tussen de markers.
        4. Klik op de "Norm" knop om de gegevens te normaliseren in de plot (dit is slechts cosmetisch en niet de onderliggende gegevens te wijzigen).
        5. Klik op Weergave> Verwijder DC offset aan de DC verwijderen offset in de plot (dit is slechts cosmetisch en niet de onderliggende gegevens te wijzigen).
      2. Verwijder grote artefacten die niet regelmatig verloop van tijd worden herhaald.
        1. Markeer alle abnormale uitziende artefact data. Zodra alle artefact data zijn gemarkeerd, klikt u op de knop Weigeren.
          Opmerking: Deze kunnen als abnormaal hoge of brede pieken in de data weergegeven - in één of meerdere kanalen - of zolang trends die in een klein aantal kanalen weergegeven. Gegevens zijn verdacht als de gegevens van afzonderlijke kanalen lijken elkaar kruisen in de plot. Deze vertegenwoordigen artefacten die geen deel uitmaken van de hersengolven spectrum en waarschijnlijk vertegenwoordigen spierbewegingen door de deelnemer of een knooppunt (s) wet slechte connectiviteit. Iets dat lijkt op een vierkante golf is niet representatief voor de menselijke hersenactiviteit.
      3. Sla de dataset met een nieuwe naam als een herstelpunt.
        1. Klik op Bestand> Opslaan huidige dataset zo.
        2. Geef een nieuwe naam voor de bijgesneden data (door het toevoegen van "_manRej" om de bestaande naam dataset). Klik op Opslaan om te accepteren.
      4. Als een bepaald kanaal lijkt defect te zijn, verwijdert u de gegevens van haar individueel. Dit betekent een groot verlies in data, dus dat doen met grote voorzichtigheid. Kijken naar de gegevens uit het kanaal gedurende een lange tijdsperiode, zoals vaak afwikkelt tijd en biedt nuttige gegevens.
    4. Run een onafhankelijke Component Analysis (ICA) en selecteer de beste voorstellingen van brainwave activiteit.
      Opmerking: Dit helpt bij het verwijderen van stellen repetitieve artefacten in de data. Deze sets bevatten artefacten die meerdere keren op ongeveer regelmatige tijdstippen zal verschijnen met een herhaalde shape. Meestal zijn ze het gevolg van de biologische functies, zoals knipperen of puls - die elk zijn eigen set te hebben.
      1. Zet de ICA gescheiden gegevens naar een representatie van de schedel op basis van de montage. Weigeren resultaten in verband met knipperende, pols, of spierspanning - die vaak verschijnen in de ICA resultaten als zwaartepunten boven de ogen, respectievelijk in de buurt van de tempels, of over de oren. Verwerpen iedere component die de gehele cranium, zich bezighouden aangezien zij niet representatief hersenactiviteit (zie figuur 4) toont 35 Accepteer Andere resultaten (zie figuren 5-6)..
        1. Klik op Extra> Uitvoeren ICA.
        2. Selecteer de standaard (runica) ICA-algoritme. Klik op OK om te accepteren.
        3. Klik Plot> Component eigenschappen.
        4. Selecteer de component indices (de elektrode 14 EEG kanalen in het geheugen geladen) en de spectrale opties. Zoals eerder, de onderrand 0,1 Hz, en de hogere rand 59Hz. Klik op OK om inzendingen te accepteren.
        5. Binnen het accepteren / afwijzen venster, klikt u op de knop Accepteren om de status te wijzigen in Weigeren (en klik nogmaals om het terug te veranderen naar Accept). Klik op OK om het accepteren / afwijzen etikettering loggen.
      2. Plot van de ICA-gescheiden gegevens in een 2-D kleuren plot. Weigeren resultaten die buikspek, leeg, of doorspekt met discontinuïteiten verschijnen, sla de dataset met een nieuwe naam als een herstelpunt (zie figuren 5-6).
        1. Binnen het accepteren / afwijzen venster, klikt u op de knop Accepteren om de status te wijzigen in Weigeren (en klik nogmaals om het terug te veranderen naar Accept). Klik op OK om het accepteren / afwijzen etikettering loggen.
        2. Klik op Extra> Onderdelen verwijderen - om daadwerkelijk de gegevens gemarkeerd voor afwijzing eerder te verwijderen.
        3. Klik op OK om door te gaan. De indices van de componenten aangemeld voor de afwijzing worden in het venster "Verwijder onderdelen".
        4. Klik op Accepteren in de "Bevestiging" venster naar continue het snoeien van de gegevens.
        5. Geef een nieuwe naam voor de gesnoeid data (door het toevoegen van "_manRejPruned" om de bestaande naam dataset). Vink het vakje aan om de gegevens als een bestand op te slaan, en maken gebruik van dezelfde naam voor de bestandsnaam. Klik op OK om te accepteren.
          Let op: Stroken die langer dan 0,5 sec redelijk voor de afwijzing worden beschouwd duren. Relatief "goede" moet hier worden gebruikt, afhankelijk van hoe goed andere gegevensreeksen lijken te zijn - is het wenselijk om ten minste de helft van de onderdelen terechtkomt. Goede resultaten worden vaak vertegenwoordigd door continue gradaties op een 2-D Continuous Data kleur plot 34.
  4. Verwijder de grenswaarden links in de data. Sla de dataset met een nieuwe naam als een herstelpunt.
    1. Klik op Bewerken> Event waarden.
    2. Blader door de gebeurtenissen in en klik op de Delete event knop wanneer het type evenement is een grens. Als alle zijn verwijderd, klikt u op OK.
    3. Specifya nieuwe naam voor de verwijderde-grens data (door het toevoegen van "_deleteBoundaries" om de bestaande naam dataset). Klik op Opslaan om te accepteren. Dezelfde menu-item selectie als voorheen naar dit scherm te krijgen (zie stap 6.3.3.3.1).
  5. Bereken absolute macht metrieken voor elk type oefening. Dit is een power-gebaseerde logaritmische transformatie op basis van de meting microvolt en de tijd -. Berekend voor elke frequentieband (Delta, Theta, Alpha, Beta en Gamma) 22
    1. Brok gegevens in blokken met behulp markers om het begin en einde van elke taak geven.
      1. Klik op Bewerken> Selecteer gegevens met behulp van events.
      2. Maak gebruik van de juiste tijdschema voor elk type taak. Definieer het tijdschema voor de rusttijden van de duur van een rustperiode. Voor de ruimtelijke problemen (die ruwweg vergelijkbaar in duur zijn), gebruikt u de gemiddelde duur van alle ruimtelijke taken of de maximale duur van alle ruimtelijke opgaven. Voor de toepassing (bijv., Engineering Statics) problemen, identificeren van de gemiddelde duur voor elk probleem. Sla de dataset met een nieuwe naam als een herstelpunt.
        1. Voer het type markering in het "type (s) Event ([] = all)" veld (bijv., Het type marker 50 werd gebruikt om aan te geven rust evenementen). Rest gebeurtenissen had een looptijd van 120 sec in dit geval, dus vul "1 120" voor de termijnen array. Klik op OK om te accepteren.
        2. Geef een nieuwe naam voor de gebeurtenis data (door het toevoegen van "_rest" om de bestaande naam dataset in dit geval). Vink het vakje aan om de gegevens als een bestand op te slaan, en maken gebruik van dezelfde naam voor de bestandsnaam. Klik op OK om te accepteren.
          Let op: Als de toegepaste porties zo kan worden verminderd ze evenveel tijd in beslag nemen ongeveer de ruimtelijke opgaven, gebruik dan dezelfde periode grootte als de ruimtelijke opgaven. Aangezien EEG is een tijd-gevoelige maat, hoe nauwkeuriger de tijd tijdperken zijn voor elke conditie, hoe minder de verwarde gegevens uiteindelijk (bijv., Het aantal monsters per conditie zal consistent).
  6. Vergelijk de resultaten voor de uiteindelijke analyse.
    1. Bereken het percentage voor elk blok ten opzichte van de basislijn rust metingen. Zie de Aanvullende Code Bestand en tabellen 1-8.
      1. Open de Absolutepower Script in MATLAB en klik op de knop Uitvoeren om het script op de in de werkruimte geladen tijdens stap 6.6 data draaien (bijv., De overige gegevens).
      2. Selecteer absolutepowermatrix gegevens in de MATLAB Workspace voor overdracht naar een spreadsheet-programma (bv., MS Excel).
    2. Herhaal stap 6.5 - 6.6.1.2 voor elke oefening / marker type.
    3. Vergelijk de resultaten met gelijkaardige termijnen (bijv., Ruimtelijke opgaven) met elkaar verbindt aan inzicht in de relatieve moeilijkheid.
    4. Vergelijk de resultaten over de deelnemers aan hogere relatieve performers identificeren versus lagere performers in de vaardigheden worden beoordeeld. Let op: High performers kan heel l tonenittle verhoging van de beta activering ten opzichte van de uitgangswaarde, terwijl een lage performers een toename in de orde van 70% 21-26 kunnen vertonen.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

In dit hoofdstuk worden de voorgaande stappen geïllustreerd met voorbeeld figuren zoals hieronder beschreven. Volledige data samenvattingen met statistische tests worden niet verstrekt, omdat het doel van dit document is vooral gericht op methoden. Voorbeelden van mogelijke PSVT: R, MCT en ruimtelijke problemen zijn aangegeven in figuur 1, figuur 2 en figuur 3 respectievelijk.

De EEG cap zal hersenactiviteit via elektrische potentialen voor elk afzonderlijk kanaal, dat parallel kan worden gezien als figuur 7 laat. Zoals eerder vermeld, een aantal voorwerpen in de gegevens moeten handmatig worden verwijderd, terwijl anderen via ICA kunnen worden verwijderd. Soms een defecte kanaal kan worden geïdentificeerd. Dergelijke artefacten zijn zichtbaar in figuur 7. Bij de analyse software kan de grote, niet-repeterende artefacten handmatig worden gemarkeerd in de juiste volgorde en vervolgens verwijderd door te klikken op de knop "REJECT '(zoals in stap 6.3.3.2.1). Alle cijfers met afbeeldingen van EEG data-analysezijn uit de analyse software tool in de Tabel vermelde materialen.

Naar aanleiding van de ICA, de analyse software brengt de gegevens op twee manieren: 1) A-scalp in kaart gebracht vertegenwoordiging van activering, en 2) Een 2-D Continuous Data plot van de activering opgesteld door Trials en tijd. Een voorbeeld van een aanvaardbare gegevens kan worden waargenomen in Figuur 5. Een voorbeeld van afgewezen hoofdhuid toegewezen data die activiteit niet gerelateerd aan de hersenen drie gevallen is te zien in Figuur 4. Continuous Data 2D plots voor diezelfde afgewezen drie gevallen blijkt uit figuur 6. de strepen waargenomen in de eerste twee percelen garandeert aanmerking voor verwijdering. De strepen in de derde perceel kan worden beschouwd als borderline - 2-D Continuous Data percelen van deze kwaliteit kan worden beschouwd voor integratie, en de onderzoeker moet de balans tussen waaronder stoorsignalen en teruggooien waardevolle gegevens te overwegen. Strepen langer dan 0,5 seconden worden beschouwd grounds voor afwijzing. Voor meer inzicht, wordt verwezen naar de website EEGLAB (http://sccn.ucsd.edu/eeglab/).

Zodra alle verwarrende gegevens zijn verworpen - hetzij door middel van handmatige afwijzing tijdens het kijken naar de brainwave percelen of na ICA - en de gegevens zijn chunked op tijd voor de juiste type activiteit, kan de absolute macht berekeningen worden gemaakt voor elke frequentieband en voor elke activiteit typt via de MATLAB script (gebaseerd op de analyse softwarefuncties) die in de Aanvullende codebestand. De samenvattingsgegevens vervolgens gegenereerd door de functie weergegeven in de onderstaande tabellen Tabel 1 bevat de data van de rusttijden -.. Die worden gebruikt als basis voor de efficiëntie berekeningen Tabel 2, Tabel 3 en Tabel 4 bevat de absolute macht gegevens voor de PSVT: R, MCT en Statica problemen respectievelijk. Door te delen door de cel waarde voor het overeenkomstige kanaal en de frequentie verbodd in de rest tabel zijn de relatieve absolute vermogensverhoudingen getoond in Tabel 5, tabel 6 en tabel 7 voor PSVT: R, MCT en Statica problemen respectievelijk.

Uiteindelijk wordt de gemiddelde waarde voor alle kanalen die de beta frequentieband voor elk type activiteit en de resultaten worden in tabel 8. Dergelijke gegevens kunnen worden gebruikt om ROI identificeren voor toekomstig onderzoek. Uit deze gegevens voor de betreffende deelnemer, zien we dat de relatieve absolute macht lijkt lager voor PSVT: R dan de MCT. Beslissende conclusies met betrekking tot deze verklaring, hoewel, blijft afhankelijk van een grotere steekproef om mogelijke statistische significantie vast te stellen. De relatieve absolute vermogen voor Statica taken kunnen worden vergeleken met de waarde van andere deelnemers, en schattingen van hoge prestatie versus lage prestatie cognitieve inspanning kan worden geïdentificeerd die kunnen worden gecorreleerd met functionele scores op de statische problemen ter validatie. Hoewel dit in het bijzonder een methode papier, en presenteert voorbeelden van gegevens van slechts één deelnemer, statistische analyse het voorlopige verslag van gebruikte test een Levene naar normaliteit, gevolgd door testen Friedman vergelijking groep x taak x EEG kanaal beoordelen. Tenslotte werd een follow-up Wilcoxon-test uitgevoerd op belangrijke Friedman effecten en interacties. De vergelijking tussen hoge en lage performers toonde significant hogere beta activering niveaus voor laag performers dan voor high performers (Voor PSVT: R, F3: χ 2 (1,6) = 5,33, p <0,03; T8: χ 2 (1, 6) = 4,08, p <0,05; FC6: χ 2 (1,6) = 4,08, p <0,05; F8: χ 2 (1,6) = 4,08, p <0,05; AF4: χ 2 (1 ., 6) = 5,33, p <0,03 voor MCT, F3: χ 2 (1,6) = 5,33, p <0,03; T8: χ 2 (1,6) = 5,33, p <0,03; FC6: χ 2 (1,6) = 5,33, p <0,03; AF4:. χ 2 (1,6) = 4,08, p <0,05 Voor Statics, FC6: χ 2 (1,6) = 4,08, p <0,05). 9

Figuur 1
Figuur 1: PSVT:. R Voorbeeld Probleem Deel A toont een enkel monster PSVT: R Probleem zoals gezien door de deelnemers. (Bron: Guay (1976)). Het juiste antwoord is C. Deel B geeft een visuele uitleg van de oplossing Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 2
Figuur 2:. MCT voorbeeldprobleem Deel A toont een enkel monster MCT probleem gezien de deelnemers. Het juiste antwoord is D. Deel B geeft een visuele uitleg van de oplossing. (Bron: CEEB (1939))"Target =" _ blank "> Klik hier om een ​​grotere versie van deze figuur te bekijken.

figuur 3
Figuur 3:. Statics Voorbeeld Probleem illustreert een enkel voorbeeld Statics probleem gegeven aan de deelnemers. Dit probleem doet zich voor in het vlak (bijv., 2-D) evenwicht gegeven drie krachten en een gemeenschappelijke verbinding structuur. Klik hier om een grotere versie van deze figuur te bekijken.

figuur 4
Figuur 4:. Voorbeelden van niet-Brain Scalp-toegewezen activiteit Drie voorbeelden van post-ICA-scalp in kaart gebrachte gegevens worden getoond van een individu, 23-jarige, mannelijke deelnemer. Full-scalp activering, activering boven een enkel oog / tempel, en activering gericht on ogen en tempels zijn een indicatie van korporaal activiteit, niet hersenactiviteit, zoals getoond na het ICA in IC2, IC3 en IC4, respectievelijk. Klik hier om een grotere versie van deze figuur te bekijken.

figuur 5
Figuur 5:. Acceptable Post-ICA gegevens beelden Illustratie van aanvaardbare hoofdhuid kaart en 2-D Continuous Data plot na ICA voor een steekproef geval Independent Component 13 (IC13), van een individu, 23-jarige, mannelijke deelnemer. Activering lijkt te zijn gericht op een gebied van de hersenen in de hoofdhuid in kaart gebracht te bekijken, en er geen grote strepen zijn zichtbaar in de Continuous data plot. Klik hier om een grotere versie van deze figuur te bekijken.


Figuur 6:. 2-D Continuous Data Plots bijpassende Scalp-Toegewezen Beelden Drie voorbeelden van post-ICA continue data plots worden getoond van een individu, 23-jarige, mannelijke deelnemer. Dikke banden of strepen in de 2-D Continuous Data plots uit ICA geven discontinuïteiten niet indicatief voor een normale hersenfunctie in IC2, IC3, IC4 -. Vooral in IC2 en IC3 plots Klik hier om een grotere versie van deze figuur te bekijken.

figuur 7
Figuur 7:. Brainwave gegevens met de Artifacts Screenshot van een artefact (kanaal F7) handmatig gemarkeerd voor afwijzing met een sample tijd variëren van een individu, 23-jarige, mannelijke deelnemer. Let op de gebeurtenis over meerdere kanalen tussen 132 en 133: dezelfde gebeurtenissen herhaald meerdere malen (ongeveer dezelfde vorm en afmetingen gelijkmatig) - en derhalve wordt aangenomen dat een niet-brain biologische functie vertegenwoordigen - en kan via Independent Component Analysis worden verwijderd (bijvoorbeeld knipperen.) (ICA). klik hier om een grotere versie van deze figuur te bekijken.

. Aanvullende Code File: MATLAB Script en Wijziging Geeft de scripts (spectopo.m en absolutepower.m) voor de transformatie op basis van de meting microvolt en de tijd - berekend voor elke frequentieband (Delta, Theta, Alpha, Beta en Gamma) - om de absolute macht te verkrijgen bij elke frequentie 22. De code veranderingen vereist voor een goede functionaliteit pop_chanedit.m zijn ook inbegrepen.lemental_Code_File.txt "> Klik hier om dit bestand te downloaden.

REST AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4
delta 2,92885 4,08477 3,54998 2,34592 2,70998 2,32691 2,68544 4,27085 2,98234 8,86292 6,23237 4,78013 10,8036 3,25063
theta 0,97171 1,37529 1,31051 0,80067 0,86828 0,72737 0,89545 1,47262 0,9612 2,62535 1,81392 1,50252 3,17255 1,07803
alpha 1,05352 1,3154 1,1847 0,65468 0,80063 0,67154 1,02715 2,07336 1,08513 2,66165 1,57996 1,34778 3,03508 1,16919
beta 0,43161 0,90384 0,50791 0,53479 0,50098 0,38674 0,38319 0,58092 0,31785 1,01047 0,56527 0,49346 0,90616 0,48072
gamma 0,5045 1,34183 0,62215 0,84909 0,70052 0,51585 0,43051 0,67612 0,34162 1,03946 0,64008 0,5726 0,91932 0,51616

Tabel 1:. Rest absolute macht Bevat de absolute macht waarden voor de basislijn Rest perioden. De waarden worden getoond voor elke EEG cap kanaal en elke neurale frequentieband. Klik hier om deze tabel te downloaden als een Excel-spreadsheet.

PSVT: R AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4
delta 3,20159 4,9235 4,45167 2,34879 2,42221 2,02463 2,94513 5,43045 4,42694 12,7964 11.31 6,487 21,8189 4,09331
theta 0,96945 1,59045 1,37746 1,03259 0,84002 0,66437 1,07593 1,74327 1,17321 3,7199 2,85166 1,53374 5,03852 1,18174
alpha 0,85227 1,13582 1,02927 0,58288 0,67936 0,58545 0,74962 1,66418 0,99799 2,75755 2,02905 1,36223 3,80233 1,0266
beta 0,35494 0,678 0,40734 0,36971 0,37595 0,30512 0,31952 0,50253 0,28369 0,75791 0,71554 0.42837 1,01529 0,34922
gamma 0,30691 0,74519 0,41486 0,43652 0,39229 0,30623 0,30822 0,4174 0,22447 0,66889 0,70126 0,36895 0,90685 0,30268

Tabel 2: PSVT:. R absolute macht Bevat de absolute macht waarden voor de tijd perioden waarin de deelnemer werd het oplossen van PSVT: R problemen. De waarden worden getoond voor elke EEG cap kanaal en elke neurale frequentieband. Klik hier om deze tabel te downloaden als een Excel-spreadsheet.

MCT AF3 F7 F3 FC5 T7 P7 </ Td> O1 O2 P8 T8 FC6 FC4 FC8 AF4
delta 4,25246 7,54329 5,08043 5,52389 3,73567 3,26572 3,76397 5,8437 4,62085 18,7991 16,4444 6,24405 28,1184 4,59798
theta 1,19953 1,84997 1,70135 1,27424 1,30572 1,08925 1,09528 1,91699 1,34909 4,19652 3,73398 2,04338 6,21749 1,33753
alpha 1,18154 1,41989 1,23333 0,76868 0,8051 0,6844 1,02368 2,53414 1,29356 2,94347 2,26038 1,4973 3,94919 1,1579
beta 0,44047 0,89503 0.54 0,51125 0,46215 0,36589 0,3884 0,61918 0,35962 1,03223 0,89744 0,54226 1,35175 0,47197
gamma 0,41897 1,05133 0,51015 0,64259 0,51855 0,39244 0,41827 0,52564 0,29925 0,87269 0,84818 0,4996 1,08765 0,41331

Tabel 3:. MCT absolute macht Bevat de absolute macht waarden voor de tijd perioden waarin de deelnemer werd het oplossen van MCT problemen. De waarden worden getoond voor each EEG cap kanaal en elke neurale frequentieband. Klik hier om deze tabel te downloaden als een Excel-spreadsheet.

Statica AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4
delta 7,21032 12,8557 8,50834 7,09116 5,75386 4,80761 6,79589 9,11056 7,39437 23,7659 18,5893 11,7132 32,0165 8,38173
theta 1,64049 3,16334 1,98263 1,70548 1,52057 1,25686 1,61864 2,35557 1,6244 4,85163 3,79464 2,53764 6,50266 1,809
alpha 0,86505 1,37518 1,00568 0,72506 0,76361 0,6491 0,95616 1,63483 0,9386 2,56892 1,67092 1,18895 3,13664 0,98499
beta 0,35583 0,55288 0,41326 0,30866 0,34607 0,29362 0,357 0,59991 0,34927 1,04345 0,66066 0,44385 1,21395 0,42598
gamma 0,24587 0,43744 0,31831 0,23404 0,25428 0,2218 0,26349 0,39275 00,22939 0,7927 0,507 0,29891 0,94462 0,3172

Tabel 4:. Statics absolute macht Bevat de absolute macht waarden voor de tijd perioden waarin de deelnemer werd het oplossen van Statics problemen. De waarden worden getoond voor elke EEG cap kanaal en elke neurale frequentieband. Klik hier om deze tabel te downloaden als een Excel-spreadsheet.

PSVT: R% AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4 gemiddelde
delta 1,09312 1,20533 1,254 1,00122 0,89381 0,8701 1,0967 1,27152 1,48439 1,44382 1,81472 1,35708 2,01959 1,25924
theta 0,99766 1,15645 1,05108 1,28965 0,96746 0,91339 1,20155 1,18379 1,22056 1,41692 1,5721 1,02078 1,58816 1,09621
alpha 0,80897 0,86348 0,86881 0,89032 0,84853 0,8718 0,7298 0,80265 0,9197 1,03603 1,28424 1,01072 1,2528 0,87804
beta 0,82237 0,75013 0,80199 0,69131 0,75043 0,78897 0,83383 0,86506 0,89252 0,75005 1,26584 0,86809 1,12043 0,72645 85,2%
gamma 0,60836 0,55535 0,66682 0,5141 0.56 0,59365 0,71594 0,61734 0,65707 0,6435 1,09557 0,64435 0,98644 0,5864

. Tabel 5: PSVT: R Relatieve absolute macht Bevat de relatieve absolute macht waarden - dat wil zeggen, de verhouding ten opzichte van de rest basislijn - voor de tijd perioden waarin de deelnemer werd het oplossen van PSVT: R problemen. De waarden worden getoond voor elke EEG cap kanaal en elke neurale frequentieband./ftp_upload/53327/Table_5.xlsx">Please klik hier om deze tabel te downloaden als een Excel-spreadsheet.

MCT% AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4 gemiddelde
delta 1,45192 1,84669 1,43111 2,35468 1,37849 1,40346 1,40162 1,36828 1,54941 2,12109 2,63855 1,30625 2,60268 1,41449
theta 1,23445 1,34515 1,29823 1,59146 1,5038 1,49751 1,22317 1,30176 1,40354 1.59846 2,05851 1,35997 1,95978 1,24072
alpha 1,12151 1,07944 1,04106 1,17413 1,00557 1,01915 0,99661 1,22223 1,19207 1,10588 1,43065 1,11093 1,30118 0,99034
beta 1,02052 0,99025 1,06317 0,95599 0,9225 0,9461 1,01359 1,06585 1,13138 1,02154 1,58762 1,09891 1,49174 0,9818 109,2%
gamma 0,83046 0,78351 0,81998 0,7568 0,74023 0,76077 0,97157 0,77744 0,87596 0,83956 1,32511 0,87252 1,1831 0,80073

. Tabel 6: MCT Relatieve absolute macht Bevat de relatieve absolute macht waarden - dat wil zeggen, de verhouding ten opzichte van de rest basislijn - voor de tijd perioden waarin de deelnemer werd het oplossen van MCT problemen. De waarden worden getoond voor elke EEG cap kanaal en elke neurale frequentieband. Klik hier om deze tabel te downloaden als een Excel-spreadsheet.

Statics% AF3 F7 F3 FC5 T7 P7 O1 O2 P8 T8 FC6 FC4 FC8 AF4 gemiddelde
2,46182 3,14723 2,39673 3,02277 2,12321 2,06609 2,53064 2,1332 2,47939 2,6815 2,9827 2,45039 2,96349 2,57849
theta 1,68824 2,30012 1,51286 2,13005 1,75125 1,72794 1,80763 1,59958 1,68997 1,84799 2,09195 1,68893 2,04966 1,67807
alpha 0,82111 1,04545 0,84889 1,1075 0,95375 0,96658 0,93089 0,78849 0,86496 0,96516 1,05757 0,88215 1,03347 0,84245
beta 0,82441 0,6117 0,81364 0,57716 0,69079 0,75922 0,93164 1,03269 1,09885 1,03264 1,16874 0,89947 1,33966 0,88613 90,5%
gamma 0,48736 0,326 0,51162 0,27564 0,36299 0,42997 0,61205 0,58088 0,67146 0,76261 0,79208 0,52202 1,02753 0,61453

. Tabel 7: Statics Relatieve absolute macht Bevat de relatieve absolute macht waarden - dat wil zeggen, de verhouding ten opzichte van de rest basislijn - voor de tijd perioden waarin de deelnemer werd het oplossen van Statics problemen. Waarden zijn sheigen voor elk EEG cap kanaal en elke neurale frequentieband. Klik hier om deze tabel te downloaden als een Excel-spreadsheet.

gemiddelde
PSVT: R% 85,2%
MCT% 109,2%
Statics% 90,5%

. Tabel 8: Averaged Relatieve absolute macht Bevat de relatieve absolute vermogenswaarden - dat wil zeggen de verhouding ten opzichte van de rest basislijn - gemiddeld over alle EEG cap kanalen voor de tijdsperiode waarop de deelnemer was oplossen PSVT: R, MCT en Statica problemen . Percentages worden getoond voor de beta frequentieband alleen. Klik hier om deze tabel te downloaden als eenn Excel spreadsheet.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Het protocol bespreekt de toepassing van elektro tot hersenactiviteit van de deelnemers werken problemen vanuit twee typische ruimtelijk inzicht instrumenten en zeer ruimtelijk technische Statics problemen te meten. De hier beschreven methoden kunnen uiteindelijk in staat zijn om te helpen begrijpen van de neurale efficiency van hoge en lage performers die zich bezighouden met het werk van deze problemen. Het is van vitaal belang om eventuele verschillen in neurale efficiëntie van ingenieursstudenten aan het MCT en PSVT begrijpen: R, omdat deze tests vaak worden gebruikt om ruimtelijk inzicht te beoordelen. Het vergelijken van hen aan elkaar stelt ons in staat om hun toepasbaarheid om succes in engineering en hun positie in de fundamentele technische curricula beter te beoordelen.

Het protocol voorziet in procedures voor onderzoek naar neurale efficiëntie in verband met ruimtelijke cognitie taken. Het is belangrijk dat betrouwbare en valide instrumenten worden gebruikt om ruimtelijk inzicht verbonden technische inhoud beoordelen. Het iis het ook belangrijk dat technische problemen richten op de representatieve technische inhoud van een specifieke cursus. EEG-metingen bieden een uitgesproken niet-intrusieve mogelijkheid om cognitieve component gegevens van studenten die zich bezighouden met ruimtelijke aspecten van de technische problemen op te lossen driehoeksmeting. De juiste tijd stempelen moet worden gebruikt voor een dergelijke verzameling van gegevens, het waarborgen van triangulatie met video gearchiveerd events. IRB protocollen moeten strikt worden opgevolgd, het waarborgen van de anonimiteit van de deelnemers gegevens en analyses.

De meeste problemen oplossen van problemen optreden tijdens het verzamelen van EEG-gegevens zoals hieronder beschreven, en de meerderheid van hen worden behandeld voordat de gegevens worden vastgelegd. Correcties voor arme impedantie en ruis zijn het best behandeld tijdens de installatie. Naar aanleiding van de instructies van de EEG headset fabrikant is van cruciaal belang, en in onze ervaring de aanwijzingen door de software van de fabrikant kunnen gebruikers naar specifieke elektroden controleren. Typisch de verbinding tussen het vilt pad en de participant hoofd moet meer worden gedempt, of de verbinding tussen elke elektrode en de hoofdtelefoon moeten worden gecontroleerd. Als er een verbinding zichtbaar, maar de kwaliteit is slecht, met de injectiespuit opnieuw bevochtigen het vilt vaak voldoende, en soms de headset moet fysiek worden aangepast om stevig op de hoofdhuid te waarborgen. In een paar gevallen, we moesten de deelnemers vragen om hun haar in een gootsteen te spoelen voordat we in staat waren om een ​​goede verbinding te verkrijgen. Wanneer de elektrode bleek niet uitzend gegevens werd vaak opgelost door het verwijderen van de elektrode en opnieuw te plaatsen. Soms de plastic behuizing van de elektrode kunnen barsten, in welk geval het zal moeten worden vervangen.

Andere problemen kunnen optreden tijdens de data-analyse, en wordt besproken in het protocol. Data preprocessing omvat het filtreren en verwijderen van artefacten. Vaak zijn de data-analyse software ondersteunt handmatige afwijzing evenals scripts die tijdens de voorbewerking en pro kan worden uitgevoerd verwerking van de gegevens.

Wijzigingen werden aangebracht om een ​​script in de analyse software. Deze wijzigingen zijn gedocumenteerd in de aanvullende codebestand. Wijzigingen aan het protocol kan ook worden gemaakt. Een gelijktijdige protocol is gebruikt waarin verbale antwoorden vereist tijdens de studie. Dit zal meer artefacten te introduceren in de EEG-gegevens, maar zal meer inzicht in functionele kennis van de deelnemer te bieden tijdens de tests. Een alternatief is ook gebruikt waarin de deelnemer deelneemt aan een video opgenomen interview met de onderzoeker na de sessie.

Andere aanbevolen mogelijke aanpassingen zijn gebruik te maken van verschillende ruimtelijke vermogen test 14 verschillende technische vragen 17, of andere educatieve assessments. Verschillende hersenactiviteit metrics, mogelijk via EEG en andere instrumenten, kan ook licht werpen op de moeilijkheid, of andere kenmerken, vaardigheid assessments.

jove_content "> We erkennen dat er beperkingen zijn met de in dit document techniek De constructen van ruimtelijk inzicht (rotatie en snijden geschaafd oppervlak) gemeten door de PSVT:. R en MCT zijn slechts twee van de vele mogelijke constructies meetbaar met andere ruimtelijke statistieken. Daarnaast kunnen verschillende ruimtelijk intensieve taken (bijv., verschillende soorten problemen of verschillende cursussen en cursussen) worden beoordeeld. Onderzoek naar neurale efficiëntie moeten uiteraard ook worden uitgevoerd op een breder bereik dan alleen fundamentele ingenieursopleidingen zoals Statics. Voor Zo moet worden onderzocht binnen de vele STEM velden erkend in de literatuur afhankelijk ruimtelijk redeneren 3. ook moet neurale efficiëntieonderzoek niet beperkt tot vaardigheden rechtstreeks verband alleen ruimtelijk inzicht 21-28. Zelfs binnen de bij hersengolven onderzoek meting, de praktijk van het gemiddelde van de macht metingen over de duur van een taak verbiedt onderzoekin andere correlaties die kunnen optreden binnen de patronen van hersenactiviteit. EEG-metingen door hun temporele responsiviteit zijn niet beperkt tot neurale efficiëntieonderzoek. En EEG instrumentatie zelf beperkt door de diepte van hersengolfactiviteit kan detecteren, vooral ten opzichte van de hogere ruimtelijke resolutie van functionele nabij-infraroodspectroscopie of functionele magnetische resonantie imaging, hoewel de temporele responsiviteit van de beste 36 blijft.

Uiteindelijk is het potentieel van het gebruik van fysiologische metingen om inzicht te geven aan het onderwijs theorie en praktijk blijkt immense 37,38. De technische aanpak en de doelstellingen van dit protocol zijn anders dan de biofeedback aanpak met behulp van EEG in onderwijs / opleiding bestudeert 39, maar ze zijn allemaal het overwegen waard als inzicht wordt verkregen in fenomenen zoals ruimtelijk inzicht ontwikkeling en engineering ontwikkeling van vaardigheden. Deze benadering van het gebruik van EEG neurale effici onderzoekenrantie tussen ruimtelijke opgaven die inherent zijn binnen specifieke ruimtelijk inzicht instrumenten definieert een andere methode van het scheiden van ruimtelijk inzicht testen. Dit is een voorbeeld van een nieuwe toepassing van een neurowetenschappelijke benadering voor het onderzoeken van ruimtelijk inzicht testen, evenals het openen van een neurowetenschappelijke benadering van het onderzoek van de bestaande pedagogiek. Het vinden van methoden voor verificatie en validatie maakt deel uit van de technische cultuur. Binnen deze nieuwe toepassing, kan fysiologische brainwave het testen van een nieuwe wereld van begrip en raffinage pedagogiek te openen. Sterker nog, als gezien als een potentiële laan van validatie, een roman en de nieuwe generatie van de techniek onderwijsonderzoek kunnen voordoen.

Subscription Required. Please recommend JoVE to your librarian.

Acknowledgments

De auteurs willen graag Christopher Green, Bradley Robinson, en Maria Manuela Valladares te erkennen, voor het helpen met het verzamelen van gegevens. Financiering voor EEG-apparatuur werd verstrekt door de Utah State University's Bureau voor Onderzoek en Graduate Studies Equipment Grant Kerry Jordan's Multisensorische Cognition Lab. Benjamin oproep wordt ondersteund door een presidentieel Doctoral Research Fellowship gehaald uit Utah State University's School of Graduate Studies van zijn werk met Dr. Wade Goodridge.

Materials

Name Company Catalog Number Comments
Emotiv EPOC Model 1.0 Emotiv Model: Emotiv Premium "High resolution, multi-channel, portable EEG system."
Emotiv Control Panel (software) Emotiv Used for data collection.
Emotiv Testbench (software) Emotiv Used for data collection.
Virtual Serial Port Emulator - VSPE (software) ETERLOGIC.COM Used COM10 in data collection. Available as a free download, depending on the operating system.
E-Prime 2.0 (software) Psychology Software Tools Used for data collection (presentation of problems to participants and collection of markers for different phases).
EEGLab 13.4.4b (software) Swartz Center for Computational Neuroscience (SCCN) Used for data analysis. "An open source environment for electrophysiological signal processing". SCCN is a Center of the Institute for Neural Computation, the University of California San Diego.
MATLAB R2014b The Mathworks, Inc. Used to run EEGLab
Microsoft Excel 2013 Microsoft Used to assemble and compare tabulated results from EEGLab & MATLAB, to create tables
Camcorder with built in Mic Canon CNVHFR50 Used to record sessions
Syringe Kit (5 cc syringe & 16 G blunted needles x 2) Electro-Cap Intnl. Inc. E7 For keeping the EEG cap's felts damp.
Nuprep EEG Skin Prep Gel Weaver and Company 10-30 For cleaning the mastoid process.
Sanitizer Purell S-12808 For sanitizing hands

DOWNLOAD MATERIALS LIST

References

  1. Sorby, S. A. Educational Research in Developing 3-D Spatial Skills for Engineering Students. Int. J. Sci. Educ. 31 (3), 459-480 (2009).
  2. Wai, J., Lubinski, D., Benbow, C. P. Spatial Ability for STEM Domains: Aligning Over 50 Years of Cumulative Psychological Knowledge Solidifies Its Importance. J. Educ. Psychol. 101 (4), 817-835 (2009).
  3. Uttal, D. H., Cohen, C. A. Spatial Thinking and STEM Education: When, Why, and How? Psychol. Learn. Motiv. 57, 147-181 (2012).
  4. Halpern, D. F., Collaer, M. L. The Cambridge handbook of visuospatial thinking. , Cambridge University Press. Cambridge. (2005).
  5. Lubinski, D., Benbow, P. Study of mathematically precocious youth after 35 years. Perspect. Psychol. Sci. 1 (4), 316-345 (2006).
  6. Sorby, S., Casey, B., Veurink, N., Dulaney, A. The role of spatial training in improving spatial and calculus performance in engineering students. Learn. Individ. Differ. 26, 20-29 (2013).
  7. Peters, M., Chisholm, P., Laeng, B. Spatial ability, student gender, and academic performance. J. Eng. Educ. 84 (1), 1-5 (1994).
  8. Pellegrino, J. W., Alderton, D. L., Shute, V. J. Understanding Spatial Ability. Educ. Psychol. 19 (3), 239-253 (1984).
  9. Goodridge, W., Villanueva, I., Wan, N. J., Call, B. J., Valladares, M. M., Robinson, B. S., Jordan, K. Neural efficiency similarities between engineering students solving statics and spatial ability problems. Poster presented at the meeting of the Society for Neuroscience. Washington, DC, , (2014).
  10. Sorby, S. A., Baartmans, B. J. The Development and Assessment of a Course for Enhancing the 3-D Spatial Visualization Skills of First Year Engineering Students. J. Eng. Educ. 89 (3), 301-307 (2000).
  11. Gorska, R., Sorby, S. A. Testing instruments for the assessment of 3-D spatial skills. Proceedings of the American Society for Engineering Education Annual Conference. , (2008).
  12. CEEB Special aptitude test in spatial relations. , CEEB. USA. (1939).
  13. Guay, R. Purdue spatial visualization test. , Purdue University. (1976).
  14. Hegarty, M. Components of Spatial Intelligence. , Elsevier Inc. San Diego, CA. (2010).
  15. Bishop, J. E. Developing Students' Spatial Ability. Sci. Teacher. 45 (8), 20-23 (1978).
  16. Goodridge, W. H., Villanueva, I., Call, B. J., Valladares, M. M., Wan, N., Green, C. Cognitive strategies and misconceptions in introductory Statics problems. 2014 IEEE Frontiers in Education Conference (FIE) Proceedings. , 2152-2159 (2014).
  17. Steif, P. S., Dantzler, J. A. A Statics Concept Inventory: Development and Psychometric Analysis. J. Eng. Educ. 94 (4), 363-371 (2005).
  18. Suresh, R. The relationship between barrier courses and persistence in engineering. J. Coll. Student Retention. 8 (2), 215-239 (2006).
  19. Pfurtscheller, G., Lopes da Silva, F. H. Event-related EEG/MEG synchronization and desynchronization: basic principles. Clin. Neurophysiol. 110 (11), 1842-1857 (1999).
  20. Klimesch, W. EEG alpha and theta oscillations reflect cognitive and memory performance: a review and analysis. Brain Res. Brain Res. Rev. 29 (2-3), 169-195 (1999).
  21. Babiloni, C., et al. Resting state cortical rhythms in athletes: a high-resolution EEG study. Brain Res. Bull. 81 (1), 149-156 (2010).
  22. Babiloni, C., et al. 34;Neural efficiency" of experts' brain during judgment of actions: a high-resolution EEG study in elite and amateur karate athletes. Behav. Brain Res. 207 (2), 466-475 (2010).
  23. Del Percio, C., et al. "Neural efficiency" of athletes' brain for upright standing: a high-resolution EEG study. Brain Res. Bull. 79 (3-4), 193-200 (2009).
  24. Grabner, R. H., Fink, A., Stipacek, A., Neuper, C., Neubauer, A. C. Intelligence and working memory systems: evidence of neural efficiency in alpha band ERD. Brain Res. Cognitive Brain Res. 20 (2), 212-225 (2004).
  25. Grabner, R. H., Neubauer, A. C., Stern, E. Superior performance and neural efficiency: the impact of intelligence and expertise. Brain Res. Bull. 69 (4), 422-439 (2006).
  26. Grabner, R. H., Stern, E., Neubauer, A. C. When intelligence loses its impact neural efficiency during reasoning in a familiar area. Int. J. Psychophysiol. 49, 89-98 (2003).
  27. Neubauer, A. C., Grabner, R. H., Fink, A., Neuper, C. Intelligence and neural efficiency: Further evidence of the influence of task content and sex on the brain-IQ relationship. Cognitive Brain Res. 25 (1), 217-225 (2005).
  28. Riecanský, I., Katina, S. Induced EEG alpha oscillations are related to mental rotation ability: The evidence for neural efficiency and serial processing. Neurosci. Lett. 482 (2), 133-136 (2010).
  29. Roberts, J. E., Ann Bell, M. Two- and three-dimensional mental rotation tasks lead to different parietal laterality for men and women. Int. J. Psychophysiol. 50 (3), 235-246 (2003).
  30. Roberts, J. E., Bell, M. A. The effects of age and sex on mental rotation performance, verbal performance, and brain electrical activity. Dev. Psychobiol. 40 (4), 391-407 (2002).
  31. Gill, H. S., O'Boyle, M. W., Hathaway, J. Cortical distribution of EEG activity for component processes during mental rotation. Cortex. 34 (5), 707-718 (1998).
  32. Caplan, J. B., Madsen, J. R., Schulze-Bonhage, A., Aschenbrenner-Scheibe, R., Newman, E. L., Kahana, M. J. Human Theta Oscillations Related to Sensorimotor Integration and Spatial Learning. The J. Neurosci. 23 (11), 4726-4736 (2003).
  33. Kahana, M., Sekuler, R., Caplan, J., Kirschen, M., Madsen, J. R. Human theta oscillations exhibit task dependence during virtual maze navigation. Nature. 399 (6738), 781-784 (1999).
  34. Delorme, A., Makeig, S. EEGLAB: An open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. J. Neurosci. Meth. 134, 9-21 (2004).
  35. Delorme, A., Sejnowski, T., Makeig, S. Enhanced detection of artifacts in EEG data using higher-order statistics and independent component analysis. NeuroImage. 34, 1443-1449 (2007).
  36. Meyer-Lindenberg, A. From maps to mechanisms through neuroimaging of schizophrenia. Nature. 468, 194-202 (2010).
  37. Campbell, S. R. Educational Neuroscience: Motivations, methodology, and implications. Educ. Neurosci.: Initiatives and Emerging Issues. Patten, K. E., Campbell, S. R. 43 (1), Wiley-Blackwell. West Sussex, United Kingdom. 7-16 (2011).
  38. Kelly, A. E. Can Cognitive Neuroscience Ground a Science of Learning?. Educ. Neurosci.: Initiatives and Emerging Issues. Patten, K. E., Campbell, S. R. 43 (1), Wiley-Blackwell. West Sussex, United Kingdom. 17-23 (2011).
  39. Cunningham, M. D., Murphy, P. J. The effects of bilateral EEG biofeedback on verbal, visual-spatial, and creative skills in learning disabled male adolescents. J. Learn. Disabil. 14 (4), 204-208 (1981).

Tags

Gedrag ruimtelijke intelligentie elektro neurale efficiency ruimtelijk inzicht ruimtelijk denken technisch onderwijs Statics
Door gebruik te maken Elektro Metingen voor Vergelijking van taakspecifieke Neural Efficiëntieverbeteringen: Ruimtelijke Intelligence Tasks
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Call, B. J., Goodridge, W.,… More

Call, B. J., Goodridge, W., Villanueva, I., Wan, N., Jordan, K. Utilizing Electroencephalography Measurements for Comparison of Task-Specific Neural Efficiencies: Spatial Intelligence Tasks. J. Vis. Exp. (114), e53327, doi:10.3791/53327 (2016).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter