Waiting
Login processing...

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

Behavior

פרוטוקול איסוף נתונים וניתוח יישומים לטכנולוגית ניתוח הבעות פנים אוטומטי ובזמן ניתוח להערכה חושית

Published: August 26, 2016 doi: 10.3791/54046

Summary

פרוטוקול עבור לכידה סטטיסטית בניתוח תגובה רגשית של אוכלוסיית משקאות ומזונות מעובים במעבדת הערכה חושית באמצעות תוכנת ניתוח הבעת פנים אוטומטית מתואר.

Introduction

ניתוח הבעת פן אוטומטי (AFEA) הוא כלי אנליטי פוטנציאלי לאפיון מתגובות רגשיות משקאות ומזונות. ניתוח רגשי יכול להוסיף ממד נוסף מתודולוגיות מדע חושיות קיימות, שיטות הערכת מזון, ודירוגי מידה נהנתנית משמש בדרך כלל הוא במסגרות מחקר ותעשייה. ניתוח רגשי יכול לספק סטנדרטי כמדד נוסף חושף תגובה מדויקת יותר למזונות ומשקאות. ניקוד נהנתן עשוי לכלול הטיות משתתפים עקב אי להקליט תגובות 1.

מחקר AFEA כבר בשימוש ביישומים מחקר רבים, כולל משחקי מחשב, התנהגות המשתמש, חינוך / הוראה, ולימודי פסיכולוגיה על אמפתיה ומרמה. רוב מחקרי מזון קשור התמקד באפיון תגובה רגשית לאיכות מזון והתנהגות אנושית עם מזון. עם המגמה האחרונה צובר תובנה התנהגויות מזון, גוף הולך וגדל של דיווחים בספרות להשתמש של AFEAלאפיון התגובה הרגשית האנושית הקשורים מזונות, משקאות, ניחוחי 1-12.

AFEA נגזר מערכת Coding פעולה פנים (FACS). מערכת קידוד פעולת פנים (FACS) מפלה תנועות פנים מאופיינות יחידות פעולה (AUS) בסולם האינטנסיביות של 5 נקודות 13. גישת FACS דורשת מומחי סקירה מאומנים, קידוד ידני, זמן הערכה משמעותי, ומספקת אפשרויות ניתוח נתונים מוגבלות. AFEA פותח שיטת הערכה מהירה כדי לקבוע רגשות. AFEA תוכנה מסתמכת על תנועת שרירים בפנים, מסדי נתונים פנים, ואלגוריתמים לאפיין את התגובה הרגשית 14-18. התוכנה AFEA השתמשו במחקר זה הגיע "מדד FACS של הסכם של 0.67 בממוצע הן על ורשה סט של תמונות הבעות פנים רגשיות (WSEFEP) ואמסטרדם דינמי הבעת פנים הגדר (ADFES), המקורב הסכם רמת 0.70 עבור קידוד ידני "19 20. בנוסף, בספרות פסיכולוגיה כוללת שמחה, מופתע, וגם כעסו רגשות "גישה" (כלפי גירויים) ועצובה, מפוחד, נגעל כרגשות "נסיגה" (הרחק גירויים מרתיעים) 21.

מגבלה אחת של תוכנת AFEA הנוכחית לאפיון רגשות הקשורים מזון היא הפרעה מצד תנועות פנים הקשורים לעיסה ובליעה וכן, קיימים בקשות מוטוריקה גסות אחרות, כגון תנועות ראש קיצוניות. תוכנת מטרות תנועות שרירי פנים קטנות, עמדה המתייחס ומידת התנועה, המבוססות על למעלה מ 500 נקודות שרירים על פני 16,17. תנועות לעיסה להפריע סיווג ביטויים. מגבלה זוation ניתן לפנות באמצעות מזון נוזלי. עם זאת, אתגרים מתודולוגיה אחרים יכולים גם להפחית רגישות וידאו וניתוח AFEA כולל סביבת איסוף נתונים, טכנולוגיה, הוראות חוקרות, התנהגות משתתף משתתף תכונות.

מתודולוגיה סטנדרטית לא פותחה ומאומתת על לכידת וידאו אופטימלית וניתוח נתונים באמצעות AFEA לתגובה רגשית למזונות ומשקאות במעבדת הגדרת הערכה חושית. היבטים רבים יכולים להשפיע על הסביבה הלכידה וידאו כולל תאורה, הצללה עקב פגיעה ברק, כיוונים משתתפים, התנהגות משתתף, גובה משתתף, כמו גם, גובה מצלמה, לדוג מצלמה והגדרות ציוד. יתר על כן, מתודולוגיות ניתוח נתונים אינן עולות בקנה אחד וחוסר מתודולוגיה סטנדרטית להערכת תגובה רגשית. הנה, נדגים נוהל העבודה הרגיל שלנו עבור לכידת נתונים ועיבוד רגשי לתוך תוצאות משמעותיות באמצעות משקאות (חלב בטעמים, חלב unflavored ומי unflavored) להערכה. למיטב ידיעתנו רק פרסום ביקורת עמיתים אחד, מהקבוצה במעבדה שלנו, ניצל סדרת זמן נתונים לפרשנות לרגשות ניתוח 8; עם זאת, השיטה עודכנה עבור השיטה המוצגת שלנו. המטרה שלנו היא לפתח מתודולוגיה משופרת ועקבית כדי לעזור עם שחזור במעבדת הגדרת הערכה חושית. להדגמה, המטרה של מודל המחקר היא להעריך אם AFEA יכול להשלים הערכת קבילות נהנתנית מסורתית של חלב בטעמים, חלב unflavored ומי unflavored. הכוונה של הפרוטוקול בסרטון הזה היא לעזור להקים המתודולוגיה AFEA, לתקנן קריטריונים לכידים וידאו במעבדת הערכה חושית (הגדרה לתא חושית), וכן להדגים שיטה לניתוח נתונים זמני רגשי של אוכלוסייה.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

משפט ואתיקה: מחקר זה שאושר מראש על ידי וירג'יניה טק מוסדית מועצה לביקורת (IRB) (IRB 14-229) לפני תחילת הפרויקט.

זהירות: ניסויים בבני אדם מחייב הסכמה מדעת לפני ההשתתפות. בנוסף לאישור IRB, הסכמה לשימוש של תמונות סטילס או וידאו נדרש גם לפני המסירה של תמונות כל לדפוס, וידאו, או הדמיה גרפית. בנוסף, אלרגנים במזון ניתן גילוי לפני הבדיקה. המשתתפים מתבקשים לפני תחילת הפאנל אם יש להם חוסר סובלנות, אלרגיות או בעיות אחרות.

הערה: קריטריוני הכללה: ניתוח הבעת פן אוטומטית רגיש מסגרת משקפים עבים, פנים וגוון עור בעל זקן עבות. משתתף שיש להם קריטריונים אלה אינם עולים בקנה אחד עם ניתוח תוכנה בשל סיכון מוגבר סרטונים נכשלו. זו מיוחסת חוסר היכולת של התוכנה כדי למצוא את הפנים.

גיוס 1. הכנת מדגם משתתף

  1. כן משקה או רךדגימות מזון.
    1. הכינו פתרונות חלב מוגבר באמצעות חלב 2% והציע טעמים מן קוסטלו וקלארק (2009) 22 וכן טעמים אחרים. הכן את הפתרונות הבאים: (1) חלב unflavored (חלב דל שומן 2%); (2) מי unflavored (מי שתייה); (3) תמצית וניל טעם בחלב (0.02 גר '/ מיליליטר) (טעם וניל ברור חיקוי); ו (4) טעם מלוח בחלב (0.004 גרם / מ"ל ​​מלח המכיל יוד).
      הערה: פתרונות אלה משמשים למטרות הדגמה בלבד.
    2. יוצקים חצי aliquots אונקיה (~ 15 גרם) של כל פתרון ל -2 גר '. כוסות וכובע מדגם פלסטיק שקופים עם מכסים לפי צבעים.
      הערה: מומלץ להשתמש כוסות שקופות; עם זאת, זה תלוי בשיקול דעתו של החוקר.
  2. לגייס משתתפים מהקמפוס או הקהילה המקומית כדי להשתתף במחקר.
    הערה: גודל המדגם משתתף הדרושים מחקר תלוי בשיקול דעתו של החוקר. אנו ממליצים בטווח של עד 10 ל -50 משתתפים. השג סכמת הסובייקט אנושית לפני ההשתתפות במחקר.

2. הכנת חדר לוח עבור לכידת וידאו

הערה: פרוטוקול זה מיועד לכידת נתונים במעבדת הערכה חושית. פרוטוקול זה הוא להפוך נתוני AFEA ללכוד שימושי עבור הגדרה לתא חושית.

  1. השתמש דוכני הפרט עם צג מסך מגע לפניהם (רמת הפנים) כדי לשמור על המיקוד שלהם קדימה ולמנוע מביט למטה.
  2. השתמש כיסאות גובה מתכוונן עם תמיכה לאחור.
    הערה: אלה הם חיוניים עבור מאפשר למשתתפים להיות מותאמים במאונך ימוקמו מתאים ללכידת וידאו. השתמש כיסאות נייחים (לא תכונה מתגלגלת) עם תמיכה בגובה בחזרה מתכווננת, כך התנועות של המשתתף מופחתות.
  3. גדר תאורה עילית ב "100% היום" עבור לכידת וידאו מרגשת פנים אופטימלי (illuminant 6504K; R = 206; G = 242; B = 255).
    הערה: כדי למנוע הצללה אינטנסיבית, תאורה חזיתית מפוזרת היא IDEאל תוך עוצמת או צבע האור אינה רלוונטית כמו 20. בסופו של דבר, זה תלוי בשיקול דעתו של החוקר, פרוטוקול / מתודולוגיה פרט, וסביבה לשלוט בתאורה עבור לכידה.
  4. להטביע מצלמה מתכווננת מעל צג מסך מגע להקלטה.
    1. השתמש מצלמה עם רזולוציה של לפחות 640 x 480 פיקסלים (ומעלה) 20. דונו יכולות המצלמה נדרש עם ספק התוכנה לפני הרכישה וההתקנה 20. הערה: יחס ההיבט לא חשוב 20.
    2. גדר מהירות מצלמה ללכוד 30 פריימים (מהירות רגילה או אחרת) שנייה לעקביות.
    3. חבר ולהבטיח מדיה תוכנת צריבה מוגדרת למצלמה להקליט ולשמור קטעי וידאו משתתף.

3. התאמה משתתפת וכיווני מילולי

  1. יש רק למשתתף אחד בכל פעם להעריך את הדגימות בתא החושי.
    הערה: בדיקה יותרמשתתף אחד בעת ובעונה אחת עלולה להפריע סביבת בדיקות ולשבש את הריכוז של המשתתף או ליצור הטיה.
  2. עם ההגעה, לתת למשתתפי הוראות מילוליות על התהליך ונהלי ביצוע.
    1. יש המשתתפים לשבת ישר למעלה אל גב הכיסא.
    2. התאם גובה הכיסא, המיקום של הכיסא (המרחק מן המצלמה), וזווית המצלמה כך פניו של המשתתף הוא נתפס במרכז של הקלטת וידאו, ללא צללים על הסנטר או סביב העיניים.
      הערה: בביתן החושי, ראשו של המשתתף הוא בערך 20 - במרחק של 24 סנטימטרים מן המצלמה ואת הצג עם הפנים שמרכזה הזנת וידאו מצלמה.
    3. הדרך המשתתף להמשיך לשבת כמו המיקום וממוקד הפונה לכיוון הצג. בנוסף, להורות המשתתפים להימנע מתנועות פתאומיות כל צריכת פוסט-מדגם במהלך תקופת הערכת 30 שניות לדגימה. הדרך את המשתתף לצרוך את המשקה כולו או מדגם מזון נוזלי ולבלוע.
    4. הדריכו את המשתתף שברצונך להעביר את הגביע מדגם במהירות מתחת לסנטר ולמטה לשולחן מיד לאחר המדגם הוא בפה. זאת על מנת לחסל חסימת פן. זכר להם להמשיך לחפש לעבר המסך.
      הערה: המנשא מדגם למסור המדגם הוא עד פי שיקול דעתו של החוקר. קש או ספל עשוי לשמש. בכל מקרה, חסימת פנים ראשונית היא בלתי נמנעת בגלל הפנים יהיה occluded או מעווה בשל צריכה.
  3. הדרך את המשתתף לבצע את ההוראות כפי שהם מופיעים על מסך המגע. הערה: הוראות הם רצף אוטומטית שתוכנת התוכנה חושית האוטומטית.

4. תהליך משתתף בודד עבור לכידת וידאו

  1. אשר מצלמת וידאו הוא לכידת פניו של המשתתף בצורה אופטימלית תוך המשתתף יושבבנוחות בתא (לפני מצגת לדוגמה) על ידי הצגת מסך המחשב שעליו לכידת וידאו מוצגת. בגין הקלטה על ידי לחיצה על כפתור ההקלטה על צג המחשב.
  2. הדרך המשתתפים ללגום מים לנקות את החך שלהם.
  3. לספק טיפולים אחד בכל פעם, החל טיפול בסיס או שליטה (מי unflavored). לזהות כל דגימה על ידי כרטיס אינדקס ייחודי בצבע מונח על גבי כל המדגם הקשור לקוד צבע מדגם לזיהוי וטיפול מדגם בתוך הסרטון.
    הערה: הדרכת תכנון בצג מגע מורה משתתפים. ההוראות לכוון את המשתתף באמצעות סדרה של צעדים סטנדרטיים עבור כל דגימת טיפול.
  4. באמצעות צג מסך מגע, לכוון את המשתתף:
    1. החזק את טרום צריכת כרטיס אינדקס הצבע המזוהה לזיהוי מדגם בסרטון.
      הערה: כרטיס הצבע הוא חוקרי דרך יכולים לזהות טיפולי הווידאוnd לסמן את מסגרת הזמן המתאימה (זמן אפס) להערכה המדגם.
    2. לאחר שקבע את הכרטיס בקצרה, למקם את הכרטיס בחזרה על המגש.
    3. לגמרי לצרוך המדגם ולהמתין כ 30 שניות, נאכף באמצעות הדרכה מתוכנת על המסך, בעוד פונה לכיוון המצלמה.
      הערה: תקופת הדגימה 30 שניות המבוקר מקיפה טווח זמן מספיק לצורך תקופת הערכת דגימה כולה (כלומר, מראה את כרטיס האינדקס, פתיחת מדגם (הסרת המכסה), צריכה ללכוד רגשי).
    4. זן ציון הקבילות הנהנתן שלהם על צג מסך המגע (1 = אהב מאוד, 2 = לא אוהבים הרבה מאוד, 3 = אהב בינוני, 4 = אהב מעט, 5 = לא אוהב ולא סלידה, 6 = כמו מעט, 7 = כמו בינוני, 8 = כמו הרבה מאוד, 9 = כמו מאוד).
    5. לשטוף את הפה עם מי שתייה לפני תהליך המדגם הבא.

5. הערכת אפשרויות ניתוח הבעות פנים אוטומטיות

הערה: תוכנות ניתוח הבעת פנים רבות קיימות. תוכנה פקודה ופונקציות עשויות להשתנות. חשוב לעקוב אחר הנחיות למשתמש של היצרן וציין 20 ידניים.

  1. שמור הקלטות בפורמט המדיה ולהעביר אל תוכנת ניתוח הבעת פנים האוטומטית.
  2. לנתח קטעי וידאו משתתף באמצעות תוכנת ניתוח פנים אוטומטית.
    1. לחץ לחיצה כפולה על סמל התוכנה על שולחן העבודה של המחשב.
    2. לאחר התוכנית פתוחה, לחץ על "קובץ", בחר "חדש ...", ובחר "פרויקט ..."
    3. בחלון pop up, שם הפרויקט לשמור את הפרוייקט.
    4. להוסיף משתתפי הפרויקט על ידי לחיצה על "המשתתפים הוסף" סמל (אדם עם סימן (+)). עוד משתתפים ניתן להוסיף על ידי חזרה על שלב זה.
    5. הוסף וידאו של משתתף למשתתף בהתאמה לניתוח.
      1. בצד שמאל של המסך לחץ על הסמל של wi סליל סרטה סימן הפלוס (+) כדי להוסיף סרטון לנתח.
      2. לחץ על "זכוכית מגדלת" תחת משתתף עניין לגלוש וידאו להוסיף.
  3. לנתח קטעי וידאו מסגרת לפי מסגרת תחת הגדרות ניתוח כיול רציפות בתוכנה.
    1. לחץ על סמל העיפרון כדי להתאים את ההגדרות בתחתית החלון, תחת לשונית "הגדרות" עבור כל סרטון וידאו משתתף.
      1. הגדר "Face דגם" לגנרל. גדר "סיווגים להחליק" כן. גדר "קצב דגימה" אל כל מסגרת.
      2. גדר "סיבוב תמונה" למקום קבע "כיול רציף" כן. גדר "כיול נבחר" לללא.
    2. שמור הגדרות פרויקט.
    3. לחצו על סמל ניתוח אצווה (אותו סמל היעד דמוי אדום ושחור) לנתח את קטעי וידאו הפרויקט.
    4. שמור את התוצאות פעם ניתוח הושלם.
      הערה: הגדרות וידאו אחרות קיימות בתוכנה אם researcהעדפתה מצדיקה שיטת ניתוח אחר.
    5. שקול כשלי סרטונים אם occlusions פנים רציני או חוסר היכולת למפות את פן נמשכת במהלך החלון שלאחר הצריכה שצוין (איור 1). בנוסף, אם המודל נכשל נתונים יגידו "FIT_FAILED" או "FIND_FAILED" ב קבצי הפלט המיוצאים (איור 2). זה מייצג את נתונים שאבדו מאז התוכנה לא יכולה לסווג או לנתח את הרגשות של המשתתף.
      הערה: AFEA מתרגמת תנועה שרירי הפנים כדי נייטרלי, שמח, נגעל, עצוב, כועס, מופתע ומפוחד בסולם מ -0 (לא הביע) עד 1 (ביטוי מלא) לכל רגש.
  4. לייצא את נתוני התפוקה AFEA כמו קבצי לוג (.txt) לניתוח נוסף.
    1. לאחר ניתוחים הושלמו, לייצא את הפרויקט כולו.
      1. לחץ על "קובץ", "יצוא", "תוצאות פרויקט היצוא".
      2. כאשר חלון נפתח, בחר את המיקום של איפה היצוא Should להינצל ולהציל את קבצי לוג (.txt) לתיקייה.
      3. המרה כל חי יומן משתתף לגיליון אלקטרוני נתונים (csv או .xlsx) כדי לחלץ נתונים רלוונטיים.
        1. תוכנת גיליון אלקטרוני נתוני פתיחה ובחר בכרטיסייה "נתונים".
        2. בכרטיסיית "הנתונים", בקבוצת "קבל נתונים חיצוניים", לחץ על "מטקסט".
        3. ב "שורת הכתובת", לאתר, לחץ לחיצה כפולה על קובץ טקסט משתתף לייבא, ופעל על פי ההוראות שעל מסך אשף.
        4. המשך תהליך היצוא עבור כל הקבצים משתתפים הרלוונטיים.

6. סרטונים משתתפים חותם זמן עבור ניתוח נתונים

  1. שימוש בתוכנת AFEA, באופן ידני לבדוק כל וידאו של המשתתף לזהות הזמן שלאחר צריכת אפס עבור כל דגימה. רשום את החותמת בגיליון אלקטרוני נתונים. צריכת הודעה מוגדרת כשכוס המדגם היא מתחת לסנטרו של המשתתף כבר לא OCcludes הפנים.
    הערה: המיקום של החותמת הוא קריטי להערכה. הנקודה שבה הכוס כבר לא חוסמת את פנים היא ההמלצה האופטימלית וחותמת זמן צריך להיות עקבי לכל המשתתפים.
  2. שמור את הגיליון אלקטרוני נתונים החותמים (csv) כהפניה לחילוץ נתונים רלוונטיים מתוך קטעי וידאו.
    הערה: סרטונים משתתף רשאי גם להיות מקודד פנימי בתוכנה כמו "סימון אירוע".

7. סדרות עתיות ניתוח רגשי

הערה: קח למשל את "הבסיס" להיות מלא (כלומר, מי unflavored בדוגמא זו). החוקר יש את היכולת ליצור "גירוי לטיפול בסיסי" שונה או "זמן התחלה ללא גירוי" להשוואה לזווג תלוי באינטרסים של החקירה. השיטה מוצעת חשבונות עבור מדינה "ברירת מחדל", באמצעות שימוש במבחן סטטיסטי לזווג. במילים אחרות, ההליך משתמשת חסימת סטטיסטית (כלומר,מבחן משויך) כדי להתאים את מראה ברירת המחדל של כל משתתף ולכן מקטינה את ההשתנות פני משתתפים.

  1. חלץ נתונים רלוונטיים מתוך קבצי מיוצא (csv או .xlsx).
    1. זהה מסגרת זמן רלוונטית להערכת המחקר (שניות).
    2. ידני לחלץ נתוני בהתאמה (מסגרת זמן) המתיקים משתתפים מיוצאים ההתייעצות עם חותמת המשתתף (זמן אפס).
    3. לקמפל כל נתוני הטיפול של משתתף (מספר משתתף, טיפול, זמן וידאו מקורי, ותגובת רגש) לכל רגש (שמח, ניטראלי, עצוב, כועס, מופתע, מפוחד, ונגעל) עבור מסגרת הזמן בוחר (שניות) בגיליון אלקטרוני נתונים חדש לצורך ניתוח עתידי (איור 3).
    4. המשך תהליך זה עבור כל המשתתפים.
  2. זהה את הזמן המקביל אפס המקובץ החותם עבור כל זוג משתתף-טיפול ולהתאים וידאו זמן זמן אמיתי "0" השוואה ישירה ( איור 5).
    הערה: הנתונים משתתפים נאספים וידאו רציף ולכן כל טיפול "זמן אפס" שונה (כלומר, זמן וידאו מי unflavored אפס הוא 02: 13.5 וזמן וידאו חלב unflavored אפס הוא 03: 15.4). באיור 4 בשל שונה טיפול "אפסי זמן", פעמי הווידאו צריכים להיות וסדרה וכיוונו את עצמם מחדש כדי להתחיל "0: 00.0" או שעת התחלה סטנדרטית אחרת כדי להשוואת זמן ישירה של נתוני תגובה רגשית טיפול.
  3. עבור כל משתתף, רגש, ונקודת זמן מתואמת, לחלץ את הטיפול לזווג (למשל, חלב unflavored) וטיפול מלא (למשל, מי unflavored) ציון רגשי כמותית. במילים אחרות, יישר סדרה עתית הטיפול והביקורת של המשתתף של תגובות לכל רגש (איור 5).
  4. לרכז את כל המידע של המשתתף (משתתף, זמן מתואם, וטיפול לזווג(למשל, מי unflavored וחלב unflavored) בכל נקודת זמן (איור 6).
    הערה: השלבים הבאים מדגימים את השלבים עבור מבחן לזווג וילקוקס ביד. רוב ניתוח נתוני תוכנות תעשינה זאת אוטומטית. מומלץ לדון בתהליך הניתוח הסטטיסטי עם סטטיסטיקאי.
  5. לאחר הדגימות מתאפס ומיושר עם פעמי וידאו מתואמות חדשות, להשוות ישירות בין התוצאות הרגשיות של מדגם בהתאמה ואת השליטה (מי unflavored) באמצעות בדיקות ווילקוקסון פרמטרית לזווג רציפים פני המשתתפים (איור 7).
    הערה: יישור הזמן החדש של הדגימות יאפשר השוואה ישירה בתוך מסגרת זמן 5 שניות שלאחר הצריכה. אם התבוננות לזווג אינו נוכח טיפול, ושחרר את המשתתף מזו השוואה נקודת זמן.
    1. חשבתי את ההבדל בין מלא המדגם שמתאים לכל השוואה לזווג באמצעות נתוני spreadsheתוכנת ניהול et.
      הערה: ההשוואה תהיה תלויה קצב הפריימים שנבחר לניתוח רגשי בתוכנה. הפרוטוקול מדגים 30 השוואות בודדות לשנייה למשך 5 שניות (מסגרת זמן שנבחר).
      הערה: השתמש איור 7 כהפניה עבור עמודות וצעדים.
      1. הפחת את הערך של חלב (למשל, חלב unflavored) מהערך של השליטה (למשל, מי unflavored) כדי לקבוע את ההבדל. בשנת תוכנת ניהול הגיליון האלקטרונית נתונים בעמודה חדשה תחת הכותרת "הבדל בטיפול", זן "= (C2) - (D2)", שבו "C2" הוא ערכי השליטה רגשיים "D2" הוא הערכים הרגשיים טיפול הנבחר. המשך תהליך זה עבור כל נקודות הזמן.
      2. חשב את הערך המוחלט של ההפרש הטיפול. בשנת תוכנת ניהול גיליון אלקטרוני נתונים בעמודה חדשה, הזן "= ABS (E2)", שבו "E2" ההבדל טיפול. המשך תהליך זה עבורבכל נקודות הזמן.
      3. לקבוע את סדר הדירוג של הבדל הטיפול. בשנת תוכנת ניהול גיליון אלקטרוני נתונים בעמודה חדשה, הזן "= RANK (G2, $ G $ 2: $ G $ 25, 1)" שבו "G2" ההבדל המוחלט "1" הוא "עולה". המשך תהליך זה עבור כל נקודות הזמן.
      4. לקבוע את הדירוג החתום של סדר הדירוג על הגיליון האלקטרוני. להחליף את השלט שלילי אם הבדל הטיפול היה שלילי (אני טור).
      5. חשב את סכום חיובי (= SUMIF (I2: I25, "> 0", I2: I25) וסכום שלילי = SUMIF (I2: I25, "<0", I2: I25) של ערכים דרגה.
      6. קבע את נתון הבדיקה. נתון המבחן הוא הערך המוחלט סכום נמוך יותר.
      7. התייעץ טבלאות סטטיסטיות עבור ווילקוקסון חתום הצביע סטטיסטיקת מבחן באמצעות מספר תצפיות כללו בזמן הספציפי ערך אלפא שנבחר כדי לקבוע את הערך הקריטי.
      8. אם נתון הבדיקה הוא פחות מהערך הקריטי לדחות tהוא השערת האפס. אם הוא גדול, לקבל את השערת האפס.
  6. שרטט את התוצאות על גרף הטיפול המשויך (כלומר, חלב unflavored נמשל למי unflavored) עבור הפעמים כאשר הוא דחה את השערת האפס. השתמש בסימן של ההבדל לקבוע איזה טיפול יש את הרגש הגדול (איור 8).
    1. בשנת תוכנת ניהול גיליון אלקטרוני נתונים, ליצור גרף באמצעות הערכים של קיומו או אי קיומו של משמעות.
      1. לחץ על "הוספה" כרטיסייה.
      2. בחר "קו"
      3. קליק ימני על תיבת הגרף.
      4. לחץ על "בחר נתונים" ופעל לפי ההנחיות המופיעות במסך ובחר ונתונים רלוונטיים הגרף (איור 8).
        הערה: התרשימים יציגים תוצאות רגשיות שבו המדגם או האיזון מחמיר יותר ומשמעותי. גרף תלוי, הרגש גבוה באותה העת ספציפית המאפשר את היכולת להבחין כיצד רגשות של המשתתףאבולוציה לאורך תקופה של 5 בפעם השנייה בין שתי דגימות.
        הערה: תמיכה סטטיסטית עם סטטיסטיקאי מומלצת מאוד כדי לחלץ נתונים רלוונטיים. פיתוח הקידוד סטטיסטי נדרש לנתח את תוצאות רגשיות.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

השיטה מציעה פרוטוקול סטנדרטי עבור איסוף נתונים AFEA. אם שלבי פרוטוקול הציעו הם אחריו, פלט נתונים רגשי שמיש (איור 1) הנובע איסוף נתונים עלוב (איור 2: A; שמאל תמונה) עשוי להיות מוגבל. ניתוח סדרת זמן לא יכול להיות מנוצל אם קבצי לוג (.txt) בעיקר להכיל "FIT_FAILED" ו "FIND_FAILED" כמו זה נתונים רעים (איור 1). יתר על כן, השיטה כוללת פרוטוקול השוואה סטטיסטית ישירה בין שני טיפולים של פלט נתונים רגשי על מסגרת זמן להקים פרופיל רגשי. ניתוח סדרת זמן יכול לספק מגמות רגשיות לאורך זמן והוא יכול לספק ממד ערך המוסף לתוצאות קבילות נהנתניות. בנוסף, ניתוח סדרת זמן יכול להראות שינויים ברמות רגשיות לאורך זמן, שהוא בעל ערך במהלך ניסיון האכילה.

"1"> חלב unflavored, מי unflavored וניל מיצויי טעם בחלב לא היו שונה (p> 0.05) בציוני קבילות מתכוונים דורג "אהב מעט" (איור 9). תוצאות נהנתניות להסיק כי לא היו שום הבדלים קבילים בין חלב unflavored, מי unflavored וטעם תמצית וניל בחלב. עם זאת, ניתוח סדרת זמן AFEA הצביעו חלב unflavored שנוצר פחות גועל (p <0.025; 0 שניות), הפתיע (p <0.025; 0-2.0 שניות), פחות עצוב (p <0.025; 2.0-2.5 שניות) ופחות נייטרלי (עמ ' <0.025; ~ 3.0-3.5 שניות) תגובות מאשר מי unflavored (איור 10). בנוסף, טעם תמצית וניל בחלב הציג ביטויים שמחים יותר רק לפני 5.0 שניות (p <0.025) ופחות עצוב (p <0.025; 2.0-3.0 ו -5.0 שניות) מאשר מי unflavored (איור 11). וניל, כמו ריח, נקשר עם המונחים "רגוע", "שלווה", "הרגיע", "אושר", &# 34;. ולרווחתם "," מופתע לטובה "23 ו-" נעים "24 טעם מלוח בחלב היה (p <0.05) נמוך ממוצעים ציון קבילות נהנתנית (אהב בינוני) (איור 9) וטעם מלוח בחלב שנוצר יותר גועלת (p <0.025) מאוחר יותר (3.0-5.0 שניות) מאשר מי unflavored (איור 12). מלוח Intense נקשר בגועל והפתיע 25, 26. עם זאת, מספר מחקרים הצהירו כי טעם מלוח אינו מפיק ממנו בתגובת פן 7, 27 -29.

איור 1
איור 1. דוגמא של לכידת נתונים תת אופטימלית עקב אי התאמה משתתף עם תוכנת AFEA ולאיבוד נקודות בתגובת נתונים רגשיות מגלמות קבצי הפלט מיוצאים [FIT_FAILED; FIND_FAILED]. כשלי וידאו להתרחש כאשר חסימות פנים רציניות או חוסר היכולת למפות את פן Persi STS במהלך החלון שלאחר הצריכה שצוין. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

איור 2
איור 2. דוגמא של לכידת נתונים תת אופטימלי בשל דוגמנות תוכנה משתתפת. הנתון מציג תת אופטימלית לכיד נתונים עקב אי התאמת דוגמנות תוכנת משתתף וכישלון של מיפוי פנים כדי לקבוע תגובה רגשית (א). דוגמא של דוגמנות בכושר מוצלחת יכולת ללכוד התגובה הרגשית של המשתתף (B). נא ללחוץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

6fig3.jpg "/>
דוגמא איור 3. נתונים משתתפים חילוץ הידור בגיליון אלקטרוני נתונים חדש. נתוני משתתפים (מספר משתתף, טיפול, זמן וידאו מקורי, ותגובת רגש) מזוהית לכל רגש (שמח, ניטראלי, עצוב, כועס, מופתע, מפוחד, ונגעלתי ) עבור מסגרת הזמן בוחר (שניות). גיליון אלקטרוני זה מנוצל עבור ניתוחים שלאחר מכן. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

איור 4
איור 4. דוגמה של נתונים משתתף חילוץ הידור לניתוח שלאחר מכן. הנתונים משתתף חילוץ (A1 ו- B1) נערך (A2 ו- B2), בגרף (A3 ו- B3) ומיושר (A4 ו- B4) בתור חזותית להשוואה ישירה. מילזמן pective אפס לבקרה (A4: מי unflavored מופתעים) וטיפול (B4: מופתע unflavored חלב) מוצגים להשוואת התוצאות הרגשיות המופתעות. דוגמא זו מייצגת ומזהה את הזמן המקביל אפס המקובץ החותם עבור כל זוג משתתף-טיפול. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

איור 5
.. דוגמא איור 5. נתונים משתתפים חילוץ עם מסגרת זמן מתואמת הנתונים משתתפים החילוץ מוצג עם מסגרת זמן מתואמת עם אמיתי "זמן אפס" (A1 ו- B1) התאמת הזמן מאפשרת השוואה ישירה בין פקד (A: מופתעת מי unflavored) וכן טיפול (B2: מופתע Unfla vored חלב) (A2 ו- B2). דוגמא זו מייצגת ומזהה את "זמן אפס" (מתואם) הנכון המתאים המקובץ החותם עבור כל זוג משתתף-טיפול. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

איור 6
דוגמא איור 6. תהליך הקומפילציה כל נתונים של המשתתפים. המשתתף, הזמן מתואם, והטיפול לזווג (למשל, מי unflavored וחלב unflavored) בכל נקודת זמן נערכו להתכונן לניתוח סטטיסטי. אנא לחצו כאן כדי להציג גרסה גדולה יותר של דמות זו.

es / ftp_upload / 54,046 / 54046fig7.jpg "/>
איור 7. נתונים לדוגמה גיליון אלקטרוני השוואת פקד (מי unflavored) וכן טיפול (unflavored חלב) באמצעות בדיקות ווילקוקסון פני המשתתפים בנקודת זמן ספציפית. הנתון מייצג השוואה ישירה בין התוצאות הרגשיות של מדגם בהתאמה ואת השליטה (מי unflavored באמצעות רציפים) לזווג בדיקות ווילקוקסון פרמטרית פני המשתתפים. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

הספרה 8
דוגמא איור 8. של הגיליון אלקטרוני נתוני גרף התוצאות אם (p <0.025) על גרף הטיפול המשויך (כלומר, חלב unflavored נמשל למי unflavored). תוצאות של רציפים לזווג בדיקות ווילקוקסון פרמטרית ברחבי participants הוא בגרף עבור הפעמים שבו השערת האפס נדחית. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

איור 9
איור 9. Mean קבילות (נהנתנים) עשרות מי unflavored, חלב unflavored, טעם תמצית וניל בחלב טעם מלוח בפתרונות משקים חלב. תקינות התבססה בסולם נהנתן 9 נקודות (1 = אהב מאוד, 5 = לא אוהבים ולא סלידה, 9 = כמו מאוד; ממוצע +/- SD) 1. טיפול פירושו עם superscripts השונה באופן משמעותי נבדל חיבה (p <0.05). חלב unflavored, טעם מי תמצית וניל unflavored בחלב לא היה שונה (p> 0.05) בציוני קבילות מתכוונים דורג "אהב מעט". טעם מלוח בחלב היה (p נמוך <0.05) ממוצע ציון קבילות (אהב בינוני). נא ללחוץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

איור 10
איור 10. גרפי סדרות עתיות של רגשות מסווגים על ניתוח נתוני הבעת פנים אוטומטיים מעל 5.0 שניות השוואת חלב unflavored ומי unflavored. בהתבסס על בדיקות ווילקוקסון פרמטרית לזווג רציפים בין חלב unflavored ומי unflavored (בסיס), תוצאות נרשמים על גרף הטיפול המתאים לו אם חציון הטיפול גבוה יותר של משמעות גדולה יותר (p <0.025) עבור כל רגש. נוכחות של קו מציינת הבדל מובהק (p <0.025) בנקודת הזמן הספציפית שבה החציוני גבוהה, תוך היעדר קו מציין שאין הבדל בנקודת זמן ספציפי (p> 0.025). הֶעְדֵרקווים בחלב unflavored (א) מגלה שום קטגוריזציה רגשית לעומת מי unflavored (p <0.025) מעל 5.0 שניות. במי unflavored (B), תוצאות רגשיות לעומת חלב unflavored לחשוף נגעל (קו ארגמן) ב 0 שניות, הפתיעו (קו כתום) מתרחש בין 0 - 1.5 שניות, עצוב (קו ירוק) מתרחש סביב 2.5 שניות, ניטראלי (אדום קו) מתרחש סביב 3 -. 3.5 שניות (p <0.025) אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

איור 11
איור 11. גרפי סדרות עתיות של רגשות מסווגים מבוססים על ניתוח נתוני הבעת פנים אוטומטיים מעל 5.0 שניות השוואת טעם תמצית וניל בחלב ומי unflavored (בסיס). בהתבסס על רציפים לזווג בדיקות ווילקוקסון פרמטרית ביןטעם תמצית וניל בחלב ומי unflavored, תוצאות נרשמות על גרף הטיפול המתאים לו אם חציון טיפול גבוה יותר של משמעות גדולה יותר (p <0.025) עבור כל רגש. נוכחות של קו מציינת הבדל מובהק (p <0.025) בנקודת הזמן הספציפית שבה החציוני גבוהה, תוך היעדר קו מציין שאין הבדל בנקודת זמן ספציפי (p> 0.025). טעם תמצית וניל בחלב (א) מראה שמח רק לפני 5 שניות (קו כחול) בעוד מי unflavored (B) מציג עצובים יותר סביב 2 - 2.5 ו -5 שניות (קו ירוק) (p <0.025). אנא לחץ כאן כדי להציג גרסה גדולה יותר של דמות זו.

איור 12
גרפי סדרת איור 12. זמן של רגשות מסווגים מבוססים על הבעת פנים אוטומטיתנתוני ניתוח שיאון מעל 5.0 שניות השוואת טעם מלוח חלב ומי unflavored. בהתבסס על בדיקות ווילקוקסון פרמטרית לזווג רציפים בין טעם המלוח חלב ומי unflavored (בסיס), תוצאות נרשמות על גרף הטיפול המתאים לו אם חציון טיפול הוא גבוה של יותר משמעות (p <0.025) עבור כל רגש. נוכחות של קו מציינת הבדל מובהק (p <0.025) בנקודת הזמן הספציפית שבה החציוני גבוהה, תוך היעדר קו מציין שאין הבדל בנקודת זמן ספציפי (p> 0.025). טעם מלוח בחלב (א) יש גועל משמעותי 3 - 5 שניות (קו ארגמן) בעוד מי unflavored (B) יש סלידה בהתחלה (הקו הארגמן) וניטראלי יותר 2 - 5 שניות (קו אדום) (p <0.025 ). נא ללחוץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

AFEA יישום בספרות הקשורים מזון ומשקאות הוא מאוד מוגבל 1-11. היישום למזון חדש, יצירת הזדמנות להקמת פרשנות מתודולוגיה ונתונים. Arnade (2013) 7 מצאו השתנות פרט גבוהות בקרב תגובה רגשית פרט שוקו וחלב לבן באמצעות שטח מתחת הניתוח העקום והניתוח שונה. עם זאת, אפילו עם השתנות משתתף, משתתפים שנוצרו תגובה מאושרת יותר תוך עצוב נגעל הייתה זמן קצר בתגובה 7. במחקר נפרד באמצעות ריכוזים גבוהים ונמוכים של טעמים בסיסיים, Arnade (2013) 7, נמצא כי ההבדלים בתגובה רגשית בין טעמים בסיסיים כמו גם בין שני רמות של עוצמות טעם בסיסיות (בעצימות גבוהות ונמוכות), לא היו כל כך משמעותיים כצפוי, ובכך לערער על הדיוק של ניתוח המתודולוגיה נתונים AFEA הנוכחי. הערכה חושית של מזונות ומשקאות היא מורכבת DYNAתהליך תגובת מיקרופון 30. שינויים זמניים יכולים להתרחש בכל עיבוד אוראלי ובליעה ובכך באופן פוטנציאלי להשפיע על הקבילות של הגירויים לאורך זמן 30. מסיבה זו, הוא עשוי להועיל למדוד בתגובת מעריך ברחבי חווית האכילה כולו. משך זמן דרוש להשלמה אוראלית ספציפי הוצע (קשר ראשוני עם לשון, לעיסה, בליעה, וכו ') 31, אבל אף אחד מהם אינו סטנדרטיים זמנים הם תלויים במידה רבה על פרויקט שיקול דעתו של החוקר 30.

ניתוח סדרות עתיות הרגשי המוצע היה מסוגל לזהות שינויים רגשיים הבדלים סטטיסטיים בין השלט (מי unflavored) וטיפולים בהתאמה. יתר על כן, פרופילים רגשיים הקשורים קביל עשויים לסייע בחיזוי התנהגות הקשורים מזון ומשקאות. התוצאות מראות כי ניתן להבחין זמן במגמת הסדרות הקיימות AFEA הקשורים טעמים בחלב (איורים 10 11, ו -12). מסייע ניתוח סדרת הזמן להבדיל קבילות מזון על פני אוכלוסייה באמצעות שילוב רגשות מאופיינים (איור 10, 11, ו -12), כמו גם מגמות קבילות נהנתניות תומכות (איור 9). ליץ 'ואח'. 8 נצפו הבדלים בין ממתיקים ואת בסיס המים באמצעות ניתוח סדרות עתיות (5 שניות), וכן נמצאו כי הניצול של גרפי סדרה בזמן נתון לפרשנות של נתונים ותוצאות טובות יותר. יתר על כן, ניתן לצפות שינויים רגשיים לאורך זמן והבדלי טיפול תגובה רגשיים עשויים להיקבע בנקודות או במרווחי זמן שונים. לדוגמה, אל Leitch et. 8 ציין כי רגשות הגישה (כועס, שמח ומופתע) נצפו בין השוואות ממתיק-מים מלאכותיים אך נצפו בזמנים שונים על החלון תצפית 5 שניות. למרות זאת,ליץ 'ואח'. 8 לא להקים כיווני ביטוי, ולכן קשה להבין את ההבדל הרגשי בין השלט (מים) ואת הטיפול (תה ממותק) באמצעות הפרשנות וההצגה הגרפיות שלהם. המתודולוגיה ניתוח סדרת הזמן השונה ומשופרת שהוצגה במחקר שלנו מאפשרת כיווני הבדל סטטיסטיות. הכיווניות ותוצאות והתוויית מאפשר לחוקרים לחזות במקרים רלוונטיים סטטיסטית שינויים רגשיים להתרחש מעל למסגרת הזמן שנבחרה.

צמצום כשלי ניתוח וידאו חיוני להשגת נתונים חוקיים וביעילות באמצעות משאבי זמן וכוח אדם. צעדים קריטיים ושלב לפתרון בעיות בפרוטוקול כוללים אופטימיזציה הסביבה החושית משתתף (תאורה, זווית מצלמת וידאו, גובה כיסא, הוראות הדרכת משתתף יסודיות, וכו '). כמו כן, המשתתפים צריכים להיות מוקרנים ומודרות אם הם נופלים לתוך תוכנת incבקטגורית ompatibility (כלומר, מסגרת משקפים עבה, פנים וגוון עור בעל זקן עבה) (איור 2). גורמים אלה ישפיעו AFEA דוגמנות בכושר, קטגוריזציה רגשית, ופלט נתונים. אם חלק ניכר של פלט נתונים של המשתתף מורכב "FIT_FAILED" ו "FIND_FAILED", שצריך לבחון מחדש את הנתונים להכללה ניתוח סדרות עתיות (איור 1). ניתוח סדרת זמן לא יכול להיות מנוצל אם קבצי לוג פלט נתונים בעיקר להכיל "FIT_FAILED" ו "FIND_FAILED" כמו זה נתונים רעים (איור 1). הצללה על הפנים עקב גדרות תאורה עשויה קשות לעכב איכות לכידה וידאו, וכתוצאה מכך אוסף וידאו ירוד. כדי למנוע הצללה אינטנסיבית, תאורה חזיתית מפוזרת היא אידיאלית בעוד עוצם או צבע האור אינו לפי עניין 20. תאורה העילית Intense צריכה להיות מופחתת כפי שהוא יכול לקדם צללים על הפנים 20. רקע כהה מאחורימשתתף מומלץ 20. הוא הציע מיצרן התוכנה AFEA למקם את ההתקנה מול חלון יכול לקבל היום מפוזר תאורה 20. כמו כן, אם באמצעות צג מחשב, שתי מאורות לא תוטלנה על שימוש משני צדי פניו של משתמש הפחתת תאורה וצל 20. בנוסף, אורות צילום מקצועיים ניתן להשתמש כדי לנטרל סביבה רצויה דלקת 20. בסופו של דבר, זה תלוי בשיקול דעתו של החוקר, פרוטוקול / מתודולוגיה פרט, וסביבה לשלוט בתאורה עבור לכידה. מומלץ לדון הסביבה לכידת הנתונים והכלים עם ספק התוכנה לפני הרכישה וההתקנה. יתר על כן, גובה כיסא זווית מצלמה חשוב להתאים בנפרד עבור כל משתתף. המשתתף צריך להיות נוח אבל בגובה איפה המצלמה ישר על הפנים. בניסיון לצמצם את זווית המצלמה על הפנים מעודד לייעול AFלכידת וידאו EA. לבסוף, קיים הכרח לתת הוראות מילוליות למשתתפים לפני הדגימה. התנהגות המשתתף במהלך לכידת וידאו עלולה להגביל איסוף נתונים עקב חסימה פנים, תנועות, והימנעות המצלמה.

עבור גודל מדגם משתתף הדרושים מחקר, החוקרים ממליצים בטווח של עד 10 ל -50 משתתפים. למרות מספר קטן יספק שום כוח סטטיסטי כמעט, לפחות 2 המשתתפים נדרשים בכלל עבור ניתוח סדרת זמן. השתנות משתתף היא גבוהה, בשלבים המוקדמים של המחקר הזה אין כוונה להציע עם גודל מדגם. גודל מדגם ישתנה בהתאם טעמים, עוצמת טעם, וצפוי קבילות טיפול. דוגמאות עם הבדלי טעם קטנים תדרושנה עוד משתתפים. תקופת הדגימה המבוקרת 30 השני מקיפה בפרק זמן הולם עבור תקופת הערכת הדגימה כולה (כלומר, מראה את כרטיס האינדקס, פתיחת מדגם (הסרת המכסה), consumption, וללכוד רגשית). 30 השניות כולו אינה משמשות לניתוח נתונים. היתרון של 30 זמן לכיד השני המיועד לכך הוא כי החוקר יכול להחליט זמן ההערכה הרלוונטי שישמש לניתוח נתונים. 30 החלון בפעם השנייה יכול לסייע בבחירת מסגרת זמן של הריבית במהלך מדגם וידאו בזמן קידוד או Timestamping וידאו. בסופו של דבר, את חלון הזמן הוא עד פי שיקול דעתו של החוקר. בדוגמא שלנו, השתמשנו-צריכת פוסט חלון דגימה 5 שניות. יתר על כן, המתודולוגיה הנוכחית מגדירה זמן אפס כשכוס המדגם כבר לא חוסמת את פן (כוס בסנטר). חשוב באופן קריטי על מנת להפחית את הזמן בין צריכת מדגם כוס הפנים חסימה עקב לתדרך ורגשות שינוי. בשל חסימת פן כוס מדגם הראשוני הזמן שבו המדגם יוצר קשר עם לשון נתונים אמינים (ראה איור 1). לכן, הנקודה שבה הכוס כבר לא חוסמת את הפנים הוא recommendatio האופטימליn. חותם זמן צריך להיות עקבי לכל המשתתפים. כרטיס הצבע הוא דרך נוחה לחוקרים לזהות טיפולים בסרטון ולסמן את מסגרת הזמן המתאימה (זמן אפס) להערכה מדגמת. קלפי הצבע מועילים במיוחד אם טיפולים הם בסדר אקראי ולשמש אימות נוספת של זיהוי מדגם הווידאו הרציף.

מגבלות הטכניקה הזו להתקיים כמשתתפים לא יכול לעקוב אחרי הוראות או הצללה בלתי נמנעת על פניו של המשתתף עשויים לגרום לתקלות מודל פנים ישרים (איור 2). עם זאת, את השלבים הקריטיים הציעו להציע דרכים להקל ולהפחית הפרעות אלה. בנוסף, ניתוח סדרת זמן לא יקראו לייצא קבצי יומן עם קבצים בעיקר המכיל "FIT_FAILED" ו "FIND_FAILED" (איור 1). קבצים אלה לא ניתן להציל ולא יהיה מסוגל להיכלל ניתוח סדרת זמן. כמו כן, צריכת מזון beveraGES עדיין עלול לשנות את מבנה הפנים בצורה כזאת כדי לעוות את קטגוריזציה הרגשית. מאכלים קשים או לעיס דורשים תנועת לסת נרחבת. שימוש קשית שתיית המציצה קשורה, גם גורם לחסימת פן (קש) ומעווה את פניו (יניקה). תצפית זו מבוססת על נתונים ראשוניים מהמחקר במעבדה שלנו. תוכנת מודל הפנים לא יכול לזהות את ההבדלים בין הלעיסה (או מציצה) וביטויי מנוע הקשורים קטגוריזציה רגשית. עם דגימות מזון ומשקאות, ההזדמנות עבור חסימת פנים הוא גבוהה יותר מזה של קטעי וידאו ותמונות לצפייה. המשתתפים חייבים להביא את המדגם על הפנים ולהסיר את המיכל מעל פני ובכך לקטוע את מודל התוכנה פוטנציאל הפחתת מידע רגשי יקר (ראה איור 1). כאמור, רגשות לקרות במהירות למשך זמן קצר. חשוב להפחית את חסימת הפנים במאמץ ללכוד רגשות. Methodol המוצעogy עושה השוואות טיפול בבית שלושים אחד של שני כדי למצוא שינויים בדפוסים רגשיים ושינויי משך רגשי על פני זמן. עם המתודולוגיה המוצעת, דפוסים של אריכות ימים רגשיות חשובים. למרבה הצער, בעיות קטגוריזציה רגשיות יכולות להתרחש. רוב בעיקר יש בעיה לסווג שמח וגועל 6, 9, 32, 33, 34. לעתים קרובות, זה נובע ההשתתף מיסוך הסלידה או התחושה מופתעת שלהם על ידי מחייך 6, 32, 33, 34 כי יכול להיות בגלל "חברתי כלל לתצוגה "32. יתר על כן, תוכנת AFEA מוגבלת לשבע קטגוריות רגשיות (ניטראליות, שמחות, עצובות, מפוחד, מופתע, כועס ונגעל). תגובה רגשית למזונות ומשקאות עשויה להיות מורכבת יותר מאשר סיווג AFEA הנוכחי של רגשות אוניברסליים קטגוריזציה עשוי להיות שונה בתגובה לגירויי מזון או משקה. קידוד הידני באמצעות FACS יושם gustofacial ותגובות olfactofacial של טעמים בסיסייםמבחר של ריחות היה רגיש מספיק כדי לזהות הבדלי טיפול בכל קשורים aus 32. FACS הוא מייגע מאוד זמן רב, עם זאת, היישום הזמני של היעדרות או נוכחות של AUS עשוי להיות שימושי כדי לסייע עם תגובות מורכבות כי AFEA אולי לא לסווג כראוי או אם תוצאות רגשיות הן בלתי צפויות. בעוד נתוני סדרות עתיות מאפשרים סיווגי פנים להתרחש בו זמנית עם ביטוי משמעותי, יש להיזהר בשימוש עם תוצאות תרגום לתוך רגש יחיד בשל מורכבות רגשית.

טכניקת ניתוח המתודולוגיה נתונים המוצעת ניתן להחיל משקאות אחרים ומזונות רכים. תוכנת AFEA הצליחה לזהות רגשות בטעם ודוגמאות unflavored. המתודולוגיה המוצעת והניתוח זמני יכולים להואיל עם באפיון תגובות מרומזות ובכך לספק התפתחויות חדשות בתגובות רגשיות והתנהגויות של אוכלוסייה הקשורים לאוכל. יישומים עתידיים של הטכניקה היא עשויה להתרחב לקטגוריות משקות אחרות או מאכלים רכים. אנחנו הוכחנו מתודולוגיה להשיג לכידת וידאו עבור תגובה רגשית ומתודולוגיה ניתוח נתונים. אנו שואפים ליצור גישה סטנדרטית הוא AFEA ללכוד רגשית ניתוח סדרת הזמן רגשי. גישת השיטה הוכיחה הצלחה במחקר שלנו. אנו מקווים להרחיב ולהחיל גישה זו להערכת תגובה רגשית למזונות ומשקאות ועל היחסים שלו בחירה והתנהגויות.

Subscription Required. Please recommend JoVE to your librarian.

Materials

Name Company Catalog Number Comments
2% Reduced Fat Milk Kroger Brand, Cincinnati, OH or DZA Brands, LLC, Salisbury, NC na for solutions
Drinking Water Kroger Brand, Cincinnati, OH na for solutions
Imitation Clear Vanilla Flavor Kroger Brand, Cincinnati, OH na for solutions
Iodized Salt Kroger Brand, Cincinnati, OH na for solutions
FaceReader 6 Noldus Information Technology, Wageningen, The Netherlands na For Facial Analysis
Sensory Information Management System (SIMS) 2000 Sensory Computer Systems, Berkeley Heights, NJ Version 6 For Sensory Data Capture
Rhapsody Acuity Brands Lighting, Inc., Conyers, GA For Environment Illumination
R Version  R Core Team 2015 3.1.1 For Statistical Analysis
Microsoft Office Microsoft na For Statistical Analysis
JMP Statistical Analysis Software (SAS) Version 9.2, SAS Institute, Cary, NC na For Statistical Analysis
Media Recorder 2.5 Noldus Information Technology, Wageningen, The Netherlands na For capturing participants sensory evaluation
Axis M1054 Camera Axis Communications, Lund, Sweden na
Beverage na Beverage or soft food for evaluation

DOWNLOAD MATERIALS LIST

References

  1. De Wijk, R. A., Kooijman, V., Verhoeven, R. H. G., Holthuysen, N. T. E., De Graaf, C. Autonomic nervous system responses on and facial expressions to the sight, smell, and taste of liked and disliked foods. Food Qual Prefer. 26 (2), 196-203 (2012).
  2. De Wijk, R. A., He, W., Mensink, M. G. J., Verhoeven, R. H. G., De Graaf, C. ANS responses and facial expression differentiate between the taste of commercial breakfast drinks. PLoS ONE. 9 (4), 1-9 (2014).
  3. He, W., Boesveldt, S., De Graaf, C., De Wijk, R. A. Behavioural and physiological responses to two food odours. Appetite. 59 (2), 628 (2012).
  4. He, W., Boesveldt, S., De Graaf, C., De Wijk, R. A. Dynamics of autonomic nervous system responses and facial expressions to odors. Front Psychol. 5 (110), 1-8 (2014).
  5. Danner, L., Sidorkina, L., Joechl, M., Duerrschmid, K. Make a face! Implicit and explicit measurement of facial expressions elicited by orange juices using face reading technology. Food Qual Prefer. 32 (2014), 167-172 (2013).
  6. Danner, L., Haindl, S., Joechl, M., Duerrschmid, K. Facial expression and autonomous nervous system responses elicited by tasting different juices. Food Res Int. 64 (2014), 81-90 (2014).
  7. Arnade, E. A. Measuring consumer emotional response to tastes and foods through facial expression analysis [thesis]. , Virginia Tech. Blacksburg. 1-187 (2013).
  8. Leitch, K. A., Duncan, S. E., O'Keefe, S., Rudd, R., Gallagher, D. L. Characterizing consumer emotional response to sweeteners using an emotion terminology questionnaire and facial expression analysis. Food Res Int. 76, 283-292 (2015).
  9. Crist, C. A., et al. Application of emotional facial analysis technology to consumer acceptability using a basic tastes model. Technical Abstracts and Proceedings of the 2014 Institute of Food Technologists Annual Meeting, 2014 Jun 21 - 24, New Orleans, LA, , (2014).
  10. Garcia-Burgos, D., Zamora, M. C. Facial affective reactions to bitter-tasting foods and body mass index in adults. Appetite. 71 (2013), 178-186 (2013).
  11. Garcia-Burgos, D., Zamora, M. C. Exploring the hedonic and incentive properties in preferences for bitter foods via self-reports, facial expressions and instrumental behaviours. Food Qual Prefer. 39 (2015), 73-81 (2015).
  12. Lewinski, P., Fransen, M. L., Tan, E. S. H. Predicting advertising effectiveness by facial expressions in response to amusing persuasive stimuli. J. Neurosci. Psychol. Econ. 7 (1), 1-14 (2014).
  13. Ekman, P., Friesen, W. V. Facial action coding system: A technique for the measurement of facial movement. , Consulting Psychologists Press. Palo Alto, California. (1978).
  14. Viola, P., Jones, M. Rapid object detection using a boosted cascade of simple features. Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern. 1, 511-518 (2001).
  15. Sung, K. K., Poggio, T. Example-based learning for view-based human face detection. IEEE Trans. Pattern Anal. Mach. Intell. 20 (1), 39-51 (1998).
  16. FaceReader 5™ Technical Specifications. , Noldus Information Technology. Wageningen, The Netherlands. Available from: http://www.webshop.noldus.com/media/techspec/facereader _techspec.pdf (2014).
  17. Cootes, T., Taylor, C. Statistical models of appearance for computer vision: Technical report. , University of Manchester, Wolfson Image Analysis Unit, Imaging Science and Biomedical Engineering. (2000).
  18. Bishop, C. M. Neural networks for pattern recognition. , Oxford University Press. New York. (1995).
  19. Lewinski, P., den Uyl, T. M., Butler, C. Automated facial coding: validation of basic emotions and FACS AUs in FaceReader. J. Neurosci. Psychol. Econ. 7 (4), 227-236 (2014).
  20. Noldus Information Technology. FaceReader Reference Manual Version 6. , Wageningen, The Netherlands. (2014).
  21. Alves, N. T., Fukusima, S. S., Aznar-Casanova, J. A. Models of brain asymmetry in emotional processing. Psychol Neurosci. 1 (1), 63-66 (2008).
  22. Costello, M., Clark, S. Preparation of samples for instructing students and staff in dairy products evaluation (Appendix F). The sensory evaluation of dairy foods. Clark, S., Costello, M., Drake, M., Bodyfelt, F. , 2nd, Springer. New York. 551-560 (2009).
  23. Porcherot, C., et al. How do you feel when you smell this? Optimization of a verbal measurement of odor-elicited emotions. Food Qual Prefer. 21, 938-947 (2010).
  24. Warrenburg, S. Effects of fragrance on emotions: Moods and physiology. Chem. Senses. 30, i248-i249 (2005).
  25. Bredie, W. L. P., Tan, H. S. G., Wendin, K. A comparative study on facially expressed emotions in response to basic tastes. Chem. Percept. 7 (1), 1-9 (2014).
  26. Wendin, K., Allesen-Holm, B. H., Bredie, L. P. Do facial reactions add new dimensions to measuring sensory responses to basic tastes? Food Qual Prefer. 22, 346-354 (2011).
  27. Rosenstein, D., Oster, H. Differential facial responses to four basic tastes in newborns. Child Dev. 59 (6), 1555-1568 (1988).
  28. Rosenstein, D., Oster, H. Differential facial responses to four basic tastes in newborns. What the face reveals: Basic and applied studies of spontaneous expression using the facial action coding system (FACS). P, E. kman, E, R. osenberg , Oxford University Press, Inc. New York. 302-327 (1997).
  29. Rozin, P., Fallon, A. E. A perspective on disgust. Psychol. Rev. 94 (1), 23-41 (1987).
  30. Delarue, J., Blumenthal, D. Temporal aspects of consumer preferences. Curr. Opin. Food Sci. 3, 41-46 (2015).
  31. Sudre, J., Pineau, N., Loret, C., Marin, N. Comparison of methods to monitor liking of food during consumption. Food Qual Prefer. 24 (1), 179-189 (2012).
  32. Weiland, R., Ellgring, H., Macht, M. Gustofacial and olfactofacial responses in human adults. Chem. Senses. 35 (9), 841-853 (2010).
  33. Ekman, P. Universal and cultural differences in facial expressions of emotion. Nebraska symposium on motivation. Cole, J. , University of Nebraska Press. Lincoln (NE). 207-283 (1971).
  34. Griemel, E., Macht, M., Krumhuber, E., Ellgring, H. Facial and affective reactions to tastes and their modulation by sadness and joy. Physiol Behav. 89 (2), 261-269 (2006).

Tags

התנהגות גיליון 114 ניתוח הבעות פנים הערכה חושית רגש ומשקאות מדעי המזון סדרות עתיות ניתוח חלבי
פרוטוקול איסוף נתונים וניתוח יישומים לטכנולוגית ניתוח הבעות פנים אוטומטי ובזמן ניתוח להערכה חושית
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Crist, C. A., Duncan, S. E.,More

Crist, C. A., Duncan, S. E., Gallagher, D. L. Protocol for Data Collection and Analysis Applied to Automated Facial Expression Analysis Technology and Temporal Analysis for Sensory Evaluation. J. Vis. Exp. (114), e54046, doi:10.3791/54046 (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