Summary
가상 현실 (VR) 실험을 구현 하 고 세심 한 계획이 필요 어려울 수 있습니다. 이 프로토콜 설계 및 인간 참가자 로부터 생리 데이터를 수집 하는 VR 실험의 구현 하는 방법을 설명 합니다. 가상 환경 (이브) 프레임 워크에서 실험은이 과정을 가속 하기 위하여 채택 된다.
Abstract
가상 현실 (VR) 실험 점점 실제 관찰 및 실험실 실험에 비해 각각 그들의 내부 및 외부 타당성 때문에 고용 됩니다. VR 지리적 시각화 및 공간 행동의 조사에 대 한 특히 유용합니다. 공간 행동 연구, VR 탐색 및 생리 적 측정 사이의 관계를 공부에 대 한 플랫폼을 제공 (예., 피부 전도성, 심장 박동, 혈압). 특히, 생리 적 측정 소설 질문 및 제한 공간 능력, 전략, 성과의 이전 이론 연구자 수 있습니다. 예를 들어 탐색 성능에서 개별 차이 정도는 흥분에 변화 중재 작업 어려움의 효과 의해 설명 될 수 있습니다. 그러나, 설계 및 VR 실험의 구현에 복잡 한 그들의 주요 연구 목표에서 경험 주의 분산 하 고 데이터 수집 및 분석에 비리를 소개 수 있습니다. 이러한 과제를 해결 하기 위해 실험에 가상 환경 (이브) 컨트롤 훈련 참가자 등 표준화 된 모듈을 포함 하는 프레임 워크 인터페이스, 데이터 수집, 설문 조사를 사용 하 여 생리의 동기화 측정 및 데이터 저장 이브는 또한 데이터 관리, 시각화, 및 평가에 필요한 인프라를 제공합니다. 현재 종이 생리 센서와 VR에 탐색 실험을 실시 이브 프레임 워크를 사용 하는 프로토콜을 설명 합니다. 프로토콜 모집 참가자, 생리 적 센서 부착 실험 이브를 사용 하 여 이브 평가 도구와 수집 된 데이터를 평가 및 관리에 필요한 단계를 나열 합니다. 전반적으로,이 프로토콜 설계 및 구현 VR 실험의 생리 적인 센서 덕분 미래 연구를 촉진 한다.
Introduction
인지 과학1,2,3, 컴퓨터 과학6 , 신경 과학4,5, 등 여러 분야에 대 한 중요 한 의미를가지고 개인 탐색 하는 방법 이해 , 7. 탐색 모두 실제 및 가상 환경에서 조사 되었습니다. 실제 실험의 한 장점은 탐색 제어 인터페이스의 중재를 필요로 하지 않는 및 따라서 현실적 공간 동작을 생성할 수 있습니다. 가상 현실 (VR) 실험 행동의 더 정확한 측정을 위해 허용 하는 반면, (예., 궤도 걷고) 생리 (예., 심장 박동) 데이터, 뿐만 아니라 더 많은 실험 제어 (즉,., 내부 유효성)입니다. 차례 차례로,이 방법은 데이터의 더 간단한 해석에 따라서 더 강력한 이론 탐색의 발생할 수 있습니다. 또한, 신경 과학 연구 참가자는 가상 환경에 종사 하는 동안 탐색의 신경 상관 관계를 조사할 수 있지만 물리적으로 이동할 수 없습니다 때문에 VR에서 활용할 수 있습니다. 컴퓨터 과학자, VR에 탐색 처리 능력, 메모리 및 컴퓨터 그래픽 몰입 경험을 보장 하기 위해 독특한 개발을 필요 합니다. VR 실험 결과 또한에 적용할 수 있는 건축과 제작 건물의 디자인을 알리는 레이아웃8 및 지도 기능9 실제 탐색을 촉진 하기 위하여. 최근, 그것의 비용의 극적인 감소와 결합 된 VR 기술의 발전은 그들의 실험적인 디자인에 대 한 VR을 채용 하는 실험실의 증가에 이르렀다. 이 성장 인기 때문에 연구원 VR 응용 프로그램의 구현을 간소화 하 고 실험 워크플로 표준화 하는 방법을 고려해 야 합니다. 이 방법은 이론 발전에 교대 리소스 구현에서 도움이 되며 VR의 기존 기능을 확장.
VR 설정에서 더 적은 현실 디스플레이와 컨트롤을 배열할 수 있다. 보다 현실적인 VR 설정 추가 인프라 큰 추적 공간 등 및 고해상도 표시10요구 해 경향이 있다. 이러한 시스템 자주 주사 눈에 보이지 않는 회전 및 시각적 피드백을 사용자에 게 제공으로 번역 하려면 리디렉션된 워킹 알고리즘을 고용 하 고 효과적으로 참가자는11 를 이동할 수 있는 가상 환경 확대 , 12. 이러한 알고리즘 일반화에 그들은 환경 구조13 의 지식이 필요로 하지 않습니다 또는 예측 그들은 가정 사용자14에 대 한 특정 경로 될 수 있습니다. 리디렉션된 산책에 대부분의 연구는 사용 하지만 헤드 마운트 디스플레이 (HMDs), 일부 연구 자들은 큰 프로젝션 시스템의 일환으로 제자리에서 걷기와 함께이 기술의 버전을 사용 (예., 동굴)15. HMDs는 참가자의 머리에 실행 될 수 있다, 하는 동안 동굴 디스플레이 넓은 수평 시야16,17를 제공 하는 경향이 있다. 그러나, 적은 인프라 VR 시스템 데스크톱 디스플레이18,19를 사용 하 여 필요 합니다. Neuroscientific 연구는 또한20,21,22, 스캔 후 fMRI와 함께에서 함께에서 검색 하는 동안 기능적 자기 공명 영상 (fMRI)와 함께에서 VR 시스템 채택 23,24를 기록 하는 동안 electroencephalography (뇌 파). 소프트웨어 프레임 워크는 다양 한 디스플레이 탐색 연구에 사용 되는 컨트롤을 조정 하기 위해 필요 합니다.
VR 및 생리 적인 데이터를 통합 하는 연구는 데이터 수집 및 동기화와 같은 추가적인 도전 포즈. 그러나, 생리 데이터 탐색 잠재력과 공간 행동 사이 관계를 중재할 수 있는 암시적 프로세스의 조사에 대 한 수 있습니다. 실제로, 스트레스와 탐색의 관계 공부 하고있다 데스크탑 VR 및 다른 생리 적인 센서의 조합을 사용 하 여 (즉,., 심장 박동, 혈압, 피부 전도성, 침 코 티 솔과 알파-아 밀라 제)25 , 26 , 27 , 28. 밴 Gerven와 동료29 탐색 전략 및 모리스 물 미로 작업 및 몇 가지 생리 적 조치의 가상 현실 버전을 사용 하 여 성능에 대 한 스트레스의 영향을 조사 하는 등 (예., 피부 전도도, 심장 박동, 혈압). 그들의 결과 공개 스트레스 랜드마크 사용 측면에서 탐색 전략을 예측 (즉., allocentric 대 자기 중심) 하지만 탐색 성능 관련 되지 않았습니다. 일반적으로, 이전의 연구 결과 일치 하지 않습니다 다소 탐색 성능 및 공간 메모리에 대 한 스트레스의 효과 관한. 이 패턴은 스트레스의 분리에 기인 될 수 있습니다 (예., 차가운 pressor 절차26, 스타 거울 추적 작업25) 실제 탐색 작업, 간단한 미로 같은 가상 환경 ( 의 사용에서 예를 들어., 가상 모리스 물 미로26, 가상 광선 팔 미로28), 및 방법론 세부 사항에서 차이 (예., 스트레스, 생리 적인 데이터의 종류의 종류). 수집 된 생리 데이터 형식에서 차이 구현 하 고 이러한 연구 결과의 분석에 대 한 문제가 될 수 있습니다.
가상 실험 (이브) 프레임 워크에서 실험 설계, 구현, 및 VR 실험, 추가 주변 장치에 특히 그들의 분석을 용이 하 게 (예., 눈 추적자, 생리 적 장치)30. 이브 프레임 워크는 자유롭게 사용할 수 GitHub (https://cog-ethz.github.io/EVE/)에 오픈 소스 프로젝트. 이 프레임 워크는 인기 있는 Unity 3D 게임 엔진 (https://unity3d.com/) 및 MySQL 데이터베이스 관리 시스템 (https://www.mysql.com/)를 기반으로 합니다. 연구원은 제어 인터페이스, 기본 탐색 작업 훈련 사전 및 사후 연구 설문 조사, 어떤 생리 적인 데이터에 대 한 기준 측정을 포함 하는 VR 실험의 다양 한 단계를 준비 하기 위하여 이브 프레임 워크를 사용할 수 및 탐색 환경 공간 메모리에 대 한 테스트 (예., 상대 방향 판단). 경험 또한 집계의 서로 다른 수준에서 서로 다른 소스에서 데이터의 동기화를 제어할 수 있습니다 (예., 재판, 블록, 또는 세션). 데이터 소스는 실제 있을 수 있습니다 (즉., 사용자에 연결 된 테이블의 자료를 참조) 또는 가상 (즉., 참가자의 아바타 및 가상 환경 간의 상호 작용에 의존). 예를 들어 실험 녹음 심장 박동 및 위치/방향 참가자 로부터 그 참가자의 아바타 가상 환경의 특정 영역을 통해 이동 하는 경우 필요할 수 있습니다. 이 모든 데이터는 자동으로 MySQL 데이터베이스에 저장 하 고 재생 기능과 R 패키지 evertools (https://github.com/cog-ethz/evertools/)와 평가. Evertools 내보내기 기능, 기본 기술 통계를 제공 하 고 데이터의 분포에 대 한 진단 도구.
물리적 인프라 및 VR 시스템의 다양 한 이브 프레임 워크를 배포할 수 있습니다. 현재 프로토콜에서 우리는 ETH 취리히 (그림 1)에서 NeuroLab에 하나의 특정 구현을 설명합니다. NeuroLab 6 m 룸 칸막이 포함 하는 VR 시스템 (2.6 m x 2.0 m), 그리고 생리 적 센서 부착 커튼이 지역 뇌 파 실험을 실시에 대 한 격리 된 챔버를 포함 하 여 12 m 이다. VR 시스템 포함 55"초 고화질 텔레비전 디스플레이, 하이 엔드 게이밍 컴퓨터, 조이스틱 제어 인터페이스, 그리고 여러 가지 생리 적 센서 ( 재료의 표참조). 다음 섹션에서 우리는 스트레스 및 탐색에 이브 프레임 워크 및 생리 적인 센서, 한 연구에서 현재 대표적인 결과 사용 하 여 NeuroLab에서 탐색 실험을 실시 하기 위한 프로토콜을 설명 하 고 토론 기회 그리고이 시스템와 관련 된 문제입니다.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
다음 프로토콜 제안 EK 2013-N-73의 일환으로 윤리 위원회 ETH 취리히 승인 지침에 따라 실시 했다.
1. 모집 및 참가자 준비
- 특정 인구 통계와 참가자를 선택 합니다 (예., 나이, 성별, 학력) 참가자 모집 시스템 또는 메일링 리스트를 사용 하 여 (예., UAST; http://www.uast.uzh.ch/).
- 선택한 참가자 메일로 문의. 이 전자 메일에서 세션 시간 및 요구의 참가자를 생각나 게 해요. 참가자 알고 여러 가지 다른 활동에서 그들은 알코올, 실험 하기 전에 12 h에 대 한 느슨한-피팅 (혈압 모니터링)에 대 한 최고 자제를 착용 하며 자제 하자 (즉,., 카페인, 흡연, 식사, 및 운동) 3 h 전에 실험.
2. 실험 및 이브를 사용 하 여 생리 적 장치 준비
- 각 실험 세션 전에 컴퓨터, 실험 및 테스트 모니터를 시작 합니다.
- 실 팬, 온도계 및 습도 모니터에 인지 확인 합니다.
- 심전도 (ECG; electrodermal 활동 (EDA)를 측정 하는 기계에 전환 예., ADInstruments에서 PowerLab). 자료의 표를 참조 하십시오.
- EDA/ECG 소프트웨어 (이브 현재 지원 ADInstruments에서 Labchart) 열고 새 설정 파일을 만듭니다. 1000 Hz와 채널의 적절 한 수의 샘플링 속도 선택 (예., EDA 및 ECG). 이 설정 파일을 저장 하 고 다시 각 실험 세션에 대 한 다른 이름으로 저장.
- EDA 전극에 대 한 수행 개방 회로 0 (즉., 아무것도에 연결 된 전극 없이) 시스템 전도도의 기준선 측정을 얻기 위해.
- 되도록 제어 인터페이스 (예., 조이스틱) 컴퓨터에 연결 되어.
-
실험 모니터에서 실험에 대 한 실행 일치 파일을 엽니다.
- 이브에서 "실험 설정" 메뉴를 열고 실험 매개 변수를 입력 (예., 참가자 ID 번호, 생리 적 측정 파일, 실험 상태, 실내 온도 및 습도).
- "실험 시작"을 클릭 합니다.
3. 실험 절차
-
소개 및 동의 절차
- 합의 회의 장소에서 참가자를 선택 하 고 실험실으로 그를 안내.
- 세션 약 90 분 소요 되며 시계 또는 휴대 전화에 저장 하는 참가자에 게 나타냅니다.
- 참가자가 실험의 자에 앉아서 준비 구두 스크립트에 따라 실험 절차 설명 부탁 드립니다.
- 정보 시트를 읽고 동의 양식에 서명 하는 참가자를 요구 하십시오.
-
EDA 및 심전도 센서의 연결
- 검지 손가락과 반지 손가락 비 지배적인 손 비누 없이 젖은 조직으로의 청소. 그들은 건조 하 고 내측 골 두에 다 전극을 연결할 확인 하십시오.
- 가슴 젖은 천으로 ECG 전극 배치 될 위치에 피부를 청소.
- 그림 2에 따르면 갈비뼈 사이 참가자의 시체에, 검정, 흰색과 빨간색 전극 배치 합니다. 상단 오른쪽 복 부 (UR)에 흰색 전극과 검은 전극 상단 왼쪽된 복 부 (UL)에 놓습니다. 장소는 왼쪽된 아랫 배 (청각)에 붉은 전극. 3 개의 전극 갈비뼈 위에 직접 하지 인지 확인 합니다.
- 참가자의 신체에 부착 된 해당 전극에 3 색된 ECG 와이어를 연결 합니다.
-
사전 실험 설문 조사
- 참가자를 제공 하는 키보드와 마우스를 설문 조사에 대답 하는 데 사용 됩니다 (예., 인구 통계 학적 질문, 짧은 스트레스 상태 설문, 방향 규모의 산타 바바라 감각의 첫 번째 부분), 그 또는 그녀의 통보 및 그들은 컴퓨터에 질문 일련의를 요청 하는 것 이다.
- 그들은 질문을 할 수 있는 실험 설문 조사에 관한 언제 든 지 참가자 들에 게 알립니다.
- 참가자 설문 조사를 완료 하는 동안 두 측 벽의 칸막이 닫습니다.
-
생리 적인 측정을 위한 준비입니다. 참가자 설문 조사를 완료 하는 동안 이러한 단계를 수행할 수 있습니다.
- 알릴 참가자는 실험 지금 생리 적 장치를 준비 합니다.
- 정확한 위치에 전극을 연결 되어 있는지 확인 하십시오.
- 비 지배적인 팔 혈압 팔목을 연결 합니다.
- 혈압의 정확한 측정에 대 한 참가자에 게 지침을 제공 합니다. 팔과 몸 움직임을 최소화, 심장 수준 혈압 팔목을 유지 하 고 그의 혹은 그녀의 발은 바닥에 평평 직 립 자세를 유지 하는 참가자에 게.
- 손가락에 전극에 두 다 와이어를 연결 합니다.
- 모니터 위에 빛 끄고 낮은 설정으로 다른 모든 오버 헤드 라이트를 어둡게.
- 참가자에 게 조이스틱을 손 고 마우스 테스트 모니터의 화면을 확인 하십시오.
- 개인의 피부 전도성의 수준 시작의 측정을 얻기 위해 다 채널을 0.
- EDA/ECG 소프트웨어에서 "바이오 앰프" 대화 상자를 엽니다. 하트 비트 신호는 미리 보기 창의 약 1/3를 커버 하는 신호 범위 선택 (5 mV 대부분의 경우에).
- EDA/ECG 소프트웨어와 함께 녹음을 시작 하 고 신호는 실험 모니터에 EDA/ECG 소프트웨어 창에서 볼 수 있습니다.
- 혈압 혈압 컴퓨터에서 적절 한 단추를 눌러 녹음을 시작 합니다.
- 전환 오픈 화합 프로그램 하 고 "시작 측정"을 누릅니다. 크로스 고정 표시 되어야 합니다.
-
조이스틱 교육 및 초기 비디오
- 감상 하 고 그를 또는 그녀를 지시 하는 교육 비디오를 따라 참가자에 게 조이스틱을 사용 하는 방법.
- 조이스틱을 사용 하 여 하려면 훈련 미로 완료 하는 참가자를 요구 하십시오. 이 훈련 미로에서 참가자는 경로 표시 하 고 떠 있는 보석을 수집 하는 화살표를 따라 하도록 결정 했다.
- 소리를 포함 하는 실험 참가자의 머리에 헤드폰을 놓습니다.
- 초기 자연 동영상 이동 하지 않고 참가자를 요구 하십시오. 이 비디오는 이후 분석 하는 동안 참가자의 생리 적인 데이터의 기준선 측정에 대 한 계정에 사용 됩니다.
-
탐색 작업
- 확인 참가자 탐색 완료 될 작업에 대 한 지침을 읽고 있다. 탐색 작업을 시작 하기 전에 어떤 질문에 있는지 여부에 참가자에 관해서는 문의. 참가자에 게는 그들이 해야 하지 질문 탐색 작업 중.
- 그 또는 그녀가 탐색 작업을 시작할 준비가 되었을 때 조이스틱에 방 아 쇠를 눌러 참가자를 요구 하십시오.
-
최종 생리 측정 및 생리 적인 센서의 분리
- 시스템 최종 혈압 측정 완료 때까지 기다리십시오.
- EDA 및 ECG EDA/ECG 소프트웨어에서 정지 버튼을 눌러 녹음을 중지 합니다.
- 혈압 커 프 스를 제거 합니다.
- 참가자에서 EDA 전극을 제거 합니다.
- ECG 전극 실험의 끝까지 제거 하지 참가자를 요구 하십시오.
- 조이스틱 및 헤드폰을 제거 합니다.
-
실험 후 설문 조사
- 실험 후 설문 조사에 대 한 참가자는 키보드와 마우스와 함께 제공 (예., 짧은 스트레스 상태 설문 조사, 자체 평가 마네킹, 시뮬레이터 병 질문의 두 번째 부분).
- 그들이 묻는 질문의 또 다른 시리즈는 컴퓨터에 그리고 그 또는 그녀가 요청할 수 있습니다 질문 필요한 경우 참가자에 게 알립니다.
-
실험 세션의 끝
- 실험 부분 지금 완료 참가자에 게 알립니다. 그녀 또는 그는 실험에 참가 위한 감사 합니다.
- 참가자에 게 그녀가 지금 ECG 전극을 제거할 수 있습니다.
- 참가자에 밖으로 지불 하 고 인쇄 된 영수증을 서명 하도록 요구 하십시오.
- 참가자는 실험의 목적에 관한 질문을 요청 하 고 실험 방 밖에 서 그를 또는 그녀를 호위.
4. 후 각 실험 세션
- 실험 진단 수행 하려면 이브에서 "평가" 메뉴를 엽니다 (예., 궤적을 재생), EDA/ECG 소프트웨어에 생리 적인 측정 파일을 저장 하 고.
- 이브에서 "평가" 메뉴에서 생리 측정 파일에 이벤트를 표시 하려면 "이벤트 표시자 추가" 버튼을 누릅니다. 이 단계는 특정 실험 단계는 생리 적인 데이터의 분석을 위해 중요 한.
- EDA/ECG 소프트웨어의 생리 적 측정 파일에 EDA/ECG 파일을 저장 합니다.
- Evertools 패키지를 사용 하 여 백업에 대 한 실험 데이터를 내보냅니다.
- EDA/심전도 기계 떨어져 전환 하 고 알코올 패드와 EDA 전극을 청소 합니다.
- 마크 참가자 참가자 모집 시스템에서 나타났다.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
각 참가자는 NeuroLab에서에서 우리는 일반적으로 생리 적인 데이터를 수집 (예., 심전도), 설문 조사 데이터 (예., 방향 또는 SBSOD31의 산타 바바라 감각), 및 탐색 데이터 (예., 경로 가상 환경)입니다. 예를 들어 심장 박동 (ECG 데이터에서 파생 된)에 변화 변화 다른 생리32 및 각자 보고 측정33와 함께 스트레스 상태에 연결 되었습니다. 우리의 시스템 짧은 스트레스 상태 질문34 , SBSOD31 등 증정 설문의 종류에 대 한 수 있습니다. SBSOD 공간 능력은 종종 실제 탐색 동작 상호 관련 된 가상, 대규모, 환경35의 각자 보고 측정 이다. 또한, 참가자의 공간 의사 결정을 유추 탐색 데이터를 사용할 수 있습니다 (예., 주저, 탐색 효율) 다른 스트레스 컨텍스트36에.
대표적인 연구 탐색 하는 동안 공간 지식의 수집에 스트레스의 효과 조사. 우리 60 참가자 테스트 (29 남녀 31; 나이 의미 = 23.3) 90 분 세션 동안 개별적으로. 각 세션의 탐색 작업 동안 참가자 했다 두 그룹 중 하나에 배치 (즉., 스트레스와 스트레스) 고 3 학습 및 EDA 및 ECG 데이터를 지속적으로 기록 하는 동안 단계 테스트 완료. 학습 단계 조이스틱에 버튼을 사용 하 여 트리거할 수 있는 지도의 도움으로 4 개의 위치 (그림 3)의 집합을 찾는 참여. 테스트 단계 참여 타이머 표시와 함께 각각의 특정 순서에 따라이 위치를 탐색 합니다. 스트레스 그룹만 참가자 했다 또한 불이익을 금전이 위치를 찾는 데 필요한 시간. 이 통화 압력 현재 연구에서 스트레스의 유일한 조작 했다.
예측,이 실험에서 생리 데이터 표시 심장 박동의 측면에서 아무 스트레스 그룹 보다 스트레스 그룹에 대 한 높은 흥분을 일으키는 t(58) 2.14, se = 1.03, p =.04 아니라 약관에 다, 하지만 = t(58) =-0.68, se 0.02, p = =.50 (그림 4). 더하여, SBSOD 점수 및 학습 단계 동안 4 개의 목표 위치를 찾는 데 필요한 시간 사이 부정적인 상관 관계가 있었다 r(58) =-0.40, p =.002, 하지만 테스트 단계에서 r(58)-0.25, p =.057 =. 시각화 된 궤적에 따라 스트레스 그룹에서 참가자는 덜 분산 가상 환경에서 것 처럼 보였다. 함께, 이러한 결과 높은 흥분을 일으키는 그리고 공간 능력 보다 효율적인 탐색 동작에 관련이 있을 수 있습니다 것이 좋습니다.
그림 1 : ETH 취리히에서 NeuroLab의 사진. (한) 실험과 테스트 기간 동안 참가자의 보기. 실험 참가자의 실시간으로 진행 상황을 모니터링할 수 있습니다. (b) 생리 적인 데이터를 수집 하는 동안 가상 환경을 통해 탐색 하는 참가자의 근접 촬영 보기. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
그림 2 : 3 개의 ECG 전극의 배치를 나타내는 다이어그램. 이 그림은 수정된 양식 폼 (무료 오픈 액세스 Meducation)37크리에이 티브 코몬즈 저작자 표시-비영리-ShareAlike 4.0 국제 라이센스 하에서 허가 된 되었습니다. 이미지 3 전극 시스템에 필요한 전극을 강조 하기 위해 변경 되었습니다. 이러한 전극 상단 오른쪽 복 부 (UR), 왼쪽된 복 부 상단 (UL) 및 왼쪽된 아랫 (청각)에 갈비뼈 사이 두어야 한다 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
그림 3 : 탐색에서 스크린샷 실험은 NeuroLab. (한) 스크린샷 조이스틱에서 훈련 비디오. 참가자는 오른쪽 상단 모서리에 있는 비디오에서 조이스틱의 움직임을 재현 하도록 요청 했다. (b) 스크린샷 조이스틱에서 훈련의 미로 참가자는 다음 화살표를 떠 고 보석을 수집 하 여 미로 통해 이동 합니다. (c) 화면 탐색 작업의 학습 단계에서. 참가자 가상 환경 지도 호출 하려면 조이스틱에 방 아 쇠를 눌러 수 있습니다. 대상 위치 목록 화면의 오른쪽에 표시 했다. 탐색 작업의 (d) 화면에서 테스트 단계. 참가자는 움직이는 시계 및 이동 보상 했다 표시 하는 동안 특정 순서로 동일한 위치를 찾을 요청 했다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
그림 4 : 생리 장치와 이브 프레임 워크를 사용 하 여 NeuroLab에 1 개의 탐색 실험에서 결과 대표. (한) A 그래프 그룹 (연어 핑크에서 아쿠아 마린과 제어 그룹에서 스트레스 그룹)와 관계를 나타내는 심장 박동 (후 기준선에 대 한 수정 값38). 평균 심 박수 크게 스트레스 그룹 컨트롤 그룹 보다 높은 수준 이다. (b)는 분산형 플롯 SBSOD 점수와 시간 사이의 관계를 나타내는 (블랙)에서 학습 및 테스트 (회색)에서 보냈다. SBSOD 점수 및 시간 학습 및 시간 테스트에 대 한 비슷한 추세 사이 중요 한 부정적인 관계가 있다. 표시 하는 (c)는 가상의 지도 환경 스트레스 (아쿠아 마린) 및 컨트롤 (연어 핑크) 그룹에서 경로 데이터를 집계. 어두운 착 색 비율은 그 경로 따라 이동 하는 경로의 특정 그룹에서 나타냅니다. 빈 영역에 대 한 경로 이동의 비율은 두 그룹에 대 한 유사 했다. 목표 위치는 또한 검은 점 들으로 표시 됩니다. 같이, 스트레스 그룹은 목표 위치 사이 더 직접적인 경로 따라 이동 하는 컨트롤 그룹 보다 더 가능성이 높습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
현재 신문에서 우리는 이브 프레임 워크를 사용 하 여 생리 적 장치와 VR에 실험을 실시 하기 위한 프로토콜을 설명. 추가 하드웨어 고려 사항 때문에 이러한 유형의 실험 독특합니다 (예., 생리 적인 장치 및 기타 주변 장치), VR, 및 데이터 관리 요구 사항을 사용 하 여 생리 적인 데이터를 수집 하기 위한 예비 단계. 현재 프로토콜은 동시에 여러 주변 장치에서 데이터를 수집 하려는 경험에 대 한 필요한 단계를 제공 합니다. 생리 적 장치를 사용 하 여 청소 하 고 참가자의 시체에 특정 위치에 전극을 연결 필요로 하는 예를 들어 (예., 가슴 및 손가락) 그런 방법으로 방해 하지 다른 주변 장치 (예., 조이스틱)입니다. 이러한 단계의 타이밍 생리 신호 및 데이터는 신뢰할 수 있는 적절 한 창에 잠재적인 드리프트에 대 한 계정을 해야 합니다. 타이밍의 실험의 고려 사항은 각 실험 세션 내에서 예비 단계에 대 한 중요 한 또한 이다. 예를 들어 참가자는 초기 단계를 완료 해야 합니다 (예., 자연 동영상을 보고) 위해서에서 제어 인터페이스와 함께 훈련 단계 뿐 아니라 생리 적 반응의 개인 차에 대 한 계정에 실험에 VR16,17에 그들의 공간 의사 결정에서 기동 하는 그들의 능력을 풀로 실험. 또한, 이러한 데이터의 저장 및 동기화 데이터 원본의 수와 복잡성에서 증가. 현재 프로토콜에서 설명 하는 이브 프레임 워크 연구 VR에서 여러 데이터 원본에 대 한 솔루션을 제공. 또한, 이브 프레임 워크의 유연성 연구원이 그들의 연구 질문에 따라 실험 설계를 수정 하 고 눈 추적자, electroencephalography 등 새로운 주변 장치를 추가할 수 있습니다.
그러나,이 접근 방식에 몇 가지 제한이 있습니다. 첫째, 이브 프레임 워크 사용 컴퓨터 과학 및 기본적인 프로그래밍 능력의 몇 가지 지식이 필요합니다. 둘째, 생리 적인 데이터의 해석 설계 시 고려 되어야 하는 경험적 연구의 오랜 전통과 연구의 이러한 종류의 분석에 근거한 다. 이 문학 지식의 중요 한 주어진 생리 데이터 쉽게 오해 될 수 있다 (예., 긴장과 흥분을 일으키는 혼란). 셋째, VR에 많은 실험 가상 환경 및 제어 인터페이스에 대해 외부 타당성에 관한 비판을 받습니다. 예를 들어 데스크탑 VR 종종 휴대용 조이스틱을 사용 하 고 걷는 동안 현실적인 고유 피드백을 제공 하지 않습니다. 실제 환경에서 연구에 비해, 가상 환경 이어질 거리39 와40(선회 하지 않고 물리적으로) 고유 피드백 없이 업데이트 하는 공간에 정밀 싼 경향이 있다. 그러나, VR에 거리 추정과 회전 인식 명시적 시각적 피드백41,42으로 개선할 수 있습니다.
이전 연구는 현실적인 공간18,39 와 사회36,,4344 동작 VR에 실험 재현 여전히 수 있습니다 설명 했다. 또한, VR 실험 제어 및 실제45에 어려울 것이 체계적인 유사 수 있습니다. 이브와 같은 프레임 워크 복제 및 확장 이전 작업에 대 한 기회를 제공 하 여 VR을 사용 하는 연구 프로그램의 개발을 촉진 또한 수 있습니다. 예를 들어 연구자 약간 추가 설문 조사 또는 다른 시험 구조를 포함 하는 기존 실험을 수정할 수 있습니다. 이브 프레임 워크의 몇 가지 추가적인 장점이 있으며 효율적인 데이터 관리, 온라인 자습서의 가용성의 발전에 기여 하는 다른 사람에 대 한 가능성. 실제로, 이브 프레임 워크 협업을 장려 하는 오픈 소스 프로젝트로 무료로 제공 됩니다.
이 실험실에서 지속적인 연구 환경 기능 지 각에의 영향 및 다른 사회 경제적 배경 가진 참가자의 생리 적인 반응과 생리에 혼잡 한 환경 영향 조사 참가자는 가상 군중에의 응답입니다. 이 프로토콜, 다중 사용자를 통합할 수 있습니다 미래에 사실상 상호 작용을 서로 다른 실제 위치에 참가자 수 있도록 기술 네트워킹. 마지막으로, 이브 프레임 워크는 현재 간단한 진단 넘어 데이터 분석 패키지 및 공간 데이터의 시각화를 포함 하도록 확장 되 고.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
저자는 공개 없다.
Acknowledgments
가상 환경 VI 게임 (http://www.vis-games.de) 가상 현실에서 연구를 실시 하 여 친절 하 게 제공 되었다.
Materials
| Name | Company | Catalog Number | Comments |
| Alienware Area 51 Base | Dell | 210-ADHC | Computation |
| 138 cm 4K Ultra-HD LED-TV | Samsung | UE55JU6470U | Display |
| SureSigns VS2+ | Philips Healthcare | 863278 | Blood Pressure |
| PowerLab 8/35 | AD Instruments | PL3508 | Skin Conductance |
| PowerLab 26T (LTS) | AD Instruments | ML4856 | Heart Rate |
| Extreme 3D Pro Joystick | Logitech | 963290-0403 | HID |
References
- Gallistel, C. R. The Organization of Learning. , MIT Press. Cambridge, MA. (1990).
- Waller, D., Nadel, L. Handbook of Spatial Cognition. , American Psychological Association. Washington D.C. (2013).
- Denis, M. Space and Spatial Cognition: A Multidisciplinary Perspective. , Routledge. Abingdon, Oxon. (2017).
- Epstein, R. A., Patai, E. Z., Julian, J. B., Spiers, H. J. The cognitive map in humans: spatial navigation and beyond. Nature Neuroscience. 20, 1504 (2017).
- O'Keefe, J., Nadel, L. The Hippocampus as a Cognitive Map. , Clarendon Press. Oxford. (1978).
- Kuipers, B. J. Modelling spatial knowledge. Cognitive Science. 2, 129-153 (1978).
- Heppenstall, A. J., Crooks, A. T., See, L. M., Batty, M. Agent-Based Models of Geographical Systems. , Springer. Netherlands. Dordrecht. (2012).
- Kuliga, S. F., Thrash, T., Dalton, R. C., Hölscher, C. Virtual reality as an empirical research tool - Exploring user experience in a real building and a corresponding virtual model. Computers, Environment and Urban Systems. 54, 363-375 (2015).
- Credé, S., Fabrikant, S. I. Let's Put the Skyscrapers on the Display-Decoupling Spatial Learning from Working Memory. Proceedings of Workshops and Posters at the 13th International Conference on Spatial Information Theory (COSIT 2017). , 163-170 (2018).
- Hodgson, E., Bachmann, E. R., Vincent, D., Zmuda, M., Waller, D., Calusdian, J. WeaVR: a self-contained and wearable immersive virtual environment simulation system). Behavior Research Methods. 47 (1), 296-307 (2015).
- Nilsson, N., et al. 15 Years of Research on Redirected Walking in Immersive Virtual Environments. IEEE Computer Graphics and Applications. , 1-19 (2018).
- Razzaque, S., Kohn, Z., Whitton, M. C. Redirected walking. Proceedings of EUROGRAPHICS. , 105-106 (2001).
- Hodgson, E., Bachmann, E. Comparing Four Approaches to Generalized Redirected Walking: Simulation and Live User Data. IEEE Transactions on Visualization and Computer Graphics. 19 (4), 634-643 (2013).
- Nescher, T., Huang, Y. -Y., Kunz, A. Planning redirection techniques for optimal free walking experience using model predictive control. 2014 IEEE Symposium on 3D User Interfaces (3DUI). , 111-118 (2014).
- Razzaque, S., Swapp, D., Slater, M., Whitton, M. C., Steed, A. Redirected walking in place. Eurographics workshop on virtual environments. , 123-130 (2002).
- Meilinger, T., Knauff, M., Bulthoff, H. Working Memory in Wayfinding-A Dual Task Experiment in a Virtual City. Cognitive Science: A Multidisciplinary Journal. 32 (4), 755-770 (2008).
- Grübel, J., Thrash, T., Hölscher, C., Schinazi, V. R. Evaluation of a conceptual framework for predicting navigation performance in virtual reality. PLOS ONE. 12 (9), 0184682 (2017).
- Weisberg, S. M., Schinazi, V. R., Newcombe, N. S., Shipley, T. F., Epstein, R. A. Variations in Cognitive Maps: Understanding Individual Differences in Navigation. Journal of experimental psychology. Learning, memory, and cognition. , (2014).
- Wiener, J. M., Hölscher, C., Büchner, S., Konieczny, L. Gaze behaviour during space perception and spatial decision making. Psychological research. 76 (6), 713-729 (2012).
- Hassabis, D., Chu, C., Rees, G., Weiskopf, N., Molyneux, P. D., Maguire, E. A. Decoding Neuronal Ensembles in the Human Hippocampus. Current Biology. 19 (7), 546-554 (2009).
- Maguire, E. A., Nannery, R., Spiers, H. J. Navigation around London by a taxi driver with bilateral hippocampal lesions. Brain. 129, 2894-2907 (2006).
- Marchette, S. A., Vass, L. K., Ryan, J., Epstein, R. A. Anchoring the neural compass: coding of local spatial reference frames in human medial parietal lobe. Nature neuroscience. 17 (11), 1598-1606 (2014).
- Vass, L. K., et al. Oscillations Go the Distance: Low-Frequency Human Hippocampal Oscillations Code Spatial Distance in the Absence of Sensory Cues during Teleportation. Neuron. 89 (6), 1180-1186 (2016).
- Sharma, G., Gramann, K., Chandra, S., Singh, V., Mittal, A. P. Brain connectivity during encoding and retrieval of spatial information: individual differences in navigation skills. Brain Informatics. 4 (3), (2017).
- Richardson, A. E., VanderKaay Tomasulo, M. M. Influence of acute stress on spatial tasks in humans. Physiology & Behavior. 103 (5), 459-466 (2011).
- Duncko, R., Cornwell, B., Cui, L., Merikangas, K. R., Grillon, C. Acute exposure to stress improves performance in trace eyeblink conditioning and spatial learning tasks in healthy men. Learning & memory (Cold Spring Harbor, N.Y.). 14 (5), 329-335 (2007).
- Klopp, C., Garcia, C., Schulman, A. H., Ward, C. P., Tartar, J. L. Acute social stress increases biochemical and self report markers of stress without altering spatial learning in humans. Neuro endocrinology letters. 33 (4), 425-430 (2012).
- Guenzel, F. M., Wolf, O. T., Schwabe, L. Sex differences in stress effects on response and spatial memory formation. Neurobiology of Learning and Memory. 109, 46-55 (2014).
- van Gerven, D. J. H., Ferguson, T., Skelton, R. W. Acute stress switches spatial navigation strategy from egocentric to allocentric in a virtual Morris water maze. Neurobiology of Learning and Memory. 132, 29-39 (2016).
- Grübel, J., Weibel, R., Jiang, M. H., Hölscher, C., Hackman, D. A., Schinazi, V. R. EVE: A Framework for Experiments in Virtual Environments. Spatial Cognition X: Lecture Notes in Artificial Intelligence. , 159-176 (2017).
- Hegarty, M., Richardson, A. E., Montello, D. R., Lovelace, K., Subbiah, I. Development of a self-report measure of environmental spatial ability. Intelligence. 30, 425-447 (2002).
- Ziegler, M. G. Psychological Stress and the Autonomic Nervous System. Primer on the Autonomic Nervous System. , 189-190 (2004).
- Michaelis, J. R., Rupp, M. A., Montalvo, F., McConnell, D. S., Smither, J. A. The Effect of Vigil Length on Stress and Cognitive Fatigue. Proceedings of the Human Factors and Ergonomics Society Annual Meeting. 59 (1), 916-920 (2015).
- Helton, W. S. Validation of a Short Stress State Questionnaire. Proceedings of the Human Factors and Ergonomics Society Annual Meeting. 48 (11), 1238-1242 (2004).
- Wolbers, T., Hegarty, M. What determines our navigational abilities. Trends in Cognitive Sciences. 14 (3), 138-146 (2010).
- Moussaïd, M., et al. Crowd behaviour during high-stress evacuations in an immersive virtual environment. Journal of The Royal Society Interface. 13 (122), (2016).
- Cadogan, M. Lead positioning. , Available from: https://lifeinthefastlane.com/ecg-library/basics/lead-positioning/ (2017).
- Wilder, J. The law of initial value in neurology and psychiatry. The Journal of Nervous and Mental Disease. 125 (1), 73-86 (1957).
- Loomis, J., Knapp, J. Visual Perception of Egocentric Distance in Real and Virtual Environments. Virtual and Adaptive Environments. , 21-46 (2003).
- Richardson, A. R., Waller, D. The effect of feedback training on distance estimation in virtual environments. Applied Cognitive Psychology. 19 (8), 1089-1108 (2005).
- Klatzky, R. L., Loomis, J. M., Beall, A. C., Chance, S. S., Golledge, R. G. Spatial updating of self-position and orientation during real, imagined, and virtual locomotion. Psychological Science. 9, 293-298 (1998).
- Bakker, N. H., Werkhoven, P. J., Passenier, P. O. Calibrating Visual Path Integration in VEs. Presence: Teleoperators and Virtual Environments. 10 (2), 216-224 (2001).
- Thrash, T., et al. Evaluation of control interfaces for desktop virtual environments. Presence. 24 (4), (2015).
- Kinateder, M., Warren, W. H. Social Influence on Evacuation Behavior in Real and Virtual Environments. Frontiers in Robotics and AI. 3, 43 (2016).
- Loomis, J. M., Blascovich, J. J., Beall, A. C. Immersive virtual environment technology as basic research tool in psychology. Behavior Research Methods, Instruments & Computers. 31 (4), 557-564 (1999).
