Summary
Sanal gerçeklik (VR) deneyler uygulamak ve titiz bir planlama gerektirir zor olabilir. Bu iletişim kuralı tasarım ve insan katılımcıların fizyolojik veri toplamak VR deneyler uygulanması için bir yöntem açıklanır. Sanal ortamlar (Havva) çerçeve deneylerde bu işlemi hızlandırmak için istihdam.
Abstract
Sanal gerçeklik (VR) deneyler giderek gerçek dünya gözlem ve laboratuvar deneyleri, sırasıyla göre iç ve dış geçerliliklerini nedeniyle istihdam edilmektedir. VR coğrafi görsel ve araştırmalar kayma davranış için özellikle yararlıdır. Kayma davranış araştırma, VR gezinti ve fizyolojik önlemler arasındaki ilişkiyi eğitimi için bir platform sağlar (Örn., cilt gürültülerinden, kalp hızı, kan basıncı). Özellikle, fizyolojik önlemler araştırmacılar roman soruları ve uzaysal yetenekleri, stratejileri ve performans önceki kuramları sınırlamak izin verir. Örneğin, gezinti performans bireysel farklılıklar için uyarılma değişimler görev zorluk etkileri arabuluculuk ölçüde tarafından açıklanabilir. Ancak, tasarım ve uygulama VR deneyler karmaşıklığı Denemecileri birincil araştırma hedeflerine üzerinden azalabilir ve veri toplama ve analiz usulsüzlük tanıtmak. Bu sorunları ele almak üzere, deneyler içinde sanal ortamlar (framework denetimle eğitim katılımcı gibi standart modülleri içerir EVE) arayüzü, soru formlarını kullanarak veri koleksiyon fizyolojik eşitlenmesi ölçümleri ve veri depolama. EVE de veri yönetimi, görselleştirme ve değerlendirme için gerekli altyapıyı sağlar. Mevcut kağıt gezinti VR içinde fizyolojik sensörleri ile deney için EVE çerçevesinde istihdam bir protokolünü açıklar. Protokol EVE kullanarak ve EVE değerlendirme araçları ile toplanan verileri değerlendirmek deneme yönetme fizyolojik sensörler, bağlama işe katılımcılar için gerekli olan adımları listeler. Genel olarak, bu iletişim kuralını gelecekteki araştırma tasarımı ve uygulaması VR deneyler fizyolojik sensörleri ile düzenleyerek kolaylaştıracaktır.
Introduction
Nasıl bireyler gezinmek anlama bilişsel bilim1,2,3, nörolojik4,5ve bilgisayar bilim6 dahil olmak üzere çeşitli alanlar için önemli sonuçları vardır , 7. gezinti hem gerçek hem de sanal ortamlarda araştırıldı. Gezinti denetimi arabiriminin arabuluculuk gerektirmez ve böylece daha gerçekçi kayma davranış neden olabilir gerçek deneyler bir üstünlüktür. Buna ek olarak, sanal gerçeklik (VR) deneyler davranış için daha hassas ölçüm izin (Örneğin., yörüngeler yürüyüş) ve fizyolojik (e.g., kalp hızı) daha deneysel kontrol yanı sıra veri (i.e., iç geçerlilik). Buna karşılık, bu yaklaşım verilerin daha basit yorumların ve navigasyon böylece daha güçlü teorileri neden olabilir. Buna ek olarak, araştırmacılar katılımcılar sanal ortamda nişanlı iken sinirsel ilişkilendirir navigasyon araştırabilirsiniz ama fiziksel olarak hareket edemiyorum çünkü nörolojik VR yararlanabilir. Bilgisayar mühendisleri için işlem gücü, bellek ve bilgisayar grafikleri büyüleyici deneyimi sağlamak için içinde benzersiz gelişmeler VR gezintide gerektirir. VR deneyler bulgular da uygulanabilir mimarisi ve haritacılık içinde bina tasarım bildiren tarafından gerçek Gezinti kolaylaştırmak için düzenleri8 ve harita özellikleri9 . Son zamanlarda, maliyeti dramatik bir azalma ile birlikte VR teknolojik gelişmeler laboratuvarları VR deneysel tasarımları için istihdam sayısındaki bir artış yol açmıştır. Bu büyüyen popülerlik nedeniyle, araştırmacılar nasıl uygulanması VR uygulamaları verimlilik düzeyini artırmak ve deneme iş akışı standartlaştırmak için dikkate almak gerekir. Bu yaklaşım üst karakter kaynakları uygulamasından teorisi gelişmesine yardımcı olacak ve VR mevcut yeteneklerini genişletmek.
VR kurulumları daha az gerçekçi görüntüler ve denetimleri açısından alanı kullanılabilir. Daha gerçekçi VR kurulumları10ek altyapı gibi büyük izleme alanlarda ve yüksek çözünürlüklü görüntüler gerektiren eğilimindedir. Bu sistemler kez algılanamaz rotasyonlar ve çevirileri kullanıcılara sağlanan görsel geribildirim içine enjekte için yeniden yönlendirilen yürüyen algoritmaları istihdam ve etkili bir şekilde katılımcılar11 hareket edebilirsiniz sanal ortamda büyütmek , 12. onlar14Kullanıcı için belirli yollar varsayıyorum ki bu algoritmaları Genelleştirilmiş içinde onlar çevre yapısı13 bilgisi gerektirmeyen veya akýllý olabilir. Yeniden yönlendirilen yürüyüş çoğu araştırma başa takılan görüntüler (HMDs) kullanıyor olsa da, bazı araştırmacılar bu tekniği ile yürüyüş yerinde bir sürümünü büyük projeksiyon sistemi kapsamında istihdam (Örn., mağaralar)15. HMDs katılımcı başına yapılabilir iken, mağara görüntüler daha geniş bir yatay görüş alanı16,17sağlamak eğilimindedir. Ancak, daha az altyapı masaüstü görüntüler18,19kullanarak VR sistemleri için gereklidir. Neuroscientific araştırma da VR sistemleri20,21,22taramadan sonra fMRI ile birlikte ve ile birlikte tarama sırasında fonksiyonel manyetik rezonans görüntüleme (fMRI) ile birlikte istihdam 23,24kayıt sırasında elektroansefalografi (EEG). Yazılım Altyapıları görüntüler ve gezinti araştırma için kullanılan denetimler çeşitli koordine etmek için ihtiyaç vardır.
Birleştirmek VR ve fizyolojik veri araştırma veri toplama ve eşitleme gibi ek sorunlar teşkil etmektedir. Ancak, fizyolojik veri gezinti potansiyel ve mekansal davranışı arasındaki ilişki aracılık örtülü işlemleri soruşturma için izin verir. Nitekim, stres ve gezinti ilişkisi masaüstü VR ve farklı fizyolojik sensörler birleşimini kullanarak çalışılmıştır (i.e., kalp hızı, kan basıncı, cilt gürültülerinden, tükürük kortizol ve alfa-amilaz)25 , 26 , 27 , 28. Örneğin, van Gerven ve meslektaşları29 gezinti stratejisi ve Morris su labirent görev ve birçok fizyolojik önlemler bir sanal gerçeklik sürümünü kullanarak performans stresin etkisi araştırıldı (Örn., cilt gürültülerinden, kalp hızı, kan basıncı). Stres gezinti stratejisi simgesel yapı kullanım açısından tahmin sonuçları ortaya (i.e., benmerkezci allocentric karşı) ama gezinti performans için ilgili değildi. Genel olarak, önceki çalışmalar ile ilgili stres etkisi gezinti performans ve mekansal hafıza biraz tutarsız bulgulardir. Bu desen tetikleyici ayrılması atfedilebilecek olabilir (Örn., soğuk pressor yordam26, Star yansıtma izleme görev25) gerçek navigasyon görevden basit labirent gibi sanal ortamlar ( kullanımı e.g., sanal Morris su26labirent, sanal Radyal Kol labirent28) ve metodolojik ayrıntılarda farklar (Örn., tetikleyici, fizyolojik veri türü türünü). Toplanan fizyolojik veri biçiminde farklılıklar da uygulama ve bu tür çalışmaların analizi için sorunlu olabilir.
Sanal deneyler (Havva) çerçeve deneylerde kolaylaştıran tasarım, uygulama ve analiz VR deneyler, özellikle ek çevre aygıtları (Örn., göz izci, fizyolojik cihazlar)30. Havva çerçevesinde serbestçe GitHub (https://cog-ethz.github.io/EVE/) üzerinde bir açık kaynak projesi olarak kullanılabilir. Bu çerçevede popüler Unity 3D oyun motoru (https://unity3d.com/) ve MySQL veritabanı yönetim sistemi (https://www.mysql.com/) temel alır. Araştırmacılar bir VR deney öncesi ve sonrası çalışma soru formları, temel ölçü birimlerinin fizyolojik herhangi bir veri için de dahil olmak üzere, çeşitli aşamalarında kontrol arayüzü ile ana navigasyon görev eğitim hazırlamak için EVE çerçeve kullanabilirsiniz ve navigasyon çevrenin mekansal hafıza testleri (Örn., göreli yönünü kararlarının). Denemecileri de farklı kaynaklardan gelen ve toplayıcı farklı düzeylerde veri eşitleme denetler (Örn., denemeler, blok veya oturumları arasında). Veri kaynakları fiziksel olabilir (i.e., kullanıcıya; bağlı Tablo malzemelerigörmek) veya sanal (i.e., katılımcının avatar ve sanal ortam arasındaki etkileşimler bağımlı). Örneğin, bir deney bu katılımcının avatar sanal ortama belirli bir alan üzerinden hareket ettiğinde kalp hızı ve pozisyon/yönünü katılımcının kayıt gerektirebilir. Tüm bu verileri otomatik olarak bir MySQL veritabanında saklanır ve yeniden yürütme işlevleri ve R paket evertools (https://github.com/cog-ethz/evertools/) ile değerlendirildi. Evertools verme işlevlerine, temel tanımlayıcı istatistik sağlar ve tanılama veri dağıtımlar için araçları.
Havva çerçevesinde çeşitli fiziksel altyapı ve VR sistemleri ile dağıtılabilir. Mevcut iletişim kuralında, ETH Zürih (Şekil 1), NeuroLab adlı bir özel uygulama açıklar. NeuroLab EEG deneyler, VR sistemi (2.6 m x 2.0 m) ve fizyolojik sensörler bağlamak için curtained alanı içeren bir hücre için yalıtılmış bir odası içeren 6 m Oda tarafından 12 metredir. VR sistemi 55" Ultra yüksek çözünürlüklü televizyon ekran, bir yüksek seviye oyun bilgisayarı, oyun çubuğu kontrol arayüzü ve birçok fizyolojik sensörler ( Tablo malzemelerigörmek) içerir. Aşağıdaki bölümlerde, biz EVE çerçeve ve fizyolojik sensörler, bir çalışma mevcut temsilcisi sonuç stres ve gezinti kullanarak NeuroLab bir gezinti deney için protokol tanımlamak ve fırsatları tartışmak ve bu sistemi ile ilgili sorunlar.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Aşağıdaki iletişim kuralı EK 2013-N-73 öneri bir parçası olarak Etik Komisyonu ETH Zürih tarafından onaylanmış yönergeleri doğrultusunda gerçekleştirilmiştir.
1. işe ve katılımcılar hazırlayın
- Belirli demografik katılımcılarıyla seçin (Örn., yaş, cinsiyet, eğitim arka plan) bir katılımcı işe alım sistemi veya e-posta listesi kullanarak (Örneğin., UAST; http://www.uast.uzh.ch/).
- Seçilen katılımcıların e-posta ile başvurun. Bu e-postada oturum süresi ve gereksinimleri katılımcıların hatırlatıyorsun. Katılımcılar onlar alkol deneme önce 12 h için gevşek-montaj (için kan basıncının izlenmesi), en iyi kaçınmalıdır giymek gerekir ve kaçınmalıdır birkaç diğer faaliyetlerden bildirin (i.e., kafein, Sigara, yeme ve egzersiz) 3 h için deneme önce.
2. deney ve fizyolojik cihazlar EVE kullanarak hazırlamak
- Deneysel her seanstan önce bilgisayar deneyci monitör ve test İzleyicisi başlatın.
- Oda fan, termometre ve nem monitör üzerinde olduğundan emin olun.
- Elektrodermal aktivite (EDA) ve elektrokardiyografi (EKG; ölçme makinede geçiş Örn., PowerLab ADInstruments üzerinden). Malzemelerin tabloyabakın.
- (Şu anda EVE Labchart ADInstruments üzerinden destekler) EDA/ECG yazılımını açın ve yeni bir ayarlar dosyası oluşturun. 1000 Hz ve uygun kanal sayısı için bir örnekleme hızı seçin (Örn., bir EDA, bir ECG için). Bu ayarlar dosyasını kaydetmek ve yeniden bir sürüm deneysel her oturum için farklı bir adla kaydedin.
- EDA elektrotlar için bir açık devre sıfır gerçekleştirmek (i.e., elektrotlar için her şeyi bağlı olmadan) bir temel ölçü sistemi iletkenlik elde etmek için.
- Kontrol arayüzü sağlamak (Örn., oyun çubuğu) bilgisayara bağlı.
-
Deneyci monitörde deney için yürütülebilir birlik dosyasını açın.
- Havva "Deneme ayarları" menüsünü açın ve deneme parametrelerini girin (Örn., katılımcı Sicil No, fizyolojik ölçüm dosya, deneysel durumu, oda sıcaklığına ve nem).
- "Deney başlamak"'ı tıklatın.
3. deneysel bir işlem
-
Giriş ve onay yordamı
- Katılımcı kabul toplantı yeri almak ve onu/onu laboratuvara Kılavuzu.
- Oturum yaklaşık 90 dakika atın ve onun ya da onu izlemek ve/veya cep telefonu depolamak için katılımcı sorun gösterir.
- Deneysel sandalyede oturup deneysel işlemin göre hazırlanan sözlü komut dosyası açıklamak için katılımcı sormak.
- Bilgi sayfası okumak ve aydınlatılmış onam formu imzalamak için katılımcı sormak.
-
EDA ve ECG sensörlerin bağlantı
- Temiz işaret parmağı ve sabun olmadan ıslak mendil ile sigara dominant el yüzük parmağı. Kuru ve iki EDA elektrot orta falanks bağlanmak emin olun.
- Islak bir bezle ECG elektrotlar yerleştirileceği göğüs deri temiz.
- Beyaz, siyah ve kırmızı elektrotlar katılımcının vücut Şekil 2göre kaburga arasında yerleştirin. Üst sağ karın (UR) üzerinde beyaz elektrot ve siyah elektrot üst sol karın (UL) yerleştirin. Kırmızı elektrot alt sol karın (LL) yerleştirin. Üç elektrotlar değil doğrudan bir kaburga üzerinde olduğundan emin olun.
- Üç renk kodlu ECG kablo katılımcının vücut bağlı karşılık gelen elektrotları bağlayın.
-
Ön deneme soru formları
- Bir klavye ve anket cevaplamak için kullanılacak bir fare ile katılımcı sağlamak (e.g., demografik sorular, kısa stres durumu anket, yön ölçek Santa Barbara duygusu ilk bölümü) ve onu, ya da ona bunu bilgisayarda bir dizi soru sorulur.
- Katılımcılar onlar herhangi bir zamanda ile ilgili anket soruları deneyci sorabilirsiniz bilgilendirmek.
- Katılımcı formlarının ise hücre iki yan duvarlarını kapatın.
-
Fizyolojik ölçüm için hazırlıklar. Katılımcı formlarının ise aşağıdaki adımları yapılabilir.
- Katılımcı deneyci fizyolojik cihazlar Şimdi hazırlayacak bilgilendirmek.
- Elektrotları doğru konumlara bağlı olduğu kontrol edin.
- Kan basıncı Manşet baskın kol iliştirin.
- Katılımcıya doğru kan basıncı ölçümü ile ilgili yönergeler sağlar. Kol ve vücut hareketleri en aza indirmek, kan basıncı Manşet kalp seviyede tutmak ve korumak onun ayakları düz yerdeki dik bir duruş için katılımcı söyle.
- İki EDA tel el parmak uçlarında elektrotları bağlayın.
- Monitör yukarıda ışığı kapatmak ve tüm diğer genel gider en düşük ayara lşığı kısar.
- Joystick için Katılımcı El ve fareyi test monitör ekran kapalı olduğundan emin olun.
- EDA kanal bireyin cilt gürültülerinden düzey başlayan bir ölçü elde etmek için sıfır.
- EDA/ECG yazılımında "Bio Amp" iletişim kutusunu açın. Kalp beat sinyal Önizleme penceresi yaklaşık üçte biri kapakları sinyal aralığı seçin (5 mV çoğu durumda).
- EDA/ECG yazılımı ile kayıt işlemini başlatmak ve bir sinyal deneyci monitörde EDA/ECG yazılım penceresinde görünür olup olmadığını denetleyin.
- Kan basıncı kan basıncı makinesinde uygun düğmesini tıklatarak kaydı başlatın.
- Açık birlik programa geçin ve "Start ölçümleri" tuşuna basın. Çapraz bir fiksasyon görüntülenmesi gerekir.
-
Oyun çubuğu eğitim ve temel video
- İzleyip, onu ya da onu bildirir eğitim video izlemek için katılımcı sormak nasıl için joystick'i kullanýn.
- Joystick kullanarak pratik için eğitim Labirent tamamlamak için katılımcılar sor. Bu eğitim labirentinde katılımcılar bir yol belirten ve kayan taşlar toplamak okları takip edin talimat verdi.
- Deneme ses içeriyorsa, kulaklık katılımcının başının üstüne yerleştirin.
- Hareket ettirmeden temel doğa video izlemek için katılımcı sormak. Bu video katılımcının fizyolojik veri temel ölçüm sırasında daha sonraki analiz için hesap için kullanılır.
-
Gezinti görevi
- Katılımcılar gezinti to-be-tamamlanmış görev ile ilgili talimatları okudum emin olun. Gezinti görev başlamadan önce katılımcı herhangi bir soru olup olmadığı konusunda bilgi almak. Katılımcı onlar soru gezinti görev sırasında sormak gerektiğini söyle.
- O gezinti görev başlamaya hazır olduğunda tetiği üzerinde joystick'e basýn katılımcı sormak.
-
Son fizyolojik önlemler ve dekolmanı fizyolojik sensörler
- Sistem son kan basıncı ölçüm tamamlanıncaya kadar bekleyin.
- EDA ve ECG EDA/ECG yazılımında Durdur düğmesine basarak kaydı durdurmak.
- Tansiyon aletini kaldırın.
- EDA elektrotlar katılımcıdan kaldırın.
- Katılımcıların ECG elektrotlar deneme sonuna kadar değil çıkarmak istiyoruz.
- Çıkarmak belgili tanımlık manevra kolu ve kulaklık.
-
Sonrası deneme soru formları
- Katılımcı bir klavye ve fare ile sağlamak için sonrası deneme soru formları (Örneğin., kısa stres durumu anket, özdeğerlendirme manken, Simulator hastalık anket ikinci bölümü).
- Katılımcılar bilgisayarda başka bir dizi soru sorulur ve o sorabilir miyim sorularınız varsa gerekli bilgi.
-
Deneysel oturum sonu
- Katılımcı deneysel bölümü şimdi bitti bilgilendirmek. Onu ya da onu denemeye katıldığınız için teşekkür ederiz.
- Katılımcı o şimdi ECG elektrotlar kaldırabilirsiniz söyle.
- Katılımcılar ödemek ve yazdırılan makbuz imzalamak için isteyin.
- Katılımcı denemenin amacı ilgili herhangi bir sorunuz varsa sormak ve ona deneysel oda dışına kadar eşlik edin.
4.-den sonra deneysel her oturum
- Deney tanılama yapmak için EVE "değerlendirme" menüsünü açın (e.g., yeniden yürütme yörüngeleri) ve EDA/ECG yazılımında fizyolojik ölçüm dosyaları kaydedin.
- Havva "değerlendirme" menüde, fizyolojik ölçüm dosyaları olayları işaretlemek için "Olay işareti ekle" düğmesine basın. Belirli deneysel aşamaları açısından fizyolojik veri analizi için kritik bir adımdır.
- EDA/ECG dosya EDA/ECG yazılım fizyolojik ölçüm dosyasına kaydedin.
- Evertools paket kullanarak yedekleme için deneysel veri verin.
- EDA/ECG makine geçiş ve alkol yastıkları ile EDA elektrotlar temiz.
- Katılımcı işe alım sisteminde katılımcı geldi Mark.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
NeuroLab içinde her katılımcıdan genellikle fizyolojik veri toplamak (e.g., ECG), anket verileri (Örneğin., yön ölçek veya SBSOD31Santa Barbara duygusu) ve navigasyon veri (Örneğin., ile yolları sanal ortam). Örneğin, kalp hızı (ECG verilerden elde edilen) değişiklikleri diğer fizyolojik32 ve kendi kendine rapor önlemler33ile birlikte stres Devletleri'nde değişikliklerle ilişkili bulunmuştur. Sistemimiz kısa stres durumu anket34 ve SBSOD31 gibi sunulmak üzere soru formları farklı türleri için sağlar. SBSOD kez gerçek gezinme davranışı ile ilişkili ve sanal, büyük ölçekli, uzamsal yetenek ortamlar35kendi kendine rapor ölçü olduğunu. Buna ek olarak, navigasyon veri katılımcıların mekansal karar verme anlaması için kullanılabilir (Örneğin., tereddütleri, gezinti verimlilik) içinde farklı stresli bağlamlarda36.
Temsil edici bir çalışma mekansal bilgi edinme gezinti sırasında stres etkisi araştırıldı. Biz 60 katılımcılar test (29 kadın ve 31 erkek; yaş demek 23,3 =) 90 dk oturumu sırasında tek tek. Her oturum gezinti görev sırasında katılımcılar iki grup birine yerleştirildi (i.e., stres ve stres yok) ve üç öğrenme ve EDA ve ECG verileri sürekli olarak kaydedildi iken aşamaları sınama tamamlandı. Öğrenme aşamaları dört yerleri (Şekil 3) bir dizi bir düğme üzerinde joystick kullanarak tetiklenen olabilir bir harita yardımı ile bulma içeriyordu. Test aşamaları için belirli bir sırada bu konumlardan her birindeki bir zamanlayıcı ile görünür gezinme dahil. Sadece stres grubu için katılımcılar da parasal bu konumları bulmak için gereken zaman miktarı için cezalandırılmış. Bu parasal basınç da çalışmanın stres tek manipülasyon olduğunu.
Tahmin edilebileceği gibi bu deney fizyolojik verilerden herhangi bir stres grubu kalp hızı, açısından daha yüksek uyarılma stres grubu için belirtilen t(58) 2,14, se = 1.03, p =.04 değil EDA, şartları ama = t(58)-0.68, se = 0.02, p =.50 (Şekil 4) =. Buna ek olarak, SBSOD puan ve öğrenme aşamasında dört hedef konumları bulmak için gereken zamanı arasında negatif bir ilişki oldu r(58)-0.40, p =.002, ama test aşamasında değil r(58) =-0.25, p =.057 =. Görüntülenmeyecektir yörüngeleri göre katılımcıların stres grubunda daha az sanal ortamda dağıtılmış olduğu ortaya çıktı. Birlikte, bu sonuçlar daha yüksek uyarılma ve uzamsal yetenek daha verimli gezinme davranışı için ilgili olabilir öneririz.
Resim 1 : NeuroLab, ETH Zürih fotoğraflarını. (bir) deneyci ve sınama sırasında Katılımcı görünümü. Deneyci katılımcının ilerlemesini gerçek zamanlı olarak izleyebilirsiniz. (b) fizyolojik veri toplanan iken sanal ortam gezinme katılımcının Closeup görünümü. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.
Resim 2 : Üç ECG elektrotlar yerleşimini gösteren diyagram. Bu rakam bir Creative Commons Attribution-NonCommercial-ShareAlike 4.0 Uluslararası Lisansı altında lisanslı değiştirilen form köpük (ücretsiz açık erişim Meducation)37oldu. Resim 3-elektrot sistemi için gerekli elektrotlar vurgulamak için değiştirildi. Bu elektrotlar üst sağ karın (UR), üst sol karın (UL) ve alt sol karın (LL) üzerinde kaburga arasında yer almalıdır Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.
Şekil 3 : Ekran görüntüleri bir gezinti deneme NeuroLab. (bir) ekran görüntüsü joystick gelen eğitim videosu. Katılımcılar joystick'i sağ üst köşedeki videodan hareketleri yeniden istenir. (b) ekran görüntüsü joystick eğitim labirent. Katılımcılar bir labirent aracılığıyla aşağıdaki okları yüzen ve mücevher toplama tarafından taşındı. (c) ekran navigasyon görev öğrenme aşaması. Katılımcılar tetiği sanal ortamın bir harita çağırmak için üzerinde joystick'e basýn. Hedef yerlerin listesini ekranın sağ tarafında görüntülenmiştir. (testd) ekran navigasyon görev aşaması. Katılımcılar bir hareketli saat ve yola ödül görünür iken aynı yerlerde belirli bir sıraya göre bulmak için istendi. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.
Şekil 4 : Temsilcisi sonuçları fizyolojik aygıtları ve EVE framework kullanarak NeuroLab bir gezinti deneme. Grup (Somon pembe Akuamarin ve kontrol grubunda stres grubu) ve ortalama arasındaki ilişkiyi temsil eden (bir) A grafik nabız (değerleri için temel düzeltmeler sonra38). Ortalama kalp hızı kontrol grubu stres grubu için önemli ölçüde daha yüksektir. (b) bir dağılım komplo SBSOD puanı ve zaman arasındaki ilişkiyi temsil eden (siyah) öğrenme ve (gri) test geçirdim. SBSOD puan ve harcanan zaman öğrenme ve harcanan zaman test etmek için benzer bir eğilim arasında anlamlı negatif ilişki vardır. görüntüler (c) sanal bir haritası çevre yolu verilerini stres (aquamarine) ve kontrol (Somon pembe) grubu toplanan. Daha koyu boyama o yol boyunca alınan yollar çok yüksek oranda belirli bir gruptan olduğunu gösterir. Boş alanlar için alınan yolları oranı iki grup için benzer. Hedef konumları de siyah noktalar ile işaretlenir. Görüldüğü gibi stres grup daha büyük olasılıkla daha kestirme yolları hedef konumlar arasında taşımak için kontrol grubunda daha. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Bugünkü yazıda, deneyler VR içinde EVE çerçevesini kullanarak fizyolojik cihazlar ile bir protokol nitelendirdi. Bu tür deneyler ek donanım konuları nedeniyle benzersizdir (Örn., fizyolojik aygıtları ve diğer çevre birimleri), VR ve veri yönetimi gereksinimleri kullanarak fizyolojik veri toplama için hazırlık adımları. Mevcut iletişim kuralı, aynı anda birden fazla ikincil veri toplamak için düşündüğünüz Denemecileri için gerekli adımları sağlar. Örneğin, temizlik ve katılımcının vücut üzerinde belirli konumlara elektrotlar ekleme fizyolojik cihazların kullanımı gerektirir (e.g., göğüs ve parmak) diğer çevre birimleri ile müdahale değil şekilde (Örn., oyun çubuğu). Gibi adımlar zamanlaması potansiyel drift fizyolojik sinyalleri ve uygun pencere içinde verileri güvenilir olduğu için dikkate alması gerekir. Deneyci'nın bir zamanlama da içinde deneysel her oturum için hazırlık adımları kritik noktadır. Örneğin, katılımcılar temel aşamasını tamamlamak gerekir (Örneğin., doğa video izlerken) fizyolojik reaktivite bireysel farklılıklar için hesabına deneyci yanı sıra amacıyla kontrol arayüzü ile bir eğitim aşaması için sırada kayma onların karar verme VR16,17üzerinden manevra yeteneği disentangle deneyci. Ayrıca, eşitleme ve bu veri depolama karmaşıklığı ile veri kaynakları sayısını artırmak. Mevcut iletişim kuralında tanımlanan EVE çerçeve VR içinde çeşitli veri kaynakları ile çalışmaları için bir çözüm sağlar. Ayrıca, EVE framework esnekliğini araştırmacılar araştırma sorularına göre deneysel tasarım değiştir ve göz izci ve elektroansefalografi gibi yeni çevre birimleri eklemek için izin verir.
Ancak, bu yaklaşım bazı sınırlamalar vardır. Birincisi, çalışma EVE framework ile bazı bilgi bilgisayar bilim ve temel programlama becerileri gerektirir. İkinci olarak, fizyolojik veri yorumlanması tasarım sırasında dikkate alınması gereken ampirik araştırma uzun bir geleneği ve analiz çalışmaları bu tür dayanmaktadır. Bu edebiyat bilgisine olduğunu kritik fizyolojik veri-ebilmek var olmak kolayca yanlış yorumlandığını göz önüne alındığında (Örn., stres ve uyarılma kafa karıştırıcı). Üçüncü olarak, birçok deney VR sanal çevre ve denetim arabirimi ile ilgili dış geçerlilik ile ilgili eleştiriler yatkındır. Örneğin, masaüstü VR sık sık el oyun çubukları istihdam ve gerçekçi amac geribildirim yürüyüş sırasında sağlamaz. Çalışmalar gerçek ortamlarda karşılaştırıldığında, sanal ortamlar küçümseme mesafeler39 ve daha az kayma (gerek kalmadan fiziksel olarak) amac geribildirim40güncelleştirme yüksek hassasiyet elde etmek için yol eğilimindedir. Ancak, mesafe tahmini ve dönüş algı VR açık görsel geribildirim41,42ile geliştirilebilir.
Önceki araştırmalar VR deneylerde hala gerçekçi kayma18,39 ve sosyal36,43,44 davranışı yeniden oluşturabilirsiniz göstermiştir. Buna ek olarak, daha fazla deneysel kontrol ve gerçek dünya senaryolarında45' zor olacağını sistematik varyasyonları VR sağlar. Havva gibi çerçeveler üreten ve önceki iş genişletilmesi için fırsatlar sağlayarak VR kullanarak bir araştırma programı geliştirilmesi de kolaylaştırabilir. Örneğin, araştırmacılar biraz ek soru formlarını veya farklı bir deneme yapısı eklemek için varolan bir deney değişiklik yapabilirsiniz. EVE framework'ün birkaç ek avantajı verimli veri yönetimi, çevrimiçi öğreticiler müsaitlik ve diğerleri onun gelişmesine katkıda bulunmak için potansiyel vardır. Gerçekten de, EVE Framework'ün işbirliği teşvik eden ücretsiz bir açık kaynak projesi kullanılabilir.
Bu laboratuvar devam eden çalışmalarda algı çevre özelliklerine etkisi ve farklı sosyo-ekonomik arka planlar ile katılımcıların fizyolojik tepkiler ve kalabalık ortamlar üzerinde fizyolojik etkisi araştırıyor Yanıt katılımcıların sanal bir kalabalığın içinde dalmış. Gelecekte, çok kullanıcılı, bu protokole dahil olabilir ağ teknolojisi katılımcılar farklı fiziksel yerlerde neredeyse etkileşimine izin verir. Son olarak, EVE çerçevesinde Şu anda veri analiz paketleri kolay hata teşhis ötesinde ve uzamsal veri görselleştirme dahil etmek için genişletilir.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Yazarlar ifşa gerek yok.
Acknowledgments
Sanal ortam nazikçe VIS sanal gerçeklik araştırma için Oyunlar (http://www.vis-games.de) tarafından sağlandı.
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).
