Waiting
Login processing...

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

Behavior

Virtual Reality eksperimenter med fysiologiske tiltak

Published: August 29, 2018 doi: 10.3791/58318
Automatic Translation
1, 1, 1, 1,2,3, 1, 1, 1
1Chair of Cognitive Science, ETH Zürich, 2Geographic Information Visualization and Analysis, University of Zürich, 3Digital Society Initiative, University of Zürich

Summary

Virtual reality (VR) eksperimenter kan være vanskelig å iverksette og krever nitid planlegging. Denne protokollen beskriver en metode for design og implementering av VR eksperimenter som henter fysiologiske data fra menneskelige deltakere. Eksperimenter i virtuelle miljøer (EVE) rammeverk er ansatt for å akselerere denne prosessen.

Abstract

Virtual reality (VR) eksperimenter er stadig ansatt på grunn av interne og eksterne gyldigheten sammenlignet med virkelige verden observasjon og laboratorieforsøk, henholdsvis. VR er spesielt nyttig for geografiske effekter og undersøkelser av romlige atferd. I romlig atferd forskning, VR gir en plattform for å studere forholdet mellom navigasjon og fysiologiske tiltak (f.eks., skin konduktans, hjertefrekvens, blod trykk). Spesielt tillate fysiologiske tiltak forskere å ta romanen spørsmål og begrense tidligere teorier om romlige evner, strategier og ytelse. For eksempel kan individuelle forskjeller i navigering ytelse forklares med omfanget som endringer i opphisselse megle virkningene av oppgaven problemer. Men kan kompleksiteten i design og implementering av VR eksperimenter distrahere forskere fra deres primære forskning mål og introdusere uregelmessigheter i innsamling og analyse. For å møte disse utfordringene eksperimenter i virtuelle miljøer (EVE) rammeverket inkluderer standardisert moduler som deltaker med kontroll grensesnitt, datainnsamling ved hjelp av spørreskjemaer, synkroniseringen av fysiologiske målinger og datalagring. EVE gir også nødvendig infrastruktur for databehandling, visualisering og evaluering. Dagens papir beskriver en protokoll som benytter EVE rammen å utføre navigasjon eksperimenter i VR med fysiologiske sensorer. Protokoll viser trinnene nødvendig for å rekruttere deltakere, feste fysiologiske sensorene, administrere eksperimentet bruker EVE, og vurdere de innsamlede dataene med EVE sikkerhetsverktøy. Samlet vil denne protokollen lette fremtidig forskning ved å strømlinjeforme utforming og gjennomføring av VR eksperimenter med fysiologiske sensorer.

Introduction

Forstå hvordan enkeltpersoner navigere har viktige implikasjoner for flere felt, inkludert kognitiv vitenskap1,2,3, nevrovitenskap4,5og computer science6 , 7. navigasjon har blitt undersøkt i både reelle og virtuelle miljøer. En fordel med virkelige eksperimenter er at navigering krever ikke formidling av en kontroll-grensesnitt, og dermed kan produsere mer realistisk romlige atferd. Derimot virkelig realitet (VR) eksperimenter tillate for mer nøyaktig måling av atferd (f.eks., gå baner) og fysiologiske (f.eks., hjertefrekvens) data, samt mer eksperimentelle kontroll (dvs., interne holdbarhet). Igjen, kan dette resultere i enklere tolkninger av data og dermed mer robust teorier om navigering. I tillegg nytte nevrovitenskap av VR fordi forskere kan undersøke nevrale korrelerer navigasjon mens deltakerne er engasjert i det virtuelle miljøet, men kan ikke flytte seg fysisk. Dataforskere krever navigasjon i VR unike utviklinger prosessorkraft, minne, og datagrafikk for å sikre en slik innlevelse. Funn fra VR eksperimenter kan også brukes i arkitektur og kartografi ved å informere design av bygningen oppsett8 og kart funksjoner9 til virkelige navigering. Nylig har fremskritt innen VR teknologi kombinert med en dramatisk nedgang i sin pris ført til en økning i antallet laboratorier ansette VR for sin eksperimentell design. På grunn av denne voksende popularitet må forskere du vurdere hvordan du effektivisere implementeringen av VR-applikasjoner og standardisere eksperiment arbeidsflyten. Denne tilnærmingen vil hjelpe Skift ressurser fra implementering til utviklingen av teori og utvider de eksisterende mulighetene i VR.

VR oppsett kan variere fra mer til mindre realistisk viser og kontroller. Mer realistisk VR oppsett ofte krever ekstra infrastruktur som store sporing mellomrom og høy oppløsning viser10. Disse systemene benytter ofte omadresserte gangavstand algoritmer for å injisere umerkelig rotasjoner og oversettelser til visuell tilbakemelding som gis til brukere og forstørre effektivt det virtuelle miljøet som deltakerne kan flytte11 , 12. disse algoritmene kan være generalisert i at de ikke krever kunnskap om miljømessige struktur13 eller prediktiv i at de antar bestemte baner for den bruker14. Selv om mest forskning omadresserte vandre har brukt hode montert viser (HMDs), noen forskere bruker en versjon av denne teknikken med gå-på-plass som del av en stor projeksjon systemet (f.eks., grotter)15. Mens HMDs kan bli gjennomført på hodet av deltakeren, CAVE viser tendens til å gi en bredere horisontalt synsfelt16,17. Imidlertid er mindre infrastruktur nødvendig for VR-systemer som bruker skrivebordet skjermer18,19. Neuroscientific forskning har også ansatt VR systemer i kombinasjon med funksjonell magnetisk resonans imaging (fMRI) under skanning20, i kombinasjon med fMRI etter skanning21,22og i kombinasjon med Elektroencefalogram (EEG) under innspillingen23,24. Programvare rammeverk er nødvendig for å rekke skjermer og kontroller som brukes til navigering forskning.

Forskning som inkorporerer VR og fysiologiske data gir ekstra utfordringer som datainnsamling og synkronisering. Imidlertid tillater fysiologiske data undersøkelser av implisitt prosesser som kan megle forholdet mellom navigasjon potensielle og romlig atferd. Forholdet mellom stress og navigasjon har faktisk studert ved bruk av desktop VR og en kombinasjon av ulike fysiologiske sensorer (dvs., hjertefrekvens, blodtrykk, skin konduktans, salivary kortisol og alpha-amylase)25 , 26 , 27 , 28. For eksempel van Gerven og kolleger29 undersøkt virkningen av stress på navigasjon strategi og ytelse i en virtuell versjon av en Morris vann labyrint aktivitet og flere fysiologiske tiltak (f.eks., hudpleie konduktans, hjertefrekvens, blodtrykk). Resultatene viste at stress spådd navigasjon strategi landemerke bruk (dvs., egosentriske versus allocentric) men ikke var relatert til navigering ytelse. Funn fra tidligere studier er generelt noe inkonsekvent om effekten av stress på navigasjon og romlig minne. Dette mønsteret kan skyldes separasjon av trykk (f.eks., kaldt eksplisitte eller prosedyre26, Star speil sporing oppgave25) fra selve navigeringen oppgaven, bruk av enkle labyrintlignende virtuelle miljøer ( f.eks., virtuell Morris vann labyrint26, virtuelle radial arm labyrint28), og metodologiske detaljer (f.eks., type stressor, fysiologiske datatypen). Forskjeller i formatet innsamlede fysiologiske dataene kan også være problematisk for gjennomføring og analyse av slike studier.

Eksperimenter i virtuelle eksperimenter (EVE) rammeverk forenkler design, implementering og analyse av VR eksperimenter, spesielt de med ekstra eksterne enheter (f.eks., øye bane, fysiologiske enheter)30. EVE rammen er fritt tilgjengelig som en åpen kildekode-prosjekt på GitHub (https://cog-ethz.github.io/EVE/). Denne rammen er basert på den populære Unity 3D spillmotoren (https://unity3d.com/) og MySQL database management system (https://www.mysql.com/). Forskere kan bruke EVE rammen for å forberede de ulike stadiene av en VR eksperimentet, inkludert pre og post studere spørreskjemaer, opprinnelige mål for fysiologiske data, med kontroll-grensesnitt, hovednavigasjon aktiviteten, og tester for romlig minne om navigert miljøet (f.eks., dommer av relative retningen). Forskere kan også styre synkroniseringen av data fra ulike kilder og på ulike nivåer for aggregasjon (f.eks., over prøvelser, blokker eller økter). Datakilder kan være fysisk (dvs., koblet til brukeren; se Tabellen for materiale) eller virtuelle (dvs., avhengig av samspillet mellom deltakerens avatar og det virtuelle miljøet). Et eksperiment kan for eksempel kreve innspillingen hjertefrekvens og posisjon/retning fra deltakeren når deltakerens avatar beveger seg gjennom et bestemt område i det virtuelle miljøet. Alle disse dataene er lagret i en MySQL database og evalueres med replay funksjoner og R-pakken evertools (https://github.com/cog-ethz/evertools/) automatisk. Evertools gir eksport funksjoner, grunnleggende beskrivende statistikk, og diagnostic verktøy for distribusjoner av data.

EVE rammen kan distribueres med en rekke fysisk infrastruktur og VR systemer. I den nåværende protokollen beskriver vi en bestemt implementering på NeuroLab på ETH Zürich (figur 1). NeuroLab er et 12 m med 6 m rom som inneholder en isolert kammer for gjennomføre EEG eksperimenter, en bås som inneholder VR-system (2,6 m x 2.0 m) og et curtained område for feste fysiologiske sensorer. VR-system inkluderer en 55" ultra HD TV-skjerm, en high-end gaming PC, en styrespak kontroll grensesnitt og flere fysiologiske sensorer (se Tabell for materiale). I delene nedenfor vi beskrive protokollen for å gjennomføre en navigasjon eksperiment i NeuroLab bruke EVE rammeverk og fysiologiske sensorer, nåværende representant resultater fra en studie på stress og navigasjon, og diskutere mulighetene og utfordringer knyttet til dette systemet.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Følgende protokollen ble gjennomført retningslinjer godkjent av etikk provisjon av ETH Zürich som del av forslaget EK 2013-N-73.

1. rekruttere og forberede deltakerne

  1. Velg deltakere med bestemt demografi (f.eks., alder, kjønn, utdanningsbakgrunn) bruker en deltaker rekrutteringsverktøyet eller adresseliste (f.eks., UAST, http://www.uast.uzh.ch/).
  2. Kontakt valgt deltakere via e-post. I e-postmeldingen, Minn deltakerne økttid og krav. La deltakerne vite at de må ha en løst sittende topp (for blodtrykket overvåking), avstå fra alkohol for 12t før forsøket, og avstå fra flere andre aktiviteter (dvs., koffein, røyking, spise og øvelse) 3 h før eksperimentet.

2. Forbered eksperiment og fysiologiske enheter ved hjelp av EVE

  1. Før hver eksperimentelle økt, start datamaskinen eksperimentator skjermen og testing skjermen.
  2. Kontroller at rommet viften, termometeret og fuktighet skjermen er på.
  3. Slå på maskinen måle elektrodermal aktiviteten (EDA) og electrocardiography (ECG; f.eks., PowerLab fra ADInstruments). Se tabellen i materialer.
  4. Åpne EDA/ECG programvaren (EVE for tiden støtter Labchart fra ADInstruments) og opprette en ny innstillingsfil. Velg en samplingsfrekvens på 1000 Hz og riktig antall kanaler (f.eks., én for EDA og én for ECG). Lagre denne filen og lagre en versjon med et annet navn for hver eksperimentelle økt på nytt.
  5. EDA elektrodene, utføre en åpen krets null (dvs., uten elektrodene knyttet til noe) å få litt opprinnelige systemet ledningsevne.
  6. Sikre at kontroll-grensesnitt (f.eks., joystick) er koblet til datamaskinen.
  7. På eksperimentator skjermen, kan du åpne filen for kjørbare enhet for eksperimentet.
    1. Åpne "Eksperimentere innstillinger"-menyen i EVE, og angi parameterne eksperimentet (f.eks., deltaker-ID-nummer, fysiologiske måling fil, eksperimentelle tilstand, rom temperatur og luftfuktighet).
    2. Klikk "Start eksperimentet".

3. eksperimentelle prosedyren

  1. Introduksjon og samtykke
    1. Plukk opp deltakeren på avtalt møtet og guide ham/henne til laboratoriet.
    2. Angi at økten vil ta omtrent 90 min og ber du deltakeren om å lagre hans eller hennes ur og/eller mobiltelefon.
    3. Ber du deltakeren om å sitte i eksperimentell stolen og forklare den eksperimentelle prosedyren ifølge forberedt verbale skriptet.
    4. Spør deltakeren å lese informasjonsarket og signere skjemaet samtykke.
  2. Tilkobling av EDA og EKG-sensorer
    1. Rengjør indeksen fingeren og ringfingeren av ikke-dominante hånd med et papir uten såpe. Sikre at de er tørre og koble de to EDA elektrodene til mediale phalanges.
    2. Rense huden på brystet der ECG elektrodene plasseres med en fuktig klut.
    3. Plass hvit, svart og rød elektrodene på deltakerens kroppen mellom ribbeina ifølge figur 2. Plass på hvit elektroden på øvre høyre magen (UR) og svart elektroden på øvre venstre magen (UL). Plass røde elektroden på nedre venstre magen (LL). Kontroller at tre elektrodene ikke er direkte over et ribbein.
    4. Koble tre fargekodede ECG ledningene til tilsvarende elektrodene festet til deltakerens kroppen.
  3. Før eksperimentet spørreskjemaer
    1. Gi deltakerne et tastatur og en mus som brukes til å svare på spørreskjemaer (f.eks., demografiske spørsmål, den første delen av kort Stress staten spørreskjemaet, Santa Barbara følelse av retning skala), og informere ham eller henne at de blir spurt en rekke spørsmål på datamaskinen.
    2. Informere deltakerne om at de kan stille eksperimentator spørsmål om spørreskjemaene når som helst.
    3. Lukke to vegger i cubicle mens deltakeren fullfører spørreskjemaene.
  4. Forberedelse for fysiologiske måling. Denne fremgangsmåten kan utføres mens deltakeren fullfører spørreskjemaene.
    1. Informere deltakerne at eksperimentator nå forbereder fysiologiske enhetene.
    2. Kontroller at elektrodene er knyttet til de riktige stedene.
    3. Fest blodtrykk mansjetten til ikke-dominante armen.
    4. Instruksjoner til deltakeren om nøyaktig måling av blodtrykket. Fortelle deltakeren å minimere arm og kroppen bevegelser, holde blodtrykket mansjetten på hjertet, og opprettholde en oppreist holdning med sin føttene flatt på gulvet.
    5. Koble to EDA ledningene til elektrodene på fingrene.
    6. Slå av lys over skjermen og dempe alle andre indirekte lys til den laveste innstillingen.
    7. Hånd styrespaken til deltakeren og sikre at musen er utenfor skjermen for testing.
    8. Null EDA kanalen for å oppnå et mål på en persons Start-nivå av skin konduktans.
    9. Åpne dialogboksen "Bio Amp" i EDA/ECG-programvaren. Velg signalet som hjerte slå signalet dekker rundt en tredjedel av forhåndsvisningsvinduet (5 mV i de fleste tilfeller).
    10. Starte innspillingen med EDA/ECG-programvaren, og sjekk om et signal er synlig i vinduet EDA/ECG programvare på eksperimentator skjermen.
    11. Starte blodtrykk innspillingen ved å trykke på den aktuelle knappen i blodtrykket maskinen.
    12. Bytt til programmet for åpne enhet, og trykk "Start mål". En fiksering cross skal vises.
  5. Joysticken trening og planlagte video
    1. Be deltakerne å se og følge trening video som instruerer ham eller henne bruke styrespaken.
    2. Be deltakerne å fullføre trening labyrinten for å øve på å bruke styrespaken. I denne opplæringen labyrinten, er deltakerne pålagt å følge piler som angir en rute og samle flytende juveler.
    3. Hvis forsøket inneholder lyd, plasser hodetelefonene på deltakerens hodet.
    4. Be deltakerne å se planlagte natur videoen uten å flytte. Denne videoen er brukt kontoen for en opprinnelig plan måling av deltakerens fysiologiske data under påfølgende analysen.
  6. Navigasjon oppgave
    1. Kontroller at deltakerne har lest instruksjonene om å-være-fullført navigasjon oppgaven. Spørre om om deltakeren har spørsmål før aktiviteten navigasjon begynner. Fortelle deltakeren at de ikke skulle spørre spørsmål under aktiviteten navigasjon.
    2. Ber du deltakeren om å trykke på utløseren på styrespaken når han eller hun er klar til å starte aktiviteten navigasjon.
  7. Siste fysiologiske tiltak og avdeling av fysiologiske sensorer
    1. Vent til systemet har fullført siste blodtrykket måling.
    2. Stoppe innspillingen EDA og EKG-ved å trykke på stop-knappen i EDA/ECG-programvaren.
    3. Fjerne blodtrykk mansjetten.
    4. Fjern EDA elektrodene fra deltakeren.
    5. Be deltakerne ikke å fjerne ECG elektrodene til slutten av eksperimentet.
    6. Fjern styrespaken og hodetelefoner.
  8. Etter eksperiment spørreskjemaer
    1. Gi deltakerne et tastatur og en mus for post eksperiment spørreskjemaene (f.eks., den andre delen av kort Stress staten spørreskjemaet, egenvurdering dukken, Simulator sykdom spørreskjemaet).
    2. Informere deltakerne om at de blir spurt en rekke spørsmål på datamaskinen og at han eller hun kan stille spørsmål om nødvendig.
  9. Slutten av eksperimentelle økten
    1. Informere deltakerne at den eksperimentelle delen er nå ferdig. Takk henne eller ham for å delta i eksperimentet.
    2. Fortelle deltakeren at han/hun kan nå fjerne ECG elektrodene.
    3. Betale ut deltakerne og be dem signere trykte mottaket.
    4. Spør om deltakeren har spørsmål om formålet med eksperimentet, og følge ham eller henne utenfor eksperimentelle rommet.

4. etter hver eksperimentelle økt

  1. Åpne "evaluering"-menyen i EVE for å gjennomføre eksperimentet diagnostikk (f.eks., replay baner), og lagre filene som fysiologiske måling i EDA/ECG-programvaren.
  2. Trykk "Legg til hendelsesmarkør" å markere hendelser i fysiologiske måling filene i "evaluering"-menyen i EVE. Dette trinnet er kritisk for analyse av fysiologiske dataene i bestemt eksperimentelle faser.
  3. Lagre EDA/EKG-filen i filen fysiologiske måling i EDA/ECG-programvaren.
  4. Eksportere eksperimentelle data for sikkerhetskopien benytter evertools pakken.
  5. Slå av EDA/ECG maskinen og rengjør EDA elektrodene med alkohol pads.
  6. Merke som deltakeren dukket opp i deltaker rekrutteringssystemet.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Fra hver deltaker i NeuroLab, vi vanligvis samler fysiologiske data (f.eks., ECG), spørreskjemadata (f.eks., Santa Barbara følelse av retning skala eller SBSOD31), og navigasjon (f.eks., via den virtuelt miljø). For eksempel har Hertzrythmusstöhrungen (avledet fra ECG data) vært knyttet til endringer i stress stater i kombinasjon med andre fysiologiske32 og egenrapportering måler33. Systemet vårt tillater forskjellige typer spørreskjemaer presenteres som kort Stress staten spørreskjema34 og SBSOD31 . SBSOD er en selv-rapport tiltak av romlige evne som ofte er korrelert med navigasjon atferd i reelle og virtuelle, store, miljøer35. I tillegg navigasjonsdata kan brukes til å antyde deltakernes romlige beslutningsprosessen (f.eks., nøling, navigasjon effektivitet) i ulike stressende sammenhenger36.

En representant studie undersøkte effekten av stress på oppkjøp av romlige kunnskap under navigering. Vi testet 60 deltakere (29 kvinner og 31 menn; middelalder = 23.3) individuelt under en 90 min økt. Under navigering oppgaven hver økt, deltakerne ble plassert i en av to grupper (dvs., stress og stress) og fullførte tre læring og tester faser mens EDA og EKG-data var kontinuerlig registrert. Læring fasene involvert å finne et sett med fire steder (Figur 3) ved hjelp av et kart som kan utløses med en knapp på styrespaken. Testing fasene involvert navigere til disse stedene i en bestemt rekkefølge med en tidtaker som vises. For bare gruppen stress, var deltakerne også straffet monetarily tidsperioden som kreves for å finne disse stedene. Dette økonomiske presset var bare manipulering av stress studien.

Som spådd, fysiologiske dataene fra dette eksperimentet viser høyere opphisselse for gruppen stress enn ingen stress gruppen i form av hjertefrekvens, t(58) = 2.14, se = 1,03, p =.04, men ikke i forhold til EDA, t(58) =-0.68, se = 0,02, p =.50 (Figur 4). I tillegg var det en negativ korrelasjon mellom SBSOD score og tiden det tar å finne fire mål plasseringene i løpet læringsfasen, r(58) =-0.40, p =.002, men ikke testfasen, r(58) =-0.25, p =.057. Ifølge visualisert baner syntes deltakerne i gruppen stress å være mindre distribuert i det virtuelle miljøet. Sammen tyder disse resultatene på at høyere opphisselse og romlig evne kan være knyttet til mer effektiv navigering atferd.

Figure 1
Figur 1 : Bilder av NeuroLab på ETH Zürich. (en) eksperimentator og deltaker under testing. Eksperimentator kan overvåke deltakerens fremgang i sanntid. (b) nærbilde utsikt over deltakeren navigere gjennom det virtuelle miljøet mens fysiologiske data samles. Klikk her for å se en større versjon av dette tallet.

Figure 2
Figur 2 : Diagrammet representerer plasseringen av tre ECG elektrodene. Dette tallet har blitt modifisert form SKUM (gratis åpen tilgang Meducation)37som er lisensiert under en Creative Commons Attribution-reklamefrie-ShareAlike 4.0 International License. Bildet er endret for å markere elektrodene nødvendig for en 3-elektrode system. Disse elektrodene skal plasseres mellom ribbeina på øvre høyre magen (UR), øvre venstre magen (UL) og nedre venstre magen (LL) Klikk her for å se en større versjon av dette tallet.

Figure 3
Figur 3 : Skjermbilder fra en navigasjon eksperiment i NeuroLab. (en) skjermbilde fra styrespaken trening video. Deltakerne ble bedt om å gjenskape bevegelser av joysticken fra videoen øverst i høyre hjørne. (b) skjermbilde fra styrespaken trening labyrint. Deltakerne flyttet gjennom en labyrint av følgende flytende piler og samle juveler. (c) skjermbilde fra læringsfasen av aktiviteten navigasjon. Deltakerne kan trykke på utløseren på styrespaken for å ringe et kart over det virtuelle miljøet. En liste over geografiske målområder ble vist på høyre side av skjermen. (d) skjermbilde fra testing fasen av aktiviteten navigasjon. Deltakerne ble bedt om å finne de samme stedene i en bestemt rekkefølge, mens en bevegelig klokke og bevegelige belønning var synlig. Klikk her for å se en større versjon av dette tallet.

Figure 4
Figur 4 : Representant resultater fra en navigasjon eksperiment i NeuroLab med fysiologiske enheter og EVE framework. (en) A graf som gruppe (stress gruppe i aquamarine og kontroll gruppe laks rosa) og betyr hjertefrekvens (etter rettelser for planlagte verdier38). Gjennomsnittlig hjertefrekvens er betydelig høyere for gruppen stress enn kontrollgruppen. (b) et scatter tomten som SBSOD poengsummen og tiden tilbrakte læring (i svart) og tester (i grått). Det er en betydelig negativ relasjon mellom SBSOD score og tidsbruk læring og lignende trender for tiden tester. (c) et kart over virtuelle miljø som viser samlet bane data fra stress (aquamarine) og kontrollgruppe (lakserosa). Mørkere farge indikerer at en høyere andel av baner tatt langs den ruten er fra en bestemt gruppe. For tomme områder var andelen av baner tatt lignende for de to gruppene. Målet steder er også merket med sorte prikker. Som vist, var gruppen stress mer sannsynlig enn kontrollgruppen å flytte langs mer direkte stier mellom mål plasseringene. Klikk her for å se en større versjon av dette tallet.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

I dagens papir beskrev vi en protokoll for å gjennomføre eksperimenter i VR med fysiologiske enheter ved hjelp av EVE framework. Disse typer eksperimenter er unik på grunn av ekstra maskinvare hensyn (f.eks., fysiologiske enheter og andre eksterne enheter), de forberedende trinnene for innsamling av fysiologiske data med VR og data management krav. Nåværende protokollen gir de nødvendige trinnene for forskere har tenkt å samle inn data fra flere enheter samtidig. Bruk av fysiologiske enheter krever for eksempel rengjøring og feste elektrodene til bestemte steder på deltakerens kroppen (f.eks., brystet og fingrene) på en måte som ikke forstyrre andre eksterne enheter (f.eks., joystick). Tidspunktet for slike tiltak må utgjør den potensielle drift i fysiologiske signaler og til riktig vindu der dataene er pålitelige. Den eksperimentator vurdering av tidspunktet er også viktig for forberedende trinn hver eksperimentelle økt. For eksempel deltakere må fullføre en planlagt fase (f.eks., ser en natur video) for at eksperimentator kontoen for individuelle forskjeller i fysiologiske reaktivitet, samt en opplæringsfasen med kontroll grensesnitt for at eksperimentator å greie deres evne til å manøvrere fra deres romlige beslutninger i VR16,17. I tillegg øke synkroniserer og lagring av disse data i kompleksitet med mange datakilder. EVE rammen beskrevet i stede protokollen gir en løsning for studier med flere datakilder i VR. I tillegg tillater fleksibiliteten av EVE rammeverket forskere å endre eksperimentell design etter deres forskning spørsmål og legge nye enheter som øyet bane og Elektroencefalogram.

Det er imidlertid noen begrensninger på denne tilnærmingen. Først krever arbeider med EVE rammeverket kjennskap til informatikk og grunnleggende programmering. Andre er tolkningen av fysiologiske data basert på en lang tradisjon med empirisk forskning som må vurderes i design og analyse av slike studier. Kunnskap om denne litteraturen er kritisk at fysiologiske data kan være enkelt feiltolket (f.eks., forvirrende stress og opphisselse). Tredje mange eksperimenter i VR er utsatt for kritikk om ekstern validitet med hensyn til det virtuelle miljø og kontroll-grensesnittet. For eksempel desktop VR ofte benytter håndholdte styrespaker og gir ikke realistisk proprioceptive tilbakemelding ved gåing. Sammenlignet med studier i ekte miljøer, virtuelle miljøer tendens til å føre til undervurdering av avstander39 og mindre presisjon i romlig oppdatere uten proprioceptive tilbakemelding (uten fysisk slå)40. Imidlertid kan avstand estimering og slå oppfatning i VR forbedres med eksplisitte visuell tilbakemelding41,42.

Tidligere undersøkelser har vist at eksperimenter i VR fortsatt kan reprodusere realistisk romlige18,39 og sosiale36,43,44 atferd. I tillegg gir VR større eksperimentelle kontroll og systematisk varianter som vil være vanskelig i realiteten45. Rammer som EVE kan også lette utviklingen av et forskningsprogram med VR ved å gi muligheter for gjengivelse og utvide tidligere arbeid. For eksempel kan forskere litt endre et eksisterende eksperiment å inkludere flere spørreskjemaer eller en annen prøve struktur. Noen flere fordeler av EVE framework er effektiv databehandling, tilgjengeligheten av online opplæringsprogrammer, og potensialet for andre å bidra til utviklingen. EVE rammen er faktisk tilgjengelig gratis som en åpen kildekode-prosjekt som oppmuntrer det samarbeid.

Pågående forsøksstudier i dette laboratoriet undersøker virkningen av miljømessige funksjoner på persepsjon og fysiologiske responser av deltakere med ulik sosioøkonomisk bakgrunn og innflytelse av trafikk miljøer på de fysiologiske svar deltakere i en virtuell publikum. I fremtiden, denne protokollen kan inkludere flerbrukeroperativsystem nettverksteknologi som gjør at deltakerne på ulike geografiske steder å samhandle nesten. Til slutt, EVE rammeverket er nå utvidet med data analyse pakker utover enkel diagnostikk og visualisering av romlige data.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne ikke avsløre.

Acknowledgments

Det virtuelle miljøet var vennlig levert av VIS spill (http://www.vis-games.de) til å forske i virtuell virkelighet.

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

DOWNLOAD MATERIALS LIST

References

  1. Gallistel, C. R. The Organization of Learning. , MIT Press. Cambridge, MA. (1990).
  2. Waller, D., Nadel, L. Handbook of Spatial Cognition. , American Psychological Association. Washington D.C. (2013).
  3. Denis, M. Space and Spatial Cognition: A Multidisciplinary Perspective. , Routledge. Abingdon, Oxon. (2017).
  4. 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).
  5. O'Keefe, J., Nadel, L. The Hippocampus as a Cognitive Map. , Clarendon Press. Oxford. (1978).
  6. Kuipers, B. J. Modelling spatial knowledge. Cognitive Science. 2, 129-153 (1978).
  7. Heppenstall, A. J., Crooks, A. T., See, L. M., Batty, M. Agent-Based Models of Geographical Systems. , Springer. Netherlands. Dordrecht. (2012).
  8. 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).
  9. 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).
  10. 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).
  11. Nilsson, N., et al. 15 Years of Research on Redirected Walking in Immersive Virtual Environments. IEEE Computer Graphics and Applications. , 1-19 (2018).
  12. Razzaque, S., Kohn, Z., Whitton, M. C. Redirected walking. Proceedings of EUROGRAPHICS. , 105-106 (2001).
  13. 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).
  14. 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).
  15. Razzaque, S., Swapp, D., Slater, M., Whitton, M. C., Steed, A. Redirected walking in place. Eurographics workshop on virtual environments. , 123-130 (2002).
  16. 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).
  17. 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).
  18. 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).
  19. 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).
  20. 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).
  21. Maguire, E. A., Nannery, R., Spiers, H. J. Navigation around London by a taxi driver with bilateral hippocampal lesions. Brain. 129, 2894-2907 (2006).
  22. 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).
  23. 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).
  24. 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).
  25. Richardson, A. E., VanderKaay Tomasulo, M. M. Influence of acute stress on spatial tasks in humans. Physiology & Behavior. 103 (5), 459-466 (2011).
  26. 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).
  27. 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).
  28. 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).
  29. 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).
  30. 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).
  31. 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).
  32. Ziegler, M. G. Psychological Stress and the Autonomic Nervous System. Primer on the Autonomic Nervous System. , 189-190 (2004).
  33. 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).
  34. 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).
  35. Wolbers, T., Hegarty, M. What determines our navigational abilities. Trends in Cognitive Sciences. 14 (3), 138-146 (2010).
  36. Moussaïd, M., et al. Crowd behaviour during high-stress evacuations in an immersive virtual environment. Journal of The Royal Society Interface. 13 (122), (2016).
  37. Cadogan, M. Lead positioning. , Available from: https://lifeinthefastlane.com/ecg-library/basics/lead-positioning/ (2017).
  38. Wilder, J. The law of initial value in neurology and psychiatry. The Journal of Nervous and Mental Disease. 125 (1), 73-86 (1957).
  39. Loomis, J., Knapp, J. Visual Perception of Egocentric Distance in Real and Virtual Environments. Virtual and Adaptive Environments. , 21-46 (2003).
  40. Richardson, A. R., Waller, D. The effect of feedback training on distance estimation in virtual environments. Applied Cognitive Psychology. 19 (8), 1089-1108 (2005).
  41. 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).
  42. 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).
  43. Thrash, T., et al. Evaluation of control interfaces for desktop virtual environments. Presence. 24 (4), (2015).
  44. Kinateder, M., Warren, W. H. Social Influence on Evacuation Behavior in Real and Virtual Environments. Frontiers in Robotics and AI. 3, 43 (2016).
  45. 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).

Tags

Atferd problemet 138 kognitiv vitenskap virtuell virkelighet virtuelle miljøer fysiologiske sensorer romlig kognisjon navigasjon
Virtual Reality eksperimenter med fysiologiske tiltak
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Weibel, R. P., Grübel, J.,… More

Weibel, R. P., Grübel, J., Zhao, H., Thrash, T., Meloni, D., Hölscher, C., Schinazi, V. R. Virtual Reality Experiments with Physiological Measures. J. Vis. Exp. (138), e58318, doi:10.3791/58318 (2018).

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