Summary
Virtual reality (VR) experiment kan vara svårt att genomföra och kräver noggrann planering. Det här protokollet beskriver en metod för utformningen och genomförandet av VR experiment som samlar in fysiologiska data från mänskliga deltagare. Experimenten i virtuella miljöer (EVE) ram är anställd för att påskynda denna process.
Abstract
Virtual reality (VR) experiment används alltmer på grund av deras interna och externa giltighet jämfört med verkliga observation och laboratorieexperiment, respektive. VR är speciellt användbar för geografiska visualiseringar och utredningar av rumsliga beteende. I rumsliga Uppförandeforskning, VR ger en plattform för att studera förhållandet mellan navigering och fysiologiska åtgärder (t.ex., hud konduktans, hjärtfrekvens, blodtryck). Uttryckligen, tillåter fysiologiska åtgärder forskare att ta itu med nya frågor och begränsa tidigare teorier om spatiala förmågor, strategier och prestanda. Individuella skillnader i navigeringsprestanda kan exempelvis förklaras av i vilken utsträckning som förändringar i upphetsning medla effekterna av uppgift svårigheter. Men kan komplexiteten i utformningen och genomförandet av VR experiment distrahera praktiker från sina primära forskning mål och införa oegentligheter i datainsamling och analys. För att möta dessa utmaningar, experimenten i virtuella miljöer (EVE) ramen omfattar standardiserade moduler såsom deltagare utbildning med control gränssnitt, insamling av data med hjälp av enkäter, synkronisering av fysiologiska mätningar och datalagring. Eva ger också den nödvändiga infrastrukturen för datahantering, visualisering och utvärdering. Detta dokument beskriver ett protokoll som sysselsätter EVE ramen att göra navigering experiment i VR med fysiologiska sensorer. Protokollet beskrivs steg som krävs för att rekrytera deltagare, fästa den fysiologiska sensorer, administrera experimentet med EVE, och bedömningen av de insamlade uppgifterna med verktyg för utvärdering av EVE. Sammantaget kommer detta protokoll underlätta framtida forskning genom att effektivisera utformningen och genomförandet av VR experiment med fysiologiska sensorer.
Introduction
Förstå hur individer navigera har stor betydelse för flera områden, bland annat kognitiv vetenskap1,2,3, neurovetenskap4,5och dator vetenskap6 , 7. navigering har undersökts i både verkliga och virtuella miljöer. En fördel med verkliga experiment är att navigering kräver inte förmedling av en gränssnitt och därmed kan producera mer realistiska rumsliga beteende. Däremot virtual reality (VR) experiment möjliggör mer exakt mätning av beteendemässiga (t.ex., promenader banor) och fysiologiska (t.ex., puls) data, liksom mer experimentell kontroll (dvs., inre giltigheten). Detta synsätt kan i sin tur resultera i enklare tolkningar av uppgifterna och därmed mer robust teorier om navigering. Neurovetenskap kan dessutom nytta av VR eftersom forskare kan undersöka de neurala korrelat till navigering medan deltagarna är engagerade i den virtuella miljön men inte fysiskt flytta. För dataloger kräver navigering i VR unika utvecklingen i processorkraft, minne, och datorgrafik för att säkerställa en verklighetstrogen upplevelse. Resultaten från VR experiment kan också tillämpas i arkitektur och kartografi genom att informera utformningen av byggnaden layouter8 och karta funktioner9 att underlätta verkliga navigering. Nyligen, framsteg i VR-tekniken i kombination med en dramatisk minskning av dess kostnad har lett till en ökning av antalet laboratorier anställa VR för sina experimentella konstruktioner. På grund av denna växande popularitet behöver forskare överväga hur man kan effektivisera genomförandet av VR applikationer och standardisera experiment arbetsflödet. Denna strategi hjälper Skift resurser från genomförande till utvecklingen av teori och utöka befintliga funktionerna i VR.
VR uppställningar kan variera från mer till mindre realistiska när det gäller skärmar och kontroller. Mer realistisk VR uppställningar tenderar att kräva ytterligare infrastruktur såsom stora spårning platser och högupplösta visar10. Dessa system använder ofta omdirigerade gångavstånd algoritmer för att injicera omärklig rotationer och översättningar till visuell feedback som ges till användarna och förstora effektivt den virtuella miljön genom vilken deltagare kan flytta11 , 12. dessa algoritmer kan vara generaliserad i att de inte kräver kunskap om miljömässiga strukturen13 eller prediktiva däri de antar särskilda vägar för användaren14. Även om de flesta forskning på omdirigerade walking har används huvud-monterad displayer (HMDs), vissa forskare använder en version av denna teknik med promenader på plats som en del av en stor projektionssystem (t.ex., grottor)15. Medan HMDs kan bäras på huvudet av deltagaren, tenderar CAVE skärmar att ge en bredare horisontellt synfält16,17. Dock behövs mindre infrastruktur för VR-system som använder skrivbordet visar18,19. Neurovetenskaplig forskning har också anställd VR system i kombination med funktionell magnetresonanstomografi (fMRI) under avsökningen20, i kombination med fMRI efter skanning21,22, och i kombination med elektroencefalografi (EEG) under inspelning23,24. Ramar för programvara behövs för att samordna olika skärmar och kontroller som används för navigering forskning.
Forskning som innefattar VR och fysiologiska data innebär ytterligare utmaningar såsom datainsamling och synkronisering. Fysiologiska data tillåter dock för utredningarna av implicita processer som kan medla förhållandet mellan navigering potentiella och rumsliga beteende. Faktiskt, relationen mellan stress och navigering har undersökts med hjälp av desktop VR och en kombination av olika fysiologiska sensorer (dvs., puls, blodtryck, hud konduktans, salivkortisol och alpha-amylas)25 , 26 , 27 , 28. till exempel van Gerven och kollegor29 undersökt effekterna av stress på navigering strategi och prestanda med hjälp av en virtuell verklighet version av en Morris vatten labyrint uppgift och flera fysiologiska åtgärder (t.ex., hud konduktans, hjärtfrekvens, blodtryck). Deras resultat visade att stress förutspådde navigering strategi när det gäller landmark användning (dvs., egocentriska kontra allocentric) men var inte relaterad till navigeringsprestanda. Resultat från tidigare studier är i allmänhet något inkonsekvent angående effekten av stress på navigeringsprestanda och rumsliga minne. Detta mönster kan hänföras till avskiljandet av stressfaktor (t.ex., den kalla Blodtryckshöjande förfarande26, stjärnigt spegel spårning uppgift25) från faktiska navigering uppgiften, användning av enkel labyrint-liknande virtuella miljöer ( e.g., virtuella Morris vatten labyrint26, virtuella radial arm labyrint28), och skillnader i metodologiska detaljer (t.ex., typ av stressfaktor, typ av fysiologiska data). Skillnader i form av insamlade fysiologiska data kan också vara problematiskt för genomförande och analys av sådana studier.
Experimenten i virtuella experiment (EVE) ramen underlättar utformning, genomförande och analys av VR experiment, särskilt de med ytterligare kringutrustning (t.ex., eye trackers, fysiologiska enheter)30. Ramen för EVE är fritt tillgängligt som ett projekt med öppen källkod på GitHub (https://cog-ethz.github.io/EVE/). Denna ram är baserad på den populära Unity 3D spelmotorn (https://unity3d.com/) och MySQL databas management system (https://www.mysql.com/). Forskare kan använda EVE ramen för att förbereda de olika stadierna av VR experiment, inklusive före och efter studien enkäter, baseline mått för alla fysiologiska data, träning med styrgränssnittet, huvudnavigering uppgiften, och tester för rumsliga minne av navigeras miljön (t.ex., domar av den relativa riktningen). Praktiker kan också styra synkronisering av data från olika källor och på olika nivåer av aggregation (t.ex., över prövningar, block eller sessioner). Datakällor kan vara fysiska (dvs., anslutna till användaren, se Tabell för material) eller virtuella (dvs., beroende av samspelet mellan deltagarens avatar och den virtuella miljön). Ett experiment kan till exempel kräva inspelning puls och position/orientering från deltagaren när den deltagarens avatar rör sig genom ett särskilt område av den virtuella miljön. Alla dessa data lagras i en MySQL-databas automatiskt och utvärderas med replay funktioner och den R paketet evertools (https://github.com/cog-ethz/evertools/). Evertools ger exporterande funktioner, grundläggande deskriptiv statistik, och diagnostiska verktyg för fördelningar av data.
EVE ramen kan distribueras med en mängd olika fysiska infrastrukturerna och VR-system. I detta protokoll beskriver vi ett särskilt genomförandet på NeuroLab vid ETH Zürich (figur 1). NeuroLab är en 12 m 6 m rum som innehåller en isolerad kammare för att bedriva EEG experiment, ett skåp som innehåller VR systemet (2,6 x 2,0 m) och en persienn område för att fästa fysiologiska sensorer. I VR-systemet ingår en 55-tums ultra high definition TV-skärm, en high-end gaming dator, en joystick kontroll gränssnitt och flera fysiologiska sensorer (se Tabell för material). I följande avsnitt, vi beskriva protokollet för genomför en navigering experiment i den NeuroLab som med hjälp av EVE ram och fysiologiska sensorer, nuvarande representativa resultat från en studie på stress och navigering, och diskutera möjligheterna och utmaningar i samband med detta system.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Följande protokoll genomfördes i enlighet med riktlinjer som godkänts av den etik kommissionen av ETH Zürich som en del av förslaget EK 2013-N-73.
1. rekrytera och förbereda deltagarna
- Välj deltagare med särskilda demografi (t.ex., ålder, kön, utbildningsbakgrund) med en deltagare rekryteringssystem eller e-postlista (t.ex., UAST; http://www.uast.uzh.ch/).
- Kontakta utvalda deltagare via e-post. I detta e-postmeddelande, påminna deltagarna sessionstid och krav. Låt deltagarna vet att de måste bära en löst sittande topp (för blodtryck övervakning), avstå från alkohol för 12 h innan experimentet och avstå från flera andra aktiviteter (dvs., koffein, röka, äta och motion) för 3 h innan experimentet.
2. Förbered Experiment och fysiologiska enheter med hjälp av EVE
- Innan varje experimentella session, starta datorn, försöksledaren bildskärmen och testning bildskärmen.
- Se till att rummet fläkten, termometern och luftfuktighet övervaka på.
- Slå på maskinen mäter aktiviteten electrodermal (EDA) och på EKG (EKG; t.ex., PowerLab från ADInstruments). Se tabell över material.
- Öppna programvaran EDA/ECG (EVE för närvarande stöder Labchart från ADInstruments) och skapa en ny fil med inställningar. Välj en samplingsfrekvens 1000 Hz och lämpligt antal kanaler (t.ex., en för EDA och en för ECG). Spara denna fil med inställningar och spara en version med ett annat namn för varje experimentella session.
- För EDA elektroderna, utföra en öppen krets noll (dvs., utan de elektroder kopplade till något) att få en baseline mått på systemet ledningsförmåga.
- Se till att kontrollgränssnittet (t.ex., joystick) är ansluten till datorn.
-
På försöksledaren skärmen, öppna filen körbar enighet för experimentet.
- Öppna menyn ”Experimentera inställningar” i EVE och ange parametrarna experiment (t.ex., deltagare ID-nummer, fysiologiska mätningar file, experimentella villkor, rumstemperatur och luftfuktighet).
- Klicka på ”Starta experimentet”.
3. experimentell förfarande
-
Förfarande för införande och samtycke
- Plocka upp deltagaren på överenskomna mötesplatsen och vägleda honom/henne till laboratoriet.
- Indikera att sessionen tar ungefär 90 min och be deltagaren att lagra sin klocka och/eller mobiltelefon.
- Be deltagaren att sitta i fåtöljen experimentella och förklara experimentella förfarandet enligt beredda verbala skriptet.
- Be deltagaren att läsa informationsbladet och signera formuläret informerat samtycke.
-
Anslutning av EDA och EKG sensorer
- Ren pekfingret och ringfingret av den icke-dominanta handen med en våt vävnad utan tvål. Säkerställa att de är torra och Anslut två EDA elektroderna till den mediala falanger.
- Ren huden på bröstet där EKG-elektroderna ska placeras med en våt trasa.
- Placera de vita, svarta och röda elektroderna på deltagarens kropp mellan revbenen enligt figur 2. Placera den vita elektroden på den övre högra delen av buken (UR) och svarta elektroden på övre vänstra delen av buken (UL). Placera den röda elektroden på nedre vänstra delen av buken (LL). Säkerställa att de tre elektroderna inte är direkt över en ribba.
- Anslut tre färgkodade ECG kablarna till de motsvarande elektroder kopplade till deltagarens kropp.
-
Före försöket enkäter
- Ge deltagaren med ett tangentbord och en mus som kommer att användas för att besvara frågeformulären (t.ex., demografiska frågor, den första delen av kort Stress staten frågeformuläret, Santa Barbara avkänningen av riktning skala), och informera honom eller henne att de blir ombedd en rad frågor på datorn.
- Informera deltagarna att de kan ställa experimenter frågor om frågeformulären när som helst.
- Stäng de två sidoväggarna av boxen medan deltagaren är att fylla i enkäter.
-
Förberedelser för fysiologiska mätningar. Dessa steg kan utföras när deltagaren är att fylla i enkäter.
- Informera deltagaren att experimenter nu förbereder de fysiologiska enheterna.
- Kontrollera att elektroderna är anslutna till rätt platser.
- Bifoga den blodtryck manschetten till den icke-dominanta armen.
- Ge instruktioner till deltagaren om korrekt mätning av blodtryck. Berätta för deltagaren att minimera arm och kroppsrörelser, hålla blodtrycket manschetten på hjärtat nivå och upprätthålla en upprätt sittställning med hans eller hennes fötter på golvet.
- Anslut de två EDA-kablarna till elektroderna på fingrarna.
- Stänga av ljuset ovanför bildskärmen och dämpa alla andra overhead lampor till den lägsta inställningen.
- Hand joysticken till deltagaren och se till att musen är avstängd de tester bildskärm.
- Noll EDA kanalen för att få ett mått på en individs startnivå av huden konduktans.
- Öppna dialogrutan ”Bio Amp” i EDA/ECG-programvaran. Välja signal intervallet där hjärtat slå signalen täcker cirka en tredjedel av förhandsgranskningsfönstret (5 mV i de flesta fall).
- Starta inspelningen med EDA/ECG programvara och kontrollera om en signal är synligt i fönstret EDA/ECG programvara på försöksledaren monitorn.
- Starta blodtryck genom att trycka på lämplig knapp i blodtryck maskin.
- Växla till det öppna Unity-programmet och tryck på ”Starta mätning”. En fixering cross ska visas.
-
Joystick utbildning och baslinjen video
- Be deltagaren att titta och följ den träningsvideo som instruerar honom eller henne hur man använder joysticken.
- Be deltagarna att slutföra utbildning labyrinten för att öva med hjälp av joysticken. I denna utbildning labyrint instrueras deltagarna att följa pilarna som indikerar en rutt och samla flytande pärlor.
- Om experimentet innehåller ljud, Placera hörlurarna på deltagarens chef.
- Be deltagaren att titta på baslinjen natur videon utan att flytta. Denna video används för att redovisa en baslinjemätning av deltagarens fysiologiska data under den efterföljande analysen.
-
Navigering uppgift
- Säkerställa att deltagarna har läst instruktionerna angående uppgiften att-vara-klar navigering. Fråga om huruvida deltagaren har några frågor innan navigering aktiviteten börjar. Tala om för deltagaren att de inte bör ställa frågor under navigering uppgiften.
- Be deltagaren att tryck på utlösaren på styrspaken när han eller hon är redo att påbörja navigering uppgiften.
-
Slutliga fysiologiska åtgärder och avlossning av fysiologiska sensorer
- Vänta tills systemet har slutfört sista blodtryck mätning.
- Stoppa inspelningen EDA och EKG genom att trycka på stoppknappen i EDA/ECG-programvaran.
- Ta bort blodtryck manschetten.
- Ta bort EDA elektroderna från deltagaren.
- Be deltagarna inte ta bort EKG-elektroderna till slutet av experimentet.
- Ta bort joystick och hörlurar.
-
Efter experimentet enkäter
- Ge deltagaren med ett tangentbord och en mus för efter experimentet frågeformulären (t.ex., den andra delen av kort Stress staten frågeformuläret, självbedömning dockan, Simulator sjukdom frågeformuläret).
- Informera deltagarna att de kommer att ställas en annan serie av frågor på datorn och att han eller hon kan ställa frågor om det behövs.
-
Slutet av experimentella sessionen
- Informera deltagaren att den experimentella delen är nu klar. Tacka honom eller henne för att delta i experimentet.
- Tala om för deltagaren att han eller hon kan nu ta bort EKG-elektroderna.
- Betala ut deltagarna och be dem att underteckna det utskrivet kvittot.
- Fråga om deltagaren har några frågor angående syftet med experimentet, och eskortera honom eller henne utanför experimentella rummet.
4. efter varje experimentella Session
- Öppna menyn ”utvärdering” i EVE för att genomföra experimentet diagnostik (t.ex., replay banor), och spara filerna fysiologiska mätningar i EDA/ECG mjukvaran.
- Tryck på knappen ”Lägg till händelse markör” att markera händelser i fysiologiska mätning filer i menyn ”utvärdering” i EVE. Detta steg är avgörande för analys av fysiologiska data när det gäller särskilt experimentella faser.
- Spara filen EDA/ECG i filen fysiologiska mätningar i EDA/ECG programvaran.
- Exportera den experimentella data för säkerhetskopiering med hjälp av evertools-paketet.
- Stäng av EDA/ECG maskinen och rengör EDA elektroderna med alkohol pads.
- Mark som deltagaren dök upp i deltagare rekryteringssystemet.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Från varje deltagare i NeuroLab, vi vanligtvis samlar in fysiologiska data (t.ex., ECG), enkätdata (t.ex., Santa Barbara avkänningen av riktning skala eller SBSOD31), och navigationsdata (t.ex., stigar genom den virtuell miljö). Till exempel har förändringar i hjärtfrekvens (härlett från EKG-data) associerats med förändringar i stress staterna i kombination med andra fysiologiska32 och själv rapportera åtgärder33. Våra system möjliggör olika typer av frågeformulär presenteras som den kort Stress staten frågeformulär34 och den SBSOD31 . SBSOD är en själv rapportera åtgärder av spatial förmåga som är ofta korrelerade med navigering beteende i verkliga och virtuella, storskaliga, miljöer35. Dessutom navigationsdata kan användas för att härleda deltagarnas rumsliga beslutsfattande (t.ex., tveksamhet, navigering effektivitet) i olika stressande sammanhang36.
En representativ studie undersöktes effekten av stress på förvärvet av rumslig kunskap under navigering. Vi testade 60 deltagare (29 kvinnor och 31 män; medelålder = 23,3) individuellt under en 90 min session. Under navigering uppgift varje session, deltagarna placerades i en av två grupper (dvs., stress och ingen stress) och avslutade tre lärande och testa faser medan EDA och EKG data registrerades kontinuerligt. De lärande faserna inblandade att hitta en uppsättning av fyra platser (figur 3) med hjälp av en karta som skulle kunna utlösas med en knapp på joysticken. Testning faserna inblandade navigera till var och en av dessa platser i en viss ordning med en timer som är synliga. För endast gruppen stress, var deltagarna också straffas monetärt för den tid som krävs för att hitta dessa platser. Denna monetära trycket var enda behandligen av stress i den aktuella studien.
Som förutspått, fysiologiska uppgifterna från detta experiment visade högre upphetsning för gruppen stress än ingen stress gruppen när det gäller hjärtfrekvens, t(58) = 2.14, se = 1,03, p =.04, men inte i termer av EDA, t(58) =-0.68, se = 0,02, p =.50 (figur 4). Dessutom fanns det en negativ korrelation mellan SBSOD Poäng och den tid som krävs för att hitta de fyra mål platserna under lärande fas, r(58) =-0.40, p =.002, men inte i testfasen, r(58) = -0,25, p =.057. Enligt visualiserade trajectoriesen föreföll deltagarna i gruppen stress vara mindre distribueras i den virtuella miljön. Sammantaget tyder dessa resultat på att högre upphetsning och spatial förmåga kan vara relaterade till effektivare navigering beteende.
Figur 1 : Fotografier av NeuroLab vid ETH Zürich. (en) försöksledaren och deltagare under provningen. Försöksledaren kan övervaka deltagarens framsteg i realtid. (b) Närbild Visa deltagarens navigera genom den virtuella miljön medan fysiologiska data samlas in. Klicka här för att se en större version av denna siffra.
Figur 2 : Diagrammet som motsvarar placeringen av tre EKG-elektroderna. Denna siffra har varit modifierad form skum (gratis Open Access Meducation)37som är licensierat under en Creative Commons Erkännande-IckeKommersiell-DelaLika 4.0 internationell licens. Bilden har ändrats för att markera elektroderna som är nödvändiga för en 3-elektrod system. Dessa elektroder bör placeras mellan revbenen på den övre högra delen av buken (UR), övre vänstra delen av buken (UL) och nedre vänstra delen av buken (LL) Klicka här för att se en större version av denna siffra.
Figur 3 : Skärmdumpar från en navigering experimentera i NeuroLab. (en) skärmdump från joysticken utbildningsvideo. Deltagarna ombads att reproducera förehavanden av styrspaken från video i det övre högra hörnet. (b) skärmdump från joysticken utbildning labyrint. Deltagarna flyttade genom en labyrint av följande flytande pilar och samla juveler. (c) skärmdump från lärande fas av navigering uppgiften. Deltagarna kunde trycka på avtryckaren på joysticken för att ringa upp en karta över den virtuella miljön. En lista av mål platser var visas på höger sida av skärmen. (d) skärmdump från testning fas navigering uppgiften. Deltagarna ombads att hitta samma platser i en viss ordning medan en rörliga klocka och rörliga belöning var synliga. Klicka här för att se en större version av denna siffra.
Figur 4 : Representativa resultat från en navigering experiment i den NeuroLab som använder fysiologiska enheter och EVE ramen. (en) A graf som representerar förhållandet mellan gruppen (stress-gruppen i aquamarine och kontroll gruppen i lax rosa) och genomsnittlig hjärtfrekvens (efter korrigeringar för baslinjen värden38). Genomsnittlig puls är betydligt högre för gruppen stress än kontrollgruppen. (b) en scatter plot som representerar förhållandet mellan SBSOD Poäng och tid tillbringade lärande (i svart) och testning (i grått). Det finns en betydande negativ relation mellan SBSOD Poäng och tid lärande och en liknande trend för tid testning. (c), en karta över den virtuella miljön som visar aggregerade väg data från stress (aquamarine) och kontrollgrupper (lax rosa). Mörkare färg indikerar att en högre andel av stigar tagit längs den vägen från en viss grupp. För tomma områden var andelen stigar tagit likartad för de två grupperna. Mål platser är också markerade med svarta prickar. Som visad, var stress gruppen mer sannolikt än kontrollgruppen att flytta längs mer direkta sökvägar mellan platserna som mål. Klicka här för att se en större version av denna siffra.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
I detta dokument beskrev vi ett protokoll för att genomföra experiment i VR med fysiologiska enheter med hjälp av EVE framework. Dessa typer av experiment är unik på grund av ytterligare maskinvara överväganden (t.ex., fysiologiska enheter och annan kringutrustning), förberedande stegen för insamling av fysiologiska data med VR och data verksamhetskrav. Detta protokoll innehåller nödvändiga steg för praktiker som avser att samla in data från flera kringutrustning samtidigt. Exempelvis användning av fysiologiska enheter kräver rengöring och fästa elektroderna till specifika platser på deltagarens kropp (t.ex., bröstet och fingrar) på ett sätt som inte stör annan kringutrustning (t.ex., den joystick). Tidpunkten för sådana åtgärder måste ta hänsyn till den potentiella drivan i de fysiologiska signalerna och fönstret lämpliga inom vilken informationen är tillförlitlig. De experimenter's övervägande av timing är också kritisk för förberedande åtgärder inom varje experimentella session. Till exempel deltagarna måste slutföra en baslinje fas (t.ex., tittar på naturen video) för försöksledaren att ta hänsyn till individuella skillnader i fysiologiska reaktivitet, liksom en utbildning fas med kontroll gränssnitt för försöksledaren att särskilja sin förmåga att manövrera från deras rumsliga beslutsfattande i VR16,17. Dessutom ökar synkroniseringen och lagring av dessa uppgifter i komplexitet med antalet datakällor. EVE ramen beskrivs i detta protokoll ger en lösning för studier med flera datakällor i VR. Flexibiliteten i EVE ramen kan dessutom forskare att ändra experimentell design enligt deras forskningsfrågor och lägga till nya kringutrustning såsom eye trackers och elektroencefalografi.
Det finns dock vissa begränsningar för denna strategi. Först kräver arbeta med EVE ramen vissa kunskaper i datavetenskap och grundläggande kunskaper i programmering. Det andra är tolkningen av fysiologiska data baserat på en lång tradition av empirisk forskning som måste beaktas vid projektering och analys av dessa typer av studier. Kunskap om denna litteratur är kritisk tanke att fysiologiska data kan lätt misstolkas (t.ex., förvirrande stress och upphetsning). För det tredje, många experiment i VR är mottagliga för kritik angående extern validitet med avseende på den virtuella miljö och kontroll gränssnittet. Till exempel desktop VR ofta sysselsätter handhållna joysticks och ger inte realistiska proprioceptiva feedback under promenader. Jämfört med studierna i verkliga miljöer, tenderar virtuella miljöer att leda till en underskattning av avstånd39 och mindre precision i rumsliga uppdatering utan djupsensoriska återkoppling (utan fysiskt roterande)40. Avståndet uppskattning och tur föreställningen i VR kan dock förbättras med tydlig visuell feedback41,42.
Tidigare forskning har visat att experiment i VR fortfarande kan återskapa realistiska rumsliga18,39 och sociala36,43,44 beteende. Dessutom, tillåter VR större experimentell kontroll och systematiska variationer som skulle vara svårt i verkliga scenarier45. Ramar såsom EVE kan också underlätta utvecklingen av ett forskningsprogram som använder VR genom att tillhandahålla möjligheter för återgivning och utvidga tidigare arbete. Exempelvis kan forskare ändra något befintliga experiment för att inkludera ytterligare frågeformulär eller en annan rättegång struktur. Några ytterligare fördelar av ramen för EVE är effektiv datahantering, tillgängligheten av online-tutorials och potentialen för andra att bidra till dess utveckling. Ramen för EVE är faktiskt tillgängligt gratis som en öppen källkod-projekt som uppmuntrar till samarbete.
Pågående studier i detta laboratorium undersöker effekterna av miljö-funktioner på föreställningen och fysiologiska reaktioner av deltagare med olika socioekonomiska bakgrunder och påverkan av hårt belastade miljöer på fysiologiska Svaren från deltagarna nedsänkt i en virtuell publik. I framtiden, detta protokoll kan innehålla flera användare, en nätverksteknik som gör att deltagarna på olika fysiska platser att interagera så gott. Slutligen, EVE ramen för närvarande utvidgas för att omfatta data analys paket utöver enkel diagnostik och visualisering av geografiska data.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Författarna har något att avslöja.
Acknowledgments
Den virtuella miljön var vänligen tillhandahållen av VIS spel (http://www.vis-games.de) att forska i virtual reality.
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).
