Summary
バーチャル ・ リアリティ (VR) 実験を実装し、綿密な計画を必要とすることは困難にすることができます。このプロトコルでは、設計および実装 VR 実験人間の参加者から生理学的データを収集する方法について説明します。このプロセスを加速する仮想環境 (イブ) フレームワークで実験を採用します。
Abstract
バーチャルリアリティ (VR) の実験は、実世界の観測と実験、それぞれに比べて内部および外部妥当性のためますます用いられます。VR は地理的な視覚と空間的行動の調査の場合に特に便利です。空間動作の研究、VR は、ナビゲーションと生理学的措置との関係を研究するためのプラットフォームを提供します (など.、皮膚コンダクタンス、心拍数、血圧が上昇する)。具体的には、生理学的措置は新規質問に対処し、制約空間能力、戦略、およびパフォーマンスの以前の理論研究者を許可します。たとえば、ナビゲーション性能の個人差は、覚醒の変化は、作業の難易度の効果を仲介する程度によって説明されるかもしれない。ただし、設計および VR 実験の導入における複雑さは実験者の主な研究目標から気をそらすし、不正データの収集と分析をご紹介できます。これらの課題に対応するには、実験で仮想環境 (イブ) フレームワークにはコントロールの訓練参加者など標準化されたモジュールが含まれますインターフェイス、データ収集、アンケートを用いた生理の同期測定、およびデータ ストレージ。イブは、データ管理、可視化、および評価のために必要なインフラストラクチャを提供します。本論文では、生理学的センサーと VR でナビゲーション実験を行う前夜フレームワークを採用したプロトコルについて説明します。プロトコルは、募集参加者、生理学的センサーを取り付け、イブを使用してとイブ評価ツールで収集したデータを評価する実験を実施するのに必要な手順を一覧表示します。全体的に、このプロトコルは生理学的センサーの設計と VR 実験の実装を合理化することにより将来の研究を促進します。
Introduction
認知科学1,2,3、神経科学4、5、およびコンピューター科学6を含めて、いくつかのフィールドに対して重要な意味は、個人の移動を理解すること,7します。 ナビゲーションは、リアルとバーチャルの両方の環境で検討されています。実世界の実験の 1 つの利点は、ナビゲーション制御インターフェイスの仲介を必要としない従ってより現実的な空間動作を生成可能性があります。バーチャルリアリティ (VR) 実験で行動のより正確な測定は、対照的に、(e.g、軌道を歩く) および生理学的 (e.g。、心拍数) より実験的コントロールと同様に、データ (すなわち。、内部。妥当性)。ターンでは、このアプローチは、データの簡単な解釈とナビゲーションのためより強力な理論でなることができます。さらに、神経科学できる恩恵 VR 研究参加者が仮想環境で従事している間、ナビゲーションに関わる神経基盤を調べることができますが、物理的に移動できません。コンピューター科学者、VR でのナビゲーションの没入型の経験を確保するために、電源、メモリ、およびコンピュータ グラフィックスの処理に固有の開発が必要です。VR 実験からの調査結果は、建物の設計を知らせることによってアーキテクチャおよび地図作成にも適用できますレイアウト8とマップ機能9実世界ナビゲーションを容易にします。最近では、そのコストの劇的な低下と組み合わせる VR 技術の進歩は、研究所、実験的デザインの VR を用いた数の増加につながっています。この人気の高まりのため研究者は、VR アプリケーションの実装を合理化し、実験ワークフローを標準化する方法を考慮する必要があります。このアプローチは理論の発展に実装からシフト リソースを支援し、VR の既存の機能を拡張します。
VR 設定の範囲からより少ない表示とコントロールの面で現実的なです。現実的な VR 設定は大規模な追跡スペースなど、高解像度の追加のインフラストラクチャが表示されます10を要求する傾向があります。これらのシステムは、多くの場合ごくわずかな回転および翻訳にユーザーに提供される視覚的なフィードバックを注入するためにリダイレクトされた歩行アルゴリズムを採用して、参加者が11を移動できる仮想環境を効果的に拡大,12.13環境構造の知識が不要の一般化や予測というユーザー14のための特定のパスにこれらのアルゴリズムをすることができます。リダイレクトされた歩行に関するほとんどの研究では、ヘッドマウントディス プレイ (Hmd) を使用していますが一部の研究者が大きな投影システムの一部として歩く場所この技術のバージョンを採用 (e.g。、洞窟)15。Hmd は、参加者の頭の上行うことが、洞窟表示より広い水平視野16,17を提供する傾向があります。ただし、デスクトップのディスプレイ18,19を用いた VR システムの以下のインフラストラクチャが必要です。科学的研究は、20、21,22、スキャン後の fMRI との組み合わせでとの組み合わせをスキャン中に機能的磁気共鳴画像 (fMRI) との組み合わせでの VR システムを採用しているも脳波 (EEG)23,24を記録中。ソフトウェア フレームワークは、さまざまな表示およびナビゲーションの研究に使用される制御を調整するために必要です。
VR と生理学的データを組み込んだ研究データ集録や同期など課題が追加。しかし、生理学的データは、ナビゲーション潜在的・空間的挙動との関係を仲介することができる暗黙的なプロセスの調査のためことができます。デスクトップ VR と異なる生理学的センサーの組み合わせを使用してストレスとナビゲーションの関係を研究されている確かに、(すなわち、心拍数、血圧、皮膚コンダクタンス、唾液中コルチゾール濃度および α-アミラーゼ)25 。,26,27,28. ヴァン Gerven および同僚の29がナビゲーション戦略と仮想現実バージョンのモリス水迷路課題といくつかの生理学的な対策を使用してパフォーマンスのストレスの影響を調査するたとえば、(e.g、皮膚。コンダクタンス, 心拍数, 血圧)。その結果ストレスが画期的な使用の観点からナビゲーション戦略を予測したことを明らかにした (すなわち。 呈示と自己中心的な、) がナビゲーションのパフォーマンスに関連していなかった。一般的に、ナビゲーション性能と空間記憶に及ぼす応力に関する以前の研究からの知見はやや一貫性のあります。このパターンは、ストレッサーの分離に起因する可能性があります (e.g、寒冷昇圧手順26、スター ミラー トレース タスク25) 実際のナビゲーション タスク、シンプルな迷路のような仮想環境 (の使用から。例えば., 仮想のモリス水迷路26, 仮想放射状迷路28) と方法論の詳細の違い (e.g。、ストレッサーの種類の生理学的データの種類)。収集された生理学的なデータのフォーマットの違いは、実装とそのような研究の解析の問題が発生ことができます。
仮想実験 (イブ) フレームワークの実験を容易に設計、実装、およびその他の周辺機器との特にそれら VR 実験の解析 (e.g。、目トラッカー、生理学的デバイス)30。イブ フレームワークは GitHub (https://cog-ethz.github.io/EVE/) 上のオープン ソース プロジェクトとして自由に利用できます。このフレームワークは、人気のあるユニティ 3 D ゲーム エンジン (https://unity3d.com/) および MySQL データベース管理システム (https://www.mysql.com/) に基づいています。研究者は、制御インターフェイスでは、主要なナビゲーション タスク トレーニング前と研修後アンケート、生理データの基準測定値を含む VR 実験の様々 な段階を準備するために前夜のフレームワークを使用でき、移動環境の空間記憶のテスト (e.g。、相対的な方向の判断)。実験者は、さまざまなソースから、さまざまなレベルの集計でデータの同期を制御することも (e.g。、試験、ブロック、またはセッション間で)。データ ソースは、物理的な可能性があります (すなわち。 ユーザーに接続されている、材料表を参照してください) または仮想 (すなわち。 参加者のアバターと仮想環境の間の相互作用に依存して、)。たとえば、実験では、その参加者のアバターが仮想環境の特定の領域を移動したときに心拍数と参加者から位置/方向を記録を必要があります。このデータをすべて自動的に MySQL データベースに格納、再生機能と R パッケージevertools (https://github.com/cog-ethz/evertools/) と評価。Evertools エクスポート関数、基本的な記述統計と診断ツールはデータの分布。
イブ フレームワークはさまざまな物理インフラストラクチャと VR システムを配備できます。この議定書は、スイス連邦工科大学チューリッヒ (図 1) に NeuroLab で 1 つの特定の実装について述べる.NeuroLab は脳波実験、VR システム (2.6 m × 2.0 m) および生理学的センサーを取り付けるための仕切られたエリアを含むキュービクルの分離室を含む 6 m の部屋で 12 m です。VR システムには、55"超高精細テレビ表示、ハイエンドのゲームのコンピューター、ジョイスティック コントロール インターフェイスといくつかの生理学的センサー (材料の表を参照) が含まれます。次のセクションで我々 はストレスとナビゲーション、イブのフレームワークと生理学的センサー、1 つの研究から現在の代表的な結果を使用して NeuroLab のナビゲーション実験を行なうためのプロトコルを記述して機会を話し合うこのシステムに関連付けられている課題。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
次のプロトコルは、EK 2013 N 73 提案の一環として、チューリッヒ工科大学の倫理委員会で承認されたガイドラインに従い行った。
1. 募集し、参加者の準備
- 特定の人口統計と参加者を選択 (e.g。、年齢、性別、学歴) 参加者募集システムやメーリング リストを使用して (e.g。、UAST; http://www.uast.uzh.ch/)。
- 選択した参加者をメールで連絡します。このメール セッション時間と要件の参加者を思い出させます。参加者は、いくつかの他の活動から彼らが、実験の前に 12 時間アルコール控えるゆったり (血圧測定) のトップを着用し、控える必要がありますを知ってもらおう (すなわち、カフェイン、喫煙、食事、運動) 3 h。前に実験。
2. 実験とイブを用いた生理学的デバイスを準備します。
- それぞれの実験的セッションの前に、コンピューター、実験者のモニター、テスト モニターを開始します。
- 換気扇、温度計と湿度モニターが上にあることを確認します。
- 皮膚電気活動 (EDA)、心電図検査 (ECG; 測定機のスイッチします。例えば。、ADInstruments から PowerLab)。材料の表を参照してください。
- (現在イブは、ADInstruments から Labchart をサポートします) 江田/心電図ソフトウェアを開き、新しい設定ファイルを作成します。1,000 Hz と適切なチャンネル数のサンプリング レートを選択 (e.g。、EDA と心電図用に 1 つずつ)。この設定ファイルを保存し、再実験的セッションごとに別の名前とバージョンを保存します。
- EDA 電極実行開回路ゼロ (すなわち。、何に接続されている電極なし) 伝導性システムのベースラインとなる指標を取得します。
- コントロール インタ フェース確認 (e.g。、ジョイスティック) がコンピューターに接続されています。
-
実験者モニター実験団結実行可能ファイルを開きます。
- イブで「実験の設定」メニューを開き、実験パラメーターを入力 (e.g。 参加者の ID 番号、生理計測ファイル、試験条件部屋の温度と湿度)。
- 「実験を開始」をクリックしてします。
3 実験手順
-
紹介と同意の手順
- 待ち合わせ場所で参加者をピックアップし、検査室に指導します。
- セッションは約 90 分を取る、彼女の時計や携帯電話を保存する参加者を求めることを示します。
- 実験の椅子に座って準備した言語スクリプトによると実験の手順を説明し参加者を求めます。
- 参加者には、情報シートを読むし、インフォームド コンセントのフォームに署名を求めます。
-
EDA と心拍センサーの接続
- ウェットティッシュ石鹸なしで非利き手の薬指と人差し指をきれい。彼らが乾燥しているし、内側の指骨に 2 つの EDA 電極を接続を確認します。
- 濡れた布で心電図電極の配置の胸に肌をクリーンアップします。
- 図 2によると肋骨の間に参加者の体に白、黒、赤の電極を配置します。左下腹部 (UL) に (ウル)、右上腹部に白い電極と黒の電極を配置します。左下腹部 (LL) に赤の電極を配置します。3 つの電極が肋骨の上に直接ではないことを確認します。
- 参加者の体に接続されている対応する電極に 3 つの色分けされた心電図ワイヤを接続します。
-
予備実験アンケート
- キーボードとアンケートに答えるに使用するマウスを参加者に提供 (e.g人口統計学、質問、簡単なストレス状態アンケート サンタバーバラ方向スケール感の最初の部分)、彼または彼女を知らせると。彼らは、コンピューターの一連の質問を求められます。
- いつでも実験者アンケートに関するご質問をお願いすることができますを参加者に通知します。
- 参加者は、アンケートの記入中に、ブースの 2 つの側面の壁を閉じる。
-
生理学的測定のための準備。参加者がアンケートを完了する間、これらの手順を実施できます。
- 実験者は、生理学的デバイスを準備を参加者に通知します。
- 電極が正しい場所に接続されていることを確認します。
- 非利き手の腕に血圧計のカフを取り付けます。
- 血圧の正確な測定について参加者に説明します。腕や体の動きを最小限に抑えるため、心レベルに血圧計のカフを保つため、床に彼または彼女の足で直立姿勢を維持する参加者に伝えます。
- 指で電極に 2 つの EDA ワイヤを接続します。
- モニター上のライトをオフにして、最低の設定に他のすべての天井の照明を暗きます。
- 参加者にジョイスティックを手し、マウスがテストのモニターの画面の外にあることを確認します。
- 個々 の開始時の皮膚コンダクタンスのレベルの測定を得るために EDA チャネルはゼロします。
- 心電図/EDA ソフトウェアで"バイオ アンプ"ダイアログ ボックスを開きます。心臓のビート信号がプレビュー ウィンドウの約 3 分の 1 をカバーして信号範囲を選択 (5 mV でほとんどの場合)。
- 心電図/EDA ソフトウェアで録音を開始し、信号が実験者のモニターに EDA/心電図ソフトウェアのウィンドウに表示されるかどうかを確認してください。
- 血圧血圧マシンで適切なボタンを押して録画を開始します。
- 開いている統一プログラムに切り替えて、「測定開始」を押します。クロスの固定になります。
-
ジョイスティックのトレーニングおよびビデオのベースライン
- 見て、彼または彼女に指示するトレーニング ビデオに従ってください参加者を求めるどのようにジョイスティックを使用します。
- ジョイスティックの使用を練習するためにトレーニングの迷路を完了する参加者に依頼します。このトレーニング迷路の中で参加者はフローティングの宝石を収集とルートを示す矢印に従ってくださいするように指示します。
- 実験には、音が含まれている場合、は、参加者の頭の上ヘッドフォンを配置します。
- ベースライン自然ビデオを移動せずに参加者を求めます。このビデオを使用して、その後の分析中に参加者の生理データのベースライン測定値を考慮します。
-
ナビゲーション タスク
- 参加者がナビゲーションを完了するタスクに関する手順を通読していることを確認します。ナビゲーション タスクを開始する前に、参加者は質問をあるかどうかについてお問い合わせください。彼らがナビゲーション タスク中に質問を要求しないことを参加者に伝えます。
- 参加者に、彼または彼女はナビゲーション タスクを開始する準備ができているときにジョイスティックのトリガーを押してお問い合わせください。
-
最終生理対策や生理学的センサーの取り外し
- 最終的な血圧測定が完了されるまで待ちます。
- EDA と心電図を EDA/心電図ソフトウェアの停止ボタンを押すと録音を停止します。
- 血圧計のカフを削除します。
- 参加者からは、EDA 電極を削除します。
- 実験終了時まで心電図電極を削除する参加者に依頼します。
- ジョイスティックとヘッドフォンを削除します。
-
後の実験アンケート
- キーボードとマウスで実験アンケートの参加者を提供 (e.g。、ストレス状態アンケート、自己評価のマネキン、シミュレータ病気アンケートの 2 番目の部分)。
- コンピューターに別の一連の質問を求め、必要に応じて彼または彼女を求めることができる質問を通知します。
-
実験的セッションの終了
- 実験の一部が今終了したことを参加者に通知します。彼女または彼が、実験に参加しているをありがちましょう。
- 彼/彼女は今心電図電極を削除することを参加者に伝えます。
- 参加者を支払うし、印刷された領収書にサインしてもらいます。
- 参加者は、実験の目的に関する質問を尋ねるし、実験室の外の彼または彼女の護衛。
4. 各実験的セッション後
- 実験診断を行うために前夜の「評価」メニューを開く (e.g。、軌跡を再生)、EDA/心電図ソフトウェアで生理学的測定ファイルと保存。
- イブの「評価」メニューで生理学的測定ファイルのイベントをマークする「イベント マーカーを追加」ボタンを押します。この手順は、特定の実験段階の面で生理学的なデータの分析に重要なです。
- 心電図/EDA ソフトウェアで生理学的測定ファイル EDA/心電図ファイルを保存します。
- Evertools パッケージを使用して、バックアップの実験データをエクスポートします。
- EDA/心電図マシンをオフに切り替えるし、アルコール パッドで EDA 電極をきれい。
- 参加者は参加者募集システムで現れたマーク。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
NeuroLab の各参加者は、通常、生理学的データを収集 (e.g、心電図)、アンケート データ (例えば。、サンタ バーバラ方向スケールまたは SBSOD31感)、およびナビゲーション データ (例えば。、を介してパス、。仮想環境の場合)。たとえば、(心電図データから派生) 心拍数の変化は、他の生理学的な32と自己報告自己報告33との組み合わせでの応力状態の変化に関連付けられています。私たちシステム アンケートの種類応力状態アンケート34 SBSOD31など提示することができます。SBSOD は、空間認識能力は、しばしばリアルタイムでナビゲーションの動作と相関し、仮想、大規模、環境35報告自己対策です。参加者の空間的意思決定を推測するナビゲーション データを使用することができますさらに、(e.g。、ためらい、ナビゲーション効率) ストレスの異なるコンテキスト36。
ナビゲーション中に空間的知識の獲得に及ぼす応力について、代表的な検討。我々 はテスト 60 人 (29 人の女性、平均年齢 31 男性 = 23.3) 90 分セッション中に個別に。各セッションのナビゲーション タスクでは、参加者は、2 つのグループのいずれかに置かれた (すなわち。、ストレスとストレスのない) 行い、3 つの学習とテスト フェーズ間 EDA と心電図のデータを連続して記録しました。ジョイスティックのボタンを使用してトリガーすることができるマップの助けを借りて 4 箇所 (図 3) のセットを見つけることを学習のフェーズに関与。テスト段階では、タイマー表示を特定の順序でこれらの場所のそれぞれに移動する関与しています。ストレス グループだけのための場所を見つけるために必要な時間の量に参加者が処罰されている金銭的にもされました。この金融の圧力は、本研究ではストレスの唯一の操作だった。
予想通り、この実験から生理学的データは心拍数の面でないストレス群よりもストレス グループの高い覚醒を示されている t(58) = 2.14、se = 1.03, p =.04、EDA、規約ではないが、t(58)-0.68、se を = = 0.02、p =.50 (図 4)。さらに、SBSOD のスコアとの学習段階では、4 つの目標の場所を見つけるために必要な時間には負の相関があった r(58)-0.40、p =.002、テスト段階ではなく r(58) を = =-0.25、p =.057。可視化の軌道によるとストレスのグループの参加者は少なく分散仮想環境におけるに登場しました。一緒に、高い覚醒と空間認識能力より効率的なナビゲーション動作に関連する可能性が示唆されました。
図 1: ETH チューリッヒの NeuroLab の写真です。(、) 実験者とテスト中に参加者のビュー。実験者は、リアルタイムで参加者の進行状況を監視できます。(b) 生理学的データの収集中に仮想環境を移動する参加者のクローズ アップ ビュー。この図の拡大版を表示するのにはここをクリックしてください。
図 2: 3 つの心電図電極の配置を表す図。この図は、クリエイティブコモンズ帰属-非営利-同一条件許諾 4.0 国際ライセンスの下でライセンスされて変更されたフォーム フォーム (無料のオープン アクセスの Meducation)37をされています。3 電極システムに必要な電極を強調するイメージが変わりました。右上腹部 (ウル)、左下腹部 (UL)、左下腹部 (LL) 肋骨の間これらの電極を配置必要がありますこの図の拡大版を表示するのにはここをクリックしてください。
図 3: ナビゲーションからのスクリーン ショットは、NeuroLab で実験します。(、) のスクリーン ショット、ジョイスティックからのトレーニング ビデオ。参加者は、右上隅にビデオからジョイスティックの動きを再現するように求めていた。(b) スクリーン ショット ジョイスティックからトレーニング迷路。参加者は次の矢をフローティングと宝石を収集して迷路を移動しました。(c) スクリーン ショット ナビゲーション タスクの学習段階から。参加者は、仮想環境の地図を呼び出すためにジョイスティックのトリガーを押すことができます。ターゲットの場所の一覧が画面の右側に表示されます。(d) スクリーン ショット テストから相ナビゲーション タスク。参加者は、移動時計と移動報酬表示されている間、特定の順序で同じ場所を見つけるようにしました。この図の拡大版を表示するのにはここをクリックしてください。
図 4: 生理学的デバイスとイブのフレームワークを使用して NeuroLab で 1 つのナビゲーションの実験から代表の結果します。(、) A のグラフ グループ (サーモン ピンクのアクアマリンとコントロール グループでストレス グループ) との間の関係を表す心拍数 (後にベースラインの修正値38)。平均心拍数はコントロール群よりも有意に高かったストレス グループです。SBSOD スコアと時間の関係を表す散布図 (b) のプロットは、(黒) の習得や (グレー) でのテストに費やされます。SBSOD スコアと時間の学習時間をテストするための同じような傾向の有意の負の関係があります。表示 (c) 地図表示の仮想環境は、ストレス (アクアマリン) およびコントロール (サーモン ピンク) グループからパス データを集計します。濃い色は、そのルートに沿って撮影パスの割合が高いが特定のグループであることを示します。空の領域の 2 つのグループの類似していた経路の割合。目標の位置も、黒のドットでマークされます。示すように、応力グループは目標の場所の間のより直接的なパスに沿って移動するコントロール グループよりも可能性が高いだった。この図の拡大版を表示するのにはここをクリックしてください。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
本論文では前夜のフレームワークを使用して生理学的デバイスと VR の実験を行うためのプロトコルについて述べる。実験のこれらの種類は、追加のハードウェアに関する考慮事項のためユニークな (e.g。、生理学的なデバイスなどの周辺機器)、VR、およびデータ管理の要件を使用して生理学的データを収集するための準備手順。現在のプロトコルは、同時に複数の周辺機器からデータを収集する予定の実験者のための必要な手順を提供します。クリーニングと参加者の体上の特定の場所に電極を取り付けるなど生理学的な装置の使用が必要です (e.g、胸と指) 他の周辺機器に干渉しないような方法で (e.g。、。ジョイスティック)。そのようなステップのタイミングは、生理学的な信号とデータが信頼性の高い、適切なウィンドウで潜在的なドリフトを考慮する必要があります。タイミングの実験者の意識も各実験的セッション内で準備のため重要です。参加者がベースライン フェーズを完了する必要がありますたとえば、(e.g、自然ビデオを見て) 生理学的反応性の個人差のアカウントに実験者としての順序で制御インターフェイスとトレーニング フェーズの順序で。VR16,17空間意思から操縦する機能を収拾する実験者。さらに、これらのデータの同期・増加データ ソースの数と複雑さで。この議定書に記載されているイブ フレームワークは、VR のいくつかのデータ ソース研究ソリューションを提供します。さらに、イブ フレームワークの柔軟性は、研究者が彼らの研究の質問によると実験的なデザインを変更し、目トラッカーや脳波などの新しい周辺機器を追加することができます。
ただし、このアプローチにいくつかの制限があります。まず、イブ フレームワークでの作業は、コンピュータ サイエンス、プログラミングの基本的なスキルのいくつかの知識を必要です。第二に、生理学的なデータの解釈は、設計時に考慮する必要が実証的研究の長い伝統と研究のこれらのタイプの分析に基づいています。この文学の知識は重要な生理学的データは容易に誤解することができることを考える (e.g。、ストレスや興奮を混乱させる)。第三に、VR での多くの実験が仮想環境および制御インタ フェースに対する外的妥当性に関する批判を受けやすい。たとえば、デスクトップ VR はしばしばハンドヘルド ジョイスティックを採用しています、歩行時リアルな感覚フィードバックが提供されません。実環境における研究と比較して、仮想環境は自己感応のフィードバック (物理的にめくって) なし40なし空間更新精度なり距離39の過小評価につながる傾向があります。ただし、VR における距離推定とターンの知覚は、明示的な視覚的なフィードバックの41,42で改善できます。
以前の研究では、VR 実験まだ現実的な空間18,39と社会36,43,44動作を再現できることを実証してきました。さらに、VR より実験的制御と実世界のシナリオ45である体系的なバリエーションが可能します。イブなどのフレームワークは、再現と前の仕事を拡張するための機会を提供することで VR を用いた研究プログラムの開発も可能です。たとえば、研究者は若干追加アンケートなどが裁判構造が異なるため既存の実験を変更できます。イブのフレームワークのいくつかの追加の利点は、効率的なデータ管理、オンライン チュートリアルの可用性とその発展に貢献する他の可能性。確かに、前夜フレームワークは、コラボレーションを促進するオープン ソース プロジェクトとして無料で利用可能です。
この研究室で進行中の研究は、知覚の環境機能の影響と異なる社会経済的背景を持つ参加者の生理と生理に混雑した環境の影響を調査しています。仮想群衆の中に浸漬し参加者の反応。将来は、このプロトコルは、マルチ ユーザーを組み込むことができるさまざまな物理的な場所で参加者を事実上操作をできる技術をネットワークします。最後に、イブ フレームワークは現在簡単な診断を超えるデータ分析パッケージと空間データの可視化を含めるに拡張されています。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
著者が明らかに何もありません。
Acknowledgments
仮想環境は、仮想現実の研究 VI ゲーム (http://www.vis-games.de) によって提供された親切。
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).
