Summary
Experiências de realidade virtual (VR) podem ser difícil de implementar e exige planejamento meticuloso. Este protocolo descreve um método para a concepção e implementação de experimentos VR que coletam dados fisiológicos de participantes humanos. Os experimentos no quadro de ambientes virtuais (EVA) é empregado para acelerar este processo.
Abstract
Experiências de realidade virtual (VR) são cada vez mais empregadas por causa de sua validade interna e externa em relação à observação do mundo real e experimentos de laboratório, respectivamente. VR é especialmente útil para visualizações geográficas e investigações do comportamento espacial. Em pesquisa de comportamento espacial, VR oferece uma plataforma para estudar a relação entre a navegação e medidas fisiológicas (ex., pele condutância, frequência cardíaca, pressão arterial). Especificamente, medidas fisiológicas permitem aos investigadores abordar questões de romance e restringir as teorias anteriores de habilidades espaciais, estratégias e desempenho. Por exemplo, as diferenças individuais no desempenho de navegação podem ser explicadas pela extensão a que as alterações na excitação mediam os efeitos da dificuldade da tarefa. No entanto, a complexidade na concepção e implementação de experimentos VR pode distrair experimentadores de seus objetivos de pesquisa primária e apresentar irregularidades na coleta de dados e análise. Para enfrentar esses desafios, as experiências em ambientes virtuais (EVE), framework inclui módulos padronizados como participante de treinamento com o controle da interface, coleta de dados utilizando questionários, a sincronização de fisiológicos medições e armazenamento de dados. EVE também fornece a infra-estrutura necessária para a avaliação, visualização e gerenciamento de dados. O presente trabalho descreve um protocolo que emprega estrutura EVE para conduzir experimentos de navegação em VR com sensores fisiológicos. O protocolo lista as etapas necessárias para os participantes recrutamento, anexar os sensores fisiológicos, administrando o experimento usando Eva e avaliar os dados recolhidos com ferramentas de avaliação de véspera. Globalmente, este protocolo irá facilitar a futura pesquisa simplificando o projeto e execução de experimentos VR com sensores fisiológicos.
Introduction
Compreender como os indivíduos navegam tem implicações importantes para vários campos, incluindo ciência cognitiva1,2,3, neurociência,4,5e computador ciência6 , 7. navegação tem sido investigada em ambientes reais e virtuais. Uma vantagem das experiências do mundo real é que a navegação não exige a mediação de uma interface de controle e, portanto, pode produzir comportamento espacial mais realista. Em contraste, as experiências de realidade virtual (VR) permitem a medição mais precisa do comportamento (EG., andando trajetórias) e fisiológicas (EG., frequência cardíaca) dados, bem como controle mais experimental (IE., interno validade). Por sua vez, esta abordagem pode resultar em interpretações mais simples dos dados e teorias, portanto, mais robustas de navegação. Além disso, neurociência pode beneficiar VR porque pesquisadores podem investigar as correlações neurais de navegação, enquanto os participantes estão engajados no ambiente virtual, mas não podem mover fisicamente. Para os cientistas de computador, navegação em VR requer desenvolvimentos exclusivos em processamento, memória e alimentação computação gráfica para garantir uma experiência de imersão. Resultados de experimentos VR também podem ser aplicados na arquitetura e na cartografia, informando o desenho do edifício layouts8 e mapa características9 para facilitar a navegação do mundo real. Recentemente, os avanços na tecnologia VR, combinada com uma diminuição dramática em seu custo conduziram a um aumento no número de laboratórios, empregando VR para seus projetos experimentais. Devido a essa crescente popularidade, pesquisadores precisam considerar como simplificar a implementação de aplicações de VR e padronizar o fluxo de trabalho de experiência. Essa abordagem irá ajudar a deslocar recursos de implementação para o desenvolvimento da teoria e estender as capacidades existentes do VR.
Configurações de VR podem variar de mais a menos realista em termos de displays e controles. As configurações mais realistas de VR tendem a exigir infra-estruturas adicionais tais como rastreamento de grandes espaços e de alta resolução exibe10. Estes sistemas, muitas vezes empregam algoritmos ambulante redirecionados para injetar imperceptible rotações e traduções para o feedback visual fornecidos aos usuários e ampliar efetivamente o ambiente virtual através do qual os participantes podem mover11 , 12. estes algoritmos podem ser generalizada em que eles não exigem o conhecimento da estrutura ambiental13 ou preditiva em que eles assumem particulares caminhos para o usuário14. Embora a maioria das pesquisas sobre caminhando redirecionada tem usado capacetes exibe (HMDs), alguns pesquisadores empregam uma versão desta técnica com a andar no local como parte de um sistema de grande projeção (ex., cavernas)15. Enquanto HMDs podem ser carregados na cabeça do participante, caverna exibe tende a fornecer um maior campo de visão horizontal de16,17. No entanto, menos infra-estrutura é necessária para sistemas VR usando a área de trabalho exibe18,19. Neurociência pesquisa empregou também sistemas VR em combinação com ressonância magnética funcional (fMRI) durante a digitalização20, em combinação com fMRI após a digitalização21,22e em combinação com Eletroencefalografia (EEG) durante a gravação de23,24. Frameworks de software são necessários a fim de coordenar a variedade de displays e controles que são usados para pesquisa de navegação.
Pesquisa que incorpora dados fisiológicos e VR coloca desafios adicionais, tais como a aquisição de dados e sincronização. Entretanto, dados fisiológicos permite as investigações de processos implícitos que podem mediar a relação entre o comportamento de navegação espacial e potenciais. Com efeito, a relação entre o stress e a navegação foi estudada usando desktop VR e uma combinação de diferentes sensores fisiológicos (i. e., frequência cardíaca, pressão arterial, condutância da pele, cortisol salivar e alfa-amilase)25 , 26 , 27 , 28. por exemplo, van Gerven e colegas29 investigou o impacto do estresse sobre a estratégia de navegação e performance usando uma versão de realidade virtual de uma tarefa de labirinto de água de Morris e várias medidas fisiológicas (ex., pele condutância, frequência cardíaca, pressão arterial). Seus resultados revelaram que o estresse previu estratégia de navegação em termos de uso do Marco (i. e., egocêntrico versus allocentric) mas não foi relacionado para o desempenho de navegação. Em geral, as conclusões de estudos anteriores são um pouco inconsistentes sobre o efeito do estresse sobre o desempenho de navegação e memória espacial. Este padrão pode ser imputável à separação do estressor (ex., o procedimento pressoras frio26, a tarefa de rastreamento espelho Estrela25) da tarefa real de navegação, o uso de ambientes virtuais simples labirínticas ( por exemplo., água virtual Morris26de labirinto, labirinto de braço radial virtual28) e as diferenças em detalhes metodológicos (EG., tipo de estressor, tipo de dados fisiológicos). Diferenças no formato de dados coletados fisiológicos também podem ser problemáticas para a implementação e análise de tais estudos.
Os experimentos no quadro de experiências virtuais (EVA) facilita o desenho, implementação e análise de experimentos VR, especialmente aqueles com dispositivos periféricos adicionais (ex., dispositivos fisiológicos, rastreadores de olho)30. O quadro de EVE é livremente disponível como um projeto open-source no GitHub (https://cog-ethz.github.io/EVE/). Este quadro baseia-se o popular Unity 3D motor de jogo (https://unity3d.com/) e o sistema de gerenciamento de banco de dados MySQL (https://www.mysql.com/). Pesquisadores podem usar a estrutura de Eva a fim de preparar as várias fases de um experimento VR, incluindo questionários pré e pós estudos, medições de linha de base para qualquer dados fisiológicos, treinando com a interface de controle, a tarefa principal de navegação, e testes de memória espacial do ambiente navigated (EG., acórdãos de direção relativa). Experimentadores também podem controlar a sincronização de dados de diferentes fontes e em diferentes níveis de agregação (ex., através de ensaios, blocos ou sessões). Fontes de dados podem ser físicas (IE., conectado ao usuário; ver Tabela de materiais) ou virtual (, ou seja,., dependente de interações entre o ambiente virtual e avatar do participante). Por exemplo, um experimento pode exigir a gravação taxa de coração e posição/orientação do participante quando avatar do participante move-se através de uma área particular do ambiente virtual. Todos esses dados é automaticamente armazenados em um banco de dados MySQL e avaliadas com funções de repetição e o pacote de R evertools (https://github.com/cog-ethz/evertools/). Evertools fornece funções de exportação, estatísticas descritivas básicas, e ferramentas de diagnóstico para distribuições de dados.
O quadro de Eva pode ser implantado com uma variedade de infra-estruturas físicas e sistemas VR. O presente protocolo, descrevemos uma implementação específica para o NeuroLab no ETH Zürich (Figura 1). O NeuroLab é um 12m por quarto de 6 m, contendo uma câmara isolada para a realização de experiências de EEG, um cubículo que contém o sistema VR (2,6 m x 2,0 m) e uma área de cortinado para anexar sensores fisiológicos. O sistema VR inclui um display de televisão de ultra-alta definição 55", um computador de jogos high-end, uma interface de controle do manche e vários sensores fisiológicos (ver Tabela de materiais). Nas seções a seguir, descrevemos o protocolo para a realização de uma experiência de navegação no NeuroLab usando o quadro de véspera e sensores fisiológicos, presentes representativos os resultados de um estudo sobre stress e navegação e discutir as oportunidades e desafios associados com este sistema.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
O protocolo a seguir foi conduzido em conformidade com as orientações aprovadas pela Comissão de ética da ETH Zurique como parte da proposta EK 2013-N-73.
1. recrutar e preparar os participantes
- Selecionar participantes com demografia específica (ex., idade, sexo, formação escolar) usando um sistema de recrutamento de participantes ou a lista de discussão (EG., UAST; http://www.uast.uzh.ch/).
- Contate os participantes selecionados por e-mail. Este email, lembre os participantes do tempo da sessão e requisitos. Deixe os participantes sabem que devem usar uma folgada superior (para monitorização da pressão arterial), abster-se de álcool durante 12 h antes do experimento e abster-se de várias outras atividades (i. e., cafeína, tabagismo, alimentação e exercício) para 3h antes do experimento.
2. prepare o experimento e fisiológicos dispositivos usando Eva
- Antes de cada sessão experimental, inicie o computador, o monitor do experimentador e o monitor de teste.
- Certifique-se de que o ventilador do quarto, o termómetro e o monitor de umidade são em.
- Ligue a máquina de medir a atividade de reação (EDA) e a eletrocardiograma (ECG; ex., semiseriados de ADInstruments). Consulte tabela de materiais.
- Abra o software EDA/ECG (EVE atualmente suporta Labchart de ADInstruments) e criar um novo arquivo de configurações. Selecione uma taxa de amostragem de 1.000 Hz e o número apropriado de canais (ex., um para EDA e outro para ECG). Salve este arquivo de configurações e re-salvar uma versão com um nome diferente para cada sessão experimental.
- Para os eletrodos EDA, executar um zero de circuito aberto (i. e., sem os eletrodos conectados a qualquer coisa) para obter uma medida de linha de base da condutibilidade do sistema.
- Garantir que a interface de controle (ex., joystick) é conectado ao computador.
-
O monitor do experimentador, abra o arquivo executável da unidade para o experimento.
- Abra o menu "Configurações de experimentar" na véspera e inserir os parâmetros do experimento (ex., número de identificação do participante, arquivo de medição fisiológica, condição experimental, temperatura e umidade).
- Clique em "iniciar o experimento".
3. o procedimento
-
Procedimento de introdução e consentimento
- Buscar o participante no local reunião acordadas e orientar-lhe para o laboratório.
- Indicam que a sessão vai levar aproximadamente 90 min e pedir o participante para armazenar seu relógio e/ou telefone móvel.
- Pergunta o participante a sentar na cadeira experimental e explicar o procedimento experimental, de acordo com o script preparado verbal.
- Pergunta o participante a ler a folha de informações e assinar o formulário de consentimento informado.
-
Conexão de sensores EDA e ECG
- Limpe o dedo indicador e o dedo anelar da mão não-dominante com um tecido molhado sem sabão. Certifique-se que eles estão secos e ligar os dois eléctrodos EDA para as falanges medial.
- Limpe a pele do peito, onde serão colocados os eletrodos de ECG com um pano molhado.
- Coloque os eléctrodos de brancos, pretos e vermelhos no corpo do participante, entre as costelas de acordo com a Figura 2. Coloque o eléctrodo branco no abdômen superior direito (UR) e o eletrodo preto sobre a parte superior esquerda do abdômen (UL). Coloca o eletrodo vermelho na parte inferior esquerda do abdome (LL). Certifique-se de que os três eletrodos não são diretamente sobre uma costela.
- Ligue os cabos de ECG Color-coded três aos eletrodos correspondentes preso ao corpo do participante.
-
Pré-experiência questionários
- Fornecer ao participante com um teclado e um mouse que será usado para responder aos questionários (EG., demográfico perguntas, a primeira parte do questionário de estado de Stress curto, Santa Bárbara sentido de escala de direção) e informar a ele ou ela que Eles pedirão uma série de perguntas sobre o computador.
- Informe os participantes que eles podem fazer o experimentador algumas perguntas sobre os questionários a qualquer momento.
- Feche as paredes duas laterais salinha enquanto o participante está concluindo os questionários.
-
Preparações para medição fisiológica. Estas etapas podem ser realizadas enquanto o participante está concluindo os questionários.
- Informe o participante que o experimentador agora irá preparar os dispositivos fisiológicos.
- Verifique se os eletrodos estão presas para os locais corretos.
- Anexe o manguito de pressão arterial no braço não-dominante.
- Fornece instruções para o participante em relação a medição da pressão arterial. Diga o participante a minimizar os movimentos do braço e do corpo, manter o manguito de pressão arterial ao nível do coração e manter uma postura ereta com seus pés no chão.
- Conecte os dois fios EDA os eléctrodos nos dedos.
- Desligue a luz acima do monitor e dim todas as outras luzes aéreas para a configuração mais baixa.
- Mão o joystick para o participante e certifique-se de que o mouse está fora da tela do monitor de teste.
- O canal EDA de zero a fim de obter uma medida de um indivíduo começando nível de condutância da pele.
- No software EDA/ECG, abra a caixa de diálogo "Bio Amp". Escolha a faixa de sinal em que o sinal de batida de coração abrange cerca de um terço da janela de visualização (5 mV na maioria dos casos).
- Iniciar a gravação com o software EDA/ECG e verificar se um sinal é visível na janela de software EDA/ECG no monitor experimentador.
- Começa a gravação, pressionando o botão adequado na máquina de pressão de pressão arterial.
- Alternar para o programa de unidade aberto e clique em "Iniciar medições". Uma fixação transversal deve aparecer.
-
Formação de joystick e linha de base a
- Pedir o participante a observar e seguir o vídeo de treinamento que instrui-la o ou como usar o joystick.
- Peça aos participantes para completar o labirinto de treinamento para praticar o uso do joystick. Neste labirinto de treinamento, os participantes são orientados a seguir as setas que indicam uma rota e recolher Joias flutuantes.
- Se o experimento inclui som, coloca os fones de ouvido na cabeça do participante.
- Pergunta o participante para assistir ao vídeo de natureza de linha de base, sem se mover. Este vídeo é usado para contabilizar uma medida de linha de base de dados fisiológicos do participante durante a análise subsequente.
-
Tarefa de navegação
- Certifique-se de que os participantes ler as instruções sobre a tarefa ser concluída a navegação. Perguntar se o participante tem dúvidas antes de inicia a tarefa de navegação. Diga-o participante que eles não devem fazer perguntas durante a tarefa de navegação.
- Pergunte ao participante de apertar o gatilho sobre o joystick quando ele ou ela está pronta para iniciar a tarefa de navegação.
-
Finais medidas fisiológicas e desprendimento dos sensores fisiológicos
- Espere até que o sistema foi concluída a medição de pressão final.
- Pare a gravação EDA e ECG, pressionando o botão parar no software EDA/ECG.
- Remova o manguito de pressão arterial.
- Remova os eletrodos EDA do participante.
- Peça aos participantes para não remover os eléctrodos ECG até ao final do experimento.
- Remova o joystick e fones de ouvido.
-
Pós-experiência questionários
- Fornecer o participante com um teclado e um mouse para questionários pós-experiência (ex., a segunda parte do curto questionário de estado de Stress, o manequim de auto-avaliação, o questionário de doença simulador).
- Informe os participantes que eles terão mais uma série de perguntas no computador e que ele ou ela pode fazer perguntas, se necessário.
-
Final da sessão experimental
- Informe o participante que a parte experimental está acabada agora. Graças a ela ou a ele pela sua participação no experimento.
- Diga-o participante que he/she pode agora remover os eletrodos de ECG.
- Pagar os participantes e pedir-lhes para assinar o recibo impresso.
- Pergunte se o participante tem qualquer dúvida sobre a finalidade do experimento e escoltá-la o ou fora da sala experimental.
4. após cada sessão Experimental
- Abrir o menu de "avaliação" na véspera a fim de realizar o experimento diagnósticos (ex., trajetórias de repetição) e salvar os arquivos de medição fisiológica no software EDA/ECG.
- No menu "avaliação", na véspera, pressione o botão "Adicionar evento marcador" para marcar eventos nos arquivos de medição fisiológica. Esta etapa é fundamental para a análise dos dados fisiológicos em termos de fases experimentais particulares.
- Salve o arquivo EDA/ECG no arquivo no software EDA/ECG de medição fisiológica.
- Exporte os dados experimentais para backup usando o pacote de evertools.
- Desligar a máquina EDA/ECG e limpe os eléctrodos EDA com almofadas do álcool.
- Marca que o participante apareceu no sistema de recrutamento de participantes.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
De cada participante no NeuroLab, normalmente coletamos dados fisiológicos (ex., ECG), dados do questionário (EG., Santa Bárbara sentido de direção escala ou SBSOD31) e dados de navegação (EG., caminhos através o ambiente virtual). Por exemplo, alterações na frequência cardíaca (derivado de dados de ECG) têm sido associadas a mudanças nos Estados de stress, em combinação com outros fisiológicos32 e medidas de auto-relato33. Nosso sistema permite diferentes tipos de questionários para ser apresentado como o questionário de estado de Stress curto34 e o SBSOD31 . O SBSOD é um medidas de auto-relato de capacidade espacial que é muitas vezes correlacionados com o comportamento de navegação em real e virtual, em grande escala, ambientes35. Além disso, dados de navegação podem ser usados para inferir a tomada de decisão espacial dos participantes (ex., hesitações, eficiência de navegação) em diferentes contextos estressante36.
Um representante estudo investigou o efeito do estresse sobre a aquisição de conhecimentos espaciais durante a navegação. Nós testamos 60 participantes (29 mulheres e 31 homens; média de idade = 23,3) individualmente durante uma sessão de 90 min. Durante a tarefa de navegação de cada sessão, os participantes foram colocados em um dos dois grupos (i. e., estresse e sem estresse) e completou três aprendendo e fases de teste, enquanto dados EDA e ECG continuamente foram gravados. As fases de aprendizagem envolveram encontrar um conjunto de quatro locais (Figura 3) com o auxílio de um mapa que pode ser acionado com um botão no joystick. As fases de testes envolveram navegando para cada um desses locais em uma ordem específica, com um cronómetro visível. Para apenas o grupo de stress, os participantes também foram penalizados monetariamente para a quantidade de tempo necessário para encontrar esses locais. Esta pressão monetária foi a única manipulação de stress no presente estudo.
Como previsto, os dados fisiológicos a partir desta experiência indicaram excitação maior para o grupo de stress do que a nenhum grupo de estresse em termos de frequência cardíaca, t(58) = 2.14, se = 1,03, p =.04, mas não em termos de EDA, t(58) =-0.68, se = 0,02, p =,50 (Figura 4). Além disso, houve uma correlação negativa entre o escore de SBSOD e o tempo necessário para encontrar os locais de quatro meta durante a fase de aprendizagem, r(58) =-0.40, p =.002, mas não em fase de testes, r(58) =-0.25, p =.057. De acordo com as trajetórias visualizadas, os participantes no grupo stress parecem ser que menos distribuída no ambiente virtual. Juntos, estes resultados sugerem que a maior excitação e habilidade espacial podem estar relacionados ao comportamento de navegação mais eficiente.
Figura 1 : Fotografias do NeuroLab no ETH Zürich. (um) vista do pesquisador e participante durante o teste. O experimentador pode monitorar o progresso do participante em tempo real. (b) vista Closeup do participante navegando através do ambiente virtual, enquanto dados fisiológicos são coletados. Clique aqui para ver uma versão maior desta figura.
Figura 2 : Diagrama que representa o posicionamento dos três eletrodos ECG. Esta figura tem sido a forma modificada da espuma (Meducation gratuito de acesso aberto)37, que é licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License. A imagem foi alterada para destacar os eletrodos necessários para um sistema de 3-eletrodo. Estes eletrodos devem ser colocados entre as costelas no abdômen superior direito (UR), a parte superior esquerda do abdômen (UL) e o abdômen inferior esquerdo (LL) clique aqui para ver uma versão maior desta figura.
Figura 3 : Screenshots de uma navegação experiência no NeuroLab. (um) Screenshot do joystick vídeo de treinamento. Os participantes foram convidados a reproduzir os movimentos do joystick do vídeo no canto superior direito. labirinto de formação (b) Screenshot do joystick. Participantes movido através de um labirinto, seguir setas a flutuar e coletar pedras preciosas. (c) Screenshot da fase de aprendizagem da tarefa navegação. Participantes podem pressionar o gatilho sobre o joystick para chamar um mapa do ambiente virtual. Uma lista dos locais de destino foi exibida no lado direito da tela. (d) Screenshot de testes fase da tarefa navegação. Os participantes foram convidados a encontrar os mesmos locais em uma ordem específica, enquanto um relógio em movimento e recompensa em movimento eram visíveis. Clique aqui para ver uma versão maior desta figura.
Figura 4 : Representante resulta de uma experiência de navegação no NeuroLab usando dispositivos fisiológicos e o quadro de Eva. (um) A gráfico que representa a relação entre (grupo stress no grupo aquamarine e controle-de-rosa salmão) e média frequência cardíaca (depois de correções para baseline valores38). Frequência cardíaca média é significativamente maior para o grupo de stress que o grupo controle. (b) uma dispersão enredo que representa a relação entre o escore de SBSOD e tempo gasto aprendendo (em preto) e teste (em cinza). Há uma relação negativa significativa entre SBSOD Pontuação e tempo de aprendizagem e uma tendência semelhante para testar o tempo gasto. (c) mapa de virtual ambiente que exibe dados de caminho agregados do stress (aquamarine) e grupos de controle (rosa salmão). Coloração mais escura indica que uma proporção mais elevada de caminhos tomados ao longo da rota de um determinado grupo. Para áreas vazias, a proporção de caminhos tomados foi semelhante para os dois grupos. Locais de gol também são marcadas com pontos pretos. Como mostrado, o grupo stress era mais provável que o grupo de controle para mover ao longo de caminhos mais diretos entre os locais de objetivo. Clique aqui para ver uma versão maior desta figura.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
No presente artigo, descrevemos um protocolo para a realização de experiências em VR com dispositivos fisiológicos utilizando o framework de véspera. Estes tipos de experimentos são únicos por causa de considerações de hardware adicional (ex., dispositivos fisiológicos e outros periféricos), as etapas preparatórias para a coleta de dados fisiológicos usando VR e requisitos de gerenciamento de dados. O presente protocolo fornece os passos necessários para experimentadores que pretende coletar dados de vários periféricos simultaneamente. Por exemplo, o uso de dispositivos fisiológicos requer limpeza e anexar os eletrodos para locais específicos no corpo do participante (ex., o peito e os dedos) de forma a não interferir com outros periféricos (ex., o Manche). O timing de tais etapas deve representar a potencial deriva nos sinais fisiológicos e a janela apropriada dentro do qual os dados são confiáveis. Consideração do experimentador de tempo também é fundamental para etapas preparatórias dentro de cada sessão experimental. Por exemplo, os participantes devem completar uma fase de linha de base (ex., assistindo a um vídeo de natureza) para que o experimentador para explicar as diferenças individuais na reatividade fisiológica, bem como uma fase de treinamento com a interface de controle para que o experimentador separar a sua capacidade de manobra da sua tomada de decisão espacial em VR16,17. Além disso, a sincronização e o armazenamento desses dados aumentam em complexidade com o número de fontes de dados. O quadro de EVE descrito no presente protocolo fornece uma solução para estudos com várias fontes de dados em VR. Além disso, a flexibilidade do quadro de Eva permite que pesquisadores modificar o projeto experimental de acordo com suas perguntas de pesquisa e adicionar novos periféricos, tais como rastreadores de olho e Eletroencefalografia.
No entanto, existem algumas limitações para essa abordagem. Em primeiro lugar, trabalhar com o quadro de Eva requer algum conhecimento de informática e habilidades básicas de programação. Em segundo lugar, a interpretação dos dados fisiológicos baseia-se em uma longa tradição de pesquisa empírica que deve ser considerada durante o projeto e a análise destes tipos de estudos. Conhecimento dessa literatura é fundamental, dado que os dados fisiológicos podem ser facilmente mal interpretados (por exemplo., confundindo o estresse e excitação). Em terceiro lugar, muitos experimentos em VR são suscetíveis a críticas em relação a validade externa em relação a interface virtual de meio ambiente e controle. Por exemplo, desktop VR muitas vezes emprega manches portátil e não fornece feedback proprioceptivo realista durante a caminhada. Em comparação com os estudos em ambientes reais, ambientes virtuais tendem a originar a subestimação de distâncias39 e menos precisão na actualização espacial sem feedback proprioceptivo (sem transformar fisicamente)40. No entanto, percepção de estimativa e curva de distância em VR pode ser melhorada com feedback visual explícita41,42.
Pesquisa anterior demonstrou que experimentos em VR ainda podem reproduzir espacial realista18,39 e comportamento de44 43,social36,. Além disso, VR permite maior controle experimental e variações sistemáticas que seriam difícil em cenários do mundo real45. Estruturas como EVE também podem facilitar o desenvolvimento de um programa de pesquisa usando VR, fornecendo oportunidades para reproduzir e alargar o trabalho anterior. Por exemplo, os pesquisadores podem modificar ligeiramente uma experiência existente para incluir questionários adicionais ou uma estrutura de teste diferente. Algumas vantagens adicionais, do quadro de Eva são o potencial para que outros possam contribuir para seu desenvolvimento, a disponibilidade de tutoriais on-line e gerenciamento de dados eficiente. Com efeito, o quadro de EVE está disponível gratuitamente como um projeto open-source que incentiva a colaboração.
Estudos em curso neste laboratório estão a investigar o impacto das características ambientais na percepção e respostas fisiológicas de participantes com diferentes origens socioeconômicas e a influência dos ambientes congestionados na fisiológico respostas dos participantes, imergidos na multidão virtual. No futuro, o presente protocolo pode incorporar multi-usuário, tecnologia de rede que permitirá aos participantes em diferentes locais físicos interagir virtualmente. Finalmente, o quadro de EVE atualmente está sendo estendido para incluir pacotes de análise de dados além do simples diagnóstico e visualização de dados espaciais.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Os autores não têm nada para divulgar.
Acknowledgments
O ambiente virtual foi gentilmente cedido pela VIS Games (http://www.vis-games.de) para realizar pesquisas em realidade virtual.
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).
