Summary
虚拟现实 (VR) 实验很难实现, 需要周密的规划。本协议描述了一种从人类参与者那里收集生理数据的 VR 实验的设计和实现方法。利用虚拟环境 (夏娃) 框架进行实验, 加快了这一过程。
Abstract
虚拟现实 (VR) 实验由于其内部和外部有效性, 与实际观测和实验室实验相比, 越来越受到人们的使用。VR 对于地理可视化和空间行为的研究特别有用。在空间行为研究中, VR 为研究导航与生理措施 (如皮肤电导率、心率、血压) 之间的关系提供了一个平台。具体来说, 生理措施允许研究人员解决新的问题, 限制以前的空间能力、策略和性能理论。例如, 在导航性能上的个体差异可以解释为在多大程度上, 觉醒的变化调解任务难度的影响。然而, 虚拟现实实验的设计和实施中的复杂性可以分散实验者的主要研究目标, 并在数据收集和分析中引入不规则。为了应对这些挑战, 虚拟环境 (夏娃) 框架中的实验包括标准化的模块, 如使用控制接口的参与者培训、用问卷收集数据、同步生理测量和数据存储。夏娃还为数据管理、可视化和评估提供了必要的基础结构。本文介绍了一种利用夏娃框架在 VR 中进行导航实验的协议。该协议列出了招募参与者、附加生理传感器、使用夏娃管理实验以及利用夏娃评估工具评估收集的数据所需的步骤。总的来说, 这项议定书将通过简化虚拟现实实验的设计和实施来促进未来的研究。
Introduction
了解个人导航对几个领域有重要影响, 包括认知科学1、2、3、神经科学4、5和计算机科学6,7. 在实际和虚拟环境中都对导航进行了调查。实际实验的一个优点是导航不需要控制接口的中介, 因而可能产生更现实的空间行为。相比之下, 虚拟现实 (VR) 实验允许更精确的测量行为 (例如,行走轨迹) 和生理 (例如, 心率) 数据, 以及更多的实验控制 (i., 内部有效性)。反过来, 这种方法可以导致对数据的更简单的解释, 从而更可靠的导航理论。此外, 神经科学可以受益于 VR, 因为研究人员可以调查的神经相关的导航, 而参与者从事虚拟环境, 但不能实际移动。对于计算机科学家来说, VR 中的导航需要在处理电源、内存和计算机图形方面有独特的发展, 以确保身临其境的体验。VR 实验的结果也可以应用于建筑和制图学, 通过通知设计8和地图功能9 , 以促进现实世界的导航。最近, vr 技术的进步加上成本的大幅降低, 使得使用 vr 进行实验设计的实验室数量增加。由于这种日益普及, 研究人员需要考虑如何简化 VR 应用程序的实现, 并规范实验工作流。这种方法将有助于将资源从实施转向理论的发展, 并扩展 VR 的现有能力。
VR 设置在显示和控制方面可以从更低的实际范围。更现实的 VR 设置往往需要额外的基础设施, 如大的跟踪空间和高分辨率显示10。这些系统经常使用重定向的步行算法, 以便向用户提供的视觉反馈中注入潜移默化的旋转和翻译, 并有效地扩大了参与者可以移动11的虚拟环境。,12. 这些算法可以推广, 因为它们不需要环境结构13或预测的知识, 因为它们假定用户14的特定路径。尽管大多数关于重定向行走的研究都使用了头装显示器 (HMDs), 但一些研究人员采用了这种技术的版本, 作为大型投影系统 (例如, 洞穴)15的一部分。虽然 HMDs 可以在参与者的头部进行, 洞穴显示往往提供一个更广阔的水平视野16,17。但是, 使用桌面显示18、19的 VR 系统需要较少的基础结构。神经科学研究研究还使用 VR 系统结合功能磁共振成像 (fmri) 在扫描20, 结合 fMRI 后, 扫描21,22, 并结合脑电图 (EEG) 在录音23,24。为了协调用于导航研究的各种显示和控件, 需要使用软件框架。
包含 VR 和生理学数据的研究将带来额外的挑战, 如数据采集和同步。然而, 生理数据允许调查隐含的过程, 可能调解的关系, 导航潜力和空间行为。事实上, 使用桌面 VR 和不同的生理传感器 (i.、心率、血压、皮肤电导率、唾液皮质醇和α淀粉酶) 的结合, 研究了应力与导航的关系25,26,27,28. 例如, van Gerven 和同事29研究了压力对导航策略和性能的影响, 使用了一个虚拟现实版的莫里斯水迷宫任务和一些生理措施 (e., 皮肤电导率, 心率, 血压)。结果表明, 压力预测导航策略的标志性使用 (i., 自我中心与 allocentric), 但与航海性能无关。总的来说, 以前的研究结果在压力对导航性能和空间记忆的影响方面有些不一致。这种模式可能归因于压力源的分离 (例如, 冷升压程序26, 星型镜像跟踪任务25) 从实际的导航任务, 使用简单的迷宫般的虚拟环境 (e., 虚拟莫里斯水迷宫26, 虚拟桡臂迷宫28), 和不同的方法细节 (e., 压力类型, 生理数据类型)。收集到的生理数据的格式上的差异也会对这些研究的实施和分析产生问题。
虚拟实验 (夏娃) 框架的实验促进了 VR 实验的设计、实施和分析, 特别是那些具有额外外围设备 (例如,眼球追踪器, 生理设备)30。在 GitHub (https://cog-ethz.github.io/EVE/) 上, 夏娃框架可以自由地作为开源项目使用。这个框架是基于普遍的统一3D 游戏引擎 (https://unity3d.com/) 和 MySQL 数据库管理系统 (https://www.mysql.com/)。研究人员可以使用夏娃框架来准备 VR 实验的各个阶段, 包括前期和后研究问卷, 任何生理学数据的基线测量, 与控制界面的训练, 主要的导航任务, 以及对导航环境的空间记忆的测试 (例如, 相对方向的判断)。实验者还可以控制来自不同来源的数据同步和不同级别的聚合 (例如, 跨试验、块或会话)。数据源可能是物理的 (i. e., 与用户连接; 参见材料表) 或虚拟 (i. e), 取决于参与者的头像与虚拟环境之间的相互作用。例如, 当参与者的头像移动到虚拟环境的某一特定区域时, 实验可能需要记录心率以及参与者的位置/方向。所有这些数据都将自动存储在 MySQL 数据库中, 并使用重播函数和 R 包evertools (https://github.com/cog-ethz/evertools/) 进行评估。Evertools 提供导出功能、基本描述性统计信息以及用于数据分发的诊断工具。
夏娃框架可以部署在各种物理基础设施和虚拟现实系统中。在本议定书中, 我们描述了苏黎世 NeuroLab 的一个具体执行情况 (图 1)。NeuroLab 是一个12米6米的房间, 其中包含一个独立的房间进行脑电图实验, 一个小室, 其中包含 VR 系统 (2.6 m x 2.0 m), 和一个窗帘区, 以附加生理传感器。VR 系统包括 55 "超高清电视显示屏, 高端游戏电脑, 操纵杆控制接口, 和几个生理传感器 (见材料表)。在下面的章节中, 我们描述了使用夏娃框架和生理传感器在 NeuroLab 进行导航实验的协议, 这是一个关于压力和导航的研究的代表结果, 并讨论了机会和与此系统相关的挑战。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
下面的议定书是按照瑞士联邦伦理委员会批准的准则进行的, 作为提案 2013-73 的一部分。
1. 招聘和准备参与者
- 使用参加者招聘系统或邮寄名单, 选择特定人口统计学 (例如年龄、性别、教育背景) 的参与者 (例如,UAST; http://www.uast.uzh.ch/)。
- 通过电子邮件联系选定的参与者。在此电子邮件中, 提醒参与者会话时间和要求。让参与者知道, 他们必须穿宽松的顶部 (血压监测), 在实验前不饮酒12小时, 并避免其他一些活动 (i., 咖啡因, 吸烟, 饮食和运动) 3 小时在实验之前。
2. 使用夏娃准备实验和生理装置
- 在每个实验会话之前, 启动计算机、实验器监视器和测试监视器。
- 确保房间风扇、温度计和湿度监视器都在。
- 开关机测量皮肤电活动 (EDA) 和心电图 (心电图;e., PowerLab 从 ADInstruments)。见材料表。
- 打开 EDA/ECG 软件 (夏娃当前支持 Labchart 从 ADInstruments) 并创建一个新的设置文件。选择采样率为1000赫兹和适当数量的频道 (e., 一个为 EDA, 一个用于心电图)。保存此设置文件, 并为每个实验会话重新保存具有不同名称的版本。
- 对于 EDA 电极, 执行一个开路零 (i., 没有电极连接到任何东西), 以获得系统电导率的基线测量。
- 确保控制接口 (例如,操纵杆) 连接到计算机。
-
在实验者监视器上, 打开该试验的可执行统一文件。
- 打开 "实验设置" 菜单在夏娃, 并输入实验参数 (e., 参与者 ID 号, 生理测量文件, 实验条件, 室温和湿度)。
- 单击 "开始实验"。
3. 实验程序
-
导言和同意程序
- 在约定的会议地点接听参加者, 并指导他/她去实验室。
- 指示会话将需要大约90分钟, 并要求参与者存储他或她的手表和/或移动电话。
- 请参加者坐在实验椅上, 根据准备好的口头脚本解释实验过程。
- 请参加者阅读资料表并签署知情同意表格。
-
EDA 与心电传感器的连接
- 用不带肥皂的湿纸巾清洁食指和非显性手的无名指。确保它们是干燥的, 并将两个 EDA 电极连接到内侧指骨。
- 清洁胸部的皮肤, 心电图电极将与湿布放置。
- 根据图 2, 将白色、黑色和红色电极放在参与者身体的肋骨上。将白色电极放在右上腹部 (UR) 上, 并将黑色电极置于左上腹部 (UL)。将红色电极放在左下腹部 (LL)。确保三电极不是直接在肋骨上。
- 将三色编码的心电图线连接到附着在参与者身体上的相应电极上。
-
试验前调查表
- 为参与者提供键盘和鼠标, 用于回答调查表 (例如, 人口问题, 第一部分的短期压力状态调查表, 圣巴巴拉方向秤感), 并通知他或她,他们会在电脑上问一连串的问题。
- 通知参与者, 他们可以随时向实验者询问有关调查表的问题。
- 当参与者正在完成调查表时, 关闭隔间的两个侧面墙。
-
生理测量的准备工作。这些步骤可以在参与者完成调查表时进行。
- 通知参与者, 实验者现在将准备生理设备。
- 检查电极是否连接到正确的位置。
- 将血压袖附在非显性臂上。
- 就血压的准确测量向参与者提供指导。告诉参与者尽量减少手臂和身体的运动, 保持血压袖在心脏水平, 并保持直立姿势与他或她的脚平在地板上。
- 将两个 EDA 导线连接到手指上的电极上。
- 关闭显示器上方的指示灯, 将所有其他架空光源调暗至最低设置。
- 将游戏杆交给参与者, 并确保鼠标离开测试监视器的屏幕。
- 零的 EDA 通道, 以获得一个衡量个人的起始水平的皮肤电导率。
- 在 EDA/心电图软件中, 打开 "生物放大器" 对话框。选择信号范围, 其中心跳信号覆盖约三个预览窗口 (5 mV 在大多数情况下)。
- 使用 eda/心电图软件开始录制, 并检查实验显示器上的 eda/ecg 软件窗口中是否有信号可见。
- 在血压机上按适当的按钮开始血压记录。
- 切换到开放的统一程序, 并按 "开始测量"。应出现固定十字。
-
游戏杆训练和基线视频
- 请参与者观看并跟踪训练视频, 指导他或她如何使用游戏杆。
- 要求学员完成训练迷宫, 以便练习使用操纵杆。在这个训练迷宫中, 参与者被指示按照指示路线和收集漂浮宝石的箭头。
- 如果实验包含声音, 请将耳机放在参与者的头部。
- 请参与者观看基线自然视频而不移动。此视频用于解释在后续分析过程中参与者生理数据的基线测量。
-
导航任务
- 确保参与者已阅读有关要完成的导航任务的说明。在导航任务开始之前, 询问参与者是否有任何问题。告诉参与者他们不应该在导航任务中提出问题。
- 当他/她准备开始导航任务时, 请让参与者按下游戏杆上的触发器。
-
生理传感器的最终生理措施和脱离
- 等到系统完成了最终的血压测量。
- 通过在 eda/心电图软件中按下停止按钮, 停止录制 eda 和心电图。
- 取出血压袖套。
- 从参与者中删除 EDA 电极。
- 要求参与者在实验结束前不要取出心电图电极。
- 卸下操纵杆和耳机。
-
后实验问卷
- 为参与者提供一个键盘和鼠标作为后实验问卷 (e., 第二部分的短应力状态问卷, 自我评估假人, 模拟病问卷)。
- 通知参与者, 他们将被问到计算机上的其他一系列问题, 如果需要, 他或她可以提问。
-
实验会话结束
- 通知参与者, 实验部分现已完成。谢谢她或他参加了这个实验。
- 告诉参与者, 他/她现在可以删除心电图电极。
- 付钱给参与者, 让他们在打印的收据上签字。
- 询问参加者是否对实验的目的有任何疑问, 并将他或她护送到实验室外。
4. 每次实验性会议后
- 打开 "评估" 菜单在夏娃, 以进行实验诊断 (e., 重播的轨迹), 并保存在 EDA/心电图软件的生理测量文件。
- 在夏娃的 "评估" 菜单中, 按 "添加事件标记" 按钮以标记生理测量文件中的事件。这一步骤对于从特定实验阶段分析生理数据至关重要。
- 将 eda/心电图文件保存在 eda/心电图软件的生理测量文件中。
- 使用 evertools 包导出实验数据以进行备份。
- 关掉 eda/心电图机, 用酒精垫清洁 eda 电极。
- 马克, 参与者出现在参加者招聘系统中。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
从 NeuroLab 的每个参与者, 我们通常收集生理数据 (例如, 心电图), 问卷数据 (e., 圣巴巴拉方向尺度或 SBSOD31), 和导航数据 (e., 路径通过虚拟环境)。例如, 心率的变化 (来源于心电图数据) 与其他生理32和自我报告措施33相结合的压力状态的变化。我们的系统允许提供不同类型的调查表, 如短应力状态调查表34和 SBSOD31 。SBSOD 是空间能力的自报告测度, 它经常与真实和虚拟、大规模、环境35中的导航行为相关。此外, 导航数据可以用来推断参与者的空间决策 (例如, 犹豫, 导航效率) 在不同的压力环境下36。
有代表性的研究分析了压力对航海过程中空间知识获取的影响。我们测试了60名参与者 (29 名妇女和31人; 平均年龄 = 23.3), 分别在90分钟的会议。在每一次会议的导航任务中, 参与者被分成两组 (i. e, 压力和无压力), 完成三个学习和测试阶段, 而 EDA 和心电图数据不断记录。学习阶段涉及找到一组四个位置 (图 3), 借助地图, 可以使用操纵杆上的按钮触发。测试阶段涉及以特定顺序导航到这些位置, 并显示计时器。对于只有压力组, 参与者也被处罚金钱的时间, 以找到这些地点。这种货币压力是目前研究中唯一的压力操纵。
据预测, 这项实验的生理数据表明, 在心率方面, 压力组的兴奋度高于无应力组, t (58) = 2.14, se = 1.03, p =. 04, 但不根据 EDA, t (58) =-0.68, se = 0.02, p = 50 (图 4)。此外, SBSOD 评分与在学习阶段找到四个目标位置所需的时间有负相关, r (58) =-0.40, p =. 002, 但不在测试阶段, r (58) =-0.25, p =. 057。根据可视化轨迹, 应力组的参与者在虚拟环境中的分布较小。这些结果表明, 更高的觉醒和空间能力可能与更有效的导航行为有关。
图 1: 苏黎世 NeuroLab 的照片.在测试过程中, 实验者和参与者的看法。实验者可以实时监控参与者的进度。(b) 在收集生理数据的同时, 参与者在虚拟环境中导航的特写视图。请单击此处查看此图的较大版本.
图 2: 图表示三心电图电极的位置.这一数字已被修改形式泡沫 (免费开放访问 Meducation)37, 这是授权根据创造性的共同性归属-非商业性-知识共享署名4.0 国际许可证。图像已被改变, 以突出电极所需的3电极系统。这些电极应放置在右上腹部 (UR) 的肋骨, 左上腹部 (UL) 和下左腹部 (LL)请点击这里查看这个数字的更大版本.
图 3: NeuroLab 导航实验的截图.(a) 游戏杆训练视频截图。参与者被要求从右上角的视频中再现游戏杆的动作。(b) 游戏杆训练迷宫的截图。参与者通过跟随浮动箭头和收集宝石进入迷宫。(c) 导航任务学习阶段的截图。参与者可以按下游戏杆上的触发器, 以便调用虚拟环境的映射。屏幕右侧显示了目标位置列表。(d) 导航任务测试阶段的截图。与会者被要求在一个特定的顺序找到相同的位置, 而移动的时钟和移动奖励是可见的。请单击此处查看此图的较大版本.
图 4: 代表结果从一个航海实验在 NeuroLab 使用生理设备和夏娃框架.(a) 图表示组 (海蓝宝石中的应力组和鲑鱼粉红色的对照组) 和平均心率 (基线值修正后38) 之间的关系。应力组平均心率明显高于对照组。(b) 散布图, 表示 SBSOD 评分与学习时间 (黑色) 和测试 (灰色) 之间的关系。SBSOD 评分与学习时间之间存在显著的负相关关系, 并且在测试时间上也存在着类似的趋势。(c) 显示来自应力 (蓝宝石) 和控制 (鲑鱼粉红色) 组的聚集路径数据的虚拟环境的映射。较暗的着色表明, 沿着这条路线所走的路径比例较高, 是来自特定的组。对于空区域, 所采取的路径比例与两组相似。目标位置也标有黑点。如图所示, 压力组比对照组更有可能沿着目标位置之间的更直接路径移动。请单击此处查看此图的较大版本.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
在本文中, 我们描述了使用夏娃框架在 VR 上进行实验的协议。这些类型的实验是独一无二的, 因为额外的硬件考虑因素 (例如, 生理设备和其他外设), 使用 VR 收集生理数据的准备步骤和数据管理要求。本议定书为打算同时收集多个外设数据的实验者提供了必要的步骤。例如, 生理设备的使用需要清洗并将电极连接到参与者身体的特定位置 (如, 胸部和手指), 以不干扰其他外围设备 (e.,操纵杆)。这些步骤的时间必须考虑到生理信号的潜在漂移和数据可靠的适当窗口。实验者对时间的考虑对于每一个试验阶段的准备步骤也是至关重要的。例如, 参与者必须完成一个基线阶段 (即, 观看自然视频), 以便实验者考虑到生理反应的个体差异, 以及与控制界面的训练阶段, 以便实验者解开他们的能力从他们的空间决策在 VR16,17。此外, 这些数据的同步和存储随着数据源数量的增加而变得复杂。本议定书中描述的夏娃框架为 VR 中的若干数据源的研究提供了一个解决方案。此外, 夏娃框架的灵活性允许研究人员根据研究问题修改实验设计, 并添加新的外设, 如眼球追踪器和脑电图。
但是, 这种方法有一些限制。首先, 使用夏娃框架需要一些计算机科学和基本编程技能的知识。第二, 生理学数据的解释是基于一个长期的经验研究传统, 必须考虑在设计和分析这些类型的研究。鉴于生理数据容易被曲解 (例如, 混淆压力和唤起), 对这一文献的了解是至关重要的。第三, VR 的许多实验都容易受到关于虚拟环境和控制界面的外部有效性的批评。例如, 桌面 VR 通常使用手持式操纵杆, 在行走过程中不提供真实的本体反馈。与实际环境中的研究相比, 虚拟环境往往导致对空间更新的距离39和精度的低估, 而没有本体反馈 (没有物理车削)40。然而, 虚拟现实中的距离估计和转向知觉可以通过41、42的显式视觉反馈来改进。
以往的研究表明, VR 的实验仍然可以再现现实空间18,39和社会36,43,44行为。此外, VR 允许更大的实验控制和系统的变化, 这将是困难的现实世界的场景45。诸如夏娃这样的框架也可以通过提供复制和扩展以前的工作的机会, 帮助开发使用 VR 的研究项目。例如, 研究人员可以稍微修改现有的实验, 以包括其他调查表或不同的试用结构。夏娃框架的一些额外优点是高效的数据管理、在线教程的可用性以及其他人为其发展作出贡献的潜力。事实上, 夏娃框架可以免费作为一个开源项目, 鼓励协作。
本实验室正在进行的研究正在调查环境特征对不同社会经济背景的参与者的知觉和生理反应的影响, 以及拥挤环境对生理的影响。参与者的反应沉浸在一个虚拟人群中。将来, 此协议可能会包含多用户、网络技术, 允许不同物理位置的参与者进行实际交互。最后, 夏娃框架目前正在扩展, 包括除了简单诊断和空间数据可视化之外的数据分析包。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
作者没有什么可透露的。
Acknowledgments
虚拟环境是由游戏 (http://www.vis-games.de) 提供的, 以进行虚拟现实的研究。
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).
