Summary
Expériences de réalité virtuelle (VR) peuvent être difficiles à mettre en œuvre et nécessitent une planification méticuleuse. Ce protocole décrit une méthode pour la conception et la mise en oeuvre d’expériences VR qui recueillent des données physiologiques des participants humains. Les expériences dans le cadre d’environnements virtuels (EVE) est utilisée pour accélérer ce processus.
Abstract
Expériences de réalité virtuelle (VR) sont plus en plus employés en raison de leur validité interne et externe par rapport à l’observation du monde réel et des expériences en laboratoire, respectivement. VR est particulièrement utile pour les enquêtes de comportement spatial et visualisations géographiques. Dans la recherche sur le comportement spatial, VR fournit une plate-forme pour l’étude de la relation entre la navigation et des mesures physiologiques (p. ex.., fréquence cardiaque, la conductance de la peau, la tension artérielle). Plus précisément, mesures physiologiques permettent aux chercheurs de traiter les questions nouvelles et contraindre les théories précédentes des aptitudes spatiales, les stratégies et les performances. Par exemple, les différences individuelles dans les performances de navigation peuvent s’expliquer par le degré auquel les changements dans l’excitation médient les effets de la difficulté de la tâche. Cependant, la complexité de la conception et la mise en oeuvre d’expériences VR peut distraire les expérimentateurs de leurs objectifs de recherche primaire et introduire des irrégularités dans la collecte de données et d’analyse. Pour relever ces défis, les expériences dans des environnements virtuels (EVE), framework inclut des modules standardisés comme participant de formation avec le contrôle de l’interface, collecte de données à l’aide de questionnaires, la synchronisation des physiologiques les mesures et stockage de données. EVE fournit également l’infrastructure nécessaire pour l’évaluation, la visualisation et la gestion des données. Le présent document décrit un protocole qui utilise le cadre de la veille à mener des expériences de navigation en VR avec capteurs physiologiques. Le protocole répertorie les étapes nécessaires pour les participants recrutement, fixation des capteurs physiologiques, administrer l’expérience à l’aide de la veille et évaluer les données collectées avec les outils d’évaluation de EVE. Dans l’ensemble, ce protocole facilitera les recherches futures en simplifiant la conception et la mise en oeuvre d’expériences VR avec capteurs physiologiques.
Introduction
Comprendre comment les individus accédez a des implications importantes pour plusieurs domaines, notamment les sciences cognitives1,2,3, neuroscience4,5et computer science6 , 7. navigation a été étudiée dans des environnements réels et virtuels. Un avantage des expériences du monde réel est que la navigation ne nécessite pas la médiation d’une interface de contrôle et donc risque de produire des comportement spatial plus réaliste. En revanche, expériences de réalité virtuelle (VR) permettant de mesurer les plus précis du comportement (par exemple., marche des trajectoires) et physiologiques (e.g., fréquence cardiaque) données, ainsi que contrôle plus expérimentale (i.e. interne validité). À son tour, cette approche peut entraîner des interprétations plus simples des données et théories ainsi plus robustes de la navigation. En outre, neurosciences peuvent bénéficier de VR parce que les chercheurs peuvent étudier les corrélats neurones de la navigation, alors que les participants sont engagés dans l’environnement virtuel mais ne peut pas se déplacer physiquement. Pour informaticiens, navigation en VR nécessite des développements uniques dans la puissance de traitement, mémoire et infographie afin d’assurer une expérience immersive. Résultats d’expériences VR peuvent également être appliquées en architecture et en cartographie, en informant la conception du bâtiment mises en page8 et carte de fonctionnalités9 pour faciliter la navigation du monde réel. Récemment, les avancées en technologie VR combinée à une baisse spectaculaire dans son coût ont conduit à une augmentation du nombre de laboratoires qui emploient les VR pour leurs conceptions expérimentales. En raison de cette popularité croissante, les chercheurs doivent examiner les moyens de rationaliser la mise en œuvre d’applications de VR et de normaliser le flux de travail expérience. Cette approche aidera les ressources de mise en œuvre au développement de la théorie et étend les capacités existantes de VR.
Configurations VR peuvent varier de plus au moins réaliste en termes d’affichage et commande. Configurations VR plus réalistes tendent à exiger des infrastructures supplémentaires comme le suivi des grands espaces et à haute résolution affiche10. Ces systèmes emploient souvent redirigés à quelques algorithmes afin d’injecter des rotations imperceptibles et traductions dans la rétroaction visuelle fournie aux utilisateurs et agrandir efficacement l’environnement virtuel par l’intermédiaire de laquelle les participants peuvent se déplacer11 , 12. ces algorithmes peuvent être généralisés dans qu’ils ne nécessitent pas la connaissance de l’environnement structure13 ou prédictive en ce qu’ils supposent des chemins particuliers pour l' utilisateur14. Bien que la plupart des recherches sur la redirection marche a utilisé affichage tête-monté (HMDs), certains chercheurs emploient une version de cette technique avec marche en place dans le cadre d’un système de projection grand (e.g., grottes)15. Tandis que HMDs peuvent être transporté sur la tête du participant, grotte écrans ont tendance à offrir un plus large champ de vision horizontal16,17. Cependant, moins infrastructure est nécessaire pour les systèmes VR à l’aide d’écrans de bureau18,19. Recherches neuroscientifiques a également employé en combinaison avec l’imagerie de résonance magnétique fonctionnelle (IRMf) lors de la numérisation de20, en combinaison avec l’IRMf après la numérisation21,22et en combinaison avec des systèmes VR électroencéphalographie (EEG) pendant l’enregistrement,23,24. Cadres de logiciel sont nécessaires afin de coordonner la variété des affichages et des contrôles qui sont utilisés pour la recherche de navigation.
Recherche qui intègre les données physiologiques et VR pose des défis supplémentaires telles que l’acquisition de données et de synchronisation. Cependant, les données physiologiques permettant pour les enquêtes sur les processus implicites qui pourraient véhiculer la relation entre le comportement de navigation spatiale et potentiels. En effet, la relation entre le stress et de la navigation a été étudiée en utilisant desktop VR et une combinaison de différents capteurs physiologiques (i.e., fréquence cardiaque, pression artérielle, la conductance de la peau, cortisol salivaire et alpha-amylase)25 , 26 , 27 , 28. par exemple, van Gerven et collègues29 a étudié l’impact du stress sur la stratégie de navigation et performance en utilisant une version de la réalité virtuelle d’une tâche de labyrinthe de l’eau de Morris et plusieurs mesures physiologiques (p. ex.., la peau conductance, fréquence cardiaque, pression artérielle). Leurs résultats ont révélé que les stress prédit stratégie de navigation en ce qui concerne l’utilisation de point de repère (i.e., égocentrique et allocentrique) mais n’était pas liée à la performance de navigation. En général, les conclusions d’études antérieures sont quelque peu contradictoire au sujet de l’effet du stress sur les performances de navigation et de la mémoire spatiale. Ce modèle peut être attribuable à la séparation de l’agent stressant (par exemple., la procédure pressive froid26, la tâche de suivi Star miroir25) de la tâche réelle de navigation, l’utilisation de simples labyrinthique des environnements virtuels ( par exemple., virtual Morris water maze26,28de labyrinthe virtuel bras radial) et des différences de détails méthodologiques (e.g., type de facteurs de stress, type de données physiologiques). Différences dans le format de données physiologiques recueillies peuvent également être problématiques pour la mise en œuvre et l’analyse de ces études.
Les expériences dans le cadre des expériences virtuelles (EVE) facilite la conception, la réalisation et l’analyse des expériences VR, surtout ceux avec des périphériques supplémentaires (p. ex.., traqueurs de le œil, les appareils physiologiques)30. Le cadre de la veille est librement disponible comme un projet open-source sur GitHub (https://cog-ethz.github.io/EVE/). Ce cadre repose sur le moteur de jeu 3D (https://unity3d.com/) l’unité populaire et le système de gestion de base de données MySQL (https://www.mysql.com/). Chercheurs peuvent utiliser le cadre de la veille afin de préparer les différentes étapes d’une expérience VR, y compris les questionnaires avant et après l’étude, des mesures de base pour toutes les données physiologiques, avec l’interface de contrôle, la tâche principale de navigation, de formation et essais de mémoire spatiale de l’environnement de navigation (p. ex.., jugements de la direction relative). Expérimentateurs peuvent également contrôler la synchronisation des données provenant de différentes sources et à différents niveaux d’agrégation (par exemple., à travers des essais, des blocs ou des séances). Les sources de données peuvent être physiques (i.e., connecté à l’utilisateur ; voir Table des matières) ou virtuel (c’est à dire., dépend des interactions entre avatar du participant et de l’environnement virtuel). Par exemple, une expérience peut exiger l’enregistrement de la fréquence cardiaque et position/orientation du participant lorsque avatar de ce participant se déplace dans une zone particulière de l’environnement virtuel. Toutes ces données est automatiquement stocké dans une base de données MySQL et évaluées avec les fonctions de relecture et de la R paquet evertools (https://github.com/cog-ethz/evertools/). Evertools fournit des fonctions-exportateurs, les statistiques descriptives élémentaires, et outils de diagnostic pour les distributions des données.
Le cadre de la veille peut être déployé avec une variété de systèmes de VR et infrastructures matérielles. Dans le présent protocole, les auteurs décrivent une implémentation particulière à la mission NeuroLab au ETH Zürich (Figure 1). La mission NeuroLab est un 12 m par 6 m pièce contenant une chambre isolée pour la réalisation d’expériences de l’EEG, une armoire contenant le système VR (2,6 m x 2,0 m) et une zone de rideaux pour la fixation des capteurs physiologiques. Le système VR comprend un écran de télévision 55" ultra haute définition, un ordinateur de jeu haut de gamme, une interface joystick de contrôle et plusieurs capteurs physiologiques (voir Table des matières). Dans les sections qui suivent, nous décrivons le protocole pour la conduite d’une expérience de navigation dans le NeuroLab en utilisant le cadre de la veille et les capteurs physiologiques, les présents résultats représentatifs d’une étude sur le stress et de la navigation et discuter des occasions et les défis associés à ce système.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Le protocole suivant a été réalisé conformément aux lignes directrices approuvées par la Commission de déontologie de l’ETH Zürich, dans le cadre de la proposition EK 2013-N-73.
1. recruter et préparer les Participants
- Sélectionner les participants avec la démographie particulière (p. ex.., âge, sexe, niveau de formation) à l’aide d’un système de recrutement de participants ou la liste de diffusion (e.g., UAST ; http://www.uast.uzh.ch/).
- Communiquer avec les participants choisis. Dans ce courriel, rappeler les participants de l’heure de la session et les exigences. Laissez les participants savent qu’ils doivent porter un refrain dessu (pour la surveillance de la pression artérielle), ample de l’alcool pendant 12 h avant l’expérience et s’abstenir de plusieurs autres activités (i.e., caféine, tabac, alimentation et exercice) pendant 3 h avant l’expérience.
2. préparer l’expérience et physiologiques périphériques à l’aide de EVE
- Avant chaque session expérimentale, démarrez l’ordinateur, le moniteur de l’expérimentateur et le moniteur de test.
- S’assurer que le ventilateur de la chambre, le thermomètre et le moniteur de l’humidité sont.
- Allumez la machine mesure l’activité électrodermiques (EDA) et l’électrocardiographie (ECG ; e.g., PowerLab de ADInstruments). Voir Table des matières.
- Ouvrez le logiciel EDA/ECG (veille actuellement prise en charge de Labchart de ADInstruments) et créer un nouveau fichier de paramètres. Sélectionnez une fréquence d’échantillonnage de 1 000 Hz et le nombre de canaux (e.g., l’un pour l’EDA et l’autre pour ECG). Enregistrez ce fichier de paramètres et ré-enregistrer une version avec un nom différent pour chaque session expérimentale.
- Pour les électrodes de l’EDA, effectuer un zéro à circuit ouvert (i.e., sans les électrodes attachées à quoi que ce soit) pour obtenir une mesure de la conductivité du système de base.
- Veiller à ce que l’interface de contrôle (par exemple., manette de jeu) est connecté à l’ordinateur.
-
Sur le moniteur de l’expérimentateur, ouvrez le fichier exécutable de l’unité de l’expérience.
- Ouvrez le menu «Paramètres d’expérimenter» dans EVE et entrez les paramètres de l’expérience (p. ex.., numéro d’identification de participants, fichier de mesure physiologique, condition expérimentale, température ambiante et l’humidité).
- Cliquez sur «commencer l’expérience».
3. marche à suivre
-
Procédure d’introduction et de consentement
- Ramasser le participant dans le lieu de rencontre convenu et lui/elle guide au laboratoire.
- Indiquer que la session prendra environ 90 min et demander au participant pour stocker sa montre et/ou téléphone mobile.
- Demander au participant de s’asseoir dans le fauteuil expérimental et d’expliquer la procédure expérimentale selon le script verbal préparé.
- Demander au participant de lire la fiche d’information et de signer le formulaire de consentement éclairé.
-
Raccordement des capteurs EDA et ECG
- Nettoyer l’index et l’annulaire de la main non dominante avec un chiffon humide sans savon. S’assurer qu’ils sont secs et connecter les deux électrodes de l’EDA à la phalange médiale.
- Nettoyer la peau de la poitrine où les électrodes ECG seront placés avec un chiffon humide.
- Placer les électrodes de blancs, noirs et rouges sur le corps du participant entre les nervures selon la Figure 2. Placer l’électrode blanche sur l’abdomen supérieur droit (UR) et l’électrode de noir sur l’abdomen supérieur gauche (UL). Placer l’électrode rouge sur l’abdomen gauche (LL). Veiller à ce que les trois électrodes ne sont pas directement sur une côte.
- Raccorder les fils d’ECG couleur trois aux électrodes correspondantes attachés sur le corps du participant.
-
Expérience préalable questionnaires
- Fournir au participant avec un clavier et une souris qui serviront à répondre à des questionnaires (e.g., démographiques des questions, la première partie de la court Questionnaire état de Stress, le sens de Santa Barbara de l’échelle de la Direction) et informer lui ou elle que ils vont demandera une série de questions sur l’ordinateur.
- Informer les participants qu’ils peuvent demander l’expérimentateur questions concernant le questionnaire à tout moment.
- Fermer les deux côtés de la cabine tandis que le participant est remplir les questionnaires.
-
Préparatifs de mesure physiologique. Ces étapes peuvent être menées alors que le participant est remplir les questionnaires.
- Informer le participant que l’expérimentateur va maintenant préparer les dispositifs physiologiques.
- Vérifier que les électrodes sont fixées aux emplacements appropriés.
- Fixer le brassard sur le bras non dominant.
- Fournir des instructions au participant au sujet de la mesure précise de la tension artérielle. Dire du participant afin de minimiser les mouvements de bras et le corps, garder le brassard au niveau du coeur et à maintenir une posture verticale avec ses pieds sur le sol.
- Raccorder les deux fils d’AED pour les électrodes sur les doigts.
- Éteindre la lumière au-dessus du moniteur et assombrit tous autres plafonniers à réglage le plus bas.
- La main de la manette au participant et faire en sorte que la souris se trouve hors de l’écran du moniteur test.
- Zéro la chaîne EDA afin d’obtenir une mesure du niveau de la conductance de la peau de départ de l’individu.
- Dans le logiciel EDA/ECG, ouvrez la boîte de dialogue «Bio Amp». Choisissez la portée du signal dans lequel le signal de battement de coeur couvre environ un tiers de la fenêtre d’aperçu (5 mV dans la plupart des cas).
- Démarrer l’enregistrement avec le logiciel EDA/ECG et vérifier si un signal est visible dans la fenêtre du logiciel EDA/ECG sur le moniteur de l’expérimentateur.
- Démarrer l’enregistrement en appuyant sur le bouton approprié dans la machine de pression artérielle la tension artérielle.
- Basculer vers le programme de l’unité ouvert, puis appuyez sur «Démarrer les mesures». Une fixation Croix devrait apparaître.
-
Formation de manette de jeu et vidéo de base
- Demander au participant à regarder et à suivre la vidéo de formation qui indique à lui comment utiliser le joystick.
- Demandez aux participants de compléter le labyrinthe de la formation pour pratiquer à l’aide de la manette de jeu. Dans ce dédale de formation, les participants sont tenus de suivre les flèches qui indiquent un itinéraire et ramasser les pierres précieuses flottants.
- Si l’expérience comprend des sons, placer le casque sur la tête du participant.
- Demander au participant de regarder la vidéo de nature de base sans bouger. Cette vidéo est utilisée pour une mesure de base de données physiologiques du participant au cours de l’analyse ultérieure.
-
Tâche de navigation
- Veiller à ce que les participants ont lu les instructions concernant la tâche de navigation to-be-terminé. Se renseigner sur la question de savoir si le participant a des questions avant le début de la tâche de navigation. Dire le participant qu’ils ne devraient pas poser des questions durant la tâche de navigation.
- Demander au participant d’appuyer sur la gâchette sur la manette quand il ou elle est prête à commencer la tâche de navigation.
-
Mesures physiologiques finales et le détachement des capteurs physiologiques
- Attendez que le système a terminé à la mesure de la pression artérielle final.
- Arrêter l’enregistrement EDA et ECG en appuyant sur le bouton arrêter dans le logiciel EDA/ECG.
- Retirer le brassard.
- Retirer les électrodes de l’EDA du participant.
- Demandez aux participants ne pas à enlever les électrodes ECG jusqu'à la fin de l’expérience.
- Enlever la manette et le casque.
-
Après expérience questionnaires
- Fournir le participant avec un clavier et une souris pour les questionnaires post expérience (p. ex.., la deuxième partie de la court Questionnaire d’état de Stress, le mannequin d’auto-évaluation, le Questionnaire de maladie de simulateur).
- Informer les participants qu’ils vont demandera une autre série de questions sur l’ordinateur et qu’il ou elle peut poser des questions si nécessaire.
-
Fin de la session expérimentale
- Informer le participant que la partie expérimentale est maintenant terminée. Je remercie elle ou lui pour avoir participé à l’expérience.
- Dire le participant qu’il/elle peut maintenant retirer les électrodes de l’ECG.
- Verser les participants et leur demander de signer le reçu imprimé.
- Demander si le participant a des questions concernant le but de l’expérience et l’escorte de lui à l’extérieur de la salle d’expérience.
4. après chaque Session expérimentale
- Ouvrir le menu «évaluation» dans EVE afin de réaliser des diagnostics de l’expérience (p. ex.., relire les trajectoires) et enregistrer les fichiers de mesure physiologique dans le logiciel EDA/ECG.
- Dans le menu «évaluation» en veille, appuyez sur le bouton «Ajouter un repère événement» à l’occasion des événements dans les fichiers de mesure physiologique. Cette étape est essentielle pour l’analyse des données physiologiques en termes de phases expérimentales particulières.
- Enregistrez le fichier EDA/ECG dans le fichier de mesure physiologique dans le logiciel EDA/ECG.
- Exportez les données expérimentales pour la sauvegarde en utilisant le package evertools.
- Eteignez l’appareil AED/ECG et nettoyer les électrodes de l’AED avec des tampons d’alcool.
- Sélectionnez cette option que le participant est apparu dans le système de recrutement de participants.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Par chaque participant à la mission NeuroLab, nous recueillons habituellement données physiologiques (e.g., ECG), données du questionnaire (e.g., le sens de Santa Barbara de l’échelle de la Direction ou SBSOD31) et données de navigation (e.g., chemins à travers la environnement virtuel). Par exemple, des changements dans la fréquence cardiaque (dérivé de données ECG) ont été associés à des changements dans les États de contraintes en combinaison avec d’autres physiologiques32 et les mesures d’auto-évaluation33. Notre système permet différents types de questionnaires qui sera présenté comme le court Questionnaire d’état de Stress34 et la SBSOD31 . Le SBSOD est une mesures d’auto-évaluation de la capacité spatiale qui est souvent en corrélation avec le comportement de navigation en temps réel et virtuel, à grande échelle, des environnements35. En outre, des données de navigation permet d’en déduire la prise de décision spatiale des participants (p. ex.., hésitations, l’efficacité de la navigation) dans différents contextes stressants36.
Un représentant a étudié l’effet du stress sur l’acquisition des connaissances spatiales pendant la navigation. Nous avons testé les 60 participants (29 femmes et 31 hommes ; âge moyen = 23,3) individuellement lors d’une séance de 90 min. Au cours de la tâche de navigation de chaque session, les participants ont été placés dans l’un des deux groupes (i.e., stress et pas de stress) et terminé trois de d’apprentissage et d’essai des phases tandis que les données EDA et ECG ont été enregistrées en continu. Les phases de l’apprentissage en cause trouver un ensemble de quatre endroits (Figure 3) à l’aide d’une carte qui pourrait être déclenchée à l’aide d’un bouton sur la manette. Les phases d’essai impliqué accédant à chacun de ces endroits dans un ordre précis avec une minuterie visible. Pour que le groupe de stress, les participants ont été pénalisés également financièrement pour la quantité de temps nécessaire pour trouver ces endroits. Cette pression monétaire était la seule manipulation du stress dans la présente étude.
Comme prévu, les données physiologiques de cette expérience ont indiqué l’excitation plus élevée pour le groupe de stress que l’aucun groupe de stress en fonction de la fréquence cardiaque, t(58) = 2.14, se = 1,03, p =.04, mais pas en termes de EDA, t(58) =-0.68, se = 0,02, p =.50 (Figure 4). En outre, il y avait une corrélation négative entre le score de la SBSOD et le temps nécessaire pour trouver les emplacements de quatre buts au cours de la phase d’apprentissage, r(58) = -0,40, p =.002, mais pas en phase de test, r(58) = -0,25, p =.057. Selon les trajectoires visualisées, les participants au groupe de stress semblent être que moins distribués dans l’environnement virtuel. Ensemble, ces résultats suggèrent que l’excitation plus élevée et la capacité spatiale peuvent être relies au comportement de navigation plus efficace.
Figure 1 : Photographies de la mission NeuroLab au ETH Zürich. (a) vue de l’expérimentateur et le participant au cours des essais. L’expérimentateur peut surveiller la progression du participant en temps réel. (b) vue du participant naviguer dans l’environnement virtuel, tandis que les données physiologiques sont collectées. S’il vous plaît cliquez ici pour visionner une version agrandie de cette figure.
Figure 2 : Diagramme qui représente le placement des trois électrodes ECG. Ce chiffre a été mis à jour le formulaire mousse (Meducation libre d’accès ouvert)37, qui est sous licence Creative Commons Attribution-NonCommercial-ShareAlike License 4.0 International. L’image a été modifiée pour mettre en évidence les électrodes nécessaires pour un système 3-électrode. Ces électrodes doivent être placés entre les nervures sur l’abdomen supérieur droit (UR), de l’abdomen supérieur gauche (UL) et de l’abdomen gauche (LL) s’il vous plaît cliquez ici pour visionner une version agrandie de cette figure.
Figure 3 : Captures d’écran d’une navigation experiment dans le NeuroLab. (un) capture d’écran de la manette de jeu vidéo de formation. Les participants ont été invités à reproduire les mouvements du levier de commande de la vidéo dans le coin supérieur droit. (b) capture d’écran de la manette de jeu labyrinthe de formation. Participants ont traversé un labyrinthe en flottant flèches suivantes et en recueillant des gemmes. (c) capture d’écran de la phase d’apprentissage de la tâche de navigation. Les participants pouvaient Appuyez sur la gâchette sur la manette afin d’appeler une carte de l’environnement virtuel. Une liste des emplacements cibles a été affichée sur le côté droit de l’écran. (d) capture d’écran de l’essai de phase de la tâche de navigation. Les participants devaient trouver les mêmes endroits dans un ordre particulier, alors qu’un mouvement d’horloge et récompense mobile étaient visibles. S’il vous plaît cliquez ici pour visionner une version agrandie de cette figure.
Figure 4 : Représentant résulte d’une expérience de navigation dans le NeuroLab à l’aide de dispositifs physiologiques et le cadre de la veille. (un) A graphique représentant la relation entre (groupe du stress dans le groupe aigue-marine et contrôle en rose saumon) et moyenne fréquence cardiaque (après corrections pour référence les valeurs38). Fréquence cardiaque moyenne est significativement plus élevée pour le groupe de stress que le groupe témoin. (b) un scatter plot représentant la relation entre le score de SBSOD et de temps passé d’apprentissage (en noir) et les essais (en gris). Il y a une relation négative significative entre le score des SBSOD et temps passé à apprendre et une tendance similaire pour l’essai du temps passé. (c) une carte virtuelle et l’environnement qui affiche les données de chemin d’accès agrégées contre le stress (aquamarine) et les groupes témoins (rose saumon). Coloration plus foncée indique qu’une proportion plus élevée des chemins le long de cette route sont d’un groupe particulier. Les zones vides, la proportion des chemins d’accès pris était similaire dans les deux groupes. Emplacements de but sont également marqués avec des points noirs. Comme le montre, le groupe de stress était plus probable que le groupe témoin se déplacer le long de chemins plus directs entre les emplacements de l’objectif. S’il vous plaît cliquez ici pour visionner une version agrandie de cette figure.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Dans le présent document, nous avons décrit un protocole pour la réalisation d’expériences en VR avec le cadre de la veille des appareils physiologique. Ces types d’expériences sont uniques en raison de considérations matérielles supplémentaires (p. ex.., dispositifs physiologiques et autres périphériques), les étapes préparatoires pour la collecte des données physiologiques à l’aide de VR et les exigences en matière de gestion de données. Le présent protocole fournit les étapes nécessaires pour les expérimentateurs qui ont l’intention de recueillir des données de plusieurs périphériques simultanément. Par exemple, l’utilisation d’appareils physiologiques nécessite un nettoyage et fixer les électrodes à des endroits spécifiques sur le corps du participant (p. ex.., la poitrine et les doigts) d’une manière ne pas interférer avec d’autres périphériques (par ex.., la manette de jeu). Le calendrier de ces mesures doit tenir compte de la dérive potentielle dans les signaux physiologiques et la fenêtre appropriée au sein de laquelle les données sont fiables. Examen de l’expérimentateur de la synchronisation est également essentielle pour les étapes préparatoires au sein de chaque session expérimentale. Par exemple, les participants doivent effectuer une phase de base (p. ex.., visionnage d’une vidéo de la nature) afin que l’expérimentateur pour tenir compte des différences individuelles de réactivité physiologique, mais aussi une phase d’entraînement avec l’interface de contrôle afin que l’expérimentateur de démêler leur aptitude à manoeuvrer depuis leur prise de décision spatiale en VR16,17. En outre, la synchronisation et le stockage de ces données augmentent en complexité avec le nombre de sources de données. Le cadre de la veille décrit dans le présent protocole fournit une solution d’études avec plusieurs sources de données en VR. En outre, la flexibilité du cadre EVE permet aux chercheurs de modifier le protocole expérimental selon leurs questions de recherche et ajouter de nouveaux périphériques tels que les trackers de le œil et l’électroencéphalographie.
Cependant, il y a certaines limites à cette approche. Tout d’abord, travailler avec le cadre de la veille requiert quelques notions d’informatique et de la base de compétences en programmation. Deuxièmement, l’interprétation des données physiologiques est issue d’une longue tradition de recherches empiriques qui doivent être considérés lors de la conception et l’analyse de ces types d’études. Connaissance de cette documentation est indispensable étant donné que les données physiologiques peuvent être facilement mal interprétées (e.g., confusion entre stress et excitation). Troisièmement, de nombreuses expériences en VR sont sensibles aux critiques au sujet de la validité externe en ce qui concerne l’interface virtuelle de l’environnement et le contrôle. Par exemple, bureau VR souvent emploie des manettes de jeu portables et ne fournit pas de feedback proprioceptif réaliste durant la marche. Par rapport aux études dans des environnements réels, environnements virtuels tendent à conduire à la sous-estimation des distances39 et moins de précision dans la mise à jour de manière spatiale sans feedback proprioceptif (sans tourner physiquement)40. Cependant, perception estimation et tour de distance en VR peut être améliorée avec un retour visuel explicite41,,42.
Des recherches antérieures a démontré que des expériences en VR peuvent de reproduire encore réaliste spatiale18,39 et le comportement de44 social36,43,. En outre, le VR permet pour un plus grand contrôle expérimental et variations systématiques qui seraient difficiles dans des scénarios réels,45. Cadres comme EVE peuvent aussi faciliter le développement d’un programme de recherche à l’aide de VR en offrant des possibilités pour la reproduction et l’extension des travaux antérieurs. Par exemple, chercheurs peuvent modifier légèrement une expérience existante afin d’inclure des questionnaires supplémentaires ou une structure d’essai différente. Quelques avantages supplémentaires du cadre EVE sont la gestion efficace des données, la disponibilité de tutoriels en ligne et le potentiel pour les autres à contribuer à son développement. En effet, le cadre de la veille est disponible gratuitement comme un projet open-source qui encourage la collaboration.
Les études en cours dans ce laboratoire portent sur l’impact des caractéristiques de l’environnement sur la perception et les réactions physiologiques des participants de différents milieux socio-économiques et l’influence des environnements encombrés sur le physiologique réponses des participants plongés dans une foule virtuelle. À l’avenir, le présent protocole peut incorporer multi-utilisateurs, technologie qui permettra aux participants des lieux physiques différents interagir virtuellement de réseau. Enfin, le cadre de la veille est actuellement étendu pour inclure des ensembles d’analyse de données au-delà des diagnostics simples et la visualisation de données spatiales.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Les auteurs n’ont rien à divulguer.
Acknowledgments
L’environnement virtuel a été aimablement fourni par VIS Games (http://www.vis-games.de) pour effectuer des recherches dans la réalité virtuelle.
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).
