Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Behavior
Click here for the English version

Behavior

शारीरिक उपायों के साथ आभासी वास्तविकता प्रयोगों

Published: August 29, 2018 doi: 10.3791/58318
Automatic Translation
1, 1, 1, 1,2,3, 1, 1, 1
1Chair of Cognitive Science, ETH Zürich, 2Geographic Information Visualization and Analysis, University of Zürich, 3Digital Society Initiative, University of Zürich

Summary

वर्चुअल रियलिटी (वीआर) प्रयोगों को कार्यान्वित करना और सावधानीपूर्वक नियोजन की आवश्यकता कठिन हो सकती है. यह प्रोटोकॉल मानव प्रतिभागियों से शारीरिक डेटा एकत्र करने वाले वीआर प्रयोगों के डिज़ाइन और कार्यान्वयन के लिए एक विधि का वर्णन करता है. आभासी वातावरण (ईव) ढांचे में प्रयोग इस प्रक्रिया में तेजी लाने के लिए कार्यरत है ।

Abstract

आभासी वास्तविकता (वीआर) प्रयोग वास्तविक विश्व अवलोकन और प्रयोगशाला प्रयोगों की तुलना में उनकी आंतरिक और बाह्य वैधता की वजह से क्रमशः कार्यरत हैं । वीआर भौगोलिक विज़ुअलाइज़ेशन और स्थानिक व्यवहार की जांचों के लिए विशेष रूप से उपयोगी है. स्थानिक व्यवहार अनुसंधान में, वीआर नेविगेशन और शारीरिक उपायों (जैसे, त्वचा संचालन, हृदय गति, रक्तचाप) के बीच संबंधों का अध्ययन करने के लिए एक मंच प्रदान करता है । विशेष रूप से, शारीरिक उपायों के शोधकर्ताओं उपंयास सवालों का पता करने के लिए अनुमति देते है और स्थानिक क्षमताओं, रणनीतियों, और प्रदर्शन के पिछले सिद्धांतों आरै । उदाहरण के लिए, नेविगेशन प्रदर्शन में व्यक्तिगत अंतर किस हद तक कामोत्तेजना मध्यस्थता में परिवर्तन कार्य कठिनाई के प्रभाव को समझाया जा सकता है । हालांकि, वीआर प्रयोगों के डिज़ाइन और कार्यान्वयन में जटिलताओं के कारण अपने प्राथमिक शोध लक्ष्यों से experiments को विचलित कर सकते हैं और डेटा संग्रहण और विश्लेषण में अनियमितताओं का परिचय देते हैं. इन चुनौतियों का पता करने के लिए, आभासी वातावरण में प्रयोगों (ईव) फ्रेमवर्क नियंत्रण अंतरफलक के साथ भागीदार प्रशिक्षण के रूप में मानकीकृत मॉड्यूल शामिल हैं, डेटा संग्रह प्रश्नावली का उपयोग, शारीरिक के तुल्यकालन माप, और डेटा संग्रहण । ईव भी डेटा प्रबंधन, दृश्य, और मूल्यांकन के लिए आवश्यक बुनियादी ढांचा प्रदान करता है । वर्तमान कागज एक प्रोटोकॉल है कि पूर्व संध्या ढांचे को रोजगार के लिए शारीरिक सेंसर के साथ वीआर में नेविगेशन प्रयोगों के संचालन का वर्णन है । प्रोटोकॉल प्रतिभागियों की भर्ती के लिए आवश्यक कदम सूची, शारीरिक सेंसर संलग्न, ईव का उपयोग कर प्रयोग प्रशासन, और ईव मूल्यांकन उपकरण के साथ एकत्र आंकड़ों का आकलन । कुल मिलाकर, इस प्रोटोकॉल शारीरिक सेंसर के साथ वीआर प्रयोगों के डिजाइन और कार्यान्वयन को सरल बनाने के द्वारा भविष्य के अनुसंधान की सुविधा होगी.

Introduction

समझ कैसेव्यक्तियों नेविगेट कई क्षेत्रों के लिए महत्वपूर्ण निहितार्थ है, संज्ञानात्मक विज्ञान सहित1,2,3,4न्यूरो,5, और कंप्यूटर विज्ञान6 , 7. नेविगेशन दोनों वास्तविक और आभासी वातावरण में जांच की गई है । वास्तविक दुनिया प्रयोगों का एक लाभ यह है कि नेविगेशन एक नियंत्रण अंतरफलक की मध्यस्थता की आवश्यकता नहीं है और इस तरह अधिक यथार्थवादी स्थानिक व्यवहार का उत्पादन कर सकते हैं. इसके विपरीत, वर्चुअल रियलिटी (वीआर) प्रयोग व्यवहार की अधिक सटीक माप के लिए अनुमति देते हैं (उदा., चलने वाली पथ) और शारीरिक (जैसे, हृदय गति) डेटा, साथ ही अधिक प्रायोगिक नियंत्रण (यानी, आंतरिक वैधता). बदले में, इस दृष्टिकोण डेटा की सरल व्याख्या में परिणाम कर सकते है और इस प्रकार नेविगेशन के अधिक मजबूत सिद्धांतों । इसके अलावा, तंत्रिका विज्ञान से लाभ हो सकता है क्योंकि शोधकर्ताओं ने आभासी वातावरण में लगे हुए हैं, लेकिन शारीरिक रूप से स्थानांतरित नहीं कर सकते हैं, जबकि अनुसंधानकर्ताओं के तंत्रिका को संबद्धीकरण की जांच कर सकते हैं । कंप्यूटर वैज्ञानिकों के लिए, वीआर में नेविगेशन एक immersive अनुभव सुनिश्चित करने के क्रम में प्रसंस्करण शक्ति, स्मृति, और कंप्यूटर ग्राफिक्स में अद्वितीय विकास की आवश्यकता है । VR प्रयोगों से निष्कर्षों को भी निर्माण लेआउट8 और नक्शा9 वास्तविक दुनिया नेविगेशन की सुविधा के लिए सुविधाओं के डिजाइन सूचित करके वास्तुकला और नक्शानवीसी में लागू किया जा सकता है । हाल ही में, अपनी लागत में नाटकीय कमी के साथ संयुक्त वीआर प्रौद्योगिकी में अग्रिमों ने अपने प्रायोगिक डिजाइनों के लिए वीआर को रोजगार देने वाली प्रयोगशालाओं की संख्या में वृद्धि की है । इस बढ़ती लोकप्रियता के कारण, शोधकर्ताओं को वीआर आवेदनों के कार्यान्वयन को सरल बनाने और प्रयोग कार्यप्रवाह को मानकीकृत करने के तरीके पर विचार करने की आवश्यकता है । इस दृष्टिकोण को लागू करने से सिद्धांत के विकास में बदलाव संसाधनों और वीआर की मौजूदा क्षमताओं का विस्तार करने में मदद मिलेगी ।

वीआर setups को प्रदर्शित करता है और नियंत्रण के मामले में अधिक से कम यथार्थवादी रेंज कर सकते हैं । अधिक यथार्थवादी वीआर setups जैसे बड़े ट्रैकिंग रिक्त स्थान और उच्च संकल्प प्रदर्शित करता है10के रूप में अतिरिक्त बुनियादी सुविधाओं की आवश्यकता के लिए करते हैं । इन प्रणालियों अक्सर आदेश में अगोचर घुमाव और दृश्य प्रतिक्रिया उपयोगकर्ताओं के लिए प्रदान की और प्रभावी ढंग से जो प्रतिभागियों11 स्थानांतरित कर सकते हैं के माध्यम से आभासी वातावरण में इजाफा सुई के लिए चलने एल्गोरिदम को रोजगार , 12. इन एल्गोरिदम में सामान्यीकृत किया जा सकता है कि वे पर्यावरण संरचना13 के ज्ञान की आवश्यकता नहीं है या कि वे14उपयोगकर्ता के लिए विशेष रास्तों मान में पूर्वानुमान । हालांकि निर्देशित चलने पर सबसे अधिक शोध सिर घुड़सवार प्रदर्शित करता है (HMDs), कुछ शोधकर्ताओं ने एक बड़े प्रक्षेपण प्रणाली (जैसे, गुफाओं)15के भाग के रूप में चलने वाली जगह के साथ इस तकनीक के एक संस्करण को रोजगार । जबकि HMDs भागीदार के सिर पर किया जा सकता है, गुफा प्रदर्शित करने के लिए दृश्य16,17की एक व्यापक क्षैतिज क्षेत्र प्रदान करते हैं । हालांकि,18,19डेस्कटॉप प्रदर्शित करता है का उपयोग कर वीआर सिस्टम के लिए कम अवसंरचना की आवश्यकता है । Neuroscientific अनुसंधान भी20स्कैनिंग के दौरान कार्यात्मक चुंबकीय अनुनाद इमेजिंग (fMRI) के साथ संयोजन में वीआर सिस्टम कार्यरत है,21,22स्कैनिंग के बाद fMRI के साथ संयोजन में, और साथ संयोजन में electroencephalography (ईईजी) रिकॉर्डिंग के दौरान23,24. सॉफ्टवेयर चौखटे के लिए प्रदर्शन और नियंत्रण है कि नेविगेशन अनुसंधान के लिए उपयोग किया जाता है की विविधता का समंवय करने की जरूरत है ।

वीआर और शारीरिक डेटा को शामिल करने वाला शोध डेटा प्राप्ति और सिंक्रनाइज़ेशन जैसी अतिरिक्त चुनौतियां बन जाता है. हालांकि, शारीरिक डेटा नेविगेशन क्षमता और स्थानिक व्यवहार के बीच संबंध मध्यस्थता कर सकते हैं कि स्पष्ट प्रक्रियाओं की जांच के लिए अनुमति देता है. दरअसल, तनाव और नेविगेशन के बीच संबंध का अध्ययन किया गया है डेस्कटॉप VR और विभिंन शारीरिक सेंसर का एक संयोजन (यानी, हृदय गति, रक्तचाप, त्वचा संचालन, लार कोर्टिसोल, और अल्फा-amylase)25 , 26 , 27 , 28. उदाहरण के लिए, वान Gerven और29 सहयोगियों नेविगेशन रणनीति और प्रदर्शन पर तनाव के प्रभाव की जांच एक मॉरिस पानी भूलभुलैया कार्य और कई शारीरिक उपायों के एक आभासी वास्तविकता संस्करण का उपयोग कर (जैसे, त्वचा कंडक्टर, हृदय गति, रक्तचाप) । उनके परिणामों से पता चला कि तनाव ऐतिहासिक उपयोग के संदर्भ में नेविगेशन रणनीति की भविष्यवाणी की (यानी, अहंकारपूर्ण बनाम allocentric) लेकिन नेविगेशन प्रदर्शन से संबंधित नहीं था । सामांय में, पिछले अध्ययनों से निष्कर्ष कुछ हद तक नेविगेशन प्रदर्शन और स्थानिक स्मृति पर तनाव के प्रभाव के बारे में असंगत हैं । इस पद्धति के तनाव से अलग करने के लिए कारण हो सकता है (जैसे, कोल्ड प्रेसर प्रक्रिया26, स्टार मिरर कार्य25अनुरेखण) से वास्तविक नेविगेशन कार्य, सरल भूलभुलैया की तरह आभासी वातावरण का उपयोग करें ( उदाहरणके लिए, आभासी मॉरिस पानी भूलभुलैया26, वर्चुअल रेडियल आर्म भूलभुलैया28), और methodological विवरण (जैसे, तनाव के प्रकार, शारीरिक डेटा के प्रकार) में अंतर । एकत्र शारीरिक डेटा के प्रारूप में अंतर भी इस तरह के अध्ययनों के कार्यांवयन और विश्लेषण के लिए समस्याग्रस्त किया जा सकता है ।

आभासी प्रयोगों (ईव) फ्रेमवर्क में प्रयोग, वीआर प्रयोगों के डिजाइन, कार्यांवयन, और विश्लेषण की सुविधा, विशेष रूप से उन अतिरिक्त परिधीय उपकरणों (जैसे, नेत्र ट्रैकर्स, शारीरिक उपकरणों) के साथ30। ईव रूपरेखा GitHub (https://cog-ethz.github.io/EVE/) पर एक खुला स्रोत परियोजना के रूप में आज़ादी से उपलब्ध है । इस ढांचे के लोकप्रिय एकता 3 डी खेल इंजन (https://unity3d.com/) और MySQL डाटाबेस प्रबंधन प्रणाली (https://www.mysql.com/) पर आधारित है । शोधकर्ता पूर्व और बाद में अध्ययन प्रश्नावली, किसी भी शारीरिक डेटा, नियंत्रण अंतरफलक के साथ प्रशिक्षण, मुख्य नेविगेशन कार्य के लिए आधारभूत माप सहित एक वीआर प्रयोग के विभिन्न चरणों को तैयार करने के लिए ईव फ्रेमवर्क का उपयोग कर सकते हैं, और नेविगेट की गई परिवेश की स्थानिक स्मृति के लिए परीक्षण (उदा., सापेक्ष दिशा का निर्णय). experimenter विभिन्न स्रोतों से और एकत्रीकरण के विभिन्न स्तरों (उदा., परीक्षण, ब्लॉक या सत्रों में) के डेटा के सिंक्रनाइज़ेशन को भी नियंत्रित कर सकते हैं. डेटा स्रोत हो सकता है भौतिक (यानी, उपयोगकर्ता से कनेक्ट; सामग्री की तालिकादेखें) या आभासी (यानी, भागीदार के अवतार और आभासी पर्यावरण के बीच बातचीत पर निर्भर) । उदाहरण के लिए, एक प्रयोग की आवश्यकता हो सकती है रिकॉर्डिंग दिल की दर और भागीदार से स्थिति/अभिविंयास जब कि भागीदार के अवतार आभासी पर्यावरण के एक विशेष क्षेत्र के माध्यम से ले जाता है । इस डेटा के सभी स्वचालित रूप से एक MySQL डाटाबेस में संग्रहीत और पुनरावृत्ति कार्यों और आर पैकेज evertools (https://github.com/cog-ethz/evertools/) के साथ मूल्यांकन किया है । Evertools डेटा के वितरण के लिए फ़ंक्शंस, आधारभूत वर्णनात्मक आंकड़े, और नैदानिक उपकरण निर्यात करता है ।

पूर्व संध्या रूपरेखा भौतिक बुनियादी सुविधाओं और वीआर सिस्टम की एक किस्म के साथ तैनात किया जा सकता है । वर्तमान प्रोटोकॉल में, हम ETH ज़्यूरिख़ पर NeuroLab में एक विशेष कार्यांवयन का वर्णन (चित्रा 1) । NeuroLab ईईजी प्रयोगों के संचालन के लिए एक अलग चैंबर युक्त 6 मीटर कमरे से एक 12 मीटर, वीआर सिस्टम युक्त कक्ष (२.६ एम एक्स २.० एम), और शारीरिक सेंसरों संलग्न के लिए एक पर्दा क्षेत्र है. VR प्रणाली एक ५५ "अल्ट्रा उच्च परिभाषा टेलीविजन प्रदर्शन, एक उच्च अंत गेमिंग कंप्यूटर, एक जॉयस्टिक नियंत्रण अंतरफलक, और कई शारीरिक सेंसर शामिल है ( सामग्री की तालिकादेखें) । निंनलिखित वर्गों में, हम पूर्व संध्या रूपरेखा और शारीरिक सेंसर का उपयोग कर NeuroLab में एक नेविगेशन प्रयोग आयोजित करने के लिए प्रोटोकॉल का वर्णन, तनाव और नेविगेशन पर एक अध्ययन से वर्तमान प्रतिनिधि परिणाम, और अवसरों पर चर्चा और इस प्रणाली के साथ जुड़े चुनौतियों ।

Subscription Required. Please recommend JoVE to your librarian.

Protocol

ETH ज़्यूरिख़ के एथिक्स कमीशन द्वारा अनुमोदित दिशानिर्देशों के अनुसार निम्नलिखित प्रोटोकॉल का आयोजन EK २०१३-N-७३ के प्रस्ताव के भाग के रूप में किया गया.

1. भर्ती और प्रतिभागियों को तैयार

  1. प्रतिभागी भर्ती प्रणाली या मेलिंग सूची (उदा., UAST; http://www.uast.uzh.ch/) का उपयोग करके प्रतिभागियों का चयन विशेष जनसांख्यिकी (उदा., आयु, लिंग, शैक्षिक पृष्ठभूमि) के साथ करें.
  2. ई-मेल द्वारा चयनित सहभागियों से संपर्क करें । इस ई-मेल में, सत्र के समय और आवश्यकताओं के प्रतिभागियों को याद दिलाएं । प्रतिभागियों को पता है कि वे एक ढीला-फिटिंग शीर्ष (रक्तचाप की निगरानी के लिए) पहनना चाहिए, प्रयोग से पहले 12 घंटे के लिए शराब से बचना, और कई अंय गतिविधियों से बचना (यानी, कैफीन, धूंरपान, भोजन, और व्यायाम) के लिए 3 ज प्रयोग करने से पहले ।

2. ईव का उपयोग कर प्रयोग और शारीरिक उपकरणों तैयार

  1. प्रत्येक प्रायोगिक सत्र से पहले, कंप्यूटर, प्रयोगकर्ता मॉनीटर और परीक्षण मॉनीटर प्रारंभ करें ।
  2. सुनिश्चित करें कि कमरे के पंखे, थर्मामीटर और आर्द्रता मॉनीटर पर हैं ।
  3. electrodermal गतिविधि को मापने मशीन पर स्विच (ीडा) और जी॰ (ईसीजी; जैसे, ADInstruments से PowerLab). सामग्री की तालिकादेखें ।
  4. ीडा/ईसीजी सॉफ्टवेयर खोलें (ईव वर्तमान में ADInstruments से Labchart का समर्थन करता है) और एक नई सेटिंग्स फ़ाइल बनाएँ । १,००० हर्ट्ज और चैनलों की उचित संख्या की एक नमूना दर का चयन करें (जैसे, ीडा के लिए एक और ईसीजी के लिए एक). इस सेटिंग्स फ़ाइल को सहेजें और प्रत्येक प्रायोगिक सत्र के लिए एक अलग नाम के साथ एक संस्करण फिर से सहेजें ।
  5. ीडा इलेक्ट्रोड के लिए, एक ओपन-सर्किट शून्य (यानी, कुछ भी करने के लिए संलग्न इलेक्ट्रोड के बिना) सिस्टम चालकता की एक आधारभूत माप प्राप्त करने के लिए प्रदर्शन.
  6. सुनिश्चित करें कि नियंत्रण इंटरफ़ेस (उदा., जॉयस्टिक) कंप्यूटर से कनेक्टेड है ।
  7. प्रयोगकर्ता मॉनीटर पर, प्रयोग के लिए निष्पादन योग्य एकता फ़ाइल खोलें ।
    1. पूर्व संध्या में "प्रयोग सेटिंग्स" मेनू खोलें, और प्रयोग पैरामीटर (उदा., प्रतिभागी आईडी नंबर, शारीरिक माप फ़ाइल, प्रायोगिक स्थिति, कमरे के तापमान और आर्द्रता) दर्ज करें ।
    2. क्लिक करें "प्रयोग शुरू" ।

3. प्रायोगिक प्रक्रिया

  1. परिचय और सहमति प्रक्रिया
    1. सहमत बैठक स्थान पर भागीदार उठाओ और प्रयोगशाला के लिए उसे गाइड/।
    2. इंगित करें कि सत्र में लगभग ९० मिनट लगेंगे और प्रतिभागी को उसकी घड़ी और/या मोबाइल फ़ोन को संग्रहीत करने के लिए कहेंगे ।
    3. प्रायोगिक कुर्सी पर बैठने के लिए प्रतिभागी से पूछें और तैयार मौखिक लिपि के अनुसार प्रयोगात्मक प्रक्रिया की व्याख्या करें ।
    4. प्रतिभागी को जानकारी पत्रक पढ़ने और सूचित सहमति फ़ॉर्म पर हस्ताक्षर करने के लिए कहें ।
  2. ीडा और ईसीजी सेंसर के कनेक्शन
    1. एक गीले ऊतक के साथ साबुन के बिना सूचकांक उंगली और गैर प्रमुख हाथ की अंगूठी उंगली साफ । सुनिश्चित करें कि वे शुष्क रहे है और औसत दर्जे का phalanges करने के लिए दो ीडा इलेक्ट्रोड कनेक्ट ।
    2. छाती पर त्वचा को साफ करे जहां ईसीजी इलेक्ट्रोड्स को गीले कपड़े से रखा जाएगा ।
    3. चित्र 2के अनुसार पसलियों के बीच प्रतिभागी के शरीर पर सफेद, काले और लाल इलेक्ट्रोड रखें । ऊपरी दाएँ पेट (उ०) पर सफेद इलेक्ट्रोड रखें, और ऊपरी बाएँ पेट पर काले इलेक्ट्रोड (UL). निचले बाएं पेट पर लाल इलेक्ट्रोड प्लेस (LL). सुनिश्चित करें कि तीन इलेक्ट्रोड सीधे एक रिब पर नहीं हैं ।
    4. प्रतिभागी के शरीर से जुड़ी इसी इलेक्ट्रोड को तीन रंग-कोडेड ईसीजी तारों से कनेक्ट करें ।
  3. पूर्व प्रयोग प्रश्नावली
    1. एक कुंजीपटल और एक माउस है कि प्रश्नावली का जवाब देने के लिए इस्तेमाल किया जाएगा के साथ भागीदार प्रदान (जैसे, जनसांख्यिकीय प्रश्न, लघु तनाव राज्य प्रश्नावली के पहले भाग, दिशा पैमाने के सांता बारबरा भावना), और उसे सूचित या उसके कि उनसे कंप्यूटर पर सवालों की एक श्रृंखला पूछी जाएगी ।
    2. प्रतिभागियों को सूचित करें कि वे किसी भी समय प्रश्नावली के संबंध में प्रयोगकर्ता प्रश्न पूछ सकते हैं ।
    3. कक्ष के दो पक्ष दीवारों को बंद करें जबकि प्रतिभागी प्रश्नावली को पूरा कर रहा है ।
  4. शारीरिक माप के लिए तैयारियां । प्रतिभागी प्रश्नावली को पूरा कर रहा है, जबकि इन चरणों का आयोजन किया जा सकता है ।
    1. प्रतिभागी को सूचित करें कि प्रयोगकर्ता अब शारीरिक उपकरणों को तैयार करेगा ।
    2. जांच करें कि इलेक्ट्रोड सही स्थानों के लिए संलग्न हैं ।
    3. गैर-प्रमुख हाथ करने के लिए रक्त दबाव कफ देते हैं ।
    4. रक्तचाप की सही माप के संबंध में प्रतिभागी को निर्देश प्रदान करें । हाथ और शरीर की गतिविधियों को कम करने के लिए प्रतिभागी बताओ, हृदय स्तर पर रक्तचाप कफ रखने के लिए, और फर्श पर फ्लैट उसके पैरों के साथ एक ईमानदार मुद्रा बनाए रखें ।
    5. उंगलियों पर इलेक्ट्रोड के लिए दो ीडा तारों से कनेक्ट करें.
    6. मॉनिटर के ऊपर लाइट बंद करें और सबसे कम सेटिंग के लिए अंय सभी ओवरहेड लाइटों को मंद कर दें ।
    7. भागीदार के लिए जॉयस्टिक को हाथ और सुनिश्चित करें कि माउस परीक्षण मॉनीटर की स्क्रीन बंद है ।
    8. ीडा चैनल शूंय त्वचा कंडक्टर के एक व्यक्ति के शुरू स्तर का एक उपाय प्राप्त करने के लिए ।
    9. ीडा/ईसीजी सॉफ्टवेयर में, "जैव Amp" संवाद बॉक्स खोलें । संकेत रेंज जिसमें दिल को हरा संकेत पूर्वावलोकन खिड़की के एक तिहाई के आसपास शामिल है चुनें (ज्यादातर मामलों में 5 एमवी) ।
    10. ीडा/ईसीजी सॉफ्टवेयर के साथ रिकॉर्डिंग शुरू, और जांच करें कि क्या एक संकेत ीडा/ईसीजी सॉफ्टवेयर विंडो में experimenter मॉनिटर पर दिखाई दे रहा है ।
    11. ब्लड प्रेशर मशीन में उपयुक्त बटन दबाकर रक्तचाप की रिकॉर्डिंग शुरू करें ।
    12. खुला एकता कार्यक्रम के लिए स्विच, और प्रेस "शुरू माप". कोई निर्धारण क्रॉस दिखाई देना चाहिए ।
  5. जॉयस्टिक प्रशिक्षण और आधारभूत वीडियो
    1. प्रतिभागी को देखने और प्रशिक्षण वीडियो कि उसे या उसके कैसे जॉयस्टिक का उपयोग करने के लिए निर्देश का पालन करने के लिए पूछो ।
    2. जॉयस्टिक का उपयोग कर अभ्यास करने के लिए प्रतिभागियों को प्रशिक्षण भूलभुलैया को पूरा करने के लिए कहें । इस प्रशिक्षण भूलभुलैया में, प्रतिभागियों एक मार्ग का संकेत है कि तीर का पालन करें और अस्थायी जवाहरात इकट्ठा करने के लिए निर्देश दिया जाता है ।
    3. यदि प्रयोग में ध्वनि शामिल है, तो प्रतिभागी के सिर पर हेडफोन लगाएं ।
    4. ले जाने के बिना आधारभूत प्रकृति वीडियो देखने के लिए प्रतिभागी से पूछो । इस वीडियो का उपयोग अनुवर्ती विश्लेषण के दौरान प्रतिभागी के शारीरिक डेटा की आधारभूत माप के लिए खाते के लिए किया जाता है.
  6. नेविगेशन कार्य
    1. सुनिश्चित करें कि सहभागियों ने पूर्ण नेविगेशन कार्य के संबंध में निर्देशों को पढ़ा है । इस रूप में पूछें कि क्या प्रतिभागी के पास नेविगेशन कार्य शुरू होने से पहले कोई प्रश्न हैं । प्रतिभागी को बताएँ कि उन्हें नेविगेशन कार्य के दौरान प्रश्न नहीं पूछना चाहिए.
    2. जब वह नेविगेशन कार्य शुरू करने के लिए तैयार है, तो प्रतिभागी को जॉयस्टिक पर ट्रिगर दबाने के लिए कहें ।
  7. अंतिम शारीरिक उपायों और शारीरिक सेंसर की टुकड़ी
    1. रुको जब तक प्रणाली अंतिम रक्तचाप माप पूरा हो गया है ।
    2. ीडा/ईसीजी सॉफ्टवेयर में stop बटन दबाकर ीडा और ईसीजी रिकॉर्डिंग रोकें ।
    3. ब्लड प्रेशर कफ को दूर करे ।
    4. प्रतिभागी से ीडा इलेक्ट्रोड निकालें ।
    5. प्रयोग के अंत तक ईसीजी इलेक्ट्रोड नहीं निकालने के लिए प्रतिभागियों से पूछें.
    6. जॉयस्टिक और headphones निकालें ।
  8. पोस्ट-प्रयोग प्रश्नावली
    1. एक कुंजीपटल और पोस्ट प्रयोग प्रश्नावली के लिए एक माउस के साथ भागीदार प्रदान (उदाहरणके लिए, लघु तनाव राज्य प्रश्नावली के दूसरे भाग, आत्म आकलन पुतला, सिंयुलेटर बीमारी प्रश्नावली) ।
    2. प्रतिभागियों को सूचित करें कि वे कंप्यूटर पर प्रश्नों की एक और श्रृंखला कहा जाएगा और वह अगर आवश्यक सवाल पूछ सकते हैं ।
  9. प्रायोगिक सत्र का समापन
    1. प्रतिभागी को सूचित करें कि प्रायोगिक भाग अब समाप्त हो गया है । उसे या उसके प्रयोग में भाग लेने के लिए धंयवाद ।
    2. प्रतिभागी को बताएँ कि वह ईसीजी इलेक्ट्रोड को अब निकाल सकता है.
    3. प्रतिभागियों का भुगतान और उंहें पूछने के लिए मुद्रित रसीद पर हस्ताक्षर ।
    4. पूछो अगर भागीदार किसी भी प्रयोग के प्रयोजन के बारे में सवाल है, और उसे या उसके प्रयोगात्मक कक्ष के बाहर अनुरक्षण ।

4. प्रत्येक प्रयोगात्मक सत्र के बाद

  1. पूर्व संध्या में "मूल्यांकन" मेनू खोलें ताकि प्रयोग निदान (जैसे, पुनरावृत्ति पथ) का संचालन करने के लिए, और ीडा/ईसीजी सॉफ्टवेयर में शारीरिक माप फ़ाइलों को बचाने के लिए ।
  2. पूर्व संध्या में "मूल्यांकन" मेनू में, शारीरिक माप फ़ाइलों में घटनाओं को चिह्नित करने के लिए "घटना मार्कर जोड़ें" बटन दबाएँ. यह कदम विशेष प्रयोगात्मक चरणों के संदर्भ में शारीरिक डेटा के विश्लेषण के लिए महत्वपूर्ण है ।
  3. ीडा/ईसीजी फ़ाइल ीडा/ईसीजी सॉफ्टवेयर में शारीरिक माप फ़ाइल में सहेजें ।
  4. evertools पैकेज का उपयोग कर बैकअप के लिए प्रयोगात्मक डेटा निर्यात करें ।
  5. ीडा/ईसीजी मशीन बंद स्विच और अल्कोहल पैड के साथ ीडा इलेक्ट्रोड साफ ।
  6. मार्क ने प्रतिभागी भर्ती प्रणाली में दिखाया ।

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

NeuroLab में प्रत्येक भागीदार से, हम आम तौर पर शारीरिक डेटा (जैसे, ईसीजी), प्रश्नावली डेटा (उदाहरण केलिए, दिशा स्केल या31SBSOD के सांता बारबरा भावना), और नेविगेशन डेटा (जैसे, रास्तों के माध्यम से इकट्ठा आभासी पर्यावरण) । उदाहरण के लिए, हृदय की दर में परिवर्तन (ईसीजी डेटा से व्युत्पंन) अन्य शारीरिक३२ और आत्म रिपोर्ट उपायों३३के साथ संयोजन में तनाव राज्यों में परिवर्तन के साथ संबद्ध किया गया है । हमारी प्रणाली प्रश्नावली के विभिंन प्रकार के लिए अनुमति देता है इस तरह के लघु तनाव राज्य प्रश्नावली३४ और SBSOD31 के रूप में प्रस्तुत किया जाएगा । SBSOD स्थानिक क्षमता है कि अक्सर वास्तविक और आभासी, बड़े पैमाने पर, वातावरण३५में नेविगेशन व्यवहार के साथ संबद्ध है की एक आत्म रिपोर्ट उपाय है । इसके अलावा, नेविगेशन डेटा अलग तनावपूर्ण संदर्भों३६में प्रतिभागियों के स्थानिक निर्णय लेने (उदाहरणके लिए, संकोच, नेविगेशन दक्षता) अनुमान लगाने के लिए इस्तेमाल किया जा सकता है ।

एक प्रतिनिधि अध्ययन नेविगेशन के दौरान स्थानिक ज्ञान के अधिग्रहण पर तनाव के प्रभाव की जांच की । हम परीक्षण ६० प्रतिभागियों (29 महिलाओं और 31 पुरुषों; मतलब उंर = २३.३) व्यक्तिगत रूप से एक ९० मिनट के दौरान सत्र । प्रत्येक सत्र के नेविगेशन कार्य के दौरान, प्रतिभागियों को दो समूहों में से एक में रखा गया था (यानी, तनाव और कोई तनाव) और तीन सीखने और परीक्षण के चरणों को पूरा करते हुए ीडा और ईसीजी डेटा लगातार दर्ज किया गया । सीखने के चरणों में एक नक्शा है कि जॉयस्टिक पर एक बटन का उपयोग कर ट्रिगर किया जा सकता है की सहायता से चार स्थानों (चित्रा 3) का एक सेट खोजने शामिल थे । एक टाइमर दृश्यमान के साथ एक विशेष क्रम में इन स्थानों में से प्रत्येक के लिए नेविगेट शामिल परीक्षण चरणों. केवल तनाव समूह के लिए, प्रतिभागियों को भी इन स्थानों को खोजने के लिए आवश्यक समय की राशि के लिए पैसों दंडित किया गया । यह मौद्रिक दबाव वर्तमान अध्ययन में तनाव का ही हेरफेर था ।

के रूप में भविष्यवाणी की, इस प्रयोग से शारीरिक डेटा हृदय गति के मामले में कोई तनाव समूह की तुलना में तनाव समूह के लिए उच्च कामोत्तेजना संकेत दिया, t (58) = २.१४, se = १.०३, p = .04, लेकिन ीडा के संदर्भ में नहीं, t (58) =-०.६८, se = ०.०२, p =. ५० (चित्रा 4). इसके अलावा, SBSOD स्कोर और सीखने के चरण के दौरान चार लक्ष्य स्थानों को खोजने के लिए आवश्यक समय के बीच एक नकारात्मक संबंध था, आर (58) =-०.४०, पी = .002, लेकिन नहीं परीक्षण चरण में, r (58) =-०.२५, p =. ०५७. visualized पथ के अनुसार, तनाव समूह में प्रतिभागियों को आभासी वातावरण में वितरित कम हो दिखाई दिया । साथ में, इन परिणामों का सुझाव है कि उच्च कामोत्तेजना और स्थानिक क्षमता अधिक कुशल नेविगेशन व्यवहार करने के लिए संबंधित हो सकता है ।

Figure 1
चित्रा 1 : ETH ज़्यूरिख़ पर NeuroLab की तस्वीरें । (क) परीक्षण के दौरान प्रयोगकर्ता और भागीदार का दृश्य. प्रयोगकर्ता वास्तविक समय में भागीदार की प्रगति की निगरानी कर सकता है । (ख) जबकि शारीरिक डेटा एकत्र की है आभासी पर्यावरण के माध्यम से नेविगेट भागीदार के Closeup दृश्य । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Figure 2
चित्रा 2 : तीन ईसीजी इलेक्ट्रोड के स्थान का प्रतिनिधित्व आरेख. इस आंकड़े को संशोधित किया गया है फार्म फोम (मुक्त खुला उपयोग Meducation)३७जो एक क्रिएटिव कॉमंस रोपण के अंतर्गत लाइसेंस प्राप्त है-रै-ShareAlike ४.० अंतरराष्ट्रीय लाइसेंस । एक 3-इलेक्ट्रोड प्रणाली के लिए आवश्यक इलेक्ट्रोड को हाइलाइट करने के लिए छवि परिवर्तित किया गया है । इन इलेक्ट्रोड ऊपरी दाएँ पेट (उ०) पर पसलियों के बीच रखा जाना चाहिए, ऊपरी बाएँ पेट (उल) और निचले बाएँ पेट (LL) कृपया यहाँ क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए.

Figure 3
चित्रा 3 : NeuroLab में एक नेविगेशन प्रयोग से स्क्रीनशॉट । (क) जॉयस्टिक प्रशिक्षण वीडियो से स्क्रीनशॉट । प्रतिभागियों को शीर्ष दाएं कोने में वीडियो से जॉयस्टिक की गतिविधियों को पुन: पेश करने के लिए कहा गया था । (ख) जॉयस्टिक प्रशिक्षण भूलभुलैया से स्क्रीनशॉट । प्रतिभागियों फ्लोटिंग तीर का पालन और जवाहरात का संग्रह करके एक भूलभुलैया के माध्यम से चले गए । (ग) नेविगेशन कार्य के सीखने के चरण से स्क्रीनशॉट । प्रतिभागियों आभासी पर्यावरण का एक नक्शा कॉल करने के क्रम में जॉयस्टिक पर ट्रिगर प्रेस सकता है । लक्ष्य स्थानों की एक सूची स्क्रीन के दाईं ओर प्रदर्शित किया गया था । (घ) नेविगेशन कार्य के परीक्षण चरण से स्क्रीनशॉट. प्रतिभागियों को एक विशेष क्रम में एक ही स्थान खोजने के लिए कहा गया जबकि एक चलती घड़ी और चलती इनाम दिखाई दे रहे थे । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Figure 4
चित्र 4 : NeuroLab में एक नेविगेशन प्रयोग से प्रतिनिधि परिणाम शारीरिक उपकरणों और ईव फ्रेमवर्क का उपयोग कर । (a) समूह के बीच संबंध का प्रतिनिधित्व करने वाला एक ग्राफ़ (aquamarine में तनाव समूह और सामन गुलाबी में नियंत्रण समूह) और मतलब दिल की दर (आधारभूत मूल्यों३८के लिए सुधार के बाद) । मतलब दिल की दर नियंत्रण समूह से तनाव समूह के लिए काफी अधिक है । (ख) एक तितर बितर साजिश SBSOD स्कोर और समय के बीच संबंध का प्रतिनिधित्व सीखने बिताया (काले में) और परीक्षण (ग्रे में) । वहां SBSOD स्कोर और समय के बीच एक महत्वपूर्ण नकारात्मक संबंध सीखने बिताया है और समय के लिए एक समान प्रवृत्ति परीक्षण बिताया । (ग) तनाव (aquamarine) और नियंत्रण (सामन गुलाबी) समूहों से एकत्रित पथ डेटा प्रदर्शित करता है कि आभासी पर्यावरण का एक नक्शा. गहरे रंग इंगित करता है कि मार्ग के साथ लिया रास्तों की एक उच्च अनुपात एक विशेष समूह से हैं । खाली क्षेत्रों के लिए, उठाए गए रास्तों का अनुपात दो समूहों के लिए समान था । लक्ष्य स्थान भी काले डॉट्स के साथ चिह्नित कर रहे हैं । दिखाए गए के रूप में, तनाव समूह नियंत्रण समूह से अधिक प्रत्यक्ष पथ लक्ष्य स्थानों के बीच ले जाने के लिए अधिक संभावना थी । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Subscription Required. Please recommend JoVE to your librarian.

Discussion

वर्तमान समाचार पत्र में, हमने पूर्व संध्या फ़्रेमवर्क का उपयोग करके शारीरिक उपकरणों के साथ वीआर में प्रयोगों को संचालित करने के लिए एक प्रोटोकॉल बताया । अतिरिक्त हार्डवेयर विचार (उदा., शारीरिक उपकरण और अंय बाह्य उपकरणों), वीआर का उपयोग करके शारीरिक डेटा एकत्रित करने के लिए प्रारंभिक चरण, और डेटा प्रबंधन आवश्यकताओं के कारण इस प्रकार के प्रयोग अद्वितीय हैं । वर्तमान प्रोटोकॉल उन प्रयोगों के लिए आवश्यक कदम प्रदान करता है जो एक साथ कई बाह्य उपकरणों से डेटा एकत्रित करना चाहते हैं । उदाहरण के लिए, शारीरिक उपकरणों के उपयोग की सफाई और प्रतिभागी के शरीर पर विशिष्ट स्थानों के लिए इलेक्ट्रोड संलग्न की आवश्यकता है (जैसे, छाती और उंगलियों) इस तरह के रूप में अन्य बाह्य उपकरणों के साथ हस्तक्षेप नहीं करने के लिए (जैसे, जॉयस्टिक) । इस तरह के कदम के समय शारीरिक संकेतों में संभावित बहाव और जो भीतर डेटा विश्वसनीय है उपयुक्त खिड़की के लिए खाते चाहिए । समय के प्रयोगकर्ता के विचार प्रत्येक प्रायोगिक सत्र के भीतर भी तैयारी के चरणों के लिए महत्वपूर्ण है । उदाहरण के लिए, प्रतिभागियों को शारीरिक जेट में व्यक्तिगत अंतर के लिए खाते के लिए, साथ ही साथ नियंत्रण इंटरफ़ेस के लिए आदेश में एक आधारभूत चरण (उदा., प्रकृति वीडियो देखना) को पूरा करना होगा प्रयोगकर्ता अपने स्थानिक निर्णय से पैंतरेबाज़ी करने के लिए अपनी क्षमता को विफंसाए करने के लिए वीआर16,17में कर रहे हैं. इसके अलावा, डेटा स्रोतों की संख्या के साथ जटिलता में इन डेटा वृद्धि का सिंक्रनाइज़ेशन और संग्रहण । पूर्व संध्या रूपरेखा वर्तमान प्रोटोकॉल में वर्णित VR में कई डेटा स्रोतों के साथ अध्ययन के लिए एक समाधान प्रदान करता है । इसके अलावा, ईव फ्रेमवर्क के लचीलेपन के शोधकर्ताओं ने अपने शोध के सवालों के अनुसार प्रयोगात्मक डिजाइन को संशोधित करने और नेत्र ट्रैकर्स और electroencephalography के रूप में नए बाह्य उपकरणों को जोड़ने के लिए अनुमति देता है ।

हालांकि, इस दृष्टिकोण के लिए कुछ सीमाएं हैं । सबसे पहले, ईव फ्रेमवर्क के साथ काम कंप्यूटर विज्ञान और बुनियादी प्रोग्रामिंग कौशल के कुछ ज्ञान की आवश्यकता है । दूसरा, शारीरिक डेटा की व्याख्या अनुभवजंय अनुसंधान की एक लंबी परंपरा है कि डिजाइन और अध्ययन के इन प्रकार के विश्लेषण के दौरान विचार किया जाना चाहिए पर आधारित है । इस साहित्य का ज्ञान है कि शारीरिक डेटा आसानी से गलत व्याख्या की जा सकती है (जैसे, भ्रामक तनाव और कामोत्तेजना) दिया महत्वपूर्ण है । तीसरा, VR में कई प्रयोगों आभासी पर्यावरण और नियंत्रण अंतरफलक के संबंध में बाहरी वैधता के बारे में आलोचनाओं के लिए अतिसंवेदनशील होते हैं । उदाहरण के लिए, डेस्कटॉप VR अक्सर handheld जॉयस्टिक्स कार्यरत है और चलने के दौरान यथार्थवादी proprioceptive प्रतिक्रिया प्रदान नहीं करता है । वास्तविक वातावरण में अध्ययन की तुलना में, आभासी वातावरण proprioceptive राय के बिना (शारीरिक रूप से मोड़ के बिना)४०दूरी३९ और स्थानिक अद्यतन करने में कम परिशुद्धता के आकलन करने के लिए नेतृत्व करते हैं । हालांकि, दूरी आकलन और VR में बारी धारणा स्पष्ट दृश्य प्रतिक्रिया४१,४२के साथ सुधार किया जा सकता है ।

पिछले अनुसंधान प्रदर्शन किया है कि VR में प्रयोगों अभी भी यथार्थवादी स्थानिक18,३९ और सामाजिक३६,४३,४४ व्यवहार प्रतिलिपि कर सकते हैं । इसके अलावा, वीआर अधिक से अधिक प्रायोगिक नियंत्रण और व्यवस्थित विविधताओं के लिए अनुमति देता है, जो वास्तविक-विश्व परिदृश्यों४५में कठिन होगा । पूर्व संध्या के रूप में चौखटे भी एक अनुसंधान reproducing और पिछले काम का विस्तार के लिए अवसर प्रदान करके वीआर का उपयोग कर कार्यक्रम के विकास की सुविधा कर सकते हैं । उदाहरण के लिए, शोधकर्ताओं थोड़ा अतिरिक्त प्रश्नावली या एक अलग परीक्षण संरचना शामिल करने के लिए एक मौजूदा प्रयोग को संशोधित कर सकते हैं । ईव फ्रेमवर्क के कुछ अतिरिक्त लाभ कुशल डेटा प्रबंधन, ऑनलाइन ट्यूटोरियल की उपलब्धता, और दूसरों के लिए क्षमता के विकास के लिए योगदान कर रहे हैं । दरअसल, ईव फ्रेमवर्क एक खुला स्रोत परियोजना है कि सहयोग को प्रोत्साहित के रूप में मुक्त करने के लिए उपलब्ध है ।

इस प्रयोगशाला में चल रहे अध्ययनों से विभिन्न सामाजिक पृष्ठभूमि और शारीरिक पर भीड़भाड़ वाले वातावरण के प्रभाव की धारणा और शारीरिक प्रतिक्रियाओं पर पर्यावरणीय सुविधाओं के प्रभाव की जांच कर रहे हैं एक आभासी भीड़ में डूबे प्रतिभागियों की प्रतिक्रियाएं । भविष्य में, इस प्रोटोकॉल बहु प्रयोक्ता शामिल कर सकते हैं, प्रौद्योगिकी है कि विभिंन भौतिक स्थानों पर प्रतिभागियों वस्तुतः बातचीत करने की अनुमति होगी । अंत में, ईव फ्रेमवर्क वर्तमान में सरल निदान और स्थानिक डेटा के दृश्य से परे डेटा विश्लेषण संकुल को शामिल करने के लिए विस्तारित किया जा रहा है ।

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

लेखकों का खुलासा करने के लिए कुछ नहीं है ।

Acknowledgments

आभासी माहौल कृपया विज़ खेल (http://www.vis-games.de) द्वारा प्रदान की गई आभासी वास्तविकता में अनुसंधान आचरण ।

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

DOWNLOAD MATERIALS LIST

References

  1. Gallistel, C. R. The Organization of Learning. , MIT Press. Cambridge, MA. (1990).
  2. Waller, D., Nadel, L. Handbook of Spatial Cognition. , American Psychological Association. Washington D.C. (2013).
  3. Denis, M. Space and Spatial Cognition: A Multidisciplinary Perspective. , Routledge. Abingdon, Oxon. (2017).
  4. 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).
  5. O'Keefe, J., Nadel, L. The Hippocampus as a Cognitive Map. , Clarendon Press. Oxford. (1978).
  6. Kuipers, B. J. Modelling spatial knowledge. Cognitive Science. 2, 129-153 (1978).
  7. Heppenstall, A. J., Crooks, A. T., See, L. M., Batty, M. Agent-Based Models of Geographical Systems. , Springer. Netherlands. Dordrecht. (2012).
  8. 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).
  9. 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).
  10. 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).
  11. Nilsson, N., et al. 15 Years of Research on Redirected Walking in Immersive Virtual Environments. IEEE Computer Graphics and Applications. , 1-19 (2018).
  12. Razzaque, S., Kohn, Z., Whitton, M. C. Redirected walking. Proceedings of EUROGRAPHICS. , 105-106 (2001).
  13. 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).
  14. 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).
  15. Razzaque, S., Swapp, D., Slater, M., Whitton, M. C., Steed, A. Redirected walking in place. Eurographics workshop on virtual environments. , 123-130 (2002).
  16. 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).
  17. 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).
  18. 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).
  19. 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).
  20. 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).
  21. Maguire, E. A., Nannery, R., Spiers, H. J. Navigation around London by a taxi driver with bilateral hippocampal lesions. Brain. 129, 2894-2907 (2006).
  22. 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).
  23. 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).
  24. 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).
  25. Richardson, A. E., VanderKaay Tomasulo, M. M. Influence of acute stress on spatial tasks in humans. Physiology & Behavior. 103 (5), 459-466 (2011).
  26. 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).
  27. 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).
  28. 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).
  29. 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).
  30. 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).
  31. 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).
  32. Ziegler, M. G. Psychological Stress and the Autonomic Nervous System. Primer on the Autonomic Nervous System. , 189-190 (2004).
  33. 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).
  34. 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).
  35. Wolbers, T., Hegarty, M. What determines our navigational abilities. Trends in Cognitive Sciences. 14 (3), 138-146 (2010).
  36. Moussaïd, M., et al. Crowd behaviour during high-stress evacuations in an immersive virtual environment. Journal of The Royal Society Interface. 13 (122), (2016).
  37. Cadogan, M. Lead positioning. , Available from: https://lifeinthefastlane.com/ecg-library/basics/lead-positioning/ (2017).
  38. Wilder, J. The law of initial value in neurology and psychiatry. The Journal of Nervous and Mental Disease. 125 (1), 73-86 (1957).
  39. Loomis, J., Knapp, J. Visual Perception of Egocentric Distance in Real and Virtual Environments. Virtual and Adaptive Environments. , 21-46 (2003).
  40. Richardson, A. R., Waller, D. The effect of feedback training on distance estimation in virtual environments. Applied Cognitive Psychology. 19 (8), 1089-1108 (2005).
  41. 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).
  42. 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).
  43. Thrash, T., et al. Evaluation of control interfaces for desktop virtual environments. Presence. 24 (4), (2015).
  44. Kinateder, M., Warren, W. H. Social Influence on Evacuation Behavior in Real and Virtual Environments. Frontiers in Robotics and AI. 3, 43 (2016).
  45. 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).

Tags

व्यवहार मुद्दा १३८ संज्ञानात्मक विज्ञान आभासी वास्तविकता आभासी वातावरण शारीरिक सेंसर स्थानिक अनुभूति नेविगेशन
शारीरिक उपायों के साथ आभासी वास्तविकता प्रयोगों
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Weibel, R. P., Grübel, J.,… More

Weibel, R. P., Grübel, J., Zhao, H., Thrash, T., Meloni, D., Hölscher, C., Schinazi, V. R. Virtual Reality Experiments with Physiological Measures. J. Vis. Exp. (138), e58318, doi:10.3791/58318 (2018).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter