Summary
开发了一个实验设计，以调查考试经验的实时影响，以评估学生在高等教育环境和任务中经历的情感现实。这种设计是跨学科（如教育心理学、生物学、生理学、工程学）和多模态（如唾液标记、调查、电极传感器）方法的结果。
Abstract
近十年来，对学生在教育环境中情绪的研究有所增加。尽管研究人员呼吁进行更多的依赖客观情绪体验测量的研究，但使用多模态数据源存在限制。课堂上情绪和情绪调节的研究传统上依赖于调查工具、经验采样、文物、访谈或观察程序。这些方法虽然有价值，但主要取决于参与者或观察者的主观性，并且在真实地衡量学生对课堂活动或任务的实时表现时受到限制。后者尤其给许多学者造成绊脚石，他们试图客观地测量课堂上实时的情绪和其他相关措施。
这项工作的目的是提出一个协议，以实验研究学生在真实评估情况下对考试体验的实时响应。为此，一组教育心理学家、工程师和工程教育研究人员设计了一个实验协议，保留了精确生理传感器测量所需的限制、唾液收集最佳实践以及真实的测试环境。特别是，依赖生理传感器的现有研究是在与教育环境（例如，Trier 压力测试）脱节、及时分离（例如任务之前或之后）或引入分析误差的实验环境中进行的（例如，在学生可能移动的环境中使用传感器）。这限制了我们对学生对课堂活动和任务的实时响应的理解。此外，最近的研究要求围绕征聘、可复制性、有效性、设置、数据清理、初步分析和特定情况（例如，在实验中增加一个变量）等问题，应更多地加以考虑。设计）在学术情感研究，依赖于多模式方法。
Introduction
心理学家早就明白了人类情绪在阐明其行为时的重要性。在教育研究中，学术成就情感（AEE）已成为情感研究的重点。使用AAE的研究人员认为，在检查学生的情绪时，学生所处的情境环境很重要。学生可能会经历与测试相关的、与班级相关的或学习相关的情绪，这些情绪涉及多组成部分的过程，包括情感、生理、动机和认知因素。AEE 以两种形式表示：价（正/负）和激活（聚焦/无聚焦能量）。积极激活情绪，如享受，可能会增加反思过程，如元认知，而积极停用情绪，如骄傲可能会导致低水平的认知处理。消极的激活情绪，如愤怒和焦虑，可能会激发参与，而消极的停用情绪，如绝望可能抑制动机3，4，5。学术情感有助于我们如何学习，感知，决定，回应和解决问题2。为了调节学术情绪，个人必须拥有自我效能（SE）6，7，8，这是他们对自己控制动机、行为和社会环境的能力的信心6.自我效能感与学术情绪是相互关联的，自我效能低下与消极的失活情绪（如焦虑、愤怒、无聊）有关，而更高的自我效能与积极激活情绪（如快乐、希望、兴奋）6，7，8。SE也被认为与性能6，7，8密切相关。
研究研究课堂情绪依赖于自我报告，观察，访谈和文物（例如，考试，项目）9，10。尽管这些方法提供了有关学生课堂体验的丰富上下文信息，但它们有重大局限性。例如，访谈、观察和自我报告依赖于个人的自省10。其他方法则试图比以前的研究人员更近地研究学术情绪，例如那些基于经验抽样的方法，研究人员要求学生在11日上学期间报告自己的情绪。虽然这项研究允许我们更准确地报告学生的情绪，但这项工作依赖于自我报告方法，并且不允许实时报告，因为学生必须暂停考试工作，以解决经验调查问题。
最近，研究人员开始解决对自我报告措施的担忧，使用生物或生理测量的情绪9，结合其他仪器或技术，如调查，观察，或访谈，包括一种多模式的数据收集形式，用于教育和心理学研究12。例如，生物技术，包括唾液生物标志物，正被用来理解生物过程对认知、情感、学习和表现的作用13，14，15。对于认知过程，雄激素（例如，睾丸激素）与成人和儿童16、17的不同空间识别模式有关，而下丘脑-垂体-腺皮质激素（如皮质醇）和肾上腺素激素（例如，唾液β-淀粉酶或sAA）与个体间的应激反应有关18、19、20。
电极活动 （EDA） 代表自主神经系统 （ANS） 激活的生理测量，与系统激活、认知负荷或强烈的情绪反应增加有关21，22 ， 23.在考试活动中，EDA 受身体流动性21、22、身体和环境温度24、25、26、27 和语言影响。想法28，以及模拟数字电极与皮肤29的灵敏度和连接程度。
虽然这些是使用 EDA 的局限性，但此技术仍然可以提供宝贵的见解，了解近实时检查中发生的情况，并可作为探索 AEE 和程度自我效能的有前途的工具。因此，可以通过综合调查方法，确定情绪的价位，以及生理和生物数据，以测量情绪的激活，从而获得学生的AEE的准确图像。本文件以先前关于检查活动30的出版物为基础，并扩大了这项工作的范围，在检查方案中包括多模式方法（使用经验抽样调查、EDA传感器和唾液生物标志物）。必须指出，下面描述的协议允许在单个实验环境中同时收集多个参与者数据。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
机构审查委员会（IRB）在犹他州立大学对人类主题的研究和这些结构的使用进行了一般性审查，批准了程序。典型结果包括两个学期的工程静态课程，每个学期的实验设置略有不同，在美国的一所西方高等教育机构。实践考试的内容与实际考试平行，由课程讲师开发并用于我们的学习。请注意，下面概述的协议描述了并发步骤，有些步骤可能会重叠。
1. 实验设计与纪律实践整合的考虑
当研究人员考虑这种性质的实验设计时，学科知识和方法必须以补充和维持主要研究目标的方式整合。随着新仪器和方法的加入，还需要额外的验证注意事项。在这项工作中，我们将探索一个实验研究，其中测量和电极传感器用于一个学期（实验设计A），唾液生物标志物收集（即皮质醇和sAA）被添加到下一个学期（实验设计 B）。以下是两种设置的注意事项：
- 带测量和电极传感器的实验设计
- 电极传感器是敏感的。如果意外激活，参与者的启动响应可能会在 EDA 响应中产生显著的峰值。在考虑多个参与者进行数据收集时，这一点尤其重要，他们的行动可能会增强这些启动响应。因此，请务必仔细设置工作区，以尽量减少尽可能多的干扰。如图1所示，如果探索个人或团体的考试经验，则包括测试盾牌。
注：为了提高测试环境的生态有效性，计划提供学生在实际考试中将使用的任何材料（例如，工作簿、方程式表），以便学员能够思考和找出任何需要的考试问题 - 电极传感器每 1/4 秒提供一次信号。为了允许定义和研究事件，请实施一个计划来收集任务开始的精确度量。当时间同步电极传感器与调查时，确保使用计算机的内部时钟建立数据收集时间（参见图 1） 将调查问题的表示同步到电极传感器。如果使用任何支持蓝牙的电极传感器（例如，参见材料表），在格林威治子午线时间 （GMT） 中同步时间，以考虑数据收集过程中时区更改和夏令时时差30。
注：如果使用 Web 服务器来演示刺激（例如，测试问题、调查项目等），请确保在服务器和计算机内部时钟之间对齐时间，因为这些时钟通常不同步。请注意，可能需要将跨平台 Web 服务器（例如 XAMPP 或其他 Apache 服务器）预安装到用于研究的每台计算机上。如果打算同步 Web 摄像机进行视频录制，请考虑使用安全软件，该软件允许录制视频的日期、时间、小时、分钟、秒和毫秒（例如 01/01/2000 04：01：02：05）。请注意，此视频还必须与计算机的内部时钟和其他设备（例如 EDA 传感器）同步。如果需要，设置网络摄像机以不同角度测量参与者的面部。我们建议，对于正面网络摄像机，视频与工作站表面平行放置，向下的 Web 摄像机将视频定位在从工作站表面到参与者面部的 30° 到 45°。 - 将电极传感器放在参与者的非主导手上，以尽量减少数据采集过程中因移动或电极接触误差引起的任何噪音，如先前协议30中的建议。如果研究人员希望尽量减少由于运动而在EDA中的伪影，一种选择是在一个对参与者感到舒适的位置包括手腕凝胶垫，同时允许他们休息其非主导手。
注：必须标准化笔记本电脑、凝胶垫、传感器、考试表和其他元素的位置，以确保在考试条件和学期之间可重复性。如图1所示，画家的磁带用于将实验设置的每个项目（如笔记本电脑、考试表、照相机）集中到参与者和数据收集的学期中。 - 对于电极传感器读数，建立一个周期，在此期间，参与者已经达到一个宽松的状态，以建立基线EDA数据31。为此，请指示考试开始时的参与者盯着测试盾牌的时间（+5~15 分钟），或者将此提示编程到笔记本电脑中，作为时间戳程序的一部分。完成此期间后，学员可以开始进行任何相关的调查和考试问题。同样，在考试体验结束时分配一个放松期。
- 电极传感器是敏感的。如果意外激活，参与者的启动响应可能会在 EDA 响应中产生显著的峰值。在考虑多个参与者进行数据收集时，这一点尤其重要，他们的行动可能会增强这些启动响应。因此，请务必仔细设置工作区，以尽量减少尽可能多的干扰。如图1所示，如果探索个人或团体的考试经验，则包括测试盾牌。
- 带有测量、电极传感器和唾液生物标志物的实验设计
- 当将电极传感器与调查和唾液生物标志物集成时，确保尽可能将干扰降至最低。作为一种策略，创建一个培训视频，帮助学员了解如何根据制造规范（参见材料表）在考试的设定时间内提供唾液样本，以尽量减少来自研究者。
注：在这项研究中，研究人员对在四个时间点收集唾液感兴趣：开始、中间、结束和考试后。然而，研究人员可以选择他们认为适合他们研究的其他时间。此外，我们使用拭子收集方法32，而不是其被动流口水法33，以方便使用和更快的样品收集时间。此外，我们选择了皮质醇34和sAA35试剂盒（见材料表），并遵循制造商的规格进行加工。然而，如果你的小组没有生物实验室进行这些形式的测试，其他提供者也许能够分析样品32，36。 - 采集唾液样本时，使用干冰冷却器，内部温度为-20°C;这将防止皮质醇样品的酶的室温降解34。如果收集唾液α-淀粉酶，其稳定性要长得多（在室温下5天，允许5个冷冻解冻周期35）。如果收集两者，如本研究的情况，遵循必要的准则，以存储唾液皮质醇样品根据制造商建议34，35。
- 如果使用拭子收集方法25，让拭子留在参与者的内脸颊或舌头下60s。在处理小瓶和样品收集瓶盖时，请遵循制造商协议34，35，并在研究开始前将信息传达给参与者。
注：如果实验更精细（例如，按问题收集数据），请确保记录每个唾液样本收集的开始时间和偏移时间，因为可能需要在 EDA 分析中考虑这些时间。这同样适用于调查数据收集时间的开始和偏移。为了收集唾液数据，我们小组开发了一个标记系统，允许参与者在唾液样本准备好采集时通知研究人员/监考员。考虑指定多个监考器在实验过程中提供帮助，以防多个唾液样本可供收集和存储。
- 当将电极传感器与调查和唾液生物标志物集成时，确保尽可能将干扰降至最低。作为一种策略，创建一个培训视频，帮助学员了解如何根据制造规范（参见材料表）在考试的设定时间内提供唾液样本，以尽量减少来自研究者。
2. 实验前和实验后设置和清洁
- 调查
- 在调查表单中，组织计划流程，指定参与者身份，并根据需要收集任何人口统计信息。此外，在准备数据导出时，建立或预先标记任何相关的调查问题。这将允许更快、更高效地进行数据清理、管理和统计分析。
- 在整个考试协议中同步调查演示和退出时间。如果集成传感器或视频，则这些技术与测量软件也同步。
- 出于礼貌，为了有助于一个亲切和温馨的研究环境，如果教师同意，请设置一个自动跟进电子邮件，其中包含对考试问题的答复，以便立即或不久后发送给学员他们参加会议。
- 电极传感器
- 计划预先安排参与者参加检查课程/时间，评估 EDA 和唾液收集 30 的任何医疗信息和饮食习惯，以及 EDA 收集30的手动主导地位，并提醒参与者避免食用在实验当天含糖或含咖啡因的产品。这一点很重要，因为某些医疗状况（如代谢紊乱）和饮食习惯（例如，咖啡因消费）会影响EDA（和唾液值），如先前协议30所建议的那样。
- 在参与者到达之前，确保传感器正确校准，软件更新已得到处理，并且传感器已用 70% 酒精湿巾清洁30。
- 将 EDA 传感器安装在参与者的手腕上时，请确保将其放在参与者的非主导手上。要安装 EDA 传感器：
- 将传感器置于按钮朝下，朝向拇指。
- 当手掌朝上面对脸部时，参与者从非主导手的第二个和第三根手指之间的空间到中手腕区域绘制一条假想线，并将传感器电极放在那里。
- 要求学员以不太紧或太松的方式安装传感器带。
注：此配件的代表性图像可在图 2中找到。
- 启动传感器时，请确保遵循制造商协议31，以确保传感器已设置为收集数据。在这个实验中，该协议是专为与特定品牌的传感器（见材料表）一起使用，尽管研究人员欢迎使用他们选择的任何生理传感器。
- 对于此处使用的设备，按下传感器按钮三秒钟。绿灯将间歇性闪烁，然后是红色闪烁指示灯，然后出现淡出。
- 在淡出期间，为了确保传感器处于打开，按下按钮一次，时间小于 1 s。如果它呈红色闪烁，则表示正在记录数据。
- 关闭传感器时，按 3 s 按钮。如果腕带底部的指示灯从绿色变为淡入淡出，传感器将熄灭。
- 若要从传感器检索数据，请将其连接到计算机，并根据制造商建议31将数据上载到管理软件系统中。
- 唾液生物标志物
- 如前所述，在分析期间预先评估可能影响唾液值的任何医疗状况或饮食习惯。此外，提醒参与者在到达会场时不要佩戴任何唇膏、化妆品或靠近嘴唇的产品，因为这可能会引入可能影响皮质醇和唾液α-淀粉酶样本的污染物。如果参与者穿着这些产品到达，请轻轻地引导他们到洗手间，或提供适当的湿巾，在不引入其他化学品（例如，餐巾纸与化妆去除毛巾）的情况下去除这些产品。最后，清除具有强烈气味的食物或饮料的实验室（如比萨饼、橙子），这些食物或饮料可能会提高参与者的唾液产量。
- 参与者到达实验室后，手把手的1盎司水倒在他们面前的杯子里。请他们去抽水，吞下水。这样做是为了清除任何可能影响皮质醇和唾液α-淀粉酶数据的食物残留物。
- 如果与唾液一起收集 EDA 数据，请轻轻提醒参与者尽量减少手部移动，手部有 EDA 传感器。因此，参与者需要被告知，所提供的任何唾液样本采集都必须在其主导手上进行。为了方便这个过程，建议实验设置包括预标记小瓶和支架，以尽量减少样品损失（参见图1）。
- 采集唾液样品时，请戴上新鲜的硝化手套，以尽量减少任何灰尘颗粒或手油中任何其它污染物被转移到唾液样品小瓶中。
- 如前所述，立即将样品转移到内部温度为-20°C的冷却器。
3. 根据调查、电极传感器和唾液生物标志物提高生态有效性
- 关于考试真实性
- 要提供真实的测试体验，请使考试内容与课程内容保持一致。为此，与一组内容专家（包括课程讲师）一起查看课程内容。
- 选择可在实验环境中复制或可以补充现有课程内容（例如练习考试）的课程内容的评估（测试或评估）。
注意：根据您所在机构的机构审查委员会的政策，可能不允许使用真正的考试，因为考试可能对学生在课程中的成绩造成危害。因此，可以考虑同等的经验（例如练习考试）。 - 与讲师一起，根据研究目标，开发答案关键和考试问题及其解决方案，用于在粒度级别（即逐个问题）和/或宏观级别（即整个考试）收集绩效数据
- 还要求讲师提供考试中常用的任何其他材料（例如，备忘单）或任何允许的材料（例如教科书、参考资料清单）通常用于他们的课程。实验者应准备向学员提供这些工具。
- 确保测试环境与实验设置（例如考试时间、考试中心或教室等）及其功能（如桌面空间、照明、房间温度等）平行。
- 关于调查内容
- 根据调查问题的数量，必须说明大致的时间;参与者在参加考试时可能需要完成调查问题。
- 为考虑中断而指定额外的考试时间，并设计考试程序，以便学生在调查提示中断时返回特定考试问题。此外，请确保此中断时间在学员之间一致（例如，考试的开始、中部和结束）。
- 根据实验设计的类型，如果需要粒度类型的响应（例如，逐个问题），计划首先提出考试问题，然后提示参与者回答调查问题，然后允许参与者输入其响应（例如，开放文本、多选等）。这样，参与者可以首先查看问题，并根据提出的问题对调查问题做出响应。如果实验设计是在宏观层面上，请确保允许参与者在响应之前对考试体验进行反思。
注意：理论和假设在此步骤中很重要，因为选择项目的特定类型（例如，调查、考试）很重要。例如，如果学习自我效能，最好在测试题的水平进行评估，而学业成绩情绪通常是在考试前、考试期间和考试后被问到的。
- 关于电极活动传感器
- 为确保学员不会因实验协议而承受过度压力，请在考试过程中包括校准和放松期。一项战略是让与会者将注意力集中在问题之间。从一个简单的问题开始（例如，"我们一周中的哪一天？
注意：请记住，了解试题本身的设计并预测学生的反应可能很重要（例如，增加认知负荷或神经效率37），因为它们可能会影响唾液标记和 EDA 数据收集。例如，试题应全部以作文输入的形式出现，这需要手部移动，从而影响 EDA 数据24、25或考试，其难度可能不同，可能会影响学生认知负荷或神经效率37. - 确保时间戳计划将考虑考试体验的任何变化（例如，校准周期、校准问题之间的开始和偏移、调查问题开始和偏移、考试开始和结束）。这是一个重要步骤，因为它将允许数据源匹配，这将确定要处理和分析的时间间隔或事件。
- 为确保学员不会因实验协议而承受过度压力，请在考试过程中包括校准和放松期。一项战略是让与会者将注意力集中在问题之间。从一个简单的问题开始（例如，"我们一周中的哪一天？
- 关于唾液生物标志物的使用
- 注意何时收集唾液生物标志物。
注：Salivary生物标记研究通常通过预后后期设计32、33、34、35、36进行探索。由于皮质醇需要20分钟来响应压力14，这些时滞是观察皮质醇的发病和恢复所必需的。在学生准备考试的情况下，参与者可能担心参加考试，因此，可能不可能采取赛前措施。在考试期间不要经常打断学生，这一点也很重要。在我们的研究中，我们选择在发病前收集唾液一次，在发病期间、考试后和考试后20分钟尽可能安静地收集唾液，以尽量减少干扰。图 3中提供了示例测试时间线。 - 在考试程序中，在需要收集唾液时，包括提示参与者的时分提示。包括一个60s的计时器，这样参与者就知道唾液收集的时间。60 后，让学员回到他们在考试中处理的问题。
- 注意何时收集唾液生物标志物。
4. 数据处理和分析的注意事项
- 调查
- 确保数据输出进行适当的标记和组织，以便进行有效的数据管理，并确保统计程序（例如 SPSS、SAS）可以执行任何所需的分析。
- 根据调查异常值检测38的标准以及通过以前收集的人口统计数据（例如医疗条件）确定的任何潜在异常值数据。
- 根据既定的研究问题和/或假设确定要进行的统计分析和/或建模的类型
- 电极活动
- 请注意，电极数据输出可能因公司而异。对于本研究中使用的设备31，数据输出以一列为单位，起始时间以格林尼治标准时间为单位，然后是数据收集频率和以微西门子测量的EDA。然后，EDA 数据根据数据收集的频率递增。由于数据取决于开始的时间，因此根据制造协议和以前的协议30将这次转换为 UNIX 时间。这将允许在整个实验中更无缝地同步 EDA 数据更改。
- 识别并移除任何潜在的异常值制造商来源，例如传感器故障、数据收集不完整或皮肤中电极接触不良。这些将由数据输出工作表中的负值或常量接近零的连续数据段进行标识。
- 识别并删除任何潜在的用户生成的异常值来源，例如不稳定运动（例如，手敲击台或神经敲击）、测量或唾液生物标志物收集期，或体温或血压读数发生较大变化.
- 要消除因移动引起的噪音，请执行以下系列步骤：
- 首先，扫描参与者的加速度计 （ACC） 配置文件，也由手腕传感器提供。请注意，数据将具有 X、Y 和 Z 列，分别指示三维水平、垂直和空间手部移动。根据欧几里得距离（L2-Norm）39、53方程计算此加速度计的数据的移动平均值，以计算总移动：
- 计算整个参与者集的欧几里得距离值的标准偏差，并对其进行排名排序。计算欧立利亚距离值的平均值。
- 计算欧几里得距离值的方差系数，根据以下等式确定信噪比40：
注： 方差系数值超过分数 1 表示异常值，必须根据处理信令数据33的建议从分析中删除。 - 移除移动引起的噪声后，确定过滤数据所需的阈值。为此，计算信号标准偏差的 95% 的上限和下限。这些范围之外的任何数据都可以从数据集/分析中删除，也可以根据研究人员的目标和目的进行归算。在本研究中，我们选择用确定的可接受数据对外部范围进行平均。
- 返回到 EDA 数据并使用时间戳加速度计数据来标识 EDA 的相应间隔（该间隔也已加盖时间戳）。
注： 要同步加速度计和电极数据，请注意，记录频率不同（EDA 为 4 Hz，ACC 为 32 Hz），因此必须首先对齐。由于，从本质上讲，ACC 数据将多于 EDA 数据，因此使用平均 EDA 值来解释此差异。
- 首先，扫描参与者的加速度计 （ACC） 配置文件，也由手腕传感器提供。请注意，数据将具有 X、Y 和 Z 列，分别指示三维水平、垂直和空间手部移动。根据欧几里得距离（L2-Norm）39、53方程计算此加速度计的数据的移动平均值，以计算总移动：
- 一旦 EDA 数据集被清理41，42通过过滤的加速度计数据， 继续使用规定的工具（例如， Ledalab， EDA Explorer）43 分离补品（基线）和相位（立即，反应）信号 ，44，用于统计分析，主要使用相法、过滤的 EDA 数据，并根据研究问题/假设和使用布希恩22日，23日。
- 唾液生物标志物
- 对于皮质醇和唾液α-淀粉酶检测，请遵循制造商协议22、23、24、25、26、27、28和有关使用条款、存储和处理样品的技术人员建议。
- 在 4 °C 下以 1，500 x g的旋转解冻样品。请务必小心地取出拭子，并且小瓶在小瓶底部有唾液上清液，以确保粘蛋白分离。
- 作为好的做法，在遵循测定协议之前，在加工前使用板式处理器对井进行缓冲处理。这对皮质醇尤其重要。
- 确保光学密度板读取器已预先编程到适当的温度（例如，sAA 样品需要 37°C 的孵育温度，而皮质醇样品需要室温读数）和波长（即 sAA 要求 405nm 和皮质醇需要 450 nm 和 490*492 nm 参考过滤器）。对于 sAA 检测，建议使用的板式读取器内同时具有摇床和培养箱。
- 按照制造商协议3435计算每个样本的浓度值以及变异系数 （%CV） 方程的相应内检测和检测百分比，以识别来自数据集（与之前提供的公式相比，计算方式不同）。请注意，对于 sAA，请跟踪控件中使用的批号，因为它们不是标准化的。
- 首先，按手数对控件的 %CV 进行平均，然后对这些值进行平均，以获得宏伟的平均 %CV 分数。
- 对于样品，制造商建议样品的检测中应具有%CV低于10%，而对照组应具有15%34、35以下的检测%CV。但是，这些 %CV 值将在很大程度上取决于用于进行研究的实验室条件和设备。因此，考虑免疫测定验证的替代方法，根据需要45。
- 测定后将唾液样品冷冻在-80°C，以验证其验证。请勿冻结解冻多次，以防止样品或对照组进一步酶降解。
- 数据三角测量
- 根据研究问题或假设，关联相关变量。在使用46之前，确保所有异常值和数据都得到适当的预处理和筛选。
- 确定样本大小、数据收集点、观测统计能力以及研究问题或假设是否需要合并数据47，或者是否使用重复度量分析技术48、49， 50.
- 考虑任务时间51的个体间差异以及唾液生物标记物响应延迟以强调14、使用时间戳或确定事件以同步数据集。
- 使用统计模型和软件，分析数据集，并解释调查结果。
包含 16 个 zip 文件。 每个 zip 文件都包含给定核心章节的所有 EOL 测验。 他们将要解压缩此文件，然后每个 zip 文件分别加载到画布中。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
在这项研究中，我们有兴趣研究本科生参加实践考试时的自我效能、性能和生理（EDA传感器）和生物（sAA和皮质醇）反应的影响。显示的数据是样本的代表性子集：（a） 考虑调查和电极传感器（实验设计 A）和 （b） 与唾液生物标志物数据（实验设计 B）相同的检查。虽然我们在这项研究中收集了情绪数据，但我们不会提供这些数据，因为我们的目标是实时演示粒度数据，而不是在考试的开始、中间或结束时（即收集情绪数据的地方）的指定时间点。
如图4所示，在实验设计中，根据学生的集体反应对考试的难度进行了比较。此外，在完成考试问题之前，绘制了平均 EDA 作为学生函数的函数 ， 报告自我效能分数。尽管两种设计的难度程度相同，但在不同自我效能评分的正确和错误响应之间，也发现平均 EDA 值存在相反的差异。对于实验设计 A（EDA 传感器和调查），对于对考试问题做出错误回答的学生，与正确回答问题的学生相比，EDA 的中分分数增加（p < 0.001）。对于实验设计 B（EDA 传感器、调查和唾液生物标志物），如果发现低 SE分数（p < 0.05）和高 SE分数（p < 0.01）的相反效果，则意味着 EDA 值会发生变化。
为了了解任何潜在的唾液影响，实验设计 B 对考试中设置数据点的均值 EDA 以及皮质醇和 sAA 检测值进行了规范化（图 5）。请务必注意，此表的平均 EDA 值在预设时间范围内以 60 秒的间隔被截断，以便比较每个唾液标记。数据显示，EDA水平从考试开始到结束都有所下降，这些水平在考试结束后的20分钟大关前有所回升。这些趋势在皮质醇和sAA数据中是平行的。统计显著性，通过ANOVA确定，在考试开始和结束（p < 0.05 两次）之间发现 EDA 和 sAA 之间，而 EDA 和皮质醇在考试的中间和结束时显示显著性（p <分别为 0.01 和p < 0.05）。到20分钟时，EDA和sAA（p<0.01）和皮质醇和sAA（p<0.05）开始显示出彼此之间的显著性。
图 1.使用测量和电极传感器学习检查经验时的实验设置。该图显示了实验设计 A（传感器和测量）和 B（传感器、测量和唾液生物标志物）。请点击此处查看此图的较大版本。
图 2.参与者如何安装和启动电极传感器的示意图。图 A（左侧）显示启动按钮在传感器上的位置，而图像 B（右侧）显示 EDA 电极在参与者手腕上的位置。请点击此处查看此图的较大版本。
图 3.当包括调查、唾液生物标志物和电极传感器时，实验时间线的表示。请点击此处查看此图的较大版本。
图 4.困难程度。考试的难度程度根据学生集体表现和意味着EDA作为自我效能尺度的函数，由参与者对实验设计A（A和B）和实验的正确和错误反应进行排名设计 B （C和D） .N = 每个设计 15 个参与者;数据报告为平均值 = 平均值的标准误差（在误差条中表示）;面板 A 和 C 上的虚线表示中等难度范围（0.3 到 0.8之间）52的限制;=p < 0.05， =p < 0.01， 和 =p < 0.001，表示统计显著性差异。请点击此处查看此图的较大版本。
图 5.标准化的sAA，皮质醇和均值EDA。实验设计 B 的标准化 sAA、皮质醇和均值 EDA 在考试期间（开始、中间、结束、后 20 分钟）以 60 秒的间隔进行比较。N = 15;数据以平均值 = 均值的标准误差（在误差条中表示）;=p < 0.05 和 =p < 0.01，表示统计显著性差异。请点击此处查看此图的较大版本。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
尽管许多真实的学习环境中都使用了生理测量方法，但设计一个考虑到当前技术局限性的学习环境至关重要。我们的设计平衡了对真实测试环境的需求，并适应了技术。舒适地限制参与者移动、减少意外中断以及时间戳的参与者的测试响应都是协议中的关键步骤。
电极传感器装置的空间和费用可能使研究经费有限的研究人员不切实际。然而，一旦购买，这些传感器有无限的用途。唾液生物标志物必须在实验室中处理，并且具有显著的每样品前和后处理费用。还必须考虑到所使用的特定实验室条件和设备，因为可能需要备用唾液测定验证方法，以确定 CV 的检测间和检测内百分比。
该议定书是多模式方法在学术情感研究中的应用的重要一步。该协议通过时间戳来最大化EDA测量的精度，同时复制真实的测试环境，从而能够更客观地实时研究学生课程和课堂学习，解决限制以前的研究侧重于学习和表现的约束。可以修改技术，以包括需要击键捕获的在线学习活动。在考试难度或目前基于文本的提示被预先设计以影响学生对考试的期望的情况下，也可以使用该协议进行欺骗研究。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
作者没有什么可透露的。
Acknowledgments
此材料基于部分由美国国家科学基金会 （NSF） 支持的工作。EED-1661100 以及 NSF GRFP 赠款授予达西·克里斯滕森（第 120214 号）。本材料中表达的任何意见、发现和结论或建议不一定反映 NSF 或 USU 的观点、结论或建议。我们要感谢谢里·本森对我们的统计分析进行善意的讨论和建议。
本文作者的贡献如下：Villanueva（研究设计、数据收集和分析、写作、编辑）;胡斯曼（研究设计、数据收集、写作、编辑）;克里斯滕森（数据收集和分析、写作、编辑）;Youmans（数据收集和分析、写作和编辑）;汗（数据收集和分析、写作、编辑）;维乔索（数据收集和分析、编辑）;兰普金斯（数据收集和编辑）;格雷厄姆（数据收集和编辑）
Materials
| Name | Company | Catalog Number | Comments |
| 1.1 cu ft medical freezer | Compact Compliance | # bci2801863 | They can use any freezer as long as it can go below -20 degrees Celsius; these can be used to store salivary samples for longer periods of time (~4 months) before running salivary assays. |
| Camping Cooler | Amazon | (any size/type) | Can be used to store salivary samples during data collection |
| E4 sensor | Empatica Inc | E4 Wristband Rev2 | You can use any EDA sensor or company as long as it records EDA and accelerometry |
| EDA Explorer | https://eda-explorer.media.mit.edu/ | (open-source) | Can be used to identify potential sources of noise that are not necessarily due to movement |
| Laptops | Dell | Latitude 3480 | They can use any desktop or laptop |
| Ledalab | http://www.ledalab.de/ | (open-source) | Can be used to separate tonic and phasic EDA signals after following filtration steps |
| MATLAB | https://www.mathworks.com/products/matlab.html | (version varies according to updates) | To be used for Ledalab, EDA Explorer, and to create customized time-stamping programs. |
| Salivary Alpha Amylase Enzymatic Kit | Salimetrics | # 1-1902 | For the salivary kits, you should plan to either order the company to analyze your samples and/or go to a molecular biology lab for processing |
| Salivary Cortisol ELISA Kit | Salimetrics | # 1-3002 | For the salivary kits, you should plan to either order the company to analyze your samples and/or go to a molecular biology lab for processing |
| Testing Divider (Privacy Shields) | Amazon | #60005 | They can use any brand of testing shield as long as they cover the workspace |
| Web Camera | Amazon | Logitech c920 | They can use any web camera as long as it is HD and 1080p or greater |
References
- William, J. What is an emotion? Mind. 9 (34), 188-205 (1884).
- Pekrun, R., Linnenbrink-Garcia, L. Emotions in education: Conclusions and future directions. International handbook of emotions in education. Pekrun, R., Linnenbrink-Garcia, L. , Routledge Press. London. 659-675 (2014).
- Pekrun, R. The control-value theory of achievement emotions: Assumptions, corollaries, and implications for educational research and practice. Educational Psychology Review. 18 (4), 315-341 (2006).
- Pekrun, R., Perry, R. P. Control-value theory of achievement emotions. International Handbook of Emotions in Education. , 120-141 (2014).
- Pekrun, R., Stephens, E. J., et al. Academic emotions. APA Educational Psychology Handbook. Harris, K. R., et al. , American Psychological Association. Washington, D.C. 3-31 (2011).
- Bandura, A. Self-efficacy: The exercise of control. , W. H. Freeman & Co. New York, NY. (1997).
- Bandura, A. Social foundations of thought and action: A social cognitive theory. , Prentice Hall. Upper Saddle River, New Jersey. (1986).
- Bandura, A. Guide for constructing self-efficacy scales. Self-efficacy beliefs of adolescents. Pajares, F., Urdan, T. , Information Age Publishing. Charlotte, NC. 307-337 (2006).
- Jarrell, A., Harley, J. M., Lajoie, S., Naismith, L. Success, failure and emotions: examining the relationship between performance feedback and emotions in diagnostic reasoning. Educational Technology Research and Development. 65 (5), 1263-1284 (2017).
- Pekrun, R., Bühner, M. Self-report measures of academic emotions. International Handbook of Emotions in Education. Pekrun, R., Linnenbrink-Garcia, L. , Routledge Press. London. 561-566 (2014).
- Nett, U. E., Goetz, T., Hall, N. C. Coping with boredom in school: An experience sampling perspective. Contemporary Educational Psychology. 36 (1), 49-59 (2011).
- Azevedo, R. Defining and measuring engagement and learning in science: Conceptual, theoretical, methodological, and analytical issues. Educational Psychologist. 50 (1), 84-94 (2015).
- Spangler, G., Pekrun, R., Kramer, K., Hofman, H. Students’ emotions, physiological reactions, and coping in academic exams. Anxiety, Stress, & Coping. 15 (4), 413-432 (2002).
- Husman, J., Cheng, K. C., Puruhito, K., Fishman, E. J. Understanding engineering students stress and emotions during an introductory engineering course. American Society of Engineering Education. , Paper ID #13148 (2015).
- Vedhara, K., Hyde, J., Gilchrist, I., Tytherleigh, M., Plummer, S. Acute stress, memory, attention and cortisol. Psychoneuroendocrinology. 25 (6), 535-549 (2000).
- Berenbaum, S. A., Moffat, S., Wisniewski, A., Resnick, S. Neuroendocrinology: Cognitive effects of sex hormones. The Cognitive Neuroscience of Development: Studies in Developmental Psychology. de Haan, M., Johnson, M. H. , Psychology Press. 207-210 (2003).
- Lundberg, U., Frankenhaeuser, M. Pituitary-adrenal and sympathetic-adrenal correlates of distress and effort. Journal of Psychosomatic Research. 24 (3-4), 125-130 (1980).
- Nater, U. M., Rohleder, N. Salivary alpha-amylase as a non-invasive biomarker for the sympathetic nervous system: Current state of research. Psychoneuroendocrinology. 34 (4), 486-496 (2009).
- Denson, T., Spanovic, M., Miller, N., Cooper, H. Cognitive appraisals and emotions predict cortisol and immune responses: A meta-analysis of acute laboratory social stressors and emotion inductions. Psychological Bulletin. 135 (6), 823-853 (2009).
- Van Stegeren, A. H., Wolf, O. T., Kindt, M. Salivary alpha amylase and cortisol responses to different stress tasks: Impact of sex. International Journal of Psychophysiology. 69 (1), 33-40 (2008).
- Benedek, M., Kaernbach, C. A continuous measure of phasic electrodermal activity. Journal of Neuroscience Methods. 190 (1), 80-91 (2010).
- Boucsein, W., Backs, R. W. Engineering psychophysiology as a discipline: Historical and theoretical aspects. Engineering psychophysiology. Issues and applications. Backs, R. W., Boucsein, W. , Lawrence Erlbaum. Mahwah, NJ. 3-30 (2000).
- Boucsein, W., Backs, R. W. The psychophysiology of emotion, arousal, and personality: Methods and models. Handbook of digital human modeling. Duffy, V. G. , CRC. Boca Raton. 35-38 (2009).
- Turpin, G., Shine, P., Lader, M. H. Ambulatory electrodermal monitoring: effects of ambient temperature, general activity, electrolyte media, and length of recording. Psychophysiology. 20, 219-224 (1983).
- Posada-Quintero, H. F., et al. Timevarying analysis of electrodermal activity during exercise. PLoS ONE. 13 (6), e0198328 (2018).
- Lobstein, T., Cort, J. The relationship between skin temperature and skin conductance activity: Indications of genetic and fitness determinants. Biological Psychology. 7, 139-143 (1978).
- Scholander, T. Some measures of electrodermal activity and their relationships as affected by varied temperatures. Journal of Psychosomatic Research. 7, 151-158 (1963).
- Schwerdtfeger, A. Predicting autonomic reactivity to public speaking: don't get fixed on self-report data! International Journal of Psychophysiology. 52 (3), 217-224 (2004).
- Braithwaite, J. J., Watson, D. G., Jones, R., Rowe, M. A guide for analysing electrodermal activity (EDA) & skin conductance responses (SCRs) for psychological experiments. Psychophysiology. 49 (1), 1017-1034 (2013).
- Villanueva, I., Valladares, M., Goodridge, W. Use of galvanic skin responses, salivary biomarkers, and self-reports to assess undergraduate student performance during a laboratory exam activity. Journal of Visualized Experiments. (108), e53255 (2016).
- Empatica, E4 wristband from Empatica: User’s manual. Empatica. , 1-32 (2018).
- Salimetrics, Collection methods: Passive drool using the saliva collection aid. Salimetrics Technical Summary. , 1-2 (2018).
- Salimetrics, Collection methods: Passive drool using the saliva collection aid. Salimetrics Technical Summary. , 1-2 (2018).
- Salimetrics, Expanded range high sensitivity salivary cortisol enzyme immunoassay kit. Salimetrics Technical Summary. , 1-21 (2016).
- Salimetrics, Salivary α-amylase kinetic enzyme assay kit. Salimetrics Technical Summary. , 1-17 (2016).
- Moore, D. Innovative Hormone Testing: Saliva Test Specifications, ZRT Laboratory Reports. , Available from: https://www.zrtlab.com/resources/ (2014).
- Call, B., Goodridge, W., Villanueva, I., Wan, N., Jordan, K. Utilizing electroencephalography measurements for comparison of task-specific neural efficiencies: spatial intelligence tasks. Journal of Visualized Experiments. (114), (2016).
- Ruel, E. E., Wagner, W. E. III, Gillespie, B. J. The practice of survey research: theory and applications. , SAGE Publications. Thousand Oaks, CA. (2016).
- Barrett, P. Euclidean distance: raw, normalized, and double-spaced coefficients. The Technical Whitepaper Series. 6, 1-26 (2005).
- Groeneveld, R. A. Influence functions for the coefficient of variation, its inverse, and CV comparisons. Communications in Statistics- Theory and Methods. 40 (23), 4139-4150 (2011).
- Tronstad, C., Staal, O. M., Sælid, S., Martinsen, ØG. Model-based filtering for artifact and noise suppression with state estimation for electrodermal activity measurements in real time. 37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society. , 2750-2753 (2015).
- Routray, A., Pradhan, A. K., Rao, K. P. A novel Kalman filter for frequency estimation of distorted signals in power systems. IEEE Transactions on Instrumentation and Measurement. 51 (3), 469-479 (2002).
- Benedek, M., Kaernbach, C. A continuous measure of phasic electrodermal activity. Journal of Neuroscience Methods. 190, 80-91 (2010).
- Taylor, S., et al. Automatic Identification of Artifacts in Electrodermal Activity Data. 37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society. , 1934-1937 (2015).
- Andreasson, U., et al. A practical guide to immunoassay method validation. Frontiers in Neurology. 6 (179), 1-8 (2015).
- Adam, E. K., Kumari, M. Assessing salivary cortisol in large-scale, epidemiological research. Psychoneuroendocrinology. 34 (10), 1423-1436 (2009).
- Pruessner, J. C., Kirschbaum, C., Meinlschmid, G., Hellhammer, D. H. Two formulas for computation of the area under the curve represent measures of total hormone concentration versus time-dependent change. Psychoneuroendocrinology. 28 (7), 916-931 (2003).
- Girden, E. R. ANOVA: Repeated measures. , Sage. Thousand Oaks, CA. (1992).
- Raudenbush, S. W., Bryk, A. S. Hierarchical linear models: Applications and data analysis methods (Vol. 1). , Sage. Thousand Oaks, CA. (2002).
- Duncan, T. E., Duncan, S. C., Strycker, L. A. An introduction to latent variable growth curve modeling: Concepts, issues, and application. , Routledge. Abingdon, United Kingdom. (2013).
- Mehta, P. D., West, S. G. Putting the individual back into individual growth curves. Psychological Methods. 5 (1), 23-43 (2000).
- Exploring relationships between electrodermal activity, skin temperature, and performance during engineering exams. Khan, M. T. H., Villanueva, I., Vicioso, P., Husman, J. IEEE Frontiers in Education Conference (FIE) Conference, Oct 16 to 19, 2019, Cincinnati, OH, USA, , (Accepted).
- Stretched Too Much? A Case Study of Engineering Exam-Related Predicted Performance, Electrodermal Activity, and Heart Rate. Christensen, D., Khan, M. T. H., Villanueva, I., Husman, J. 47th SEFI Conference, 16-19 Sept 2019, Budapest, HU, , (Accepted).
