Summary
実験的な設計は、高等教育の設定やタスクで学生が経験する感情的な現実を評価するために、試験経験のリアルタイムの影響を調査するために開発されました。この設計は、学際的な(例えば、教育心理学、生物学、生理学、工学)およびマルチモーダル(例えば、唾液マーカー、調査、電気真皮センサー)アプローチの結果である。
Abstract
過去10年間で、教育環境における学生の感情に関する研究が増加しています。研究者は、感情的な経験の客観的な尺尺に依存するより多くの研究を求めていますが、マルチモーダルデータソースの利用に制限があります。教室における感情と感情の調節に関する研究は、従来、調査機器、経験サンプリング、アーティファクト、インタビュー、または観察手順に依存しています。これらの方法は、貴重ですが、主に参加者や観察者の主観に依存し、教室の活動やタスクに対する学生のリアルタイムのパフォーマンスの本物の測定に制限されています。特に後者は、教室内の感情やその他の関連施策をリアルタイムで客観的に測定しようとする多くの学者に、つまずくブロックを与えます。
本研究の目的は、本物の評価状況の中で、試験体験に対する学生のリアルタイム回答を実験的に研究するためのプロトコルを提示することです。このために、教育心理学者、エンジニア、および工学教育研究者のチームは、正確な生理センサ測定、唾液採取のベストプラクティスに必要な限界を保持する実験プロトコルを設計しました。本物のテスト環境。特に、生理センサーに依存する既存の研究は、教育環境から切り離された実験環境(例えば、トリーアストレステスト)、時間内に切り離された(例えば、タスクの前後)、または分析エラーを導入する実験環境で行われます。(例えば、学生が移動する可能性が高い環境でのセンサーの使用)。これにより、教室での活動やタスクに対する学生のリアルタイムの応答に対する理解が制限されます。さらに、最近の研究では、採用、複製性、妥当性、セットアップ、データクリーニング、予備分析、および特定の状況(例えば、実験に変数を追加する)の問題に関して、より多くの考慮事項を取り上げる必要があります。マルチモーダルアプローチに依存する学術的感情研究におけるデザイン)。
Introduction
心理学者は長い間、彼らの行動を解明する上で人間の感情の重要性を理解してきました1.教育の研究の中で、学業成績感情(AEE)は感情研究2の焦点となっています。AAEを使用する研究者は、学生が自分自身を見つける状況のコンテキストは、学生の感情を調べる際に考慮することが重要であると主張しています。受講者は、感情的、生理的、動機付け、認知コンポーネントを含む多要素プロセスを含むテスト関連、クラス関連、または学習関連の感情を経験する可能性があります。AEEは、価数(正/負)と活性化(焦点/非焦点エネルギー)の2つの形態で表されます。楽しみなどの肯定的な活性化感情は、メタ認知のような反射的なプロセスを増加させる可能性がありますが、プライドなどの肯定的な非アクティブな感情は、認知処理の低レベルをもたらす可能性があります。怒りや不安などの否定的な活性化感情は、エンゲージメントを引き起こす可能性がありますが、絶望などの否定的な非アクティブな感情は、モチベーション3、4、5を弱める可能性があります。アカデミックな感情は、私たちが学び、知覚し、決定し、対応し、問題解決2に貢献します。学術的感情を調節するためには、自己効力感(SE)6,7,8を持たなければならない。6.自己効力作用と学術的感情は相互に関連しており、低い自己効力作用は否定的な非アクティブな感情(例えば、不安、怒り、退屈)に結びつき、より高い自己効力は肯定的な活性化感情(例えば、幸福、希望、)に結びついている。興奮)6、7、8.SEはまた、パフォーマンス6、7、8に強く結びついていると考えられている。
教室の感情を調べた研究は、自己報告、観察、インタビュー、およびアーティファクト(例えば、試験、プロジェクト)9、10に依存しています。これらの方法は、学生の教室での経験に関する豊富なコンテキスト情報を提供しますが、大きな制限があります。例えば、インタビュー、観察、自己報告は、個人の内省に依存しています 10.他の方法は、研究者が学生に学校の11の間に自分の感情を報告するように求める経験サンプリングアプローチに基づくものなど、以前の研究者よりも近接的に学術的感情を調べようとしています。この研究は、学生の感情をより正確に報告することを可能にしますが、この研究は自己報告方法に依存しており、学生が経験調査に対処するために試験の作業を一時停止する必要があるため、リアルタイムの報告を行う必要はありません。
近年、研究者は、調査、観察、面接などの他の手段や技術と組み合わせた感情9の生物学的または生理学的手段を用いて、自己報告対策に関する懸念に対処し始めている。教育と心理学の研究のためのデータ収集のマルチモーダル形式で構成されています12.例えば、唾液バイオマーカーを含む生物学的技術は、生物学的プロセスが認知、感情、学習、および性能13、14、15に及ぼす役割を理解するために使用されている。認知プロセスの場合、 アンドロゲン (例えば、 テストステロン) 成人と子供の異なる空間認識パターンにリンクされています16,17一方、視床下部下垂体-副腎皮質ホルモン (例えば, コルチゾール)アドレナリンホルモン(例えば、唾液α-アミラーゼまたはsAA)は、個人18、19、20の間のストレス応答性にリンクされている。
電気皮膚活動(EDA)は、自律神経系(ANS)の活性化の生理学的尺度を表し、システムの活性化の増加、認知負荷、または強烈な感情応答21,22にリンクされている、23.検査活動において、EDAは身体運動21、22、身体および周囲温度24、25、26、27、および言語化の影響を受ける。思考28、ならびに皮膚29へのアナログデジタル電極の接続性の感度と程度。
これらはEDAの使用に限界がありますが、この技術は、ほぼリアルタイムの検査中に何が起こるかについての貴重な洞察を提供することができ、AEEを探索するための有望なツールとして、そして程度的に自己効力感を提供することができます。その結果、学生のAEEの正確な画像は、調査方法の組み合わせを介して得ることができ、感情の価数を決定し、生理的および生物学的データは、その感情の活性化を測定する。本論文は、試験活動30に関する以前の出版物に基づいて、試験シナリオにマルチモーダルアプローチ(経験サンプリング調査、EDAセンサ、唾液バイオマーカーを使用)を含むように、その作業の範囲を拡大する。以下に説明するプロトコルは、単一の実験設定内で複数の参加者データを同時に収集することを可能にすることを言及することが不可欠です。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
手順は、人間の主題とこれらの構造の使用に関する研究のためのユタ州立大学の一般的なレビューの下で機関レビュー委員会(IRB)によって承認されました.典型的な結果は、米国の高等教育の西部機関で、わずかに異なる実験的なセットアップを持つ工学静的コースの2学期が含まれています。実際の試験と並行する演習試験は、コースインストラクターによって開発され、私たちの研究に使用されました。以下に示すプロトコルは、同時実行手順を説明しており、一部の手順が重複する可能性があることに注意してください。
1. 実験設計と懲戒実践の統合に関する考察
研究者がこの性質の実験的な設計を検討するにつれて、懲戒的な知識とアプローチは、主な研究目標を補完し、維持する方法で統合されなければならない。新しい計測器やメソッドが追加されると、追加の検証に関する考慮事項が必要になります。本研究では、研究と電極センサーを学期の1つに用いた実験的研究(実験設計A)と唾液バイオマーカーコレクション(コルチゾールとsAA)を後期に追加した実験的研究(実験)を探る。デザインB)。2 つのセットアップの考慮事項を次に示します。
- 調査と電気真皮センサーによる実験設計
- 電極センサーは敏感です。参加者の驚くべき応答は、意図せずにアクティブ化された場合、EDA応答に大きなスパイクを引き起こす可能性があります。これは、データ収集に対する複数の参加者を考慮する場合に特に重要です。そのため、できるだけ多くの気晴らしを最小限に抑えるために、ワークスペースを慎重に設定してください。図 1に示すように、個人または個人のグループの検査経験を調べ取る場合は、テスト シールドを含めます。
注:テスト環境の生態学的妥当性を高めるために、学生が実際の試験で使用する材料(例えば、ワークブック、方程式シート)を提供し、参加者が必要な試験の問題を熟考し、解決できるようにする計画を立てます。 - 電極センサーは、1/4秒ごとに信号を供給します。イベントを定義して調査できるようにするには、タスクの始まりの正確な尺度を収集する計画を実装します。電皮センサーを調査と同期させる場合は、コンピュータの内部クロックを使用してデータ収集時間枠を確立することにより、調査の質問の提示が電極センサーに同期されていることを確認してください(図1参照)。任意のBluetooth対応の電皮センサーを使用する場合(例えば、材料の表を参照)、グリニッジ子午線時間(GMT)の同期時間は、データ収集手順30の間にタイムゾーンの変化と夏時間の差を考慮する。
注: 刺激の表示に Web サーバーを使用する場合 (テストの質問、アンケート項目など)、通常は同期されないため、サーバーとコンピュータの内部クロックの間の時刻を調整してください。スタディに使用する各コンピュータにクロスプラットフォームの Web サーバー (XAMPP やその他の Apache サーバーなど) をプレインストールする必要がある場合があることに注意してください。ビデオ録画の目的で Web カメラを同期する場合は、ビデオの日付、時刻、時、分、秒、ミリ秒 (例: 01/01/2000 04:01:02:05) の記録を可能にするセキュリティ ソフトウェアの使用を検討してください。このビデオは、コンピュータの内部クロックやその他のデバイス(EDAセンサーなど)と同期する必要があります。必要に応じて、参加者の顔をさまざまな角度で測定するように Web カメラを設定します。正面を向いている Webカメラの場合、ビデオはワークステーションの表面に平行に配置され、下向きの Web カメラでは、ワークステーションの表面から参加者の顔まで 30° から 45° でビデオを配置することをお勧めします。 - 前のプロトコル30で示唆されているように、参加者の非支配的な手に電極センサを置き、データ収集中の動きまたは電極接触誤差による信号内のノイズを最小限に抑える。研究者が動きのためにEDAのアーティファクトを最小限に抑えたい場合、1つの選択肢は、参加者に快適で、同時に彼らが彼らの非支配的な手を休ませることができる場所に手首のゲルパッドを含めることです。
注:ノートパソコン、ゲルパッド、センサー、試験シート、および試験の他の要素の配置は、試験条件と学期全体で再現性を確保するために標準化する必要があります。図1に示すように、画家のテープは、参加者とデータ収集の学期にわたって一貫して実験セットアップの各項目(例えば、ラップトップ、試験シート、カメラ)を中央に中央に使用しました。 - 電極センサの読み取りについては、参加者がベースラインEDAデータ31を確立するためにリラックスした状態を達成している期間を確立する。このためには、テストシールドを見つめる時間(約5~15分)を参加者が見つめる時間を示すか、タイムスタンピングプログラムの一部としてこのキューをラップトップコンピュータにプログラムします。この期間を過ごすると、参加者は適切なアンケートや試験の質問を開始できます。同じ静脈で、試験経験の終わりにリラクゼーション期間を割り当てます。
- 電極センサーは敏感です。参加者の驚くべき応答は、意図せずにアクティブ化された場合、EDA応答に大きなスパイクを引き起こす可能性があります。これは、データ収集に対する複数の参加者を考慮する場合に特に重要です。そのため、できるだけ多くの気晴らしを最小限に抑えるために、ワークスペースを慎重に設定してください。図 1に示すように、個人または個人のグループの検査経験を調べ取る場合は、テスト シールドを含めます。
- 調査、電気皮膚センサー、唾液バイオマーカーを用いた実験設計
- 電皮センサーを調査や唾液バイオマーカーと統合する場合は、破壊を可能な限り最小限に抑えます。1 つの戦略として、製造仕様に従って試験の一定の期間に唾液サンプルを提供する方法を参加者が理解できるようにトレーニング ビデオを作成します (材料の表を参照)。研究。
注:この研究では、研究者は4つの時間の間に唾液を収集することに興味を持っていました:開始、中間、終わり、および試験後。しかし、研究者は、彼らが自分の研究に適していると思う他の時間を選択することができます。また、パッシブドール法33の代わりにスワブ回収方法32を用いて、使いやすさとサンプル収集時間の短縮を行いました。また、コルチゾール34とsAA35キット(材料の表を参照)を選択し、その処理にメーカーの仕様に従いました。しかし、あなたのグループがこれらの形式のテストを行うための生物学的ラボを持っていない場合、他のプロバイダはサンプル32、36を分析することができるかもしれません。 - 唾液サンプルを収集する場合は、-20 °Cの内部温度でドライアイスとクーラーを持っています。これにより、コルチゾール試料34の酵素の室温分解を防ぐことができる。唾液α-アミラーゼを採取する場合、その安定性ははるかに長くなります(室温で~5日間、5回の凍結融解サイクル35を可能にする)。両方を収集する場合は、この研究の場合と同様に、製造業者の勧告34、35に従って唾液コルチゾールサンプルを保存するために必要なガイドラインに従ってください。
- 綿棒回収方法25を用いる場合、綿棒を内側の頬または参加者の舌の下に60sのままにしておく。バイアルおよびサンプル収集キャップを取り扱う場合は、製造元のプロトコル34、35に従い、研究開始前に参加者に情報を伝えます。
注: 実験がより細かく(質問データ収集による質問など)、EDA分析で説明する必要があるため、各唾液サンプルコレクションの発症時間とオフセット時間を必ず記録してください。調査データ収集時間の発症とオフセットについても同じことが言えます。唾液データ収集のために、唾液サンプルを収集する準備ができたときに参加者が研究者/プロクターに通知できるフラグシステムを開発しました。複数の唾液サンプルを収集して保存する準備ができている場合に備えて、実験セッション中に複数のプロクターを指定することを検討してください。
- 電皮センサーを調査や唾液バイオマーカーと統合する場合は、破壊を可能な限り最小限に抑えます。1 つの戦略として、製造仕様に従って試験の一定の期間に唾液サンプルを提供する方法を参加者が理解できるようにトレーニング ビデオを作成します (材料の表を参照)。研究。
2. 実験前と実験後のセットアップとクリーニング
- 調査
- アンケートフォームで、スケジューリングプロセスを整理し、参加者の身分証明書を指定し、必要に応じて人口統計情報を収集します。また、データエクスポートに備えて、適切なアンケートの質問を設定または事前にラベル付けします。これにより、データの高速化、管理、統計分析が迅速かつ効率的に行うことができます。
- 試験プロトコル全体でアンケートのプレゼンテーションと終了時刻を同期します。センサーやビデオを統合する場合は、これらのテクノロジを調査ソフトウェアと同期します。
- 礼儀の問題として、誠実で歓迎的な研究環境に貢献し、インストラクターが同意した場合は、試験の質問に対する回答を含む自動フォローアップメールを設定し、すぐにまたは直後に参加者に送信します。彼らのセッションへの参加。
- 電極センサー
- 参加者を試験セッション/時間に事前にスケジュールし、EDAおよび唾液収集30の医療情報と食習慣を評価し、EDAコレクション30の手の優位性を評価し、参加者に消費を避けるように注意させる計画を立てます。実験の日に砂糖またはカフェイン入りの製品。これは、特定の病状(例えば、代謝障害)および食習慣(例えば、カフェイン摂取)がEDA(および唾液値)に影響を与え得るとして重要である、以前のプロトコル30で示唆されているように。
- 参加者が到着する前に、センサーが正しく校正され、ソフトウェアの更新が行われ、センサーが70%のアルコールワイプ30で洗浄されていることを確認してください。
- EDAセンサーを参加者の手首に取り付ける場合は、必ず参加者の非支配的な手に装着してください。EDAセンサーに適合するには:
- 親指に向かってボタンを下にしてセンサーを置きます。
- 手のひらを顔に向けて、非支配的な手の2本目と3本目の指の間の空間から中手首の領域に架空の線を描き、そこにセンサー電極を配置します。
- 参加者に、センサーストラップをきつすぎたり緩すぎたりしないように取り付けてもらいます。
注: この継手の代表的なイメージは、図 2にあります。
- センサーを起動するときは、必ず製造元のプロトコル31に従って、センサーがデータを収集するように設定されていることを確認してください。この実験では、プロトコルは、特定のブランドのセンサー(材料の表を参照)で使用するように調整されていますが、研究者は、彼らの選択した生理学的センサを使用することを歓迎しています。
- ここで使用するデバイスの場合は、センサーボタンを 3 秒間押します。緑色のライトが断続的に点滅し、その後赤色の点滅ライトが点滅し、フェードアウトが発生します。
- フェードアウト中に、センサーがONであることを確認するには、ボタンを1回未満押します。赤く点滅する場合は、データを記録していることを示します。
- センサーをOFFにする場合は、ボタンを3s押します。リストバンドの下部のライトが緑色からフェードに変わると、センサーはオフになります。
- センサーからデータを取得するには、それをコンピュータに接続し、製造元の推奨事項31に従って管理ソフトウェア システムにデータをアップロードします。
- 唾液バイオマーカー
- 前述のように、分析中に唾液の値に影響を与える可能性のある病状や食習慣を事前に評価します。また、セッションに到着すると、コルチゾールおよび唾液アルファアミラーゼサンプルに影響を与える可能性のある汚染物質を引き起こす可能性があるため、唇の近くにリップバーム、メイクアップ、または製品を着用しないように参加者に注意してください。参加者がこれらの製品を着用して到着した場合は、トイレにそっと案内するか、他の化学物質(例えば、ナプキンの水とメイクアップリムーバータオル)を導入せずにこれらの製品を除去する適切なワイプを提供してください。最後に、参加者の間で唾液の生産を高めることができる強い臭い(例えば、ピザ、オレンジ)を持つ食品や飲み物の明確な実験室。
- 参加者が実験室に到着すると、参加者1オンスの水が彼らの前でカップに注ぎました。水を飲み込むように頼みます。これは、コルチゾールおよび唾液アルファアミラーゼデータに影響を与える可能性のある食品残渣の口をクリアするために行われます。
- 唾液と組み合わせてEDAデータを収集する場合は、EDAセンサーを持つ手の手の動きを最小限に抑えるように参加者に優しく思い出させます。したがって、参加者は、提供される唾液サンプルコレクションは、彼らの支配的な手で行われ得ることを通知する必要があります。このプロセスを容易にするために、実験セットアップには、サンプルの損失を最小限に抑えるために、事前にラベル付けされたバイアルとスタンドが含まれることをお勧めします(図1を参照)。
- 唾液サンプルを採取する際は、新鮮なニトリル手袋を着用して、手油から唾液サンプルバイアルに移すほこり微粒子やその他の汚染物質を最小限に抑えます。
- 前述のように、すぐに-20 °Cの内部温度を有するクーラーにサンプルを転送します。
3. 調査、電極センサー、唾液バイオマーカーに照らして生態学的妥当性を高める
- 試験の真正性について
- 本格的なテスト エクスペリエンスを提供するには、試験内容をコースコンテンツに合わせます。このために、コースのインストラクターを含むコンテンツエキスパートのグループと一緒にコースコンテンツを確認します。
- 実験設定でレプリケートできるコースコンテンツの評価(テストまたは評価)、または既存のコースコンテンツ(演習試験など)を補完できるコースコンテンツを選択します。
注:教育機関の教育機関の審査委員会の方針によっては、コース内の学生の成績に悪影響を及ぼす可能性があるため、実際の試験の使用は許可されない場合があります。そのため、同等の経験(例えば、練習試験)が代わりに考慮されるかもしれません。 - インストラクターと一緒に、研究の目標に応じて、答えキーと試験の問題とその解決策を開発して、きめ細かなレベル(質問による質問)やマクロレベル(試験全体)でパフォーマンスデータを収集するために使用されます。
- また、試験で一般的に使用される追加の教材(チートシートなど)や、コースで通常使用される許容資料(教科書、参考文献のリストなど)を提供するよう講師に依頼してください。実験者は、参加者にこれらのツールを提供する準備をする必要があります。
- テスト環境が実験のセットアップ(試験時間、試験センターや教室など)と、デスクスペース、照明、部屋の温度などの機能と並行していることを確認します。
- 調査インクルージョンについて
- アンケートの質問の数に応じて、おおよその時間を考慮することが重要です。受験中にアンケートの質問を完了する場合があります。
- 中断を考慮し、調査プロンプトが中断した場合に学生を特定の試験問題に戻す試験プログラムを設計するために、追加のテスト時間を割り当てください。また、この中断時間が参加者間で一貫していることを確認します (試験の開始、中間、終了など)。
- 実験計画の種類に応じて、詳細なタイプの回答が必要な場合(質問など)、最初に試験問題を提示してから、参加者にアンケートの質問に答えるように促し、参加者が自分の回答を入力できるようにする。応答(例えば、オープンテキスト、複数の選択肢など)。これにより、参加者は最初に問題を表示し、提示された問題に応じてアンケートの質問に回答できます。実験計画がマクロ レベルの場合は、参加者がその時点までの試験の経験を反映してから回答を受け取るようにしてください。
注:理論と仮説は、項目の特定の種類のプレゼンテーション(例えば、調査、試験)の選択が重要であるとして、このステップで考慮することが重要です。例えば、自己効力感を研究する場合、これはテストの質問のレベルで最もよく評価され、学業成績の感情は通常、試験前、試験中、および試験後に尋ねられます。
- 電極活動センサについて
- 実験プロトコルのために参加者が過度にストレスを受けないようにするには、試験経験を通じてキャリブレーションとリラクゼーション期間を含めます。1 つの戦略は、参加者が質問の間に注意を再び集中できるようにすることです。簡単に答える質問(例えば、「曜日は何曜日ですか」)から始まり、各試験の質問の間に30sを休ませます。
注:試験問題自体の設計を理解し、唾液マーカーとEDAデータに影響を与える可能性があるため、学生の反応(認知負荷の増加や神経効率37)を予測することに留意してください。コレクション。例えば、試験の問題はすべてエッセイのエントリーの形であるべきであり、EDAデータ24、25、または試験に影響を与える手の動きを必要とし、学生の難易度の様々なレベルによって設計され、学生の影響を与える可能性があります。認知負荷または神経効率37. - タイムスタンププログラムが試験経験の変化(例えば、校正期間、キャリブレーション中の質問の開始と相殺、アンケートの質問の開始とオフセット、試験の開始と終了)を考慮していることを確認します。これは、処理および分析する間隔またはイベントを決定するデータ ソースの一致を可能にする重要な手順です。
- 実験プロトコルのために参加者が過度にストレスを受けないようにするには、試験経験を通じてキャリブレーションとリラクゼーション期間を含めます。1 つの戦略は、参加者が質問の間に注意を再び集中できるようにすることです。簡単に答える質問(例えば、「曜日は何曜日ですか」)から始まり、各試験の質問の間に30sを休ませます。
- 唾液バイオマーカーの使用について
- 唾液バイオマーカーを収集するタイミングに注意してください。
注:唾液バイオマーカー研究は、通常、ポストポスト前の設計32、33、34、35、36を通して探索される。コルチゾールはストレス14に応答するのに20分かかるので、これらのタイムラグは、コルチゾールの発症と回復を観察するために必要とされます。受験準備の場合、受験者は受験を心配する場合があり、発症前の措置ができない場合があります。また、試験中に学生を頻繁に中断しないことも重要です。我々の研究では、中断を最小限に抑えるために、発症前に唾液を1回、中、直後、試験後20分後にできるだけ静かに採取することを選択しました。サンプル テスト タイムラインを図 3 に示します。 - 試験プログラムでは、唾液を採取する時に参加者に手を出す時間指定のプロンプトを含めます。60のタイマーを含めるので、参加者は唾液のコレクションの持続時間を認識します。60 が完了したら、受験者が試験で取り組んでいた問題に参加者を戻します。
- 唾液バイオマーカーを収集するタイミングに注意してください。
4. データ処理・分析に関する考慮事項
- 調査
- データ出力にラベルが付け、適切に編成され、効果的なデータ管理が可能になり、統計プログラム (SPSS、SAS など) が必要な分析を実行できることを確認します。
- 調査外れ値検出38の基準に基づいて潜在的な外れ値データを特定するとともに、以前に収集した人口統計データ (医療条件など) を使用して決定されたデータを特定します。
- 確立された研究の質問および/または仮説に基づいて行う統計分析および/またはモデリングの種類を決定する
- 電極活性
- 電極データ出力は会社によって異なる場合があります。このスタディ31で使用されるデバイスの場合、データ出力は、GMTで測定された開始時間を持つ単一の列として提示され、その後にデータ収集の頻度とマイクロシーメンスで測定されたEDAが続きます。EDA データは、データ収集の頻度に応じて増分されます。データは発症時刻に依存するため、製造プロトコルおよび以前のプロトコル30に従って、この時刻を UNIX 時間に変換します。これにより、実験全体を通じて EDA データの変更をよりシームレスに同期できます。
- センサーの誤動作、不完全なデータ収集、皮膚の電極の接触不良など、外れ値の潜在的な製造元を特定して削除します。これらは、データ出力シート内の負の値またはゼロに近い一定の連続データ セグメントによって識別されます。
- 不規則な動き(手打ち机や神経タップなど)、調査または唾液バイオマーカー収集期間、体温や血圧の測定値の大きな変化など、ユーザーが生成する可能性のある外れ値のソースを特定して削除します。.
- 動きによるノイズを除去するには、次の一連の手順を実行します。
- まず、参加者の加速度計(ACC)プロファイルをスキャンし、手首センサーによっても提供されます。データには、それぞれ 3 次元の水平、垂直、および空間的な手の動きを示す X 列、Y 列、および Z 列が含まれます。ユークリッド距離(L2-Norm)39、53方程式に従って、この加速度計データの移動平均を計算し、合計移動を計算します。
- 参加者セット全体のユークリッド距離値の標準偏差を計算し、順位を設定します。ユークリッド距離値の平均値も計算します。
- ユークリッド距離値の分散係数を計算し、次の式に従って信号対雑音比40を決定します。
注: スコアが 1 を超える分散値の係数は外れ値を示し、シグナリング データ33の処理に関する推奨事項に従って分析から削除する必要があります。 - 動きによるノイズが除去されたら、データをフィルタリングするために必要なしきい値を決定します。このために、シグナルの標準偏差の95%の上限と下限を計算します。これらの範囲外のデータは、データセット/分析から削除することも、研究者の目標や目的に従って使用することもできます。この研究では、決定された許容データを使用して外範囲を平均することにしました。
- EDA データに戻り、タイムスタンプ付き加速度計データを使用して、EDA の対応する間隔を識別します (タイムスタンプも付けられます)。
注:加速度計と電極データを同期するには、記録周波数が異なるので(EDAの場合は4Hz、ACCの場合は32 Hz)、最初に位置合わせする必要があります。本質的には、EDA データよりも多くの ACC データが存在するため、平均 EDA 値を使用してこの違いを考慮します。
- まず、参加者の加速度計(ACC)プロファイルをスキャンし、手首センサーによっても提供されます。データには、それぞれ 3 次元の水平、垂直、および空間的な手の動きを示す X 列、Y 列、および Z 列が含まれます。ユークリッド距離(L2-Norm)39、53方程式に従って、この加速度計データの移動平均を計算し、合計移動を計算します。
- EDAデータセットが41、42をクリーニングした後、フィルタリングされた加速度計データは、所定のツール(例えば、Ledalab、EDAエクスプローラ)43を使用して、強壮剤(ベースライン)とファシック(即時、反応性)信号を分離するために進みます。 ,44, 統計分析のために, 主にファシック, フィルタリングされたEDAデータが使用され、値(例えば、大きさ、ピークの数、待機時間) は、研究の質問/仮説に基づいて計算され、によって記述された方法を使用して計算されますブーシエン22、23.
- 唾液バイオマーカー
- コルチゾールと唾液α-アミラーゼアッセイの両方について、メーカープロトコル22、23、24、25、26、27、28およびサンプルの使用条件、保管、および取り扱いに関する技術者の推奨事項。
- 4°Cで1,500 x gで解凍サンプルをスピンします。綿棒を慎重に取り除き、バイアルはムチン分離を確実にするためにバイアルの底部に唾液上清を持っていることを確認してください。
- 良い習慣として、アッセイプロトコルに従う前に、処理前にプレートワッシャーを使用してウェルのバッファリンスを行います。これはコルチゾールのために特に重要です。
- 光学密度プレートリーダーが適切な温度に事前にプログラムされていることを確認します(例えば、sAAサンプルは37°Cのインキュベーション温度を必要とし、コルチゾールサンプルは室温読み取り値を必要とします)と波長(すなわち、sAAは405を必要とします)。nmおよびコルチゾールは450 nmおよび490-492 nm参照フィルターを必要とする)。sAAアッセイの場合、使用するプレートリーダーにはシェーカーとインキュベーターの両方が入っていることをお勧めします。
- メーカーのプロトコル34、35に従って、各サンプルの濃度値と、変動係数(%CV)方程式の対応するイントラおよびアッセイ間のパーセントを計算し、データセット (これは、前に提供された方程式と比較して異なる方法で計算されます)。sAA の場合は、標準化されていないため、コントロールで使用されるロット番号を追跡してください。
- まず、ロット番号でコントロールの %CV を平均し、これらの値を平均して総平均 %CV スコアを取得します。
- サンプルの場合、サンプルのアッセイ内では%CV を 10% 以下にし、コントロールには 15%34,35以下のアッセイ間 %CV を持つことを推奨します。しかし、これらの%CV値は、研究を行うために使用される実験室の条件と機器に大きく依存します。したがって、必要に応じて免疫アッセイアッセイ検証の代替方法を検討する45.
- アッセイ後に-80°Cで唾液サンプルを凍結し、検証を可能にします。サンプルまたはコントロールのさらなる酵素劣化を防ぐために、解凍を複数回凍結しないでください。
- データ三角測量
- 研究の質問または仮説に応じて、関連する変数を関連付けます。46を使用する前に、すべての外れ値とデータが適切に前処理およびフィルタリングされていることを確認します。
- サンプルサイズ、データ収集点、観測された統計的力、研究質問または仮説がデータ47を合併する必要があるかどうか、または繰り返し測定分析技術48、49を利用しているかどうかを判定する。 50.
- タスク時間51の個人間の差異と、14 を強調する唾液バイオマーカーの応答の遅延、タイムスタンプの使用、またはデータセットを同期するイベントの決定を考慮します。
- 統計モデルとソフトウェアを使用して、データセットを分析し、結果を解釈します。
には、16 個の zip ファイルが含まれています。 各 zip ファイルには、特定のコアチャプターのすべての EOL クイズが含まれています。 このファイルを解凍すると、各 zip ファイルがキャンバスに個別に読み込まれます。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
本研究では、学部生が実習を受けた時の自己効力感、性能、生理的(EDAセンサー)と生物学的(sAAおよびコルチゾール)の反応の影響を研究することに興味を持った。示されているデータは、(a)調査および電極センサ(実験設計A)と(b)唾液バイオマーカーデータ(実験設計B)と同じ試験を含むサンプルの代表的なサブセットです。この研究では感情データを収集しましたが、私たちの目標は、感情データが収集された試験の開始時、中間、または終了時に規定されたタイムポイントではなく、リアルタイムで詳細なデータを実証することになっていました。
図4に示すように、学生の集合的な反応に応じて試験の難易度を実験計画全体で比較した。また、試験問題を完了する前に自己効力を報告した学生の機能としての平均EDAがプロットされた。難易度は2つの設計で同じであったにもかかわらず、異なる自己効力スコア間で正しい応答と不正確な応答の間に平均EDA値の反対の違いが見つかりました。実験設計A(EDAセンサーおよび調査)では、試験問題に誤って回答した学生に対して、質問に正しく回答した学生(p< 0.001)に対して、中間SEスコアのEDAが増加した。実験設計B(EDAセンサ、サーベイ、唾液バイオマーカー)の場合、低SEスコア(p<0.05)と高SEスコア(p<0.01)に対して反対の効果が見つかったEDA値が異なる平均値。
潜在的な唾液の影響を理解するために、試験内のセットデータポイント(試験開始、中間、終了、および試験後20分)の平均EDAおよびsAAアッセイ値を、実験設計Bに対して正規化した(図5)。このテーブルの平均 EDA 値は、各唾液マーカー間の比較を可能にするために、あらかじめ設定された時間枠内に 60 秒間隔で切り捨てられました。データは、EDAレベルが試験の開始から終了まで減少し、これらのレベルは試験後20分のマークによって回復したことを示唆しています。これらの傾向は、コルチゾールおよびsAAデータに並列化された。ANOVAを通じて決定された統計的有意性は、試験の開始時と途中でEDAとsAAの間で見出された(p< 0.05両方の時間)の間で、EDAとコルチゾールは試験の中間と終了の間に有意性を示した(p <0.01 とp < 0.05)。20分のマークによって、EDAとsAA(p<0.01)とコルチゾールとsAA(p<0.05)は互いに有意性を示し始めた。
図 1.調査や電極センサーを用いて検査経験を研究する場合の実験的なセットアップ。画像は実験設計A(センサーと調査)とB(センサー、調査、唾液バイオマーカー)を示しています。この図のより大きなバージョンを表示するには、ここをクリックしてください。
図 2.参加者が電極センサーにフィットし、開始する方法の概略図。画像A(左)はセンサーのスタートボタンの配置を示し、画像B(右側)は参加者の手首にEDA電極の配置を示しています。この図のより大きなバージョンを表示するには、ここをクリックしてください。
図 3.調査、唾液バイオマーカー、および電極センサーが含まれる場合の実験タイムラインの表現。この図のより大きなバージョンを表示するには、ここをクリックしてください。
図 4.難易度。集合的な学生の成績に応じて試験の難易度と、実験設計A(AおよびB)および実験に対する正解と誤った応答に対する参加者による自己効力診断尺度ランキングの機能としてのEDAを意味する。デザイン B(CおよびD)N = 1 設計あたり 15 人の参加者。データは平均 ±標準誤差として報告されます(誤差バーで表されます)。パネルAとCの破線は、中程度の難易度(0.3~0.8)52の限界を表します。*p < 0.05, **p < 0.01, および ***p < 0.001, 統計的に有意な差を示す.この図のより大きなバージョンを表示するには、ここをクリックしてください。
図 5.正規化されたSAA、コルチゾールおよび平均EDA。試験中に所定の期間(開始、中間、終了、20分後)で60秒間隔で比較した実験設計Bの正規化されたsAA、コルチゾールおよび平均EDA。N = 15;データは平均 ±標準誤差で報告されます(誤差バーで表されます)。*p < 0.05 および **p < 0.01 は、統計的に有意な差を示します。この図のより大きなバージョンを表示するには、ここをクリックしてください。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
多くの本格的な学習の文脈で生理学的対策が用いられてきたが、現在の技術の限界を意識した研究環境を設計することが重要である。当社の設計は、本物のテスト環境の必要性のバランスをとり、技術に対応します。参加者の移動を快適に制限し、意図しない中断を減らし、参加者のテスト応答をタイムスタンプすることは、プロトコル内のすべての重要なステップです。
電極センサーデバイスのスペースと費用は、研究資金が限られている研究者にとって、この研究を非現実的なものにするかもしれない。しかし、一度購入すると、これらのセンサーは無制限の用途を持っています。唾液バイオマーカーは実験室で処理されなければならず、サンプルごとの前処理および後処理費用が多い。また、CVの切り込みおよびアッセイ内のパーセンテージを特定するために代替唾液アッセイ検証方法が必要になる場合があるため、使用される特定の実験室条件および機器を考慮することも重要です。
このプロトコルは、学術的感情の研究におけるマルチモーダルアプローチの応用における重要な前進である。このプロトコルは、参加者の回答をタイムスタンプすることでEDA測定の精度を最大化し、本格的なテスト環境を複製し、学生のコースワークと教室での研究をより客観的に行い、学習とパフォーマンスに焦点を当てた以前の研究を制限する制約。キーストロークキャプチャを必要とするオンライン学習アクティビティを含むようにテクニックを変更することができます。また、テストまたは現在のテキストベースのプロンプトの難易度がテストに対する学生の期待に影響を与えるように事前に設計されている詐欺研究のためにプロトコルを使用することも可能です。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
著者は何も開示していない。
Acknowledgments
この資料は、国立科学財団(NSF)第一部の支援を受けた研究に基づいています。EED-1661100と同様に、ダーシー・クリステンセンに与えられたNSF GRFP助成金(No. 120214)。この資料に示された意見、調査結果、結論または勧告は、必ずしもNSFまたはUSUのものを反映するものではありません。シェリー・ベンソンの優しい議論と統計分析の推奨事項に感謝します。
この論文の著者の寄稿は次のとおりです: Villanueva (研究デザイン、データ収集と分析、執筆、編集)ハスマン(研究デザイン、データ収集、書き込み、編集);クリステンセン(データ収集と分析、書き込み、編集);イマンス(データ収集と分析、書き込み、編集);カーン(データ収集と分析、書き込み、編集);ヴィシオソ(データ収集と分析、編集);ランプキンス(データ収集と編集);グラハム(データ収集と編集)
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).
