Waiting
Login processing...

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

Behavior

En tvärvetenskaplig och multimodal experimentell design för studier i nära real tid av autentiska Examinations erfarenheter

Published: September 4, 2019 doi: 10.3791/60037

Summary

En experimentell design har utvecklats för att undersöka realtids påverkan av en Examinations erfarenhet för att bedöma de känslomässiga realiteter studenterna upplever i högre utbildning inställningar och uppgifter. Denna formgivning är resultatet av ett tvärvetenskapligt (t. ex. pedagogisk psykologi, biologi, fysiologi, ingenjörskonst) och multimodal (t. ex. spott markörer, undersökningar, elektrodermala sensorer).

Abstract

Under de senaste tio åren har forskningen om elevernas känslor i utbildningsmiljöer ökat. Även om forskare har krävt fler studier som förlitar sig på objektiva mått av känslomässig erfarenhet, finns det begränsningar för att utnyttja multimodala datakällor. Studier av känslor och känslomässiga reglering i klassrum bygger traditionellt på enkät instrument, erfarenhet-provtagning, artefakter, intervjuer, eller observations förfaranden. Dessa metoder, medan värdefulla, är främst beroende av deltagare eller observatör subjektivitet och är begränsad i sin autentiska mätning av elevernas realtidsprestanda till en klassrummet aktivitet eller uppgift. Den senare, i synnerhet, utgör en stötesten för många forskare som försöker objektivt mäta känslor och andra relaterade åtgärder i klassrummet, i realtid.

Syftet med detta arbete är att presentera ett protokoll för att experimentellt studera elevernas realtidssvar på examens erfarenheter under en autentisk bedömnings situation. För detta, ett team av pedagogiska psykologer, ingenjörer och ingenjörsutbildning forskare utformat ett experimentprotokoll som behöll de gränser som krävs för noggrann fysiologisk sensor mätning, bästa praxis i saliv insamling, och en autentisk testmiljö. I synnerhet, befintliga studier som förlitar sig på fysiologiska sensorer bedrivs i experimentella miljöer som är bortkopplade från pedagogiska inställningar (t. ex., Trier stress test), fristående i tid (t. ex., före eller efter en uppgift), eller införa analys fel (t. ex. användning av sensorer i miljöer där studenter sannolikt kommer att flytta). Detta begränsar vår förståelse av elevernas realtidssvar på klassrumsaktiviteter och-uppgifter. Vidare har ny forskning krävt att fler överväganden ska täckas kring rekryteringsfrågor, replikerbarhet, validitet, uppställningar, datarensning, preliminär analys och särskilda omständigheter (t. ex. genom att lägga till en variabel i försöks design) i akademiska känslor forskning som bygger på multimodala metoder.

Introduction

Psykologer har länge förstått vikten av människors känslor för att belysa deras beteenden1. Inom studiet av utbildning, akademiska prestation känslor (AEE) har blivit fokus för Emotion Research2. Forskare som använder AAE hävdar att situationsanpassat sammanhang studenterna befinner sig i är viktiga att tänka på när man undersöker elevernas känslor. Eleverna kan uppleva testrelaterade, klassrelaterade eller inlärningsrelaterade känslor som involverar multikomponentprocesser, inklusive affektiva, fysiologiska, motiverande och kognitiva komponenter. AEE uttrycks i två former: Valence (positiv/negativ) och aktivering (fokuserad/ofokuserad energi). Positiva aktiverande känslor, såsom njutning, kan öka reflekterande processer som Metacognition, medan positiva deaktiverande känslor som stolthet kan resultera i låga nivåer av kognitiv behandling. Negativa aktiverande känslor som ilska och ångest kan gnista engagemang, medan negativa deaktiverande känslor som hopplöshet kan dämpa motivationen3,4,5. Akademiska känslor bidrar till hur vi lär, uppfattar, beslutar, svarar och problem lösa2. För att reglera akademiska känslor, måste en individ ha egen effekt (se)6,7,8, vilket är deras förtroende för deras förmåga att anställa kontroll över sin motivation, beteende och sociala miljö 6. Self-effektivitet och akademiska känslor hänger samman, där lägre själv effekt är knuten till negativa deaktiverande känslor (t. ex. ångest, ilska, tristess) och högre själv effekt är knuten till positiva aktiverande känslor (t. ex., lycka, hopp, spänning)6,7,8. Se tros också vara starkt knuten till Performance6,7,8.

Forskning som har undersökt klassrummets känslor har förlitat sig på själv rapporter, observationer, intervjuer och artefakter (t. ex. tentor, projekt)9,10. Även om dessa metoder ger rik sammanhangsberoende information om elevernas klassrums upplevelser har de betydande begränsningar. Till exempel, intervjuer, observationer och själv rapporter förlitar sig på individers introspektioner10. Andra metoder har försökt att undersöka akademiska känslor mer proximalt än tidigare forskare, såsom de som bygger på erfarenhet-provtagning metoder där forskare be eleverna att rapportera om sina känslor under skoldagen11. Även om denna forskning ger oss möjlighet att rapportera elevernas känslor mer exakt, detta arbete förlitar sig på själv-rapport metoder och tillåter inte för realtid rapportering som eleverna måste pausa sitt arbete på tentamen för att ta itu med erfarenheten undersökningen.

Nyligen har forskare börjat ta itu med farhågor om själv rapportåtgärder genom användning av biologiska eller fysiologiska åtgärder av Emotion9, som i kombination med andra instrument eller tekniker såsom undersökningar, observationer, eller intervjuer, består av en multimodal form av datainsamling för pedagogisk och psykologisk forskning12. Till exempel används biologiska tekniker, inklusive saliv-Biomarkers, för att förstå den roll som biologiska processer har på kognition, känslor, inlärning och prestation13,14,15. För kognitiva processer, androgener (t. ex., testosteron) har kopplats till olika rumsliga erkännande mönster hos vuxna och barn16,17 medan hypotalamus-hypofys-adrenokortikala hormoner (t. ex., kortisol) och adrenerga hormoner (t. ex. saliv α-amylas eller sAA) är kopplade till stress lyhördhet bland individer18,19,20.

ELECTRODERMAL aktivitet (EDA) representerar ett fysiologiskt mått på aktiveringen av det autonoma nervsystemet (ans) och är kopplat till ökad aktivering av systemet, kognitiv belastning, eller intensiva känslomässiga svar21,22 ,23. I Examinations aktiviteter påverkas EDA av fysisk rörlighet21,22, kroppsliga och omgivande temperaturer24,25,26,27, och orm av tankar28, samt känslighet och graden av anslutning av analog-digitala elektroder till huden29.

Även om dessa kan vara begränsningar för att använda EDA, denna teknik kan fortfarande ge värdefull insikt i vad som händer under nästan realtid undersökningar och kan fungera som ett lovande verktyg för att utforska AEE och i omfattning, egen effekt. Som ett resultat, en korrekt bild av elevernas AEE kan erhållas genom en kombination av undersökningsmetoder, att bestämma valens av känslor, och fysiologiska och biologiska data, för att mäta aktiveringen av denna känsla. Detta dokument bygger på en tidigare publikation om Examinations verksamhet30 och utvidgar omfattningen av detta arbete till att omfatta multimodala metoder (med erfarenhet-provtagning undersökningar, EDA sensorer och saliv-Biomarkers) i ett undersöknings scenario. Det är viktigt att nämna att det protokoll som beskrivs nedan tillåter att flera deltagaruppgifter samlas in samtidigt inom en enda experimentell miljö.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Förfaranden godkändes av den institutionella Granskningsnämnden (IRB) under en allmän översyn vid Utah State University för studier om mänskliga ämnen och användning av dessa konstruktioner. De typiska resultaten inkluderar två terminer av en Engineering Statik kurs, var och en med en något annorlunda experimentell installation, vid en västerländsk institution för högre utbildning i USA. Övningsprov, vars innehåll parallellt de faktiska proven, utvecklades av kursens instruktör och användes för vår studie. Observera att protokollet som beskrivs nedan beskriver samtidiga steg, och vissa steg kan överlappa varandra.

1. överväganden för försöksutformning och integrering av disciplinära metoder

När forskarna betraktar experimentella konstruktioner av detta slag måste disciplinära kunskaper och förhållningssätt integreras på ett sätt som kompletterar och upprätthåller det huvudsakliga forsknings målet. När nya instrument och metoder läggs till behövs ytterligare validerings överväganden. I detta arbete kommer vi att utforska en experimentell studie där undersökningar och elektrodermala sensorer användes för en av terminerna (experimentell design A), och spott-biomarkersamlingen (dvs kortisol och sAA) lades till påföljande termin (experimentell design B). Nedan är de överväganden för de två installationerna:

  1. Experimentell design med undersökningar och Elektrodermala sensorer
    1. Elektrodermala sensorer är känsliga. Deltagarnas skrämma svar, om oavsiktligt aktiveras, kan skapa en betydande topp i Eda svar. Detta är särskilt viktigt när man överväger flera deltagare för insamling av data, vars åtgärder kan förbättra dessa skrämma svar. Som sådan, se till att ställa in arbetsytan noggrant för att minimera så många distraktioner som möjligt. Som visas i figur 1, inkludera en test sköld om undersöka undersöknings upplevelser för en individ eller grupp av individer.
      Obs: för att öka den ekologiska giltigheten av testmiljön, planerar att tillhandahålla material som en elev skulle använda på deras faktiska tentamen (t. ex. arbetsböcker, ekvations blad) så att deltagarna kan reflektera över och träna alla nödvändiga examens problem
    2. Elektrodermala sensorer ger en signal var 1/4: e av en sekund. För att möjliggöra en händelse som ska definieras och studeras, implementera en plan för att samla in ett exakt mått på uppkomsten av en uppgift. När tid synkroniserar elektrodermala sensorer med undersökningar, se till att presentationen av undersökningen frågan synkroniseras till elektrodermala sensorn genom att använda den interna klockan på datorn för att upprätta en tidsram för datainsamling (se figur 1). Om du använder en Bluetooth-aktiverad elektrodermala sensorer (t. ex. se tabell över material), Synch Times i Greenwich Meridian Time (GMT) för att redogöra för tidszonsändringar och sommartids skillnader vid datainsamlings procedurer30.
      Anmärkning: om du använder en webbserver för presentation av stimuli (t. ex. test fråga, undersökning objekt, etc.), se till att justera tiderna mellan servern och datorns interna klocka eftersom dessa inte är vanligtvis synkroniseras. Observera att det kan vara nödvändigt att förinstallera en plattformsoberoende webbserver (t. ex. XAMPP eller andra Apache-servrar) till varje dator som används för studien. Om avsikt att synkronisera en webbkamera för videoinspelning ändamål, överväga att använda säkerhetsprogram som tillåter inspelning av datum, tid, timme, minut, sekund och millisekund (t. ex., 01/01/2000 04:01:02:05) av videon. Observera att denna video också måste synkroniseras med datorns interna klocka och de andra enheterna (t. ex. EDA-sensor). Ställ in webbkamerorna för att mäta deltagarens ansikte i olika vinklar, om det behövs. Vi rekommenderar att för en frontal faced webbkamera; videon är placerad parallellt med arbetsstationens yta och för nedåtvända webbkameror för att placera videon vid 30 ° till 45 ° från arbetsstationens yta till deltagarens ansikte.
    3. Placera elektrodermala sensorn på deltagarens icke-dominerande hand för att minimera brus i signalen på grund av rörelse eller elektrod kontaktfel vid datainsamling, som föreslås i ett tidigare protokoll30. Om forskarna vill minimera artefakter i EDA på grund av rörelse, ett alternativ är att inkludera en hand leds gel pad på en plats som är bekväm att deltagaren och som samtidigt tillåter dem att vila sin icke-dominerande hand på.
      Obs: placeringen av den bärbara datorn, gel pad, sensor, tentamen ark, och andra element i studien måste standardiseras för att säkerställa repeterbarhet över undersöknings förhållanden och terminer. Som framgår av figur 1, användes målarens tejp för att centrera varje objekt (t. ex. bärbara datorer, examens blad, kameror) av den experimentella installationen konsekvent mellan deltagare och terminer av datainsamling.
    4. För mätning av elektrodermala sensorer, upprätta en period under vilken deltagarna har uppnått ett avslappnat tillstånd för att fastställa EDA-data vid baseline31. För detta, antingen ange en tid i början av provet för deltagarna att stirra på testing Shield (~ 5-15 minuter) eller programmera denna Cue till den bärbara datorn som en del av tidsstämplar programmet. Efter avslutad denna period, kan deltagarna börja med alla relevanta undersökningar och frågor tentamen. I samma anda, tilldela en avslappnings period i slutet av examen erfarenhet.
  2. Experimentell design med undersökningar, Elektrodermala sensorer och saliv-Biomarkers
    1. Vid integrering av elektrodermala sensorer med undersökningar och spott markörer, se till att störningarna minimeras i bästa möjliga utsträckning. Som en strategi kan du skapa en utbildningsvideo som hjälper deltagarna att förstå hur de kan ge sina salivprov vid fastställda tidsperioder för provet enligt tillverkningsspecifikationer (se tabell över material) för att minimera avbrott från Forskare.
      Obs: i denna studie, forskarna var intresserade av att samla saliv under fyra tid-Poäng: början, mitten, slutet, och post-examen. Men forskarna kan välja andra gånger de bedömer lämpliga för sin studie. Dessutom använde vi bomullstuss insamlingsmetod32 i stället för dess passiva dregla metod33 för enkel användning och snabbare prov insamlings tider. Dessutom valde vi kortisol34 och sAA35 Kits (se tabell över material) och följde tillverkarens specifikationer i sin bearbetning. Men om din grupp inte har ett biologiskt labb för att utföra dessa former av testning, kan andra leverantörer kunna analysera exemplen32,36.
    2. Vid uppsamling av salivprov, ha en kylare med torris med en inre temperatur på-20 ° c; Detta kommer att förhindra rumstemperatur nedbrytning av enzymer för kortisolproverna34. Om samla saliv alfa-amylas, dess stabilitet är mycket längre (~ fem dagar vid rumstemperatur och möjliggör 5 frysa-Tina cykler35). Om samla både, som var fallet i denna studie, Följ de riktlinjer som krävs för att lagra saliv kortisol prover enligt tillverkarens rekommendationer34,35.
    3. Om du använder bomullstuss insamlingsmetod25, har pinnen kvar antingen i innerkinden eller under tungan av deltagaren för 60 s. Vid hantering av flaskorna och prov insamlings locken, följ tillverkarens protokoll34,35 och förmedla informationen till deltagarna innan studien påbörjas.
      Anmärkning: om experimentet är mer granulat (t. ex. fråga efterfråga datainsamling), se till att registrera debut och offset gånger för varje salivprov samling, eftersom dessa kan behöva redovisas i EDA-analysen. Detsamma gäller för insättande och offset av enkätdata insamlings tider. För insamling av saliv data utvecklade vår grupp ett Flaggnings system för att låta deltagarna anmäla till forskaren/Proctor när ett salivprov var redo att samlas in. Överväg att utse flera Proctors att bistå med under en experimentell session om flera salivprov är redo att samlas in och lagras.

2. inställning och rengöring före och efter experiment

  1. Undersökningar
    1. I enkätformuläret organiserar du en planeringsprocess, anger deltagar-ID och samlar in demografisk information efter behov. Också, upprätta eller pre-Label eventuella relevanta enkätfrågor som förberedelse för dataexport. Detta kommer att möjliggöra snabbare och effektivare datarensning, hantering och statistiska analyser.
    2. Synka undersökningens presentations-och utgångs tider genom hela examens protokollet. Om du integrerar sensorer eller video, synkronisera dessa tekniker med undersökningen programvara samt.
    3. Som en fråga om artighet och i syfte att bidra till en hjärtlig och välkomnande forskningsmiljö, och om instruktörer överens, inrätta en automatiserad uppföljning e-post som innehåller svar på tentamen frågor som ska skickas till deltagarna omedelbart eller strax efter deltagande i sessionen.
  2. Elektrodermala sensorer
    1. Planerar att i förväg schemalägga deltagare till en examination session/tid, bedöma all medicinsk information och kostvanor för EDA och saliv Collection30 och hand dominans för EDA Collection30, och påminna deltagarna att undvika konsumtion av sockerhaltiga eller koffeinhaltiga produkter dagen för experimentet. Detta är viktigt eftersom vissa sjukdomstillstånd (t. ex. metabola sjukdomar) och kostvanor (t. ex., koffein konsumtion) kan påverka EDA (och saliv värden), som föreslagits i ett tidigare protokoll30.
    2. Innan deltagarna anländer, se till att sensorerna är korrekt kalibrerade, programuppdateringar har tagits om hand, och sensorer har rengjorts med 70% sprittork dukar30.
    3. När EDA-sensorn monteras på en deltagares handleder, se till att placera den på deltagarens icke-dominerande hand. För att passa EDA-sensorn:
      1. Placera sensorn med knappen vänd nedåt mot tummen.
      2. Med handflatorna vända mot ansiktet, har deltagarna dra en imaginär linje från utrymmet mellan det andra och tredje fingret på deras icke-dominerande hand till deras mitten av handled område och Placera sensorn elektroderna där.
      3. Be deltagarna att passa in sensor remmarna på ett sätt som inte är för hårt eller för löst.
        Anmärkning: en representativ bild av denna koppling finns i figur 2.
    4. När du startar sensorn ska du följa tillverkarens protokoll31 för att säkerställa att sensorerna är inställda för att samla in data. I detta experiment är protokollet skräddarsytt för användning med ett särskilt märke av sensorer (se tabell över material), även om forskarna är välkomna att använda någon fysiologisk sensor som de själva väljer.
      1. För enheter som används här, tryck på sensor knappen i tre sekunder. En grön lampa blinkar intermittent, följt av en röd blinkande lampa och sedan en uttoning inträffar.
      2. Under uttoning, för att kontrollera att sensorn är på, tryck på knappen en gång för mindre än 1 s. Om den blinkar rött indikerar det att den spelar in data.
    5. När du stänger av sensorn trycker du på knappen i 3 s. Sensorn stängs av om lamporna på undersidan av armbandet går från grönt till Fade.
    6. För att hämta data från sensorn, Anslut den till datorn och ladda upp data i hanteringsprogram varu systemet enligt tillverkarens rekommendationer31.
  3. Saliv-Biomarkers
    1. Som nämnts tidigare, pre-bedöma eventuella medicinska tillstånd eller kostvanor som kan påverka saliv värden under analys. Påminn också deltagarna att inte bära något läppbalsam, smink, eller produkter nära läpparna när de anländer till sessionen, eftersom detta kan införa föroreningar som kan påverka kortisol och saliv alfa-amylas prover. Om deltagarna anländer bära dessa produkter, försiktigt vägleda dem till en toalett eller tillhandahålla lämpliga våtservetter som skulle ta bort dessa produkter utan att införa andra kemikalier (t. ex. vatten på en servett kontra make-up Remover handdukar). Slutligen, tydliga experiment rum av mat eller dryck som har en stark lukt (t. ex., pizza, apelsiner) som kan förbättra salivproduktion bland deltagarna.
    2. Vid deltagarnas ankomst till experiment rummet, hand deltagare 1 uns vatten hälls i en kopp i sin närvaro. Be dem att Swish och svälja vattnet. Detta görs för att rensa munnen av alla livsmedelsrester som kan påverka kortisol och saliv alfa-amylas data.
    3. Om samla EDA data i samband med saliv, försiktigt påminna deltagarna att minimera handrörelse i handen som har EDA sensorn. Som sådan måste deltagarna informeras om att varje salivprov samling som tillhandahålls skall göras i deras dominerande hand. För att underlätta denna process rekommenderas att den experimentella installationen inkluderar förmärkta injektionsflaskor och ett stativ för att minimera förlust av prover (se figur 1).
    4. Vid insamling av salivprov, Använd färska nitrilhandskar för att minimera eventuella dammpartiklar eller annat främmande ämne från hand oljor som ska överföras till salivprov flaskan.
    5. Som tidigare angivits ska proverna omedelbart överföras till en kylare som har en inre temperatur på-20 ° c.

3. ökad ekologisk giltighet mot bakgrund av undersökningar, elektrodermala sensorer och saliv-biomarkörer

  1. Om examens äkthet
    1. Om du vill ge en autentisk test upplevelse justerar du examens innehållet med kursinnehåll. Granska kursinnehållet tillsammans med en grupp innehålls experter, inklusive kurslärare.
    2. Välj en utvärdering (test eller utvärdering) av kursinnehållet som kan replikeras i en experimentell miljö eller som kan komplettera befintligt kursinnehåll (t. ex. övningsprov).
      Observera: beroende på institutionens granskningsregler kan det hända att det inte är tillåtet att använda riktiga examina på grund av dess potentiella skada på studenternas betyg i kursen. Som sådan kan en likvärdig erfarenhet (t. ex. Övningstentamen) övervägas i stället.
    3. Tillsammans med instruktören, utveckla en svars nyckel och examens problem och dess lösningar som ska användas för att samla in resultatdata på en detaljerad nivå (dvs. fråga efterfråga) och/eller makro-nivå (dvs. hela examen) beroende på målen för forskningen
    4. Be instruktören också att tillhandahålla ytterligare material som vanligtvis används i deras examina (t. ex. fusk lakan) eller tillåtna material (t. ex. läroböcker, referenslista) som vanligtvis används i deras kurser. Försöksledaren bör vara beredd att tillhandahålla dessa verktyg till deltagarna.
    5. Se till att testmiljön är parallell med den experimentella installationen (t. ex. tenta tider, erbjudandet av tentamen – Test Center eller klassrum, etc.) och dess funktioner som skrivbordsutrymme, belysning, rummets temperatur, bland annat.
  2. Om undersökning inkludering
    1. Beroende på antalet enkätfrågor, kommer det att vara viktigt att redogöra för den ungefärliga tiden; Det kan ta deltagarna att slutföra enkäten frågor medan de tar sin examen.
    2. Tilldela ytterligare test-ta tid att redogöra för avbrott och utforma examensprogrammet att återvända studenter till en viss examen problem om en undersökning prompt avbröt dem. Se också till att denna avbrottstid är konsekvent mellan deltagarna (t. ex. början, mitten och slutet av provet).
    3. Beroende på vilken typ av experimentell design, om den detaljerade typen av svar behövs (t. ex., fråga efterfråga), planerar att presentera provet problemet först, sedan uppmana deltagarna att svara på enkäten frågan och sedan låta deltagarna att ange sina (t. ex. öppen text, flervals åtgärder osv.). Detta kommer att göra det möjligt för deltagarna att först se problemet och besvara enkät frågan enligt det presenterade problemet. Om den experimentella designen är på en makronivå ska du se till att deltagarna får reflektera över examens upplevelsen fram till den punkten innan de svarar.
      Obs: teorier och hypoteser är viktiga att överväga i detta steg som valet av den särskilda typen av presentation av en post (t. ex. undersökning, tentamen) kommer att fråga. Till exempel, om studerar själv effekt, är detta bäst bedömas på nivån för test frågan, medan akademiska prestation känslor vanligtvis frågade pre-, under-, och post-examen.
  3. Om elektrodermala aktivitetssensorer
    1. För att säkerställa att deltagarna inte är alltför stressad på grund av experimentella protokollet, inkluderar kalibrering och avkoppling perioder under hela examen erfarenhet. En strategi skulle kunna vara att låta deltagarna fokusera om sin uppmärksamhet mellan frågor. Börjar med en enkel att svara på frågan (t. ex., "vilken dag i veckan är vi i?") och låt deltagarna 30 s att vila mellan varje tentamen fråga.
      Obs: Tänk på att förstå utformningen av tentamen frågor själv och förutsäga vad elevernas reaktioner kan vara viktiga (t. ex., ökad kognitiva belastningar eller neurala effektivitetsvinster37) eftersom de kan påverka spott markör och EDA data Samling. Till exempel bör tentamen frågor alla vara i form av uppsats inträde, vilket skulle kräva handrörelse som kan påverka EDA data24,25 eller en examen kan utformas genom varierande svårighetsgrader, vilket kan påverka elevernas kognitiva belastningar eller neurala effektivitetsvinster37.
    2. Se till att tidsstämpling programmet kommer att redogöra för eventuella förändringar i undersökningen erfarenhet (t. ex. kalibrerings perioder, debut och offset av in-mellan kalibrerings frågor, enkätfrågor debut och offset, start och på tentamen). Detta är ett viktigt steg eftersom det kommer att möjliggöra för matchning av datakällor, som kommer att bestämma de intervaller eller händelser som ska bearbetas och analyseras.
  4. Om saliv-biomarkeranvändning
    1. Var uppmärksam på när du ska samla saliv-Biomarkers.
      Obs: spott-biomarkörstudier typiskt utforskas genom en pre-pre-Mid-post-post-post design32,33,34,35,36. Som kortisol tar 20 minuter att reagera på stress14, dessa tid släpar behövs för att observera kortisol debut och återhämtning. När det gäller elevernas förberedelser för en tentamen, kan deltagarna vara oroliga för att avlägga examen, och därmed kan en före-debut åtgärd inte vara möjligt. Det är också viktigt att inte avbryta eleverna ofta under tentamen. I vår studie valde vi att samla saliv en gång före debut, en gång under, omedelbart efter, och 20 minuter efter provet så tyst som möjligt för att minimera störningar. En tidslinje för prov testning finns i figur 3.
    2. I Examinations programmet, inkludera tidsinställda uppmaningar till Cue-deltagare när det är dags att samla in saliv. Inkludera en 60-s timer, så deltagarna är medvetna om varaktigheten av saliv samling. Returnera deltagare till det problem de arbetade med i provet när 60 s är klar.

4. överväganden för databehandling och analys

  1. Undersökning
    1. Kontrollera att data utdata är märkta och ordnade på rätt sätt för att möjliggöra effektiv datahantering och se till att statistiska program (t. ex. SPSS, SAS) kan utföra alla nödvändiga analyser.
    2. Identifiera eventuella avvikare data baserat på standarder för undersökning avvikare upptäckt38 samt alla bestäms genom de demografiska data som samlats in tidigare (t. ex. medicinska tillstånd).
    3. Fastställa vilken typ av statistisk analys och/eller modellering som ska uppföras på grund av den fastställda forskningsfrågan (-erna) och/eller hypoteserna
  2. Elektrodermal aktivitet
    1. Observera att elektrodermala data utgångar kan variera beroende på företag. För den enhet som används i denna studie31, data utgångar presenteras som en enda kolumn med en starttid mätt i GMT, följt av frekvensen av datainsamling och EDA mätt i microsiemens. EDA-data ökar sedan i enlighet med frekvensen för datainsamlingen. Eftersom data är beroende av tidpunkten för debut, konvertera denna tid till UNIX tid enligt tillverknings protokoll och tidigare protokoll30. Detta kommer att möjliggöra smidigare synkronisering av EDA dataändringar i experimentet.
    2. Identifiera och ta bort potentiella tillverkare källor av extremvärden, såsom sensorfel, ofullständig datainsamling, eller dålig kontakt av elektroderna i huden. Dessa kommer att identifieras av negativa värden eller konstant nära noll kontinuerliga datasegment i data utmatnings bladet.
    3. Identifiera och ta bort eventuella användargenererade källor av extremvärden som oregelbundna rörelser (t. ex. handslående skrivbord eller nervösa gängning), undersökning eller saliv-Biomarkers insamlings perioder, eller stora förändringar i kroppstemperatur eller blodtrycksmätningar .
    4. För att ta bort brus på grund av rörelse, gör följande serie av steg:
      1. Skanna först igenom deltagarnas accelerometer (ACC)-profiler, som också tillhandahålls av hand leds sensorn. Observera att data kommer att ha X-, Y-och Z-kolumner som anger tredimensionella horisontella, vertikala och rumsliga handrörelser respektive. Beräkna glidande medelvärde av denna accelerometer data enligt Euclidean avstånd (L2-norm)39,53 ekvation för att beräkna den totala rörligheten:
        Equation 1
      2. Beräkna standardavvikelsen för euklidiska avståndsvärden för hela deltagar uppsättningen och rangordna dem. Beräkna medelvärdena för euklidiska avståndsvärden också.
      3. Beräkna variationskoefficienten för euklidiska avståndsvärden för bestämning av signal-till-brus-förhållanden40 enligt följande ekvation:
        Equation 2
        Anmärkning: variationskoefficient värden som överskrider en poäng på 1 indikerar en avvikare och måste tas bort från analysen enligt rekommendationerna i hantera signaleringsdata33.
      4. När ljudet på grund av rörelse tas bort, bestämma den nödvändiga tröskeln för att filtrera data. För detta, beräkna de övre och nedre gränserna för 95% av standardavvikelsen för signalerna. Data utanför dessa intervall kan antingen tas bort från datauppsättningen/analysen eller imputerad enligt forskarnas mål och målsättningar. För denna studie valde vi att genomsnittet utanför spänner med fastställda godtagbara data.
      5. Gå tillbaka till EDA-data och Använd de tidsstämplade Accelerometerdata för att identifiera motsvarande intervall för EDA (som också har varit tidsstämplat).
        Obs: för att synkronisera accelerometer och elektrodermala data, notera att inspelnings frekvenserna är olika (4 Hz för EDA och 32 Hz för ACC) så de måste först justeras. Eftersom, till sin natur, det kommer att finnas mer ACC-data än EDA-data, Använd de genomsnittliga EDA-värdena för att redovisa denna skillnad.
    5. När EDA datauppsättningar har rengjorts41,42 även om den filtrerade accelerometern data, fortsätta att separera tonic (baseline) och phasic (omedelbara, reaktiva) signaler med hjälp av föreskrivna verktyg (t. ex.., ledalab, EDA Explorer)43 ,44, för statistisk analys används i första hand phasic, filtrerade EDA-data och värden (t. ex. magnituder, antal toppar, latens tider) beräknas baserat på forskningsfrågan/hypotesen och med metoder som beskrivs av Bouscien22,23.
  3. Saliv-Biomarker
    1. För både kortisol och saliv alfa-amylas-analyser, följ tillverkarens protokoll22,23,24,25,26,27,28 och tekniker rekommendationer om användningsvillkor, lagring och hantering av prover.
    2. Snurra upptinade prover vid 1 500 x g vid 4 ° c. Var noga med att ta bort kompresser noggrant och att flaskorna har saliv supernatanten i botten av injektionsflaskan för att säkerställa mucin separation.
    3. Som god praxis, innan du följer analys protokollen, gör en buffert sköljning av brunnar med hjälp av en tallrik bricka före bearbetning. Detta är särskilt viktigt för kortisol.
    4. Se till att den optiska densitetsplattan har förprogrammerats till lämpliga temperaturer (t. ex., sAA-prover kräver inkubations temperaturer på 37 ° c medan kortisolprover kräver rumstemperatur avläsningar) och våglängder (dvs. sAA kräver 405 nm och kortisol kräver 450 nm och 490 – 492 nm referensfilter). För sAA-analyser rekommenderas att plattläsaren som används har både en shaker och en inkubator inuti.
    5. Följ tillverkarens protokoll34,35 för att beräkna koncentrationsvärden för varje prov och motsvarande intra-och Inter-assay procent av koefficienten för variation (% CV) ekvationer för att identifiera avvikare från datauppsättning (detta beräknas på olika sätt jämfört med ekvationen som tidigare angetts). Observera att för sAA, hålla reda på de partinummer som används i kontrollerna som de inte är standardiserade.
      1. Först genomsnitt% CV för kontrollerna av partinummer och sedan genomsnittliga dessa värden för att få en stor genomsnittlig% CV-poäng.
      2. När det gäller prover rekommenderar tillverkaren att proven inom analys skall ha ett% CV under 10%, medan kontrollerna bör ha en Inter-assay% CV under 15%34,35. Dessa% CV-värden kommer dock att vara betydligt beroende av de laboratorieförhållanden och den utrustning som används för att bedriva forskningen. Som sådan, överväga alternativa metoder för immunoassay assay validering som behövs45.
    6. Frysa salivprov vid-80 ° c efter analysen för att möjliggöra verifiering av dess validering. Frys inte Tina mer än en gång för att förhindra ytterligare enzymatisk nedbrytning av proverna eller kontrollerna.
  4. Triangulering av data
    1. Beroende på forskningsfråga eller hypotes korrelerar relevanta variabler. Säkerställ att alla avvikare och data är korrekt förbehandlade och filtrerade före användning46.
    2. Avgöra om urvalet storlek, datainsamlingspunkter, observerade statistiska makt, och forskningsfrågor eller hypotes nödvändiggöra amalgamera data47, eller använda upprepade-åtgärder analytiska tekniker48,49, 50.
    3. Redovisning av Inter-individuella skillnader i arbetstid51 och förseningen av saliv-biomarkörer till stress14, använda tidsstämplar eller bestämma händelser för att synkronisera datauppsättningar tillsammans.
    4. Med hjälp av statistiska modeller och programvara, analysera datauppsättningen och tolka resultat.

innehåller 16 zip-filer.  Varje zip-fil innehåller alla EOL frågesporter för ett visst huvudkapitel.  De vilja till Unzip den här arkivera, och då varje zip arkivera få lastat individuellt in i segelduk.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

I denna studie, vi var intresserade av att studera influenser av själv-effektivitet, prestanda, och fysiologiska (EDA sensorer) och biologiska (sAA och kortisol) svar på grundutbildning ingenjörsstudenter som de tog en praktik examen. De uppgifter som visas är en representativ delmängd av proverna: (a) en som övervägde undersökningar och elektrodermala sensorer (experimentdesign a) och (b) en som inkluderade samma tentamen tillsammans med data från saliv-biomarkör (experimentdesign b). Medan vi samlat känslor data i denna studie, kommer vi inte att presentera det, eftersom vårt mål var att visa detaljerad data i realtid snarare än vid föreskrivna tidpunkter i början, mitten, eller slutet av tentamen, som är där känslor data samlades in.

Som framgår av figur 4jämfördes graden av svårighetsgrad i provet enligt det kollektiva svaret från studenterna i de experimentella formgivningarna. Dessutom var medelvärdet för EDA som en funktion av elevernas rapporterade själv Effektresultat innan de avslutade examensfrågorna plottas. Även om svårighetsgraden var densamma för de två formgivningarna, konstaterades motsatta skillnader mellan de genomsnittliga EDA-värdena mellan de korrekta och de felaktiga svaren i olika resultat av själv effekt. För experimentell design A (EDA-sensorer och enkäter), ökade Mean EDA för en mid-SE Poäng för studenter som svarade felaktigt på tentamen frågor jämfört med studenter som svarat på frågorna korrekt (p < 0,001). För experimentell design B (EDA-sensorer, undersökningar och saliv-Biomarkers) varierade medelvärdet för EDA-värden där en motsatt effekt konstaterades för låga SE-Poäng (p < 0,05) och höga poäng (p < 0,01).

För att förstå eventuella saliv påverkan, medelvärdet EDA samt kortisol och sAA assay värden för ange datapunkter i provet (början, mitten, slutet, och 20-minuter efter examen) var normaliserade (figur 5) för experimentell design B. Det är viktigt att notera att medelvärdet för EDA-värdena för denna tabell trunkerades vid 60-s intervall under den förinställda tidsramen för att möjliggöra jämförelser mellan varje saliv markör. Uppgifterna tyder på att EDA-nivåerna minskade från början till slutet av provet, och dessa nivåer återhämtade sig genom 20-minutersmarkeringen efter provet. Dessa trender var parallellt i kortisol och sAA data. Statistisk signifikans, som bestäms genom ANOVA, hittades mellan EDA och sAA i början och mitten av provet (p < 0,05 för båda gångerna) medan EDA och kortisol visade betydelse mellan mitten och slutet av provet (p < 0,01 respektive p < 0,05). Av 20-minuters mark, EDA och sAA (p < 0,01) och kortisol och SAA (p < 0,05) började Visa betydelse mellan varandra.

Figure 1
Figur 1. Experimentell inställning vid användning av undersökningar och elektrodermala sensorer för att studera Examinations upplevelser. Bilden visar experimentell design A (sensorer och enkät) och B (sensorer, enkät och saliv-Biomarkers). Vänligen klicka här för att se en större version av denna siffra.

Figure 2
Figur 2. En schematisk representation av hur deltagarna kan passa och starta elektrodermala sensorn. Bild a (till vänster) visar placeringen av Start-knappen på sensorn medan bild B (till höger) visar placeringen av EDA-elektroderna på deltagarnas handled. Vänligen klicka här för att se en större version av denna siffra.

Figure 3
Figur 3. Representation av en experimentell tidslinje när undersökningar, saliv-Biomarkers och elektrodermala sensorer ingår. Vänligen klicka här för att se en större version av denna siffra.

Figure 4
Figur 4. Svårighetsgrad. Svårighetsgrad av tentamen enligt kollektiv student prestation och menar EDA som en funktion av själv effekt skala ranking av deltagarna för korrekt och felaktiga svar för experimentell design A (a och B) och experimentell design B (C och D). N = 15 deltagare per formgivning; data rapporteras som medelvärdet ± standardfel av medelvärdet (representerade i felstaplar); streckade linjer på panelerna A och C representerar gränserna för måttliga svårighetsgrader (mellan 0,3 och 0,8)52; *p < 0,05, * *p < 0,01, och * * *p < 0,001, vilket innebär en statistiskt signifikant skillnad. Vänligen klicka här för att se en större version av denna siffra.

Figure 5
Figur 5. Normaliserade sAA, kortisol och Mean EDA. Normaliserade sAA, kortisol och Mean EDA för experimentell design B jämfört med 60-s intervall vid föreskrivna tidsperioder under tentamen (början, mitten, slutet, 20 minuter efter). N = 15; data rapporteras vid medelvärdet ± standardfel av medelvärdet (representerade i felstaplar); *p < 0,05 och * *p < 0,01, vilket innebär en statistiskt signifikant skillnad. Vänligen klicka här för att se en större version av denna siffra.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Även om fysiologiska åtgärder har använts i många autentiska inlärnings sammanhang, är det viktigt att utforma en studiemiljö som är uppmärksam på gränserna för den nuvarande tekniken. Vår design balanserar behovet av en autentisk testmiljö och rymmer tekniken. Bekvämt begränsa deltagarnas rörelse, minska oavsiktliga avbrott och tidsstämplar deltagarnas test svar är alla kritiska steg i protokollet.

Utrymmet och bekostnad av elektrodermala sensorn enheter kan göra studien opraktiskt för forskare med begränsade forskningsmedel. Men när de väl har köpts har dessa sensorer obegränsade användningsområden. Saliv-biomarkörer måste bearbetas i ett laboratorium och ha betydande per-prov före och efter bearbetning kostnader. Det är också viktigt att överväga de särskilda laboratorieförhållanden och utrustning som används, eftersom alternativa saliv analysmetoder kan behövas för att identifiera Inter-och intra-assay procentsatser av CV.

Protokollet är ett viktigt steg framåt i tillämpningen av multimodala metoder i studiet av akademiska känslor. Protokollet maximerar precisionen för EDA-mätningar genom att tidsstämpla deltagarnas svar samtidigt som man replikerar en autentisk testmiljö, vilket möjliggör mer objektiva realtids studier av student kurser och klassrumsstudier, som tar itu med en begränsade tidigare forskningsstudier fokuserade på lärande och prestation. Det är möjligt att ändra tekniken för att inkludera online inlärningsaktiviteter som kräver tangenttryckning Capture. Det är också möjligt att använda protokollet för bedrägeri studier där svårigheten att testa eller presentera textbaserade uppmaningar är fördesignade för att påverka elevernas förväntningar på provet.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Författarna har inget att avslöja.

Acknowledgments

Detta material är baserat på arbete som stöds delvis av National Science Foundation (NSF) No. EED-1661100 samt en NSF GRFP Grant ges till Darcie Christensen (nr 120214). Alla yttranden, resultat, och slutsatser eller rekommendationer som uttrycks i detta material inte nödvändigtvis återspeglar de av NSF eller USU. Vi vill tacka Sheree Benson för hennes vänliga diskussioner och rekommendationer för vår statistiska analys.

Författare bidrag i detta dokument är följande: Villanueva (Research design, datainsamling och analys, skrivande, redigering); Husman (forskningsdesign, datainsamling, skrivande, redigering); Christensen (datainsamling och analys, skrivning, redigering); Youmans (insamling och analys av data, skrivning och redigering); Khan (datainsamling och analys, skrivande, redigering); Vicioso (datainsamling och analys, redigering); Lampkins (datainsamling och redigering); Graham (datainsamling och redigering)

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

DOWNLOAD MATERIALS LIST

References

  1. William, J. What is an emotion? Mind. 9 (34), 188-205 (1884).
  2. 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).
  3. 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).
  4. Pekrun, R., Perry, R. P. Control-value theory of achievement emotions. International Handbook of Emotions in Education. , 120-141 (2014).
  5. 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).
  6. Bandura, A. Self-efficacy: The exercise of control. , W. H. Freeman & Co. New York, NY. (1997).
  7. Bandura, A. Social foundations of thought and action: A social cognitive theory. , Prentice Hall. Upper Saddle River, New Jersey. (1986).
  8. 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).
  9. 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).
  10. 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).
  11. 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).
  12. Azevedo, R. Defining and measuring engagement and learning in science: Conceptual, theoretical, methodological, and analytical issues. Educational Psychologist. 50 (1), 84-94 (2015).
  13. 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).
  14. 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).
  15. Vedhara, K., Hyde, J., Gilchrist, I., Tytherleigh, M., Plummer, S. Acute stress, memory, attention and cortisol. Psychoneuroendocrinology. 25 (6), 535-549 (2000).
  16. 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).
  17. Lundberg, U., Frankenhaeuser, M. Pituitary-adrenal and sympathetic-adrenal correlates of distress and effort. Journal of Psychosomatic Research. 24 (3-4), 125-130 (1980).
  18. 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).
  19. 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).
  20. 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).
  21. Benedek, M., Kaernbach, C. A continuous measure of phasic electrodermal activity. Journal of Neuroscience Methods. 190 (1), 80-91 (2010).
  22. 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).
  23. 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).
  24. 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).
  25. Posada-Quintero, H. F., et al. Timevarying analysis of electrodermal activity during exercise. PLoS ONE. 13 (6), e0198328 (2018).
  26. 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).
  27. Scholander, T. Some measures of electrodermal activity and their relationships as affected by varied temperatures. Journal of Psychosomatic Research. 7, 151-158 (1963).
  28. 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).
  29. 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).
  30. 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).
  31. Empatica, E4 wristband from Empatica: User’s manual. Empatica. , 1-32 (2018).
  32. Salimetrics, Collection methods: Passive drool using the saliva collection aid. Salimetrics Technical Summary. , 1-2 (2018).
  33. Salimetrics, Collection methods: Passive drool using the saliva collection aid. Salimetrics Technical Summary. , 1-2 (2018).
  34. Salimetrics, Expanded range high sensitivity salivary cortisol enzyme immunoassay kit. Salimetrics Technical Summary. , 1-21 (2016).
  35. Salimetrics, Salivary α-amylase kinetic enzyme assay kit. Salimetrics Technical Summary. , 1-17 (2016).
  36. Moore, D. Innovative Hormone Testing: Saliva Test Specifications, ZRT Laboratory Reports. , Available from: https://www.zrtlab.com/resources/ (2014).
  37. 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).
  38. Ruel, E. E., Wagner, W. E. III, Gillespie, B. J. The practice of survey research: theory and applications. , SAGE Publications. Thousand Oaks, CA. (2016).
  39. Barrett, P. Euclidean distance: raw, normalized, and double-spaced coefficients. The Technical Whitepaper Series. 6, 1-26 (2005).
  40. 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).
  41. 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).
  42. 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).
  43. Benedek, M., Kaernbach, C. A continuous measure of phasic electrodermal activity. Journal of Neuroscience Methods. 190, 80-91 (2010).
  44. 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).
  45. Andreasson, U., et al. A practical guide to immunoassay method validation. Frontiers in Neurology. 6 (179), 1-8 (2015).
  46. Adam, E. K., Kumari, M. Assessing salivary cortisol in large-scale, epidemiological research. Psychoneuroendocrinology. 34 (10), 1423-1436 (2009).
  47. 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).
  48. Girden, E. R. ANOVA: Repeated measures. , Sage. Thousand Oaks, CA. (1992).
  49. Raudenbush, S. W., Bryk, A. S. Hierarchical linear models: Applications and data analysis methods (Vol. 1). , Sage. Thousand Oaks, CA. (2002).
  50. 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).
  51. Mehta, P. D., West, S. G. Putting the individual back into individual growth curves. Psychological Methods. 5 (1), 23-43 (2000).
  52. 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).
  53. 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).

Tags

Beteende realtid undersökning Performance tvärvetenskapligt multimodala experimentella
En tvärvetenskaplig och multimodal experimentell design för studier i nära real tid av autentiska Examinations erfarenheter
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Villanueva, I., Husman, J.,More

Villanueva, I., Husman, J., Christensen, D., Youmans, K., Khan, M. T., Vicioso, P., Lampkins, S., Graham, M. C. A Cross-Disciplinary and Multi-Modal Experimental Design for Studying Near-Real-Time Authentic Examination Experiences. J. Vis. Exp. (151), e60037, doi:10.3791/60037 (2019).

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