Nişan Çoklu Boyutları değerlendirilmesi Öğrenme karakterize etmek: Bir Nörofizyolojik Perspektif

Summary

Bu makale, bir görev sırasında öğrencilerin katılımının çoklu boyutlarının (davranışsal, duyuşsal ve bilişsel) toplanması ve senkronize edilmesinde yer alan teknikleri tanımlamayı amaçlamaktadır.

Abstract

Bağlılık kavramı üzerine yakın tarihli bir teorik sentezde, Fredricks, Blumenfeld ve Paris¹, bağlılığı davranışsal, duygusal ve bilişsel, çoklu boyutlarıyla tanımladılar. Bireysel katılım türlerinin birlikte incelenmediğini ve boyutlar arasındaki etkileşimler veya sinerji hakkında çok az bilgi bulunduğunu gözlemlediler; Sonuç olarak, daha fazla çalışma, ince ayarlanmış öğretim müdahalelerinin oluşturulmasına katkıda bulunacaktır. Nörobilimlerdeki son teknolojik gelişmelerden yararlanan bu makale, öğrenme görevleri sırasında çok boyutlu katılıma ilişkin verileri toplamak ve senkronize etmek için yakın zamanda geliştirilmiş bir metodoloji sunmaktadır. Teknik, (a) elektroensefalografi, (b) elektrodermal, (c) göz izleme ve (d) yüz duygu tanıma verilerinin dört farklı bilgisayarda toplanmasını içerir. Bu, birden çok kaynaktan toplanan veriler için senkronizasyon sorunlarına yol açtı. Özel entegrasyon yazılımında senkronizasyon sonrası, araştırmacılara katılımın çoklu boyutları arasındaki dinamikleri daha iyi anlamalarını sağlar. Müfredat geliştiricileri için bu veriler, daha iyi öğretim/öğrenme verimliliği elde etmek için bilinçli yönergeler sağlayabilir. Bu teknik aynı zamanda uyarlanabilir öğrenme veya değerlendirme ortamlarının geliştirilebileceği beyin-bilgisayar etkileşimleri alanında da olanaklar sunar.

Introduction

Nişan öğrenmede önemli bir rol oynar. Clark ve Mayer ² için, ne olursa olsun teslim medya "Tüm öğrenme, nişan gerektirir". Zhang ve ark. ³ de artmış öğrenci nişan gibi problem çözme ve eleştirel düşünme becerileri gibi öğrenme çıktılarını, artırabilir önerdi. Nişan tanımlama bir sorun olmaya devam etmektedir. Onların edebiyat derlemede, Fredericks, Blumenfeld'in ve Paris ¹ onun çok yönlü doğası gereği nişan tanımlamıştır: "Davranışsal nişan katılımı fikrine çizer; akademik ve sosyal ya da ders dışı etkinliklere katılımı içerir. (...) Duygusal nişan öğretmenler, sınıf arkadaşları, akademisyenler ve okula olumlu ve olumsuz tepkiler kapsar ve işi yapmak için bir nesne ve etkisi istekli bağları oluşturmak olduğu tahmin edilmektedir. Son olarak, bilişsel nişan zihinsel yatırım fikri üzerine çekiyor; Bu düşünce ve çaba yerde sınıflandırılmamış uygulamak için istekli içeriyoraçıklı karmaşık fikirleri ve master zor becerileri kavrayabilme. "

Fredericks, Blumenfeld'in ve Paris ¹ de davranış, duygu ve biliş odaklanma, nişan kavramı içinde, öğrenme zengin bir karakterizasyonu sağlayabilir iddia etti. Bu yazarlar araştırma sağlam bir vücut ayrı angajman her bileşeni adresleri işaret, ancak bu bileşenler birlikte okudu olmasaydı. Onlar da az bilgi boyutları arasında ve daha fazla çalışma ince ayarlı öğretim müdahaleleri planlama katkıda ki etkileşimleri hakkında mevcut olduğu görülmektedir. Bu yönde bir adım olarak, bu kağıt toplamak ve öğrenme görevleri sırasında, davranışsal, duygusal ve bilişsel nişan üzerinde eşzamanlı nicel ve nitel veriler, analiz için geliştirilmiş bir araştırma yöntem anlatılmaktadır.

Eğitim içine Nörobilim getirmek

Behavözellikle öncesi ve sonrası testler arasındaki uzun süre üzerinde meydana gelen bilgi ve davranış değişiklikleri üzerinde duruldu araştırma tasarımları ve saat arayla, hafta boyunca: ior ve dolayısıyla davranış nişan, uzun eğitimde çalışmalarının odak noktası olmuştur , ay veya yıl. Son iki boyut dışarıdan sistematik gözlemlenebilir olmadığı için, davranışsal, duygusal ve bilişsel nişan ayırt bir sorun olmaya devam etmektedir. Biliş ve duyguların ya gözlemlerden anlaşılmaktadır ya da öz-rapor önlemleri ile değerlendirilmelidir. Bakış harici açıdan bakıldığında, öğrencilerin işlerini mümkün olduğunca çabuk veya belirli bir içeriği master derin düzey öğrenme stratejileri kullanarak olarak halletmek için çalışıyoruz olmadığını belirlemek güçtür. Aslına bakılırsa, Fredericks, Blumenfeld'in ve Paris ¹ bilişsel nişan doğrudan, nesnel önlemler kullanarak herhangi yayınlanmış çalışmaları bulamadık.

Son teknolojik gelişmelersinirbilimlerden alan eğitiminde araştırma için yeni imkanlar yaratmıştır. Yeni veri toplama yöntemleri ve nöro ergonomi alanında geliştirilen analiz algoritmaları öğrenme görevleri sırasında nitel ve nicel araştırmalar için çok umut verici görünüyor. Ekonomi, psikoloji, pazarlama ve ergonomi gibi diğer disiplinler, bir süre ^4-8 bilişsel nişan değerlendirmek için nörofizyolojik ölçümler kullanılarak yapılmıştır. Verimli analiz algoritmaları ile birleştiğinde nörofizyolojik tedbirler, bir o bozmadan bir fenomen incelemek için izin verir. Doğaları gereği, öz-bildirim anketleri öğrenme öğrencileri ayırın. Nörofizyolojik önlemler araştırma tasarımları daha otantik öğrenme ortamlarında yürütülecek izin verir. Bu araçlar vb kalp atışlarının izlenmesi için ekipman, solunum hızı, kan basıncı, vücut ısısı, öğrenci çapı, elektrodermal aktivite, elektroensefalografi (EEG), sayılabilir.

Temsili sonuçlar bu protokolün kullanımını takiben, bu kağıt öğrenenler, bir bilgisayar ekranında, mekanik fizik on sorunları çözmek zorunda olduğu bir çalışmanın kısmi sonuçlarını sunacak. Bu sorunlar, önceki çalışmalarda ⁹ geliştirildi. Gözleri her sorunun ardından, kapalı öğrenenler, problemleri çözmek ve bir 45 s mola sırasında rahatlatıcı iken nörofizyolojik veriler toplanmıştır.

Yukarıda belirtildiği gibi, davranışsal nişan veri görevi ¹ gerçekleştirirken sistemi ile etkileşen bir öğrenci tarafından üretilen sorulara yazılım etkileşimleri (fare hareketleri ve tıklamaları), göz bakışları, performans ve cevapları oluşmaktadır. Bir göz-takip sistemi yazılımı etkileşimleri ve göz bakışları veri toplamak için kullanıldı. Performans verileri (bir sorunu çözmek için zaman, cevapların doğruluğu) bir toplandıgörevi sunmak için kullanılan anket sitesi. Bu web sitesi aynı zamanda Bradley ve Lang ¹⁰ uyarlanmış bir anket ile toplanan öz-bildirim verileri toplamak için kullanıldı. Duygusal nişan duyguların karakterizasyonu içerir. Lang ¹¹ göre, duyguların değerlik açısından karakterize edilir (hoş / nahoş) ve uyarılma (sakin / uyandırdı). Duygusal nişan verileri buna göre duygusal değerlik ve uyarılma ^12,13 için bir elektrodermal aktivite kodlayıcı / sensörü rakamlarla otomatik yüz duygu tanıma yazılımı kullanarak, toplandı. (EDA) çok zayıf bir elektrik akımı sürekli, aralarında geçirilir iki elektrot arasında kaydedilen elektrik direnci belirtir. Cacioppo'nun, Tassinary ve Berntson ¹⁴ kaydedilen direnç deneğin uyarılma göre değişir gösterdi. Bu durumda, bu valans veya uyarılma olarak psiko-fizyolojik veriler, duygusal angajman bağıntılı olarak görülmektedir.

14 göre, bu bantlar beynin belirli bölgelerinde farklı bilişsel işleme yeteneklerini yansıtır. Böylece, uyanıklık ve dikkat konusunda çok sayıda çalışmalar ^7,15 ile birlikte belirli frekanslarda güç spektral yoğunluğu (PSD) analizi, araştırmacılar bir görev sırasında bilişsel nişan ölçmek için izin verir. Mikulka ve ark., ¹⁶ belirtildiği gibi, araştırma, beta aktivitesi ve bilişsel uyanıklık ve alfa An arasındaki dolaylı ilişki arasında doğrudan bir ilişki göstermiştird teta aktivitesi ve uyanıklığı. Beta / (alfa + teta): Böylece, Papa, Bogart ve Bartoleme ⁷ üç bant PSD hesaplar bir nişan endeksi geliştirdi. Bu oran nişan ^16,17,18 diğer çalışmalarda doğrulanmıştır. Zamanla bilişsel nişan karakterize etmek için, bir Hızlı Fourier dönüşümü (FFT) bir güç spektrumu içine her aktif sitesinde (F3, F4, O1, O2) EEG sinyali dönüştürür. T zamanında EEG nişan endeksi Bu prosedür, her saniye yeni bir kayan pencere dizini güncelleştirmek için kullanılır tekrarlanır zaman T. önceki 20 saniye kayan pencere içinde her nişan oranı ortalama hesaplanır.

Bu metodolojinin amacı angajman birden boyutları zengin bir analizini sağlamak olduğu için, veri senkronizasyonu çok önemlidir. Leger ve ark., ¹⁹ okuyucuların hatırlatır gibi, ekipman üreticileri güçlü le onların belirtilen hassasiyet garanti ölçüm aracı başına yalnızca bir bilgisayar kullanmanızı öneririzvel. Böylece, birden fazla bilgisayarda kullanıldığı zaman, kayıt bilgisayarlar arasında senkronizasyon kritik bir adımdır olur. kayıtları tüm aynı anda başlamış olamaz ve her veri akışı (örneğin, gözün sn 0 EEG ya da fizyolojik verilerin sn 0 ≠ izleme) kendine özgü bir zaman çerçevesi vardır. Bu son derece önemlidir: veri akışları arasındaki dengeden çıkmanın angajman her boyut miktarının hataları demektir. Eşzamanlı fizyolojik ve davranışsal kayıtları senkronize farklı yolları vardır. Bu yöntemler, bu iki yaklaşımın ayrılabilir; doğrudan ve dolaylı ^20. Bir sonraki bölümde sunulan protokol (Şekil 1'de gösterildiği gibi) harici bir aygıt, bir syncbox, tüm kayıt ekipmanları için transistör-transistör mantığı (TTL) sinyalleri göndermek için kullanılan dolaylı bir yaklaşıma dayanmaktadır. Ekipmanın her parçası farklı bir başlangıç ​​süresine sahip olarak, TTL belirteçleri bir akrabası ile günlük dosyalarında kaydedilir gecikme. İşaretleyiciler sonra sinyalleri realign ve böylece her kayıttan sonra doğru senkronizasyon sağlamak için kullanılır. Dış dosya entegrasyonunu sağlayan bir davranış analizi yazılım programı her veri akımının zaman çizelgesi yeniden eşitlemek için ve angajman her boyutun nicel ve nitel analizler gerçekleştirmek için kullanılır.

Veri Toplama Sistemi Şekil 1. Mimarlık. Laboratuar ortamı olan davranışsal (eye-tracking), tahsil duygusal (EDA ve yüz duygu) ve bilişsel (EEG) nişan verileri pek çok bilgisayar içeriyor. Bu kendi bilgisayar saatler başvurulan veri senkronizasyon sorununu da ortaya çıkarmaktadır. Aynı referans süre içinde tüm verileri analiz edebilmek için, laboratuar kurulumu tüm veri akışları TTL sinyalleri gönderen bir syncbox içerir."nk> bu rakamın daha büyük bir versiyonunu görmek için lütfen buraya tıklayınız.

Senkronizasyon açısından metodoloji hassasiyetini değerlendirmek için, 45 saniye duraklar mekanik fizik problemleri her önce tanıtıldı. Bu duraklamalar sırasında, denekler dinlenmek ve gözlerini kapatmak zorunda kaldı. Diğer çalışmalarda ^4,9,16,17,18 görüldüğü gibi, bu duraklar toplanan sinyal önemli farklılıklar neden gerekir: İki göz öğrenci nokta eye-tracking yok hemen (davranışsal angajman) ve bilişsel nişan ani bir damla (EEG sinyali) görülmektedir. Sinyalin Bu özel bileşenler senkronizasyon genel geçerliliğini değerlendirmek için kullanılır. kısmen veya tamamen bilgi sistemleri ^19, insan-makine etkileşimleri ²¹ ve eğitim ^{9, 22} alanlarında, bu senkronizasyon prosedürü güveniyor gazetelerin son yayın, etkinliğinin kanıt sağlar.

Protocol

Bu protokol Tech3Lab araştırma tesisi için HEC-Montreal tarafından kabul edildi Comite institutionnel de la recherche avec des êtres humains (CIER) de l'Université du Québec Montréal à (uqam) bir etik sertifika aldı. protokolü laboratuar ortamında ve ekipman yapılmaktadır belirli adımların her biri açıklanmaktadır. Kesin yazılım yolları metodolojisini netleştirmek için sağlanan olmasına rağmen, bu tekniğin devredilemez ve diğer mülkiyet göz izleme, otomatik yüz tanıma duygu, elektrodermal aktivite ve elektroensefalografi teçhizat ve yazılım ile çoğaltılmış olabilir.

Lab Çevre 1. Kur

1. Göz izci, EEG amplifikatör, dört kayıt bilgisayar ve hoparlörler açın.
2. Kayıt ekipmanlarının kurulumunu hazırlayın:
   1. Üreticinin konaklama tavsiye göre gerekli malzeme ile EEG kurulumu hazırlayınNDED prosedürler. Yaklaşan katılımcı için EEG yazılımını hazırlayın. Eye-tracking yazılımını başlatın ve yazılımı yeni bir katılımcı profili oluşturmak. Video kayıt yazılımı ve kameralar başlatın.
   2. 60 sn işaretleri ile proje için oluşturulan özel bir alt yordam ile senkronizasyon yazılımını başlatın. Fizyolojik ölçüm yazılımı başlatın (Elektrodermal aktivite kayıt) ve proje için oluşturulan özel bir düzen açın. En üst seviyeye katılımcının sandalyeyi ayarlayın.

2. Katılımcı Hazırlık

1. Okumak ve etik onay formunu imzalamak için katılımcı değildir.
2. EEG için kafatası ölçümleri yapınız:
   1. (- 20 referans sistemleri 10 göre) katılımcının kafasına Cz konumu bulun. Tuz çözeltisi (potasyum klorür) EEG net daldırın (adım 1.2.1) ve üreticinin standartlarına uygun olarak bir zamanlayıcı (10 dakika) başlatın.
3. Çalışmanın amacını ve katılımcıya deneyde adımları Oku, "Bu çalışmanın amacı size fizik problemlerini cevap ise beyin aktivitesini gözlemlemektir. Önce sensörleri kuracak, sonra bilgisayarda 10 Newton fiziği sorunları çözmek için istenecektir. Biz gözlerin her sorunun kapandıktan sonra 45 saniye mola isteyecektir. Her sorunun ardından, sorunun değerlendirmenizi oranı istenecektir. "
4. Deneyin toplam süresi 90 dakika olacaktır konuyu söyle.
5. Üreticinin tavsiyelerine göre, fizyolojik sensörler yükleyin: İki jelleşmiş sensörler sol elin üstünde.
6. Üreticinin tavsiyelerine göre, EEG kapağını takın ve (üreticinin talimatlarına göre) 40 kohm bir eşik olan bir empedans kontrolü yapın.

3. Veri Toplama

1. Tüm kayıt yazılımı eşzamanlı başlatılan hazır olduğundan emin olun:
   1. Fizyoloji (EDA verileri): "start" düğmesine tıklayın.
   2. Video kayıt: "açık" butonuna tıklayın.
   3. Eye-tracking: "beklemeye" düğmesini tıklayın.
   4. EEG: "kayıt" düğmesini tıklayın.
   5. Senkronizasyon yazılımı: "yeşil daire" düğmesini tıklayın.
2. Göz bakışları kalibrasyonu:
   1. Beş noktalı ekran kalibrasyonunu gerçekleştirin ve o / o kırmızı noktalar takip ederken katılımcıyı gözlemlemek ("Araçlar / Ayarlar / Kalibrasyon ..." tıklayın). Yeterli doğruluk elde edilene kadar üreticinin standartlarına göre, bu işlemi tekrarlayın.
3. Katılımcının ekrana proje görev talimatları: o / o bunları okuduktan sonra herhangi bir soru olup olmadığını sormak ve o / o denemeyi başlatmak için hazır olup olmadığını.
4. 10 Newton p çözmek için katılımcıdanhysics sorunları.
5. Gerekirse, 45 s sonları biri sırasında bir empedans denetimi gerçekleştirmek (değil sorunun 5 önce).
6. Emin katılımcı her sorunun önce tam 45 s mola alır emin olun (taban çizgisi belirlemek için).

Veri Toplama 4. Sonu

1. Tüm bilgisayarlarda veri toplama durdurun ve katılımcı sensörleri kaldırın.

5. Katılımcı Sol Has sonra

1. Üreticinin tavsiyelerine göre, antiseptik ile EEG kapağı temizleyin ve ekipmanı çeki düzen. Toplanan tüm veri dosyaları kaydedin ve FTP sunucusunda bir yedeğini oluşturun.
2. Katılımcı elektronik tabloda doldurun: Veri toplama sırasında herhangi bir olay ya da sorunu not edin. Web tarayıcısı tüm çerezleri silin.

Entegrasyon Yazılımı 6. Veri Ön işleme ve İhracat

1. EEG
   1. EEG veri analiz yazılımı içine alma EEG veriler:
      1. Yeni oluşturulan Ham veri dosyasına ham EEG veri yapıştırmaya "Ham veri", "Geçmiş" ve "İhracat" adlı bilgisayarda üç boş klasörler oluşturun.
      2. EEG veri analizi yazılımı olarak, "Dosya / New Project ..." linkine tıklayın ve sonra yeni oluşturulan ham veri dosyası seçerek, Gözat'ı tıklatarak ham veriler konumu seçin. "Tarih" ve aynı şekilde "Export" klasörlerin yerini seçin.
      3. "Tamam" a tıklayın. (Pencere tüm katılımcının EEG verilerini içermelidir).
   2. Ön işlem beyin sinyali:
      1. ("Dönüşümler / IIR filtreler ..." tıklayın) bir filtre ve bir çentik uygulayın. Penceresinde, 12 dB eğim ve 12 dB eğimle 50 Hz'de yüksek kesme ile 1.5 Hz düşük sınır değeri etkinleştirin. Ayrıca 60 Hz frekansında bir çentik etkinleştirin.
      2. DC amplifikatör kullanıldığı için, DC sinyali detrend ("Tra tıklayınişaretleyici önce 100 milisaniye ve DC bağlantı yapmadan önce 100 ms) de nsformations zamana dayalı / DC Detrend ... "ve etkinleştirin." "
      3. Bir ham veri incelemesi yapın ("Dönüşüm / Ham veri inceleme ..." tıklayın yarı otomatik artefakt kaldırılmasını seçin). Maksimum voltajda 60 uV / ms; aşağıdaki Seçiniz En-min: 200 ms aralığında 200 mV; genlik: -400 +400 mV).
      4. Göz kırpma kaldırılması için klasik sphering ile otomatik ICA gerçekleştir (kendi aralık ilgi frekansların dışında olduğundan myographic eserler kaldırılacak gerekmez). (ICA, süreç ters ICA sonunda. "... Dönüşümler / ICA" tıklayın.)
      5. Yeniden referans ("Dönüşümler / Yeniden referans ...") sinyali ve "ortak ortalama" seçeneğini seçin.
      6. İhracat ("İhracat / Jenerik Data Export ..." tıklayın) metin biçiminde sinyal ve belirteçler (Seç ".vhdr"; Nişan endeksi nihai Matlab inşaatı için kutu). Ayrıca "Yaz başlık dosyasını" ve "Yazma işaretleyici dosyası" kutularını seçin.
   3. Matlab sinyal alma.
      1. Matlab başlatın ve EEGLab GUI bir seferde bir katılımcı için verileri görünür ve İthalat böylece "eeglab" yazın. GUI olarak seçin öğesi, menü "EEGLab fonksiyonları ve eklentileri kullanarak Dosya / İthalat Verileri / / Beyin Vis Rec itibaren .vhdr dosyası".
      2. Komut penceresinde, bir nişan indeksi oluşturan bir komut dosyası ¹⁶ yapıştırın.
         NOT: Bilişsel nişan komut Bu işlem 20 saniye sürgülü pencere önceki zaman T. içinde her Beta / (Alpha + Teta) oranının ortalama hesaplanır her saniye yeni bir kayan pencere dizini güncelleştirmek için kullanılır tekrarlanır.
   4. MS Excel, Matlab ile komut sonunda oluşturulan nişan endeksi metin dosyasını açmak ve bir z-skorlaması uygulamakEEG verileri e normalleşme intersubject karşılaştırma izin vermek. (Her değer, Excel'de bu formülü hesaplamak: Z = (değer - genel ortalama) / genel standart sapma.)
   5. MS Excel CSV dosyası olarak z-skor nişan endeksi sinyalini kaydedin. (... Olarak kaydet ve format türü seçin CSV / Dosya 'yı tıklatın.)
   6. (Aşama 6.1.2.2 den.) Prosedürü tekrarlayın Her katılımcı için.
2. Fizyoloji:
   1. Fizyolojik veri analizi yazılımı İthalat EDA verileri.
   2. Fizyolojik sinyal-sürecini önceden bu parametreleri uygula:
      1. Venables ve Christie'nin ²³ yöntemine göre iletkenlik dağılımı normalleştirmek için bir logaritmik dönüşüm uygulayın.
      2. Pencereyi ²⁴ kayan bir 10 saniye Düz sinyali.
   3. Fizyolojik yazılım içinde, intersubject karşılaştırma yapmak için EDA verileri z-skoru normalleştirme hesaplamak. (Z = (değer - genel ortalama) / genel standart sapma).
      1. EDA kanaldan imleci ile tüm verileri vurgulayın.
      2. Üst menüde, EDA kanalı seçmek ve genel kanalın ortalama değerini elde etmek için "demek" seçeneğini seçin. Ayrıca genel kanalın standart sapma değeri elde etmek için EDA kanal ve "STDDEV" seçeneğini seçin.
      3. Z-skoru denklemini hesaplamak için, "Dönüşüm / Dalga Matematik ..." linkine tıklayın ve Kaynak 1 EDA kanalı seçin. "-" I seçin matematiksel işlem penceresinde (eksi) ve hedef menüsünden "Yeni hedef" kaynak 2. yılında K seçin ve EDA kanalının ortalama değeri girin (adım 6.2.3.2 bakınız). "Tüm dalga Transform" seçin, Tamam'ı tıklatın ve "Dönüşüm / Dalga Matematik ..." butonuna tıklayınız. Seçin kaynak 1 EDA-K kanalı seçin "/" matematiksel işlem penceresinde (bölme), kaynak 2 seçeneğini K, hedef ve Ente "Yeni hedef" i seçinEDA kanalı (adım 6.2.3.2) standart sapma değeri r. Seçin "Tüm dalga Transform" ve Tamam'a tıklayın.
   4. CSV dosyası sinyali (uyarılma) ihracat. (... Olarak kaydet ve format türü seçin CSV / Dosya 'yı tıklatın.)
3. Otomatik yüz duygu tanıma:
   1. Otomatik yüz duygu tanıma yazılımı içine medya kaydedici İthalat video veri. (Yanındaki Analiz 1 büyüteç tıklayın. "... Dosya / Yeni / Analiz / Video". Bunun üzerine tıklayarak proje menüsünde yeni bir katılımcı seçtikten sonra, tıklayın "... Dosya / Yeni ... / Katılımcı" tıklayın ve istediğiniz seçin video dosyası.
      1. "Her Üçüncü kare" için bir çevrimdışı analiz seçin ve "sürekli kalibrasyon" etkinleştirin.
      2. CSV dosyası İhracat değerlik verileri. (/. Box "günlük dosyasına değerlik değerini yazın" Click "Dosya kontrol" ... Seçenekler / Ayarlar / Günlüğü "tıklayınİhracat ... detaylı log "kutucuğunu Kaydet", günlük dosyaları ihraç edilecek konumu seçin ve onay ".)
      3. MS Excel, CSV dosyasını açın. SPSS yazılımının tek bir sütunda değerlik veri sütunu kopyalayın. "Analiz / Veriler tanımlayıcı istatistikler / niteleyiciler" tıklayın ve sadece yapıştırılan değişken adını seçin. "Değişkenleri standart değerlerini kaydet" kutusunu işaretleyin. Z-skoru ile bir sütun belirecektir. Excel dosyasındaki eski verilerin üzerine bu z-puanları Kopya yapıştırın.
   2. CSV formatında sinyali (değerlik) z-puanları Excel dosyasını kaydedin.

7. Veri Entegrasyonu ve Senkronizasyon

1. Davranışsal analiz yazılımında:
   1. İthalat eye-tracking videoları (davranışsal nişan). (. "... Yeni Gözlem Dosya / İthalat / Video" tıklayın, yeni gözlem Adı ve istediğiniz video dosyasını seçin.)
   2. Kod ilgili BE ile her videohaviors ve bağlamsal olaylar (zaman belirteçleri, doğru / yanlış cevap).
   3. Uygun başlığı ile tüm harici veri alma: EEG sinyali (bilişsel nişan) z-skoru, EDA sinyali (duygusal nişan), değerlik verilerinin z-skoru (duygusal nişan) z-skoru. (. "... Dosya / İthalat / Harici Veri" tıklayın uygun dosya türünü seçin ve doğru CSV dosyasını seçin.)
2. Bu formüllere göre zaman bilgisayarlar arasında senkronize:
   1. Göz bakışları ilk işaretleyici - göz Saat göz bakışları + ikinci işaretleyici EEG EEG = Time zaman bakışları.
   2. Göz bakışları ilk işaretleyici - Göz bakışları + ilk işaretleyici yüz duygu yüz duygu tanıma = Zaman zaman göz bakışları Zaman.
   3. Göz bakışları ilk işaretleyici - gözündeki Zaman elektrodermal aktivite göz bakışları + ilk marker = Zaman Elektrodermal aktivitede zaman bakışları.
3. "Tuşuna basarak ofset verileri girin Ctrl + Shift + =221 ;, Offset menüsünü açın. Seç "Sayısal offset" veri kaynaklarının her çifti arasındaki süreyi saniye cinsinden girmek için [OK?]), Yukarıdaki hesaplamalara göre.
4. Çalışmanın ilgi değişkenlere göre bir rapor oluşturun.
   1. Raporda oluşacaktır ilginç değişkenleri seçin ("/ Seç Veri / Yeni Profil Verileri analiz ..." tıklayın). Soldan, sağ tarafta, "Başlat" kutusu ve "Sonuçlar" kutusuna arasında istenilen değişkenleri kaydırın.
   2. Rapor oluşturun. ("İstatistik" tıklayın "... / Sayısal Analiz / Yeni Analiz" tıklayın "Hesapla" linkine tıklayarak dış veri menüsündeki. Son'u ortalama kutusunu işaretleyin.)
5. Istatistiksel analiz yazılımı veri İhracat ve çalışma hedefleri doğrultusunda analizi gerçekleştirmek.

Results

Davranışsal analiz yazılım uygulamasında entegrasyon ve davranışsal, duygusal ve bilişsel nişan verilerinin senkronizasyonu sonuçlarının 2 ve 3 ekran rakamlar. Her iki şekillerde, sol bölümünde araştırma konularını ve kodlama şemasını düzenlemektedir. Orta kısmında, (kırmızı nokta) ile video görevi sırasında öznenin gözü bakışları gösterir. Kişinin davranış nişan almış ne o / o görev sırasında bakıyor ve hangi eylemlerin dayalı varılabilir. EDA (uyarılma) ve duygusal angajman ve bilişse...

Discussion

Protokolü kapsamında kritik adımlar açısından, ilk veri kalitesi nörofizyolojik toplama teknikleri ana odak noktası her zaman olduğu işaret edilmelidir. Bu yöntemde, araştırma görevlileri (kamera için doğru yüz açısı kaybetme) değerlik izleme müdahale veya EEG myographic eserler üretecek kafa hareketleri en aza indirmek için konuların talimat özel dikkat gerekmektedir. Öte yandan, bir denge daha ergonomik veri toplama için yapılan gerçek problem çözme ve müdahalelerin orijinalliğini arasında muhafaza edilmelidir. Bu EEG...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
EGI GSN-32	EGI		Yoğun dizi EEG
Netstation v.5.0	EGI		EEG veri toplama yazılımı: EEG, Netstation toplama yazılımı ve EGI amplifikatörleri (Electrical Geodesics, Inc) kullanılarak 32 elektrotlu yoğun dizi elektroensefalografi (dEEG) jeodezik sensör ağı ile toplanır. Tepe noktası (kayıt yeri Cz), kayıt için referans elektrottur. Empedans 50 k & Omega'nın altında tutulur; 250 Hz örnekleme hızı ile.
Yüz okuyucu v.4	Noldus		Yüz duygu tanıma yazılımı
Syncbox	Noldus		Syncbox, EGI amplifikatörüne bir Transistör-Transistör Mantık (TTL) sinyali ve Tobii Studio v 3.2'ye bir tuş vuruşu sinyali göndererek EEG ve bakış verilerinin ortak kaydını başlatır.
Logitech C600  Webcam		960-000396	Mediarecorder'a gönderilen ve Facereader'da analiz edilecek video verilerini toplamak için kullanılan web kamerası
Observer XT	Noldus		Entegrasyon ve senkronizasyon yazılımı: Noldus Observer XT (Noldus Bilgi Teknolojisi), tüm davranışsal, duygusal ve bilişsel katılım verilerini senkronize etmek için kullanılır.
Ekran LED aydınlatması	Noldus		Deneklerin yüzünü doğru bir şekilde aydınlatmak için bilgisayar ekranına yerleştirilmiş Neon
MediaRecorder	Noldus		Video veri toplama yazılımı
Tobii 60X	Tobii		Göz hareketi desenlerini topla :  deney sırasında deneklerin göz hareketi desenlerini 60Hz'de kaydetmek için kullanılır.
Tobii Studio v.3.2	Tobii		Göz izleme veri toplama ve analiz yazılımı
Analyzer 2	Brainvision		EEG sinyal işleme yazılımı
Acqknowledge v.4.0	Biopac	ACK100M	Fizyolojik sinyal toplama ve işleme yazılımı
Control III mikrop öldürücü çözüm	Maril Ürünleri.	10002REVA-20002-1	EEG kasklarıyla kullanılan dezenfektan solüsyonu: EGI
Unipark	QuestBack AG		tarafından önerilir Çevrimiçi anket ortamı