सगाई के कई आयामों का आकलन लर्निंग विशेषताएँ: एक neurophysiological परिप्रेक्ष्य

1Department of Didactics, Université du Québec à Montréal, 2Department of IT and Tech3Lab, HEC Montreal, 3Department of Marketing and Tech3Lab, HEC Montreal, 4Department of Specialized Education, Université du Québec à Montréal
Behavior

Your institution must subscribe to JoVE's Behavior section to access this content.

Fill out the form below to receive a free trial or learn more about access:

Welcome!

Enter your email below to get your free 10 minute trial to JoVE!





By clicking "Submit", you agree to our policies.

 

Cite this Article

Copy Citation | Download Citations

Charland, P., Léger, P. M., Sénécal, S., Courtemanche, F., Mercier, J., Skelling, Y., et al. Assessing the Multiple Dimensions of Engagement to Characterize Learning: A Neurophysiological Perspective. J. Vis. Exp. (101), e52627, doi:10.3791/52627 (2015).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

Introduction

सगाई सीखने में महत्वपूर्ण भूमिका निभाता है। क्लार्क और मेयर 2 के लिए, की परवाह किए बिना डिलीवरी मीडिया के "सभी शिक्षण, सगाई की आवश्यकता है"। झांग एट अल। 3 में भी वृद्धि हुई छात्र सगाई ऐसी समस्या को सुलझाने और महत्वपूर्ण सोच कौशल के रूप में सीखने के परिणामों में सुधार कर सकते हैं कि सुझाव दिया। सगाई परिभाषित करना एक चुनौती बनी हुई है। उनके साहित्य समीक्षा में, Fredricks, Blumenfeld और पेरिस 1 अपनी बहुमुखी स्वभाव से सगाई परिभाषित: "व्यवहार सगाई भागीदारी के विचार पर आ रही है; यह शैक्षिक और सामाजिक या गतिविधियों में भागीदारी भी शामिल है। (...) भावनात्मक सगाई शिक्षकों, सहपाठियों, शिक्षाविदों, और स्कूल के लिए सकारात्मक और नकारात्मक प्रतिक्रियाओं शामिल है और काम करने के लिए एक वस्तु और प्रभाव की इच्छा के संबंधों को बनाने के लिए माना जाता है। अंत में, संज्ञानात्मक सगाई मानसिक निवेश करने के विचार पर आ रही है; यह सावधानी और प्रयास NEC लागू करने की इच्छा को शामिल किया गयाessary जटिल विचारों और गुरु मुश्किल कौशल को समझने के लिए। "

Fredricks, Blumenfeld और पेरिस 1 भी व्यवहार, भावना, और अनुभूति पर ध्यान देने, सगाई की अवधारणा के भीतर, सीखने का एक अमीर लक्षण वर्णन प्रदान कर सकता है कि दावा किया है। इन लेखकों अनुसंधान के एक मजबूत शरीर को अलग से सगाई के प्रत्येक घटक को संबोधित करते कहा कि है, लेकिन इन घटकों संयोजन के रूप में अध्ययन नहीं किया गया था। उन्होंने यह भी कम जानकारी आयामों के बीच और अधिक अध्ययन पतले देखते शिक्षण हस्तक्षेप की योजना बना लिए योगदान कर सकता है कि बातचीत के बारे में उपलब्ध है कि मनाया। उस दिशा में एक कदम के रूप में, इस कागज को इकट्ठा करने और सीखने के कार्य के दौरान, व्यवहार, भावनात्मक और संज्ञानात्मक सगाई पर तुल्यकालिक मात्रात्मक और गुणात्मक डेटा, विश्लेषण करने के लिए विकसित किया गया था कि एक शोध पद्धति का वर्णन है।

शिक्षा में न्यूरो लाना

बिहेवमुख्य रूप से पूर्व और बाद के परीक्षण के बीच समय की लंबी अवधि, पर होने वाली ज्ञान और व्यवहार में परिवर्तन पर ध्यान केंद्रित अनुसंधान, डिजाइन और घंटे के अंतराल सप्ताह से अधिक: आईओआर, और फलस्वरूप व्यवहार सगाई, लंबे समय से शिक्षा के क्षेत्र में पढ़ाई के केंद्रीय ध्यान केंद्रित किया गया है , महीने या साल। पिछले दो आयामों बाहर से योजनाबद्ध तरीके से नमूदार होते हैं, व्यवहार, भावनात्मक और संज्ञानात्मक सगाई के बीच भेदभाव एक चुनौती बनी हुई है। अनुभूति और भावनाओं को या तो टिप्पणियों से अनुमानित या आत्म रिपोर्ट के उपायों के साथ मूल्यांकन किया जाना चाहिए। देखने के एक बाहरी बिंदु से, यह छात्रों को अपने काम को जल्दी से जल्दी या एक विशिष्ट सामग्री मास्टर करने के लिए गहरे स्तर सीखने की रणनीतियों का उपयोग कर के रूप में किया पाने के लिए कोशिश कर रहे हैं कि क्या यह निर्धारित करने के लिए मुश्किल बनी हुई है। असल में, Fredricks, Blumenfeld और पेरिस 1 संज्ञानात्मक सगाई के प्रत्यक्ष, उद्देश्य के उपायों का उपयोग कर किसी भी प्रकाशित अध्ययन खोजने में असमर्थ थे।

में हाल ही में तकनीकी विकासन्यूरो के क्षेत्र शिक्षा के क्षेत्र में अनुसंधान के लिए नई संभावनाएं पैदा की है। नई डेटा संग्रह तरीकों और न्यूरो ergonomics के क्षेत्र में विकसित विश्लेषण एल्गोरिदम सीखने कार्य के दौरान गुणात्मक और मात्रात्मक अध्ययन के लिए बहुत ही होनहार लग रहे हैं। ऐसे अर्थशास्त्र, मनोविज्ञान, विपणन, और ergonomics के रूप में अन्य विषयों, कुछ समय 4-8 के लिए संज्ञानात्मक सगाई का आकलन करने के neurophysiological माप का उपयोग किया गया है। कुशल विश्लेषण एल्गोरिदम के साथ युग्मित neurophysiological उपायों, एक यह परेशान करने के बिना एक घटना का अध्ययन करने के लिए अनुमति देते हैं। उनके स्वभाव से, आत्म रिपोर्ट प्रश्नावली सीखने से छात्रों को छुड़ाना। Neurophysiological उपायों अनुसंधान डिजाइन और अधिक प्रामाणिक सीखने वातावरण में बाहर ले जाने की अनुमति देते हैं। ये उपकरण आदि दिल की दर पर नजर रखने के लिए उपकरण, श्वास गति, रक्त चाप, शरीर का तापमान, शिष्य व्यास, electrodermal गतिविधि, Electroencephalography (ईईजी), शामिल हैं।

प्रतिनिधि परिणामों इस प्रोटोकॉल के उपयोग के रूप में निम्नलिखित, इस पत्र शिक्षार्थियों, एक कंप्यूटर स्क्रीन पर, यांत्रिक भौतिकी में दस समस्याओं को हल करने के लिए किया था, जिसमें एक अध्ययन के आंशिक परिणामों पेश करेंगे। इन समस्याओं के पिछले कार्य 9 में विकसित किए गए। उनकी आंखों के प्रत्येक समस्या के बाद बंद कर दिया, साथ शिक्षार्थियों, समस्याओं को सुलझाने और एक 45 के ब्रेक के दौरान आराम कर रहे थे, जबकि neurophysiological डेटा एकत्र किए गए थे।

जैसा कि ऊपर कहा, व्यवहार सगाई डेटा कार्य 1 को पूरा करते हुए सिस्टम के साथ बातचीत के दौरान एक शिक्षार्थी द्वारा उत्पादित सवाल सॉफ्टवेयर बातचीत (माउस आंदोलनों और क्लिक्स), आंख टकटकी, प्रदर्शन और उत्तर से मिलकर बनता है। एक नेत्र ट्रैकिंग सिस्टम सॉफ्टवेयर बातचीत और आंख टकटकी डेटा एकत्र करने के लिए इस्तेमाल किया गया था। प्रदर्शन डेटा (एक समस्या को हल करने के लिए समय, उत्तरों की शुद्धता) एक पर एकत्र किए गए थेकार्य पेश करने के लिए इस्तेमाल किया गया था कि सर्वेक्षण वेबसाइट। यह वेबसाइट भी ब्राडली और लैंग 10 से अनुकूलित एक प्रश्नावली के साथ एकत्र आत्म रिपोर्ट डेटा इकट्ठा करने के लिए इस्तेमाल किया गया था। भावनात्मक सगाई भावनाओं के लक्षण वर्णन शामिल है। लैंग 11 के अनुसार, भावनाओं संयोजक के मामले में विशेषता है (सुखद / अप्रिय) और कामोत्तेजना (शांत / जगाया)। भावनात्मक सगाई डेटा तदनुसार भावनात्मक संयोजक और जागरण 12,13 के लिए एक electrodermal गतिविधि एनकोडर / सेंसर quantifies कि स्वत: चेहरे की भावना मान्यता सॉफ्टवेयर का उपयोग कर, एकत्र किए गए थे। Electrodermal गतिविधि (EDA) की एक बहुत कमजोर विद्युत धारा तेजी से उन दोनों के बीच पारित हो जाता है जब दो इलेक्ट्रोड के बीच दर्ज की गई बिजली के प्रतिरोध को दर्शाता है। कैकिऑपो, Tassinary और Berntson 14 दर्ज की गई प्रतिरोध विषय के कामोत्तेजना के अनुसार बदलता रहता है कि पता चला है। इस प्रकार, इस तरह के संयोजक या कामोत्तेजना के रूप में Psychophysiological डेटा, भावनात्मक, सगाई की संबद्ध के रूप में माना जाता है।

14 के अनुसार, इन बैंड मस्तिष्क के विशिष्ट क्षेत्रों में अलग संज्ञानात्मक प्रसंस्करण क्षमता को दर्शाते हैं। इस प्रकार, सतर्कता और ध्यान पर कई अध्ययनों से 7,15 के साथ संयुक्त विशिष्ट आवृत्तियों की शक्ति वर्णक्रमीय घनत्व (PSD) का विश्लेषण, शोधकर्ताओं ने एक कार्य के दौरान संज्ञानात्मक सगाई यों के लिए अनुमति देता है। Mikulka एट अल। 16 के रूप में विख्यात है, अनुसंधान बीटा गतिविधि और संज्ञानात्मक सतर्कता और अल्फा एक के बीच एक अप्रत्यक्ष संबंध के बीच एक सीधा संबंध दिखाया गया हैडी थीटा गतिविधि और सतर्कता। बीटा / (अल्फा + थीटा): इस प्रकार, पोप, बोगार्ट और Bartoleme 7 तीन बैंड के लिए PSD गणना करता है कि एक सगाई सूचकांक विकसित किया है। इस अनुपात सगाई 16,17,18 पर अन्य अध्ययनों में मान्य किया गया था। समय के साथ संज्ञानात्मक सगाई की विशेषताएँ करने के लिए, एक फास्ट फूरियर रूपांतरण (FFT) का एक शक्ति स्पेक्ट्रम में प्रत्येक सक्रिय साइट (F3, F4, O1, O2) से ईईजी संकेत धर्मान्तरित। समय टी में ईईजी सगाई सूचकांक यह प्रक्रिया हर दूसरे और एक नई रपट खिड़की सूचकांक अद्यतन करने के लिए प्रयोग किया जाता है दोहराया है समय टी पूर्ववर्ती एक 20 सेकंड स्लाइडिंग खिड़की के भीतर प्रत्येक सगाई अनुपात की औसत से गणना की जाती है।

इस पद्धति का उद्देश्य सगाई के कई आयामों के एक अमीर विश्लेषण प्रदान करने के लिए है, डेटा तुल्यकालन महत्वपूर्ण है। Leger एट अल। 19 पाठकों को याद दिलाना के रूप में, उपकरण निर्माताओं जोरदार Le उनके निर्दिष्ट शुद्धता की गारंटी करने के लिए माप उपकरण में केवल एक कंप्यूटर का उपयोग करने की सलाह देते हैंवेल। इस प्रकार, कई कंप्यूटरों नियोजित कर रहे हैं, जब रिकॉर्डिंग कंप्यूटर के बीच तुल्यकालन एक महत्वपूर्ण कदम हो जाता है। रिकॉर्डिंग सब ठीक उसी समय पर शुरू नहीं किया जा सकता है, और प्रत्येक डेटा धारा (जैसे, आंख की धारा 0 ईईजी या शारीरिक डेटा की धारा 0 ≠ ट्रैकिंग) अपनी विशिष्ट समय सीमा है। यह अत्यंत महत्वपूर्ण है: डेटा धाराओं के बीच desynchronization सगाई के प्रत्येक आयाम की मात्रा का ठहराव में त्रुटियों का मतलब है। समवर्ती शारीरिक और व्यवहार रिकॉर्डिंग तुल्यकालन का अलग अलग तरीके हैं। इन विधियों दो मुख्य दृष्टिकोण में विभाजित किया जा सकता है; प्रत्यक्ष और अप्रत्यक्ष रूप से 20। अगले भाग में प्रस्तुत प्रोटोकॉल (चित्र 1 में दिखाया गया है) एक बाहरी उपकरण, एक syncbox, सभी रिकॉर्डिंग उपकरण को ट्रांजिस्टर-ट्रांजिस्टर तर्क (टीटीएल) के संकेतों को भेजने के लिए प्रयोग किया जाता है, जहां एक अप्रत्यक्ष दृष्टिकोण पर आधारित है। उपकरण का एक टुकड़ा एक अलग शुरू करने का समय है के रूप में, टीटीएल मार्कर एक रिश्तेदार के साथ लॉग फाइल में दर्ज कर रहे हैं देरी। मार्करों तो संकेतों फिर से संगठित करना और इस प्रकार प्रत्येक रिकॉर्डिंग के बाद उचित तुल्यकालन सुनिश्चित करने के लिए उपयोग किया जाता है। बाहरी फ़ाइल एकीकरण की अनुमति देता है कि एक व्यवहार विश्लेषण सॉफ्टवेयर प्रोग्राम प्रत्येक डेटा धारा के समय फिर से सिंक्रनाइज़ करने के लिए और सगाई के प्रत्येक आयाम के मात्रात्मक और गुणात्मक विश्लेषण करने के लिए प्रयोग किया जाता है।

चित्र 1
डेटा संग्रह प्रणाली के चित्रा 1. आर्किटेक्चर। प्रयोगशाला वातावरण जो व्यवहार (आँख ट्रैकिंग) में एकत्र कर रहे हैं भावुक (EDA और चेहरे की भावना) और संज्ञानात्मक (ईईजी) सगाई डेटा कई ​​कंप्यूटर शामिल हैं। यह उनके संबंधित कंप्यूटर घड़ियों पर संदर्भित कर रहे हैं कि डेटा के लिए एक तुल्यकालन चुनौती को जन्म देती है। इसी संदर्भ समय में सभी डेटा का विश्लेषण करने में सक्षम हो, लैब सेटअप के सभी डेटा धाराओं को टीटीएल संकेत भेजता है कि एक syncbox शामिल है।"एन.के.> इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

तुल्यकालन के संदर्भ में कार्यप्रणाली की शुद्धता का मूल्यांकन करने के लिए, 45 सेकंड विराम देता यांत्रिक भौतिकी समस्याओं में से प्रत्येक से पहले शुरू किए गए थे। इन विराम के दौरान, विषयों के आराम करने के लिए और अपनी आँखें बंद करना पड़ा। अन्य अध्ययनों 4,9,16,17,18 में देखा, इन विराम देता एकत्र संकेत में महत्वपूर्ण बदलाव के लिए प्रेरित करना चाहिए: दो आंख छात्र डॉट्स नेत्र ट्रैकिंग गायब तुरंत (व्यवहार सगाई) में और संज्ञानात्मक सगाई में एक तत्काल ड्रॉप (ईईजी संकेत) मनाया जाता है। संकेत के इन विशिष्ट घटकों तुल्यकालन के सामान्य वैधता का मूल्यांकन करने के लिए इस्तेमाल कर रहे हैं। पूरी तरह या आंशिक रूप से सूचना प्रणाली में 19, मानव-मशीन बातचीत 21 और शिक्षा 9, 22 के क्षेत्र में, इस तुल्यकालन प्रक्रिया पर निर्भर है कि कागज के हाल के एक प्रकाशन, अपने प्रभाव का सबूत प्रदान करता है।

Subscription Required. Please recommend JoVE to your librarian.

Protocol

इस प्रोटोकॉल Tech3Lab अनुसंधान सुविधा के लिए एचईसी मॉन्ट्रियल द्वारा समर्थन किया गया था कि Comité institutionnel डी ला Recherche avec des êtres humains (CIER) डी ल Université डु क्यूबेक मॉन्ट्रियल A (UQAM) से एक नैतिक प्रमाण पत्र प्राप्त किया। प्रोटोकॉल हमारी प्रयोगशाला पर्यावरण और उपकरणों में प्रदर्शन कर रहे हैं कि विशिष्ट चरणों में से प्रत्येक का वर्णन है। सटीक सॉफ्टवेयर रास्तों पद्धति स्पष्ट करने के लिए प्रदान की जाती हैं हालांकि, इस तकनीक हस्तांतरणीय है और अन्य स्वामित्व आँख ट्रैकिंग, स्वत: चेहरे की भावना मान्यता, electrodermal गतिविधि और Electroencephalography उपकरण और सॉफ्टवेयर के साथ दोहराया जा सकता है।

प्रयोगशाला वातावरण 1. सेटअप

  1. आंख पर नजर रखने, ईईजी एम्पलीफायर, चार रिकॉर्डिंग कंप्यूटर और वक्ताओं को चालू करें।
  2. रिकॉर्डिंग उपकरण का सेटअप तैयार:
    1. निर्माता की recomme के अनुसार आवश्यक सामग्री के साथ ईईजी सेटअप तैयार करेंnded प्रक्रियाओं। आगामी भाग लेने के लिए ईईजी सॉफ्टवेयर तैयार करें। नेत्र ट्रैकिंग सॉफ्टवेयर शुरू करने और सॉफ्टवेयर में एक नए भागीदार के प्रोफ़ाइल बनाएँ। वीडियो रिकॉर्डिंग सॉफ्टवेयर और कैमरों की शुरुआत करें।
    2. 60 सेकंड में मार्कर के साथ परियोजना के लिए बनाई गई विशेष उपनेमका के साथ तुल्यकालन सॉफ्टवेयर प्रारंभ करें। शारीरिक माप सॉफ्टवेयर प्रारंभ (electrodermal गतिविधि को रिकॉर्ड करने के लिए) और परियोजना के लिए बनाई गई विशेष लेआउट खुला। उच्चतम स्तर करने के लिए भागीदार की कुर्सी को समायोजित करें।

2. प्रतिभागी तैयारी

  1. पढ़ने के लिए और नैतिक सहमति पत्र पर हस्ताक्षर करने के लिए भागीदार पूछो।
  2. ईईजी के लिए खोपड़ी माप बाहर ले:
    1. (- 20 संदर्भ सिस्टम 10 के अनुसार) भागीदार के सिर पर Cz स्थान का पता लगाएं। नमकीन घोल (पोटेशियम क्लोराइड) में ईईजी शुद्ध विसर्जित (कदम 1.2.1 देखें) और निर्माता के मानकों के अनुसार एक घड़ी (10 मिनट) शुरू करते हैं। </ ली>
  3. इस अध्ययन का उद्देश्य और भाग लेने के लिए प्रयोग में चरणों पढ़ें, "इस अध्ययन का उद्देश्य आप भौतिकी समस्याओं का जवाब है, जबकि अपने मस्तिष्क की गतिविधियों का निरीक्षण करने के लिए है। पहले हम सेंसर स्थापित हो जाएगा, तो आप कंप्यूटर पर 10 न्यूटोनियन भौतिकी की समस्याओं को हल करने के लिए कहा जाएगा। हम अपनी आँखों से प्रत्येक समस्या बंद होने के बाद 45 सेकंड ब्रेक लेने के लिए आप से पूछना होगा। प्रत्येक समस्या के बाद, आप समस्या के अपने आकलन को रेट करने के लिए कहा जाएगा। "
  4. प्रयोग की कुल अवधि 90 मिनट हो जाएगा कि इस विषय को बताएँ।
  5. निर्माता की सिफारिशों के अनुसार, शारीरिक सेंसर स्थापित: दो gelified सेंसर बाएं हाथ के शीर्ष पर।
  6. निर्माता की सिफारिशों के अनुसार, ईईजी टोपी, स्थापित और (निर्माता विनिर्देशों के अनुसार) 40 kΩ पर एक सीमा के साथ एक प्रतिबाधा की जांच करते हैं।

3. डेटा संग्रह

  1. सभी रिकॉर्डिंग सॉफ्टवेयर synchrony में शुरू किया जा करने के लिए तैयार है कि सुनिश्चित करें:
    1. फिजियोलॉजी (EDA के डेटा): "शुरू" बटन पर क्लिक करें।
    2. वीडियो रिकॉर्डिंग: "खुले" बटन पर क्लिक करें।
    3. आँख ट्रैकिंग: "पकड़ पर" बटन पर क्लिक करें।
    4. ईईजी: "रिकॉर्ड" बटन पर क्लिक करें।
    5. तुल्यकालन सॉफ्टवेयर: "ग्रीन सर्कल" बटन पर क्लिक करें।
  2. नेत्र टकटकी अंशांकन:
    1. एक पांच सूत्री परदे पर अंशांकन प्रदर्शन और वह / वह लाल डॉट्स इस प्रकार है, जबकि प्रतिभागी का निरीक्षण ("उपकरण / सेटिंग्स / कैलिब्रेशन ..." पर क्लिक करें)। पर्याप्त सटीकता हासिल की है, जब तक निर्माता के मानकों के अनुसार, इस प्रक्रिया को दोहराएँ।
  3. प्रतिभागी की स्क्रीन पर परियोजना कार्य निर्देश: वह / वह उन्हें पढ़ने के बाद किसी भी सवाल है अगर पूछना है, और वह / वह प्रयोग शुरू करने के लिए तैयार है।
  4. 10 न्यूटन पी को हल करने के लिए भागीदार से पूछोhysics समस्या।
  5. यदि आवश्यक हो, 45 के ब्रेक के दौरान एक प्रतिबाधा जाँच प्रदर्शन (नहीं समस्या 5 से पहले)।
  6. सुनिश्चित करें कि प्रतिभागी प्रत्येक समस्या से पहले पूरी 45 एस तोड़ लेता है बनाओ (आधारभूत निर्धारित करने के लिए)।

डेटा संग्रह के 4. समाप्ति

  1. सभी कंप्यूटरों पर डाटा अधिग्रहण बंद करो और भागीदार से सेंसर हटा दें।

5. प्रतिभागी छोड़ दिया है के बाद

  1. निर्माता की सिफारिशों के अनुसार, अंकुर-नाशक दवा के साथ ईईजी टोपी साफ और उपकरणों को साफ। एकत्र सभी डेटा फ़ाइलों को बचाने और FTP सर्वर पर एक बैकअप बनाने के लिए।
  2. प्रतिभागी स्प्रेडशीट में भरें: डेटा संग्रह के दौरान किसी भी विशेष घटना या समस्या पर ध्यान दें। वेब ब्राउज़र से सभी कुकी मिटा।

एकीकरण सॉफ्टवेयर के लिए 6. डेटा पूर्व प्रसंस्करण और निर्यात

  1. ईईजी
    1. ईईजी डेटा विश्लेषण सॉफ्टवेयर में आयात ईईजी डेटा:
      1. नव निर्मित कच्चे डेटा फ़ाइल में कच्चे ईईजी डेटा चिपकाने के लिए "कच्चे डेटा", "इतिहास" और "निर्यात" नाम कंप्यूटर पर तीन खाली फ़ोल्डर बनाएँ।
      2. ईईजी डेटा विश्लेषण सॉफ्टवेयर में, "फाइल / नई परियोजना ..." पर क्लिक करें और फिर नव निर्मित कच्चे डेटा फ़ाइल का चयन करें, ब्राउज़ क्लिक करके कच्चे डेटा स्थान का चयन करें। "इतिहास" और उसी तरह से "निर्यात" फ़ोल्डर का स्थान चुनें।
      3. ओके पर क्लिक करें "। (खिड़की सभी प्रतिभागी का ईईजी डेटा को शामिल करना चाहिए)।
    2. पूर्व प्रक्रिया मस्तिष्क संकेत:
      1. ("परिवर्तनों / IIR फिल्टर ..." पर क्लिक करें) एक फिल्टर और एक पायदान लागू करें। विंडो में, 12 DB के एक ढलान और 12 डीबी की एक ढाल के साथ 50 हर्ट्ज पर उच्च कटऑफ के साथ 1.5 हर्ट्ज पर कम कटऑफ कर सकें। इसके अलावा 60 हर्ट्ज आवृत्ति में एक पायदान कर सकें।
      2. एक डीसी एम्पलीफायर का इस्तेमाल किया गया है, क्योंकि डीसी संकेत detrend ("ट्रा क्लिक करेंमार्कर से पहले 100 मिसे और डीसी कनेक्शन से पहले 100 मिसे) में nsformations समय के आधार पर / डीसी Detrend ... "और सक्षम" "।
      3. एक कच्चे डेटा निरीक्षण प्रदर्शन ("परिवर्तन / कच्चे डेटा निरीक्षण ..." क्लिक करें और अर्द्ध स्वचालित विरूपण साक्ष्य को हटाने का चयन करें)। अधिक से अधिक वोल्टेज 60 μV / एमएस;: निम्न का चयन करें अधिकतम-न्यूनतम: 200 एमएस अंतराल में 200 μV; आयाम: -400 400 को μV)।
      4. आँख झपकी हटाने के लिए क्लासिक sphering के साथ एक स्वचालित आईसीए प्रदर्शन करना (अपनी सीमा ब्याज की आवृत्तियों के बाहर है क्योंकि myographic कलाकृतियों हटा दिया जाना चाहिए नहीं है)। (आईसीए, इस प्रक्रिया को उलटा आईसीए के अंत में। "... परिवर्तनों / आईसीए" पर क्लिक करें।)
      5. पुनः संदर्भ ("परिवर्तनों / पुनः संदर्भ ...") संकेत और "आम औसत" का चयन करें।
      6. निर्यात ("निर्यात / सामान्य डेटा निर्यात करें ..." पर क्लिक करें) पाठ स्वरूप में संकेत और मार्कर (चुनें ".vhdr"; सगाई सूचकांक की एक अंतिम मैटलैब निर्माण के लिए बॉक्स)। इसके अलावा 'लिखें हेडर फाइल "और" लिखें मार्कर फ़ाइल "बॉक्स का चयन।
    3. Matlab में संकेत आयात करें।
      1. मैटलैब आरंभ और EEGLab के जीयूआई एक समय में एक भागीदार के लिए डेटा प्रकट होता है और आयात तो "eeglab" टाइप करें। जीयूआई में, आइटम का चयन करें मेनू "EEGLab कार्यों और plugins का उपयोग कर फ़ाइल / आयात डाटा / / मस्तिष्क विस आरईसी से .vhdr फाइल"।
      2. कमांड विंडो में, एक सगाई सूचकांक उत्पन्न एक स्क्रिप्ट है कि 16 चिपकाएं।
        नोट: संज्ञानात्मक सगाई लिपि यह प्रक्रिया एक 20 सेकंड स्लाइडिंग खिड़की पूर्ववर्ती समय टी के भीतर प्रत्येक बीटा / (अल्फा + थीटा) अनुपात की औसत से गणना है हर दूसरे और एक नई रपट खिड़की सूचकांक अद्यतन करने के लिए प्रयोग किया जाता है दोहराया है।
    4. एमएस एक्सेल में, मैटलैब द्वारा स्क्रिप्ट के अंत में उत्पन्न होता है कि सगाई सूचकांक का पाठ फ़ाइल को खोलने और एक Z-SCOR लागू होते हैंईईजी डेटा पर ई सामान्य बनाने intersubject तुलना की अनुमति है। (प्रत्येक मूल्य के लिए, Excel में इस फार्मूले की गणना: जेड = (मूल्य - कुल मिलाकर मतलब) / समग्र मानक विचलन।)
    5. एमएस एक्सेल में एक सीएसवी फ़ाइल में z- स्कोर सगाई सूचकांक संकेत बचाओ। (... के रूप में सहेजें और प्रारूप प्रकार में सीएसवी चयन / फाइल पर क्लिक करें।)
    6. (कदम 6.1.2.2 से।) प्रक्रिया दोहराएँ प्रत्येक भागीदार के लिए।
  2. फिजियोलॉजी:
    1. शारीरिक डेटा विश्लेषण सॉफ्टवेयर में आयात EDA के डेटा।
    2. शारीरिक संकेत पूर्व प्रक्रिया के लिए इन मानकों को लागू करें:
      1. Venables और क्रिस्टी के 23 विधि के अनुसार प्रवाहकत्त्व के वितरण मानक के अनुसार एक लघुगणक परिवर्तन लागू करें।
      2. खिड़की 24 रपट एक 10 सेकंड पर फ्लैट संकेत।
    3. शारीरिक सॉफ्टवेयर के भीतर, intersubject तुलना अनुमति देने के लिए EDA के आंकड़ों पर एक z- स्कोर को सामान्य बनाने की गणना। (जेड = (मूल्य - कुल मिलाकर मतलब) / समग्र मानक विचलन)।
      1. EDA चैनल से कर्सर के साथ सभी डेटा को हाइलाइट करें।
      2. शीर्ष मेनू में, EDA के चैनल का चयन करें, और कुल मिलाकर चैनल का मतलब मूल्य प्राप्त करने के लिए "मतलब" का चयन करें। इसके अलावा समग्र चैनल का मानक विचलन मूल्य प्राप्त करने के लिए EDA के चैनल और "stddev" का चयन करें।
      3. Z-स्कोर समीकरण की गणना करने के लिए, "परिवर्तन / तरंग मठ ..." क्लिक करें और स्रोत 1 में EDA के चैनल का चयन करें। "-" चुनें गणितीय आपरेशन खिड़की में (शून्य) और गंतव्य मेनू में "नए गंतव्य" स्रोत 2. चयन में कश्मीर का चयन करें और EDA चैनल का मतलब मूल्य में प्रवेश (कदम 6.2.3.2 देखें)। "पूरे लहर रूपांतरित करें" का चयन करें, ठीक क्लिक करें और "परिवर्तन / तरंग मठ ..." पर क्लिक करें। का चयन करें स्रोत 1 में EDA-कश्मीर चैनल चुनें "/" गणितीय आपरेशन खिड़की में (विभाजित), स्रोत 2 में चुनिंदा कश्मीर, गंतव्य और उद्यमों और संबंधित गतिविधियों में "नए गंतव्य का चयन करें"EDA के चैनल (कदम 6.2.3.2) का मानक विचलन मूल्य आर। चुनें "पूरे लहर परिणत" और ठीक क्लिक करें।
    4. एक सीएसवी फ़ाइल में संकेत (उत्तेजना) के निर्यात। (... के रूप में सहेजें और प्रारूप प्रकार में सीएसवी चयन / फाइल पर क्लिक करें।)
  3. स्वचालित चेहरे की भावना मान्यता:
    1. स्वत: चेहरे की भावना मान्यता सॉफ्टवेयर में मीडिया रिकॉर्डर से आयात वीडियो डेटा। (अगले विश्लेषण करने के लिए 1 आवर्धक कांच पर क्लिक करें। "... फ़ाइल / नई / विश्लेषण / वीडियो"। उस पर क्लिक करके परियोजना मेनू में एक नए भागीदार के चयन करने के बाद, क्लिक करें ... "फ़ाइल / नई ... / प्रतिभागी" पर क्लिक करें और इच्छित का चयन वीडियो फाइल।
      1. "हर तीसरे फ्रेम" के लिए एक ऑफ़लाइन विश्लेषण का चयन करें और "निरंतर अंशांकन" को सक्रिय करें।
      2. एक CSV फ़ाइल में निर्यात संयोजक डेटा। (/। बॉक्स "लॉग फ़ाइल के लिए संयोजक मूल्य लिखें" पर क्लिक करें "फाइल की जांच," ... विकल्प / सेटिंग्स / लॉगिंग "पर क्लिक करेंनिर्यात करें ... विस्तृत लॉग "बॉक्स सहेजें", लॉग इन फ़ाइलों को निर्यात किया जाएगा, जहां स्थान का चयन, और जाँच "।)
      3. एमएस एक्सेल में सीएसवी फ़ाइल को खोलें। SPSS सॉफ्टवेयर की एक एकल स्तंभ में संयोजक डेटा स्तंभ कॉपी करें। "विश्लेषण / Descriptives सांख्यिकी / Descriptives" पर क्लिक करें और सिर्फ चिपकाया चर नाम का चयन करें। "चर में मानकीकृत मूल्यों को बचाने के" बॉक्स की जाँच करें। A से Z-स्कोर के साथ एक कॉलम में दिखाई देगा। एक्सेल फाइल में पुराने आंकड़ों पर इन Z- स्कोर कॉपी पेस्ट।
    2. सीएसवी प्रारूप में संकेत (संयोजक) के Z-स्कोर के साथ एक्सेल फाइल को सेव करें।

7. डेटा एकीकरण और तुल्यकालन

  1. व्यवहार विश्लेषण सॉफ्टवेयर में:
    1. आयात नेत्र ट्रैकिंग वीडियो (व्यवहार सगाई)। (। "... एक नया निरीक्षण में फ़ाइल / आयात / वीडियो" पर क्लिक करें नए अवलोकन नाम और इच्छित वीडियो फ़ाइल का चयन करें।)
    2. कोड समीचीन होगा साथ प्रत्येक वीडियोhaviors और प्रासंगिक घटनाओं (समय मार्करों, सही / गलत जवाब)।
    3. उपयुक्त शीर्षक के साथ सभी बाहरी डेटा आयात करें: ईईजी संकेत (संज्ञानात्मक सगाई) की z- स्कोर, EDA के संकेत (भावनात्मक सगाई), संयोजक डेटा की z- स्कोर (भावनात्मक सगाई) की z- स्कोर। (। "... फ़ाइल / आयात / बाहरी डेटा" पर क्लिक करें उपयुक्त फ़ाइल प्रकार का चयन करें और सही सीएसवी फ़ाइल का चयन करें।)
  2. इन सूत्रों के अनुसार कंप्यूटरों के बीच समय सिंक्रनाइज़:
    1. आंख टकटकी में पहली मार्कर - आंखों में समय आंख टकटकी + दूसरी मार्कर ईईजी में में ईईजी = समय में समय से टकटकी।
    2. आंख टकटकी में पहली मार्कर - आंख टकटकी + प्रथम मार्कर चेहरे की भावना में में चेहरे की भावना मान्यता = समय में समय से आंख टकटकी में समय।
    3. आंख टकटकी में पहली मार्कर - आंखों में समय electrodermal गतिविधि में आंख टकटकी + प्रथम मार्कर में = समय electrodermal गतिविधि में समय से टकटकी।
  3. "दबाकर ऑफसेट डेटा दर्ज Ctrl + Shift + =221 ;, ऑफसेट मेनू खोलने के लिए। चुनें "न्यूमेरिकल ऑफसेट" डेटा स्रोतों के प्रत्येक जोड़ी के बीच सेकंड में समय दर्ज करने के लिए [ठीक है?]), ऊपर गणना के अनुसार।
  4. अध्ययन में रुचि के चर के अनुसार एक रिपोर्ट उत्पन्न।
    1. रिपोर्ट में उत्पन्न हो जाएगा कि दिलचस्प चर का चयन करें ("/ प्रवर डाटा / नई प्रोफ़ाइल डेटा का विश्लेषण ..." पर क्लिक करें)। बाएं से, सही पर, "प्रारंभ" बॉक्स और "परिणाम" बॉक्स के बीच वांछित चर स्लाइड।
    2. रिपोर्ट तैयार करना। ("सांख्यिकी" पर क्लिक करें, "... / संख्यात्मक विश्लेषण / नई विश्लेषण" पर क्लिक करें और "गणना" पर क्लिक करके बाहरी डेटा मेनू। समाप्त में मतलब बॉक्स को चेक करें।)
  5. सांख्यिकीय विश्लेषण सॉफ्टवेयर में डेटा निर्यात और अध्ययन के उद्देश्यों के अनुसार विश्लेषण करते हैं।

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

एक व्यवहार विश्लेषण सॉफ्टवेयर आवेदन में एकीकरण और, व्यवहार, भावनात्मक और संज्ञानात्मक सगाई डेटा के तुल्यकालन के परिणामों के 2 और 3 शो स्क्रीनशॉट आंकड़े। दोनों आंकड़ों में, बाएँ हाथ अनुभाग अनुसंधान विषयों और कोडिंग स्कीम का आयोजन करता है। मध्य भाग में, (लाल डॉट्स) के साथ एक वीडियो कार्य के दौरान इस विषय की आंख टकटकी से पता चलता है। विषय के व्यवहार सगाई ले रहे हैं क्या वह / वह काम के दौरान कम से देख रहा है और क्या कार्यों के आधार पर अनुमान लगाया जा सकता है। EDA (उत्तेजना) और भावनात्मक सगाई और संज्ञानात्मक सगाई के लिए ईईजी सगाई सूचकांक के लिए चेहरे की भावना संयोजक: निचले खंड में, एक समय मार्कर तुल्यकालिक तीन डेटा की पटरियों में स्क्रॉल है। डेटा सभी विषयों से एकत्र कर रहे हैं, इस सॉफ्टवेयर को भी अंततः अन्य सांख्यिकीय विश्लेषण सॉफ्टवेयर में intersubject विश्लेषण करने के लिए इस्तेमाल किया जा सकता है कि बुनियादी वर्णनात्मक आँकड़े प्रदान करता है।

हमेशा ">:" रख-together.within-पेज = के लिए "ईएनटी चित्र 2
एक समस्या को सुलझाने के कार्य की शुरुआत में चित्रा 2. बहुआयामी सगाई डेटा। एक समस्या को सुलझाने के चरण की शुरुआत में एक विषय का एक स्क्रीनशॉट। शिक्षार्थी समस्या का परिचय पढ़ रही है: आंख टकटकी तीसरी लाइन पर है। इस समय (लाल रेखा एक समय कर्सर का प्रतिनिधित्व करता है) में, विषय के कामोत्तेजना हल होने की समस्या की प्रत्याशा के शिखर पारित बस गया है, लेकिन अभी भी उच्च आधारभूत की तुलना में है, भावनात्मक संयोजक तटस्थ लगता है, और ईईजी संज्ञानात्मक सगाई इसकी अधिकतम पर लगता है । इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

चित्र तीन
चित्रा 3. बहुआयामी सगाई डाटा Durएक समस्या को सुलझाने के काम से पहले एक ठहराव से कार्य। डाटा में एक ठहराव आईएनजी। इस ठहराव सिर्फ काम से पहले विषय के आधार रेखा की स्थापना के लिए उपयोगी है। विषय की आँखें बंद हो जाती हैं क्योंकि यहाँ, संयोजक डेटा उपलब्ध नहीं हैं। (ईईजी संकेत) संज्ञानात्मक सगाई अपने न्यूनतम से थोड़ा बढ़ रहा है। विषय धीरे धीरे ठहराव के अंत की आशंका, कार्य के साथ फिर से आकर्षक है। Arousal (EDA के संकेत) लगातार घट रही है। इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

Subscription Required. Please recommend JoVE to your librarian.

Discussion

प्रोटोकॉल के भीतर महत्वपूर्ण कदम के संदर्भ में, यह पहली बार डेटा की गुणवत्ता neurophysiological संग्रह तकनीक के लिए मुख्य फोकस हमेशा होता है कि बाहर की ओर इशारा किया जाना चाहिए। इस पद्धति में, अनुसंधान सहायक (कैमरे के लिए सही चेहरा कोण खोने) संयोजक निगरानी के साथ हस्तक्षेप या ईईजी में myographic कलाकृतियों उत्पन्न होगा कि सिर आंदोलनों को कम से कम करने के लिए विषयों के निर्देश पर विशेष ध्यान देना चाहिए। दूसरी ओर, एक संतुलन और अधिक ergonomic डेटा संग्रह के लिए बनाया असली समस्या को हल करने के लिए और उपायों की प्रामाणिकता के बीच बनाए रखा जाना चाहिए। यह ईईजी डेटा संग्रह वातावरण में विद्युत चुम्बकीय उतार चढ़ाव के अधीन है कि नोट करने के लिए भी महत्वपूर्ण है। पारंपरिक ईईजी की सुविधाओं फैराडे पिंजरों के साथ विद्युत चुम्बकीय उतार चढ़ाव से उनके तंत्र को अलग करने की कोशिश करते हैं। हालांकि, इस पद्धति में इस्तेमाल उपकरणों के कुछ फैराडे पिंजरे के अंदर विद्युत चुम्बकीय उतार चढ़ाव (मुख्य रूप से आँख ट्रैकिंग डिवाइस) उत्पन्न होता है, क्योंकि वेंदृष्टिकोण अप्रभावी हो जाएगा है। हम ग्राउंडिंग पर विशेष ध्यान दे और सभी विद्युत उपकरणों के परिरक्षण द्वारा विद्युत चुम्बकीय मुद्दों पर काबू पाने।

संशोधन के लिए और तकनीक के साथ समस्या निवारण के रूप में, प्रारंभिक तुल्यकालन रणनीति ठीक एक साथ कई कंप्यूटरों और कार्यक्रमों पर डेटा संग्रह "शुरू" करने के लिए तुल्यकालन सॉफ्टवेयर की क्षमता पर भरोसा किया। कंप्यूटर और कार्यक्रमों के बीच महत्वपूर्ण और असंगत देरी मनाया गया, क्योंकि बाद के संग्रह resynchronization जरूरी हो गया। नतीजतन, एक syncbox डिवाइस वास्तुकला के लिए जोड़ा गया है। syncbox सभी कंप्यूटरों और डेटा एकत्रित करने वाले कार्यक्रमों के लिए एक टीटीएल मार्कर भेजता है। तुल्यकालन पहले syncbox मार्करों के बीच देरी की गणना की बात हो जाती है।

उल्लेख करने की आवश्यकता है कि तकनीक की एक सीमा संज्ञानात्मक सगाई सूचकांक द्वारा सीमित है जो संकेत विश्लेषण के सटीक है। की वजह सेFFT के बुनियादी मान्यताओं, इस सूचकांक 1 सेकंड युग आधार पर उत्पन्न होता है: संज्ञानात्मक सगाई स्क्रिप्ट एक मूल्य के हर दूसरे उत्पन्न करता है। प्रामाणिक समस्या को सुलझाने पर केंद्रित है जो इस प्रतिमान में, इस समय सीमा स्वीकार्य है, लेकिन सगाई के और अधिक सटीक अध्ययनों के विश्लेषण के लिए इस समय सीमा के साथ कुछ सीमाएँ मुठभेड़ हो सकता है।

/ वैकल्पिक तरीकों के लिए मौजूदा सम्मान के साथ, यह भावनात्मक संयोजक भी रक्त की मात्रा दबाव 18, 25 सेंसर के साथ प्राप्त किया जा सकता है कि ध्यान दिया जाना चाहिए। इस तकनीक को भी चेहरे की भावना मान्यता सॉफ्टवेयर से संयोजक संकेत की तुलना में इसकी शुद्धता का मूल्यांकन करने के लिए भविष्य के अनुसंधान में एकीकृत किया जा सकता है। हम भी इस अध्ययन में इस्तेमाल संज्ञानात्मक सगाई सूचकांक पिछले प्रकाशित अनुसंधान में इस्तेमाल किया गया है कि एक अच्छी तरह से जाना जाता है कि उल्लेख करना चाहिए। हल्के ईईजी उपकरणों के कुछ निर्माताओं एक समान उपाय उपलब्ध कराने का दावा, लेकिन इसके बाद से कच्चे और प्रसंस्कृत डेटा की गुणवत्ता का आकलन करने के लिए मुश्किलअपने एल्गोरिदम अप्रकाशित हैं।

अंत में, इस तकनीक के विभिन्न क्षेत्रों में कई संभावित अनुप्रयोगों प्रस्तुत करता है। बेशक, यह शिक्षा के क्षेत्र में मूल्य का हो जाएगा। अन्य संभावनाओं के बीच, इस सगाई मूल्यांकन तकनीक पाठ्यक्रम डिजाइनरों को सूचित करने के लिए एक शक्तिशाली उपकरण हो सकता है। Martens, Gulikers और Bastiaens 26 मनाया के रूप में उदाहरण के लिए, "अक्सर, डेवलपर्स सावधान शैक्षिक विश्लेषण और डिजाइन पर वे आधारित नहीं हैं, भले ही प्रौद्योगिकी यह संभव बनाता है, जिसका मुख्य कारण इतने पर-ons जोड़ने, सिमुलेशन, और मल्टीमीडिया जोड़ देते हैं एक विशिष्ट ऐड-ऑन मूल्यवान है यदि सामग्री बहुत जटिल है। "इस प्रकार, neurophysiological डेटा प्रस्तावित सीखने की रणनीति आदि इसके अलावा, कुशल हैं, शिक्षार्थी सगाई की वास्तविक समय आकलन अनुकूली के लिए संभावनाओं को खोलता है, डिजाइनरों को सूचित कर सकता ई-लर्निंग या ई-आकलन वातावरण। हम प्रणाली whe के द्वारा चेतावनी दी जा रही है, एक हल्के ईईजी हेलमेट पहने हुए, एक शिक्षार्थी उम्मीद कर सकते हैंएन उसका / उसकी सगाई स्तर घट रही है और, उदाहरण के लिए, रोक सकते हैं या तदनुसार प्रतिक्रिया करने के लिए कहा जाता है। यह भी सगाई अनुक्रमित पर आधारित, अनुकूली आकलन कार्यों का विकास संभव होगा। अनुसंधान और विकास का एक उचित मात्रा में वर्तमान में मस्तिष्क कंप्यूटर इंटरफेस के अभिनव क्षेत्र (बीसीआई) में आयोजित किया जा रहा है।

Subscription Required. Please recommend JoVE to your librarian.

Materials

Name Company Catalog Number Comments
EGI GSN-32  EGI Dense array EEG
Netstation v.5.0 EGI EEG data collection software: EEG is collected with 32-electrode dense array electroencephalography (dEEG) geodesic sensor net using Netstation acquisition software and EGI amplifiers (Electrical Geodesics, Inc). The vertex (recording site Cz) is the reference electrode for recording. Impedance is kept below 50 kΩ with a sampling rate of 250 Hz. 
Facereader v.4 Noldus Facial emotion recognition software
Syncbox Noldus Syncbox start the co-registration of EEG and gaze data by sending a Transistor-Transistor Logic (TTL) signal to the EGI amplifier and a keystroke signal to the Tobii Studio v 3.2.
Logitech C600  Webcam 960-000396 Webcam used to gather video data sent to mediarecorder and that will be analyzed in Facereader
The Observer XT Noldus Integration and synchronization software: The Noldus Observer XT (Noldus Information Technology) is used to synchronize all behavioral, emotional and cognitive engagement data. 
On-Screen LED illumination Noldus Neon positioned on computer screen in order to correctly light the face of subjects
MediaRecorder Noldus Video data collection software
Tobii 60X Tobii Collect eye-movement patterns :  used to record subjects’ eye movement patterns at 60Hz during the experiment. 
Tobii Studio v.3.2 Tobii Eye-tracking data collection and analysis software
Analyzer 2 Brainvision EEG signal processing software
Acqknowledge v.4.0 Biopac ACK100M Physiological signal acquisition and processing software
Control III germicide solution Maril Products. 10002REVA-20002-1 Disinfectant solution used with EEG helmets : recommended by EGI
Unipark QuestBack AG Online survey environment

DOWNLOAD MATERIALS LIST

References

  1. Fredricks, J. A., Blumenfeld, P. C., Paris, A. H. School engagement: Potential of the concept, state of the evidence. Rev. Educ. Res. 74, (1), 59-109 (2004).
  2. Clark, R. C., Mayer, R. E. E-learning and the Science of Instruction. Pfeiffer. San Francisco. (2011).
  3. Zhang, D., Zhou, L., Briggs, R. O., Nunamaker, J. F. Instructional video in e-learning: Assessing the impact of interactive video on learning effectiveness. Inform. Manage. 43, (1), 15-27 (2006).
  4. Freeman, F. G., Mikulka, P. J., Prinzel, L. J., Scerbo, M. W. Evaluation of an adaptive automation system using three EEG indices with a visual tracking task. Biol. Psychol. 50, 61-76 (1999).
  5. Glimcher, P., Rustichini, A. Neuroeconomics: The consilience of brain and decision. Science. 306, (5695), 447-452 (2004).
  6. Lieberman, M. D. Social Cognitive neuroscience: A review of core processes. Annu. Rev. Physiol. 58, 259-289 (2007).
  7. Pope, A. T., Bogart, E. H., Bartolome, D. S. Biocybernetic system evaluates indices of operator engagement in automated task. Biol. Psychol. 40, (1-2), 187-195 (1995).
  8. Physiological indicators for the evaluation of co-located collaborative play. Mandryk, R., Inkpen, K. CSCW '04 Proceedings of the 2004 ACM conference on Computer supported cooperative work, 2004 Nov 6-10, Chicago, IL, USA, (2004).
  9. Allaire-Duquette, G., Charland, P., Riopel, M. At the very root of the development of interest: Using human body contexts to improve women’s emotional engagement in introductory physics. Eur. J. Phy. Ed. 5, (2), 31-48 (2014).
  10. Bradley, M. M., Lang, P. J. Measuring emotion: The self-assessment manikin and the semantic differential. J. Behav. Ther. Exp. Psy. 25, (1), 49-59 (1994).
  11. Lang, P. J. The emotion probe: Studies of motivation and attention. Am. Psychol. 50, (5), 372-385 (1995).
  12. Ekman, P., Felt Friesen, W. false, and miserable smiles. J. Nonverbal Behav. 6, (4), 238-252 (1982).
  13. Advances in face and gesture analysis. Van Kuilenburg, H., Den Uyl, M. J., Israël, M. L., Ivan, P. Proceedings of Measuring Behavior 2008, 2008 Aug 26-29, Maastricht, The Netherlands, 371-372 (2008).
  14. Cacioppo, J., Tassinary, L. G., Berntson, G. G. Handbook of Psychophysiology. Cambridge University Press. Cambridge, UK. (2007).
  15. Lubar, J. F., Swartwood, M. O., Swartwood, J. N., O’Donnell, P. H. Evaluation of the effectiveness of EEG neurofeedback training for ADHD in a clinical setting as measured by changes in T.O.V.A. scores, behavioral ratings, and WISC R performance. Biofeedback Self-reg. 20, (1), (1995).
  16. Mikulka, P. J., Freeman, F. G., Scerbo, M. W. Effects of a biocybernetic system on the vigilance decrement. Hum. factors. 44, (4), 654-664 (2002).
  17. Freeman, F. G., Mikulka, P. J., Scerbo, M. W., Scott, L. An evaluation of an adaptive automation system using a cognitive vigilance task. Biol. Psychol. 67, (3), 283-297 (2004).
  18. Chaouachi, M., Chalfoun, P., Jraidi, I., Frasson, C. Affect and mental engagement: Toward adaptability for intelligent systems. Proceedings of the Twenty-Third International Florida Artificial Intelligence Research Society Conference (FLAIRS 2010), Association for the Advancement of Artificial Intelligence. 355-360 (2010).
  19. Courtemanche, F., Ortiz de Guinea, A., Titah, R., Fredette, M., Labonté-LeMoyne, É Precision is in the eye of the beholder: Application of eye fixation-related potentials to information systems research. J. Assoc. Inf. Syst. 15, (10), 651-678 (2014).
  20. Courtemanche, F., Ortiz de Guinea, A., Titah, R., Fredette, M., Labonté-Lemoyne, E. Applying eye fixation-related potentials to information systems research: Demonstration of the method during natural IS use and guidelines for research. J. Assoc. Inf. Syst. 15, (10), (2014).
  21. Courtemanche, F. Un outil d’évaluation neurocognitive des interactions humain-machine Doctoral thesis. Université de Montréal. Montreal, QC. (2014).
  22. Assessing multiple dimensions of learner engagement during science problem solving using psychophysiological and behavioral measures. Charland, P., Léger, P. M., Mercier, J., Skelling-Desmeules, Y. Fourth Scientific International Symposium of the Association for Research in Neuroeducation, Caen, France, (2014).
  23. Venables, P. H., Christie, M. J. Electrodermal activity. Techniques in Psychophysiology. Martin, I., Venables, P. Wiley. Chichester, UK. 3-67 (1980).
  24. Electrodermal Activity. Boucsein, W. 2nd ed, Springer. New York. (2012).
  25. Sarlo, M., Palomba, D., Buodo, G. M., Minghetti, R., Stegagno, L. Blood pressure changes highlight gender differences in emotional reactivity to arousing pictures. Biol. Psychol. 70, (3), 188-196 (2005).
  26. Martens, R. L., Gulikers, J., Bastiaens, T. The impact of intrinsic motivation on e-learning in authentic computer tasks. J. Comput. Assist. Lear. 20, (5), 368-376 (2004).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Usage Statistics