הערכת ממדים המרובים של אירוסין לאפיין למידה: הנוירופיזיולוגי פרספקטיבה

Summary

This paper aims to describe the techniques involved in the collection and synchronization of the multiple dimensions (behavioral, affective and cognitive) of learners’ engagement during a task.

Abstract

In a recent theoretical synthesis on the concept of engagement, Fredricks, Blumenfeld and Paris¹ defined engagement by its multiple dimensions: behavioral, emotional and cognitive. They observed that individual types of engagement had not been studied in conjunction, and little information was available about interactions or synergy between the dimensions; consequently, more studies would contribute to creating finely tuned teaching interventions. Benefiting from the recent technological advances in neurosciences, this paper presents a recently developed methodology to gather and synchronize data on multidimensional engagement during learning tasks. The technique involves the collection of (a) electroencephalography, (b) electrodermal, (c) eye-tracking, and (d) facial emotion recognition data on four different computers. This led to synchronization issues for data collected from multiple sources. Post synchronization in specialized integration software gives researchers a better understanding of the dynamics between the multiple dimensions of engagement. For curriculum developers, these data could provide informed guidelines for achieving better instruction/learning efficiency. This technique also opens up possibilities in the field of brain-computer interactions, where adaptive learning or assessment environments could be developed.

Introduction

אירוסין ממלאים תפקיד מכריע בלמידה. לקלארק והמאייר ^2, "כל הלמידה דורשת אירוסין," ללא קשר לתקשורת משלוח. גם ג'אנג et al. ³ הציעו כי התקשרות מוגברת של תלמידים יכולה לשפר את תוצאות למידה, כגון פתרון בעיות ומיומנויות חשיבה ביקורתיות. הגדרת אירוסין עדיין מהווה אתגר. בסקירת הספרות שלהם, פרדריקס, בלומנפלד ופריז ¹ מוגדרת אירוסין על ידי טבעה רב פנים: "אירוסין התנהגות נשענים על הרעיון של השתתפות; היא כוללת מעורבות בפעילות אקדמית וחברתית או חוגים. (...) מעורבות רגשית מקיפה תגובות חיוביות ושליליות למורים, חברים לכיתה, אנשי אקדמיה, ובית ספר, והוא הניח ליצירת קשרים לנכונות אובייקט והשפעה כדי לעשות את העבודה. לבסוף, אירוסין הקוגניטיבית מתבססים על הרעיון של השקעה נפשית; היא משלבת התחשבות ונכונות להפעיל NEC המאמץessary להבין רעיונות מורכבים ומיומנויות קשות אדון. "

פרדריקס, בלומנפלד ופריז ¹ גם טענו כי התמקדות בהתנהגות, רגש, וקוגניציה, ברעיון של התקשרות, עשויה לספק אפיון עשיר יותר של למידה. מחברים אלה הצביעו על כך שגוף חזק של מחקר עוסק כל רכיב של אירוסין בנפרד, אבל רכיבים אלה לא נחקרו בשיתוף. הם גם ציינו כי מעט מידע זמין על יחסי גומלין בין הממדים וכי מחקרים נוספים יכולים לתרום לתכנון התערבויות הוראה מכוונת היטב. כצעד בכיוון זה, מאמר זה מתאר שיטות מחקר שפותחה כדי לאסוף ולנתח נתונים כמותיים ואיכותיים, באופן סינכרוני, על אירוסין התנהגות, רגשיים וקוגניטיביים במהלך משימות למידה.

הבאת Neurosciences לחינוך

BehavIOR, וכתוצאה מכך התנהגות אירוסין, כבר זמן רב במוקד המחקרים בחינוך המרכזי: עיצובי מחקר התמקדו בעיקר בשינויים בידע ובהתנהגות המתרחשים על פני תקופות זמן ארוכות, בין-בדיקות לפני ואחרי, ועל מרווחים של שעות, שבועות , חודשים או שנים. להפלות בין אירוסין התנהגות, רגשיים, הקוגניטיבי ועדיין מהווים אתגר, כי שני הממדים האחרונים אינם שיטתי נצפים חיצוני. קוגניציה ורגשות חייבות או להסיק מתצפיות או העריכו באמצעים דיווח עצמי. מנקודת המבט חיצונית, זה עדיין קשה לקבוע אם תלמידים מנסים לבצע את עבודתם במהירות אפשרית או באמצעות אסטרטגיות למידה ברמה עמוקה לשלוט בתוכן ספציפי. לאמיתו של דבר, פרדריקס, בלומנפלד ^ו1 פריז לא הצליח למצוא כל מחקרים שפורסמו באמצעים ישירים, מטרה של מעורבות קוגניטיבית.

התפתחויות טכנולוגיות האחרונות בתחום מדעי המוח יצר אפשרויות חדשות למחקר בחינוך. שיטות איסוף נתונים חדשות וניתוח אלגוריתמים שפותחו בתחום הארגונומיה נוירו נראים מבטיחים מאוד ללימודים איכותיים וכמותיים במהלך משימות למידה. דיסציפלינות אחרות, כגון כלכלה, פסיכולוגיה, שיווק, וארגונומיה, כבר משתמשים מדידות neurophysiological להעריך אירוסין קוגניטיבית לכמה זמן ^4-8. צעדי neurophysiological, בשילוב עם ניתוח אלגוריתמים יעילים, יאפשר אחד ללמוד תופעה מבלי להפריע זה. מעצם טבעם, שאלוני דיווח עצמי להתנתק סטודנטים מלמידה. צעדי neurophysiological לאפשר עיצובי מחקר להתבצע בסביבות למידה אותנטיות יותר. כלים אלה כוללים ציוד לניטור קצב לב, קצב נשימה, לחץ דם, טמפרטורת גוף, קוטר אישון, פעילות חשמלית, electroencephalography (EEG), וכו '.

איסוף נתונים על התנהגות מסונכרן, רגשית, וקוגניטיבית אירוסין

כנציג תוצאות בעקבות השימוש בפרוטוקול זה, מאמר זה יציג את התוצאות חלקיות של מחקר שבו לומדים היו צריכים לפתור, על מסך מחשב, עשר בעיות בפיסיקה מכאנית. בעיות אלו פותחו בעבודה קודמת ^9. נתונים neurophysiological נאספו תוך הלומדים היו לפתור את הבעיות ומרגיעים במהלך של 45 הפסקה, בעיניים עצומות, לאחר כל בעיה.

כאמור לעיל, נתוני אירוסין התנהגות מורכבים של אינטראקציות תוכנה (תנועות עכבר ולחיצות), מבט עיניים, ביצועים ותשובות לשאלות המיוצרות על ידי לומד אינטראקציה עם המערכת תוך ביצוע המשימה ^1. מערכת מעקב העין שימשה לאיסוף אינטראקציות תוכנה ונתונים מבט עין. נתוני ביצועים (זמן לפתור בעיה, נכונות תשובות) נאספו על אתר סקר ששימש להציג את המשימה. אתר זה משמש גם כדי לאסוף נתונים דיווח עצמי שנאספו עם שאלון המותאם מבראדלי ולאנג ^10. מעורבות רגשית כרוכה אפיון של רגשות. על פי ¹¹ לאנג, רגשות מאופיינים במונחים של הערכיות ועוררות (נעימים / לא נעימים) (רגועים / עורר). נתוני מעורבות רגשית נאספו בהתאם, באמצעות תוכנת זיהוי פנים רגש אוטומטית שמכמתת הערכיות רגשית ומקודד / חיישן פעילות-חשמלי לעוררות ^12,13. פעילות-חשמלי (EDA) מתייחסת להתנגדות החשמלית נרשמה בין שתי אלקטרודות כאשר זרם חשמלי חלש מאוד הוא עבר בעקביות ביניהם. Cacioppo, Tassinary ו ^-14 Berntson הראו כי ההתנגדות נרשמה משתנה בהתאם לעוררות של הנושא. לפיכך, נתוני פסיכו, כגון ערכיות או עוררות, נחשבים כקושרת של מעורבות רגשית.

class = "jove_content"> לבסוף, נאספים נתונים אירוסין קוגניטיביים באמצעות electroencephalography (EEG). צעדי EEG, על הקרקפת, מסונכרנים פעילות חשמלית של קבוצות תאי עצב במוח. אותות חשמליים שנרשמו מהקרקפת הם לעתים קרובות oscillatory ומורכבת של רכיבי תדר. לפי אמנה, תדרים אלו מקובצים ברצפים, הידוע בלהקות. לדוגמא, אלפא, ביתא ותטא להקות הם המוקד של מחקר זה. על פי מחקרי נירולוגית מדעיים ^14, להקות אלה משקפות את יכולות עיבוד הקוגניטיבי שונות באזורים מסוימים של המוח. לפיכך, הניתוח של הצפיפות ספקטרלית כוח (PSD) של תדרים מסוימים, בשילוב עם מחקרים רבים ^7,15 על ערנות ותשומת לב, מאפשר לחוקרים לכמת אירוסין הקוגניטיבי במהלך משימה. כMikulka et al. ¹⁶ ציין, מחקרים הוכיחו קשר ישיר בין הפעילות בטא וערנות קוגניטיביים וקשר עקיף בין אלפאפעילות ד תטא וערנות. כך, האפיפיור, בוגרט ו ^-7 Bartoleme פיתחו מדד אירוסין שמחשב את PSD של שלוש להקות: בטא / (אלפא תטא +). יחס זה קבל תוקף במחקרים אחרים על אירוסין ^16,17,18. לאפיין אירוסין קוגניטיביים לאורך זמן, Fast Fourier Transform (FFT) ממיר את אות ה- EEG מאתר פעיל (F3, F4, O1, O2) לספקטרום כוח. מדד האירוסין EEG בזמן T מחושב לפי הממוצע של כל יחס אירוסין בתוך חלון הזזה 20 שניות שקדמו לט זמן הליך זה חוזר על עצמו בכל שנייה וחלון הזזה חדש משמש לעדכון המדד.

מאחר והמטרה של מתודולוגיה זו היא לספק ניתוח עשיר של ממדים הרבים של אירוסין, סנכרון נתונים הוא חיוני. כז'ה et al. ¹⁹ להזכיר לקוראים, יצרני ציוד ממליצים בחום רק באמצעות מחשב אחד לכל כלי מדידה כדי להבטיח דיוק le צויןvel. לכן, כאשר מספר מחשבים מועסקים, סנכרון בין מחשבי הקלטה הופך שלב קריטי. לא יכולות להיות כל התחילו ההקלטות בדיוק באותו הזמן, וכל זרם נתוני מסגרת הזמן הספציפי שלה (למשל, סעיף 0 העין מעקב ≠ שניות 0 של EEG או נתונים פיסיולוגיים). זה מאוד חשוב: desynchronization בין זרמי נתונים פירוש שגיאות בכימות של כל ממד של מעורבות. ישנן דרכים של סנכרון הקלטות פיסיולוגיות והתנהגותיים במקביל שונות. שיטות אלה עשויות להיות מחולקות לשתי גישות עיקריות; ישיר ועקיף ^20. הפרוטוקול שהוצג בסעיף הבא מבוסס על גישה עקיפה שבו התקן חיצוני, syncbox, משמש לשליחת היגיון טרנזיסטור-טרנזיסטור (TTL) אותות לכל ציוד ההקלטה (כפי שמוצג באיור 1). כמו כל פיסת הציוד יש זמן התחלה שונה, סמני TTL נרשמים בקבצי היומן עם קרוב משפחה עיכוב. סמנים משמשים לאחר מכן כדי ליישר מחדש את האותות ובכך להבטיח סנכרון נכון אחרי כל הקלטה. תוכנת ניתוח התנהגות, המאפשרת אינטגרציה קובץ חיצוני משמשת לסנכרון מחדש את ציר הזמן של כל זרם הנתונים ולבצע ניתוח כמותי ואיכותי של כל ממד של מעורבות.

איור 1. ארכיטקטורה של מערכת איסוף נתונים. סביבת המעבדה שבי (מעקב עיניים) התנהגות, רגשי (EDA ורגש פנים) ונתונים קוגניטיביים אירוסין (EEG) נאספים מכילים מחשבים רבים. זה מעלה אתגר סנכרון לנתונים שהפניה בשעוני המחשב שלהם. כדי להיות מסוגל לנתח את כל הנתונים באותו זמן התייחסות, התקנת המעבדה כרוכה syncbox ששולח אותות TTL לכל זרמי נתונים.nk "> לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

כדי להעריך את הדיוק של המתודולוגיה במונחים של סנכרון, 45 שניות הפסקות הוכנסו לפני כל אחת מבעיות הפיזיקה המכנית. במהלך הפסקות אלה, נושאים היו להירגע ולעצום את עיניהם. כפי שניתן לראות במחקרים אחרים ^{4,9,16,17,18,} הפסקות אלה צריכים לגרום לשינויים משמעותיים באות שנאסף: שתי נקודות אישון העין ב( אירוסין התנהגות) מייד נעלמים מעקב העין וירידה מיידית במעורבות קוגניטיבית (EEG אות) הוא ציין. רכיבים ספציפיים אלה של האות משמשים כדי להעריך את התוקף הכללי של הסנכרון. הפרסום האחרון של עיתונים שאופן מלא או חלקי להסתמך על הליך סנכרון זה, בתחומי מערכות מידע ^19, אינטראקציות אדם-מכונה ²¹ וחינוך ^{9, 22,} מספק ראיות ליעילותה.

Protocol

פרוטוקול זה קיבל תעודה אתית מComité institutionnel דה לה משוכלל ונדיר avec des êtres humains (CIER) de l'אוניברסיטת קוויבק במונטריאול (UQAM) שאושר על ידי HEC מונטריאול למתקן מחקר Tech3Lab. הפרוטוקול מתאר כל אחד מהצעדים הספציפיים המבוצעים בסביבת המעבדה שלנו וציוד. למרות שנתיבי תוכנה מדויקים מסופקים להבהיר את המתודולוגיה, טכניקה זו היא להעברה וניתן לשכפל עם מעקב עיניים אחר קניינית, זיהוי רגשות פנים אוטומטי, פעילות-חשמלית וציוד electroencephalography ותוכנה.

1. הגדרה של סביבת המעבדה

1. הפעל את העין הגשש, מגבר EEG, ארבעה מחשבי הקלטה והרמקולים.
2. הכן את ההתקנה של ציוד ההקלטה:
   1. הכן את התקנת EEG עם חומר הנדרש על פי recomme של היצרןנהלי nded. הכן את תוכנת EEG למשתתף הקרוב. הפעל את תוכנת מעקב עיניים וליצור פרופיל משתתף חדש בתוכנה. הפעל את תוכנת הקלטת וידאו והמצלמות.
   2. הפעל את תוכנת סנכרון עם השגרה מסוימת שנוצרה עבור הפרויקט עם סמנים ב 60 שניות. הפעל את תוכנת מדידה הפיזיולוגית (להקליט פעילות-חשמלית) ולפתוח את הפריסה הספציפית שנוצרה עבור הפרויקט. התאם כיסא של המשתתף לרמה הגבוהה ביותר.

2. משתתף הכנה

1. שאל את המשתתף לקרוא ולחתום על טופס הסכמה האתי.
2. לבצע מדידות גולגולת לEEG:
   1. מצא את מיקום Cz על ראשו של המשתתף (לפי 10 - 20 מערכות התייחסות). לטבול את רשת ה- EEG בתמיסת מלח (אשלגן כלורי) (ראה שלב 1.2.1) ולהתחיל טיימר (10 דקות) בהתאם לתקנים של היצרן.
3. קראו את מטרת המחקר ואת השלבים בניסוי למשתתף, "מטרתו של מחקר זה היא לבחון את פעילות המוח שלך בזמן שאתה עונה בעיות פיסיקה. ראשית אנו להתקין החיישנים, לאחר מכן תתבקש לפתור בעיות 10 פיסיקה הניוטונית במחשב. אנו מבקשים מכם לקחת הפסקה של 45 שניות לאחר כל בעיה בעיניים עצומה. לאחר כל בעיה, אתה תתבקש לדרג ההערכה של הבעיה שלך. "
4. תגיד לי הנושא שמשך הזמן הכולל של הניסוי יהיה 90 דקות.
5. התקן את החיישנים הפיסיולוגיים, על פי המלצות היצרן: שני חיישני gelified בחלק העליון של יד השמאל.
6. התקן את כובע EEG, על פי המלצות היצרן ולבצע בדיקת עכבה עם סף ב 40 ק"ג-אוהם (על פי מפרט היצרן).

3. איסוף נתונים

1. ודא כי כל תוכנת ההקלטה מוכנה להתחיל בתיאום:
   1. פיזיולוגיה (נתונים EDA): לחץ על הכפתור "התחל".
   2. הקלטת וידאו: לחץ על הכפתור "הפתוח".
   3. מעקב עיניים: לחץ על הכפתור "בהמתנה".
   4. EEG: לחץ על הכפתור "השיא".
   5. תוכנת סנכרון: לחץ על הכפתור "המעגל הירוק".
2. כיול מבט עיניים:
   1. לבצע כיול על מסך חמש נקודות ולבחון את המשתתף בזמן שהוא / היא עוקבת אחר הנקודות האדומות (לחץ על "כלים / הגדרות / כיול ..."). חזור על תהליך זה עד דיוק מספיק מושגת, על פי אמות המידה של היצרן.
3. הוראות משימת פרויקט על המסך של המשתתף: לשאול אם הוא / היא שאלות לאחר קריאתם, ואם הוא / היא מוכנה להתחיל את הניסוי.
4. שאל את המשתתף לפתור 10 עמ 'הניוטוניתבעיות hysics.
5. במידת הצורך, לבצע בדיקת עכבה באחת ההפסקות של 45 (לא לפני שהבעיה 5).
6. ודא המשתתף לוקח של 45 מלא הפסקה לפני כל בעיה (כדי לקבוע את נקודת ההתחלה).

4. סוף של איסוף נתונים

1. עצור רכישת נתונים על כל המחשבים ולהסיר את החיישנים מהמשתתף.

5. לאחר המשתתף הותיר

1. נקה את כובע EEG עם קוטל חידקים ולסדר את הציוד, על פי המלצות היצרן. לשמור את כל קבצי הנתונים שנאספו וליצור גיבוי על שרת ה- FTP.
2. מלא את הגיליון האלקטרוני משתתף: לבי כל אירוע או בעיה מסוים במהלך איסוף הנתונים. מחק את כל העוגיות מהדפדפן האינטרנט.

עיבוד טרום 6. נתונים ויצוא לתוכנת האינטגרציה

1. EEG
   1. נתוני היבוא EEG לתוכנת ניתוח נתוני ה- EEG:
      1. ליצור שלוש תיקיות ריקות במחשב בשם, "היסטוריה" "נתונים גולמיים" ועל "יצוא" כדי להדביק את נתוני ה- EEG גלם לקובץ נתונים גולמיים החדש שנוצר.
      2. בתוכנת ניתוח נתוני ה- EEG, לחץ על "קובץ / פרויקט חדש ..." ולבחור את מיקום הנתונים הגולמי על ידי לחיצה על עיון, ולאחר מכן בחירת קובץ נתונים הגולמי החדש שנוצר. בחר את המיקום של "ההיסטוריה" ותיקיות "יצוא" באותו אופן.
      3. לחץ על "אישור". (החלון צריך להכיל את כל נתוני ה- EEG של המשתתף).
   2. טרום תהליך אות המוח:
      1. החל מסנן וחריץ (לחץ "טרנספורמציות / מסנני IIR ..."). בחלון, מאפשר חיתוך הנמוך ב 1.5 הרץ עם שיפוע של 12 dB והגבוהה הפסקת ב 50 הרץ עם שיפוע של 12 dB. כמו כן תאפשר חריץ בתדירות 60 הרץ.
      2. בגלל משמש מגבר DC, DC detrend האות (לחץ "Transformations / DC Detrend ... "ולאפשר" המבוסס על זמן "בלפני סמן 100 אלפיות שניים ולפני חיבור DC 100 אלפיות שניים).
      3. לבצע בדיקת הנתונים גולמית (לחץ "טרנספורמציה / בדיקת נתונים גולמית ..." ובחר הסרת חפץ חצי אוטומטית). בחר הבא: 60 μV / MS מתח מקסימאלי; מקס-דק: 200 μV במרווח ms 200; משרעת: -400 לμV 400).
      4. בצעו ICA אוטומטי עם sphering הקלאסי להסרת הרף עין (חפצי myographic לא צריכים להסיר כי הטווח שלהם הוא מחוץ לתדרים של עניין). (לחץ על "טרנספורמציות / ICA ...". בסופו של ICA, תהליך ICA ההפוך.)
      5. Re-התייחסות ("טרנספורמציות / מחדש התייחסות ...") את האות ובחר "ממוצעת משותף".
      6. יצוא (לחץ על "יצוא / Generic יצוא נתונים ...") את האות וסמנים בפורמט טקסט (בחרו את ".vhdr"; תיבה) לבניית Matlab סופו של דבר מדד האירוסין. גם לבחור את "קובץ כתיבת הכותרת" ותיבות "קובץ סמן כתיבה".
   3. ייבא את האות ב- Matlab.
      1. התחל Matlab והקלד "eeglab" כך GUI של EEGLab מופיע ויבוא נתונים למשתתף אחד בכל פעם. בGUI, תפריט פריט בחר "קובץ / יבוא נתונים / שימוש בפונקציות EEGLab ותוספים / מהמוח Vis Rec .vhdr קובץ".
      2. בחלון הפקודה, להדביק תסריט ¹⁶ שיוצר אינדקס אירוסין.
         הערה: תסריט האירוסין קוגניטיבית מחושב לפי הממוצע של כל Beta / יחס (אלפא תטא +) בתוך ט זמן חלון הזזה 20 שניות שקדמו להליך זה חוזרת על עצמו בכל שנייה וחלון הזזה חדש משמש לעדכון המדד.
   4. בMS Excel, פתח את קובץ הטקסט של מדד האירוסין שנוצר בסוף התסריט על ידי Matlab ולהחיל Z-SCORנורמליזציה דואר על נתוני ה- EEG כדי לאפשר השוואת intersubject. (עבור כל ערך, חישוב נוסחה זו ב- Excel: Z = (ערך - ממוצעים כולל) / סטיית תקן כללית.)
   5. שמור את אות מדד האירוסין Z-ציון בקובץ CSV ב- MS Excel. (לחץ על קובץ / שמירה ב... ובחר CSV בפורמט הסוג.)
   6. חזור על התהליך (מצעד 6.1.2.2.) לכל משתתף.
2. פיזיולוגיה:
   1. נתוני היבוא EDA בתוכנת ניתוח נתונים פיסיולוגיים.
   2. החל הפרמטרים האלה מראש תהליך האות הפיזיולוגית:
      1. החל שינוי לוגריתמים לנרמל את ההפצה של המוליכות לפי השיטה של ונבלס וכריסטי ^23.
      2. שטוחה האות על 10 שניות הזזה חלון ^24.
   3. בתוך התוכנה הפיזיולוגית, לחשב נורמליזציה Z-ציון על נתוני EDA כדי לאפשר השוואת intersubject. (Z = (ערך - ממוצעת כולל) / סטיית תקן כללית).
      1. סמן את כל הנתונים עם הסמן מערוץ EDA.
      2. בתפריט העליון, בחר בערוץ EDA, ובחר "אומר" כדי להשיג את הערך הממוצע של הערוץ הכללי. גם לבחור את ערוץ EDA ו" סטייתתקן "כדי להשיג את ערך סטיית התקן של הערוץ הכללי.
      3. כדי לחשב את משוואת z-הציון, לחץ על "טרנספורמציה / צורת גל מתמטיקה ..." ובחר את ערוץ EDA במקור 1. בחר באפשרות "-" (מינוס) בחלון הפעולה המתמטי ובחר K במקור 2. בחר "יעד חדש" בתפריט היעד והזן את הערך הממוצע של ערוץ EDA (ראה שלב 6.2.3.2). בחר באפשרות "להפוך כל גל", לחץ על אישור ולחץ על "טרנספורמציה / צורת גל מתמטיקה ...". בחר את ערוץ EDA-K במקור 1, בחר "/" (פער) בחלון הפעולה המתמטי, K בחר במקור 2, בחר "יעד חדש" ביעדים וenter ערך סטיית התקן של ערוץ EDA (שלב 6.2.3.2). בחר באפשרות "להפוך כל גל" ולחץ על אישור.
   4. לייצא את האות (עוררות) בקובץ CSV. (לחץ על קובץ / שמירה ב... ובחר CSV בפורמט הסוג.)
3. זיהוי רגשות פנים אוטומטי:
   1. וידאו לייבא נתונים ממקליט המדיה לתוכנת זיהוי פנים רגש אוטומטי. (לחץ על "קובץ / חדש ... / משתתף ...". לאחר בחירת משתתף חדש בתפריט הפרויקט על ידי לחיצה על זה, לחץ על "קובץ / חדש / ניתוח / וידאו ...". לחץ על זכוכית המגדלת ליד 1 ניתוח ולבחור את הרצוי קובץ וידאו.
      1. בחר ניתוח מחובר ל" כל מסגרת שלישית "ולהפעיל" כיול רציף ".
      2. נתונים ערכיות יצוא בקובץ CSV. (לחץ על "אפשרויות / הגדרות / רישום ...", לבדוק את הקובץ "תכתוב ערך ערכיות לקובץ היומן" תיבה. לחץ "/יצוא ... ", לבחור את המיקום שבו קבצי היומן ייוצאו, וסמן את" תיבה שמור מפורטת יומן ".)
      3. פתח את קובץ CSV ב- MS Excel. העתק את עמודת נתונים הערכיות בעמודה אחת של תוכנת SPSS. לחץ על "Analyse / תיאורי סטטיסטיקה / תיאורים" ובחר את השם המשתנה שהודבק-פשוט. סמן את התיבה "שמור ערכים סטנדרטיים במשתנים". טור עם Z-ציון יופיע. העתק-דבק Z-ציונים אלה על נתונים הישנים בקובץ אקסל.
   2. שמור את קובץ Excel עם Z-הציונים של האות (הערכיות) בפורמט CSV.

7. נתונים אינטגרציה וסנכרון

1. בתוכנת ניתוח התנהגות:
   1. קטעי וידאו יבוא מעקב העין (אירוסין התנהגות). (לחץ על "קובץ / יבוא / וידאו בתצפית חדשה ...". שם התצפית החדשה ולבחור את קובץ וידאו הרצוי.)
   2. קוד כל וידאו עם להיות רלוונטיhaviors ואירועים קונטקסטואליים (סמני זמן, תשובות הנכונות / לא נכון).
   3. לייבא את כל הנתונים החיצוניים עם הכותרת המתאימה: Z-ציון של אות ה- EEG (אירוסין קוגניטיבי), Z-ציון של אות ה- EDA (מעורבות רגשית), Z-ציון של נתונים ערכיות (מעורבות רגשית). (לחץ על "קובץ / יבוא / נתונים חיצוניים ...". בחר את סוג הקובץ המתאים ובחר את קובץ CSV הנכון.)
2. לסנכרן את הזמן בין מחשבים על פי נוסחות הבאות:
   1. זמן בעין מתבונן מהזמן בEEG = זמן במבט עין + סמן שני בEEG - סמן הראשון במבט עין.
   2. זמן במבט עין מזמן בזיהוי פנים רגש = זמן במבט עין + סמן ראשון ברגש פנים - סמן הראשון במבט עין.
   3. זמן בעין מתבונן מזמן בפעילות-חשמלית = זמן במבט עין + סמן ראשון בפעילות-חשמלית - הסמן הראשון במבט עין.
3. הזן את הנתונים קוזזו על ידי לחיצה על "Ctrl + Shift + =221 ;, כדי לפתוח את תפריט הקיזוז. בחר "נומרית לקזז" להיכנס לזמן בשניות בין כל זוג של מקורות נתונים [בסדר?]), על פי החישובים לעיל.
4. להפיק דוח לפי המשתנים של עניין במחקר.
   1. בחר משתנים מעניינים שיופקו בדו"ח (לחץ על "נתח / בחר נתונים / נתונים פרופיל חדשים ..."). מהשמאל, חלק את המשתנים הרצויים בין התיבה "התחל" והתיבה "תוצאות", בצד הימין.
   2. להפיק את הדוח. (לחץ על "נתח / אנליזה נומרית / חדש ...", לחץ על "סטטיסטיקה" וסמן את התיבה הממוצעת בתפריט נתונים החיצוני. סיום על ידי לחיצה על "חישוב".)
5. לייצא את הנתונים לתוכנת ניתוח סטטיסטי ולבצע ניתוח על פי יעדי המחקר.

תוצאות

איורים 2 ו -3 הצג מסך של התוצאות של שילוב והסנכרון של נתוני אירוסין התנהגות, רגשיים וקוגניטיבי ביישום תוכנת ניתוח התנהגות. בשתי הדמויות, השמאלי הסעיף מארגן את נושאי המחקר וערכת הקידוד. בחלק האמצעי, וידאו (עם נקודות אדומות) מראה מבט עיניו של הנושא במהלך המשי?...

Discussion

במונחים של שלבים קריטיים בפרוטוקול, צריכים להיות ראשון לציין כי איכות נתונים היא תמיד המוקד העיקרי לטכניקות אוסף neurophysiological. במתודולוגיה זו, עוזרי מחקר חייבים להקדיש תשומת לב מיוחדת למורה למקצועות כדי למזער תנועות ראש שתפרענה ניטור ערכיות (לאבד זווית הפנים נכונה למצ...

Materials

Name	Company	Catalog Number	Comments
EGI GSN-32	EGI	n/a	Dense array EEG
Netstation v.5.0	EGI	n/a	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	n/a	Facial emotion recognition software
Syncbox	Noldus	n/a	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	n/a	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	n/a	Neon positioned on computer screen in order to correctly light the face of subjects
MediaRecorder	Noldus	n/a	Video data collection software
Tobii X60	Tobii	n/a	Collect eye-movement patterns :  used to record subjects’ eye movement patterns at 60Hz during the experiment.
Tobii Studio v.3.2	Tobii	n/a	Eye-tracking data collection and analysis software
Analyzer 2	Brainvision	n/a	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	n/a	Online survey environment