Summary

הערכת ממדים המרובים של אירוסין לאפיין למידה: הנוירופיזיולוגי פרספקטיבה

Published: July 01, 2015
doi:

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 '.

<stRong> 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.

<p 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
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 מסופ?…

Representative Results

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…

Declarações

The authors have nothing to disclose.

Acknowledgements

The authors acknowledge the financial support of the Social Sciences and Humanities Research Council of Canada (SSHERC), Natural Sciences and Engineering Research Council of Canada (NSERC), Fonds de Recherche Nature et Technologies du Québec (FQRNT) and Fonds de Recherche sur la Société et Culture du Québec (FQRSC).

Materials

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

Referências

  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. , (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. Mandryk, R., Inkpen, K. Physiological indicators for the evaluation of co-located collaborative play. , (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. Van Kuilenburg, H., Den Uyl, M. J., Israël, M. L., Ivan, P. Advances in face and gesture analysis. , 371-372 (2008).
  14. Cacioppo, J., Tassinary, L. G., Berntson, G. G. . Handbook of Psychophysiology. , (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, &. #. 2. 0. 1. ;. 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. , (2014).
  22. Charland, P., Léger, P. M., Mercier, J., Skelling-Desmeules, Y. Assessing multiple dimensions of learner engagement during science problem solving using psychophysiological and behavioral measures. , (2014).
  23. Venables, P. H., Christie, M. J., Martin, I., Venables, P. Electrodermal activity. Techniques in Psychophysiology. , 3-67 (1980).
  24. Boucsein, W. . Electrodermal Activity. , (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).
check_url/pt/52627?article_type=t

Play Video

Citar este artigo
Charland, P., Léger, P., Sénécal, S., Courtemanche, F., Mercier, J., Skelling, Y., Labonté-Lemoyne, E. Assessing the Multiple Dimensions of Engagement to Characterize Learning: A Neurophysiological Perspective. J. Vis. Exp. (101), e52627, doi:10.3791/52627 (2015).

View Video