仮想空間における人間の空間ナビゲーションと運動感受性の評価

コーディングの観点からのゲームプレイの説明: 「エンコーディング」フェーズでは、一連の 18 のウェイポイントが 3 次元空間の周りに配置され、それぞれに「配信アイテム」(つまり、その場所に配送するアイテム) が関連付けられています。これらのウェイポイントへの参照は、タスクを開始する前にプレイヤーコントローラーに保存され、静的に順序付けられました。つまり、ピザ店がポジション 1 に配置されていた場合、最初は常にポジション 1 になります。参加者が遭遇したウェイポイントにある程度のランダム性を持たせるために、ウェイポイントリストはフィッシャー・イェーツ・シャッフル・アルゴリズムによってシャッフルされました。この研究で実装されているフィッシャー・イェーツ・シャッフルは、元の配列の擬似乱数置換を生成します。可能な順列は、等しい確率で生成できます。アルゴリズムは、リストの最後 (n) から要素を選択することから始まります。疑似乱数が [0, n] の範囲で生成され、値 k に割り当てられます。次に、 n番目の値が k番目の 値と交換されます。次に、 n の値が 1 ずつ減らされ、まだ考慮されていないインデックスが 1 つだけになるまでこのプロセスが繰り返されます。 ウェイポイントのリストがシャッフルされた後、最初の 5 つの要素が選択されました。最適なパスは、ゲームエンジンのナビゲーションメッシュシステムと組み込みの最適パス計算によって生成されました。この一連のパスは、参加者の開始位置から始まり、各ウェイポイント間にリンクされたチェーンが作成され、最終的なウェイポイントで終了します。参加者がコントロールを獲得すると、緑色の線と意図された方向情報を提供する動く矢印で示されたこれらのパスをたどるように指示されました。この緑色の線と動く矢印が表示されていますが、参加者は仮想環境内をアクティブにナビゲートすることができました。参加者がウェイポイントの境界を入力すると、表示されたパスがリスト内の次のパスと入れ替わりました。 意図した数のウェイポイント要素を訪れると、参加者は「記憶」フェーズ(コードでは RevisitIntermission と呼ばれます)に入り、以前に表示された順序でランドマークを再訪するように指示されました。参加者がガイド付きツアーで提示された場所を再訪しようとすると、ウェイポイントに関連付けられた「Delivery Item」で指定された画像が提示されました。彼らには提案された道筋は提示されませんでした。彼らの動きは、アセットストアから供給されたオブジェクトモーショントラッカーコンポーネントで追跡されました。 参加者が提示された各ウェイポイントへの移動を終えると、次の画面に移動して、訪れた場所と各ウェイポイントに配達されたアイテムを思い出すように指示されました。リコールフェーズでは、参加者には2つのテキストエントリを含むプロンプトが表示されました。1つ目は、参加者が移動するように求められたウェイポイントを指示するものでした。2 つ目は、このウェイポイントに関連付けられた “配送アイテム” を指示します。応答と応答時間は、プロンプトごとに記録されました。 タスクの最後に、データが収集され、JSON 表現で保存されました。最初のセクションでは、参加者がガイドラインの助けを借りずに場所を見つけるように求められた再訪問フェーズを記録しました。記録された値には、ウェイポイント名、「Delivery Item」名、ウェイポイント到着までの時間が含まれていました。2 番目のセクションでは、想起フェーズで提示された回答を記録しました。このセクションには、場所、「配送アイテム」、および前述のプロンプトに応答するのにかかった時間に関する参加者の回答が含まれていました。すべてのコードは、https://github.com/embodiedbrainlab/BassoSpatialNavigationTask で見つけてダウンロードできます。 パワー分析と統計:相関点バイシリアルモデルのパワー分析は、両側検定、効果サイズ0.3、アルファレベル0.05、および検出力0.8を使用してG * Power 3.1で実施され、サンプルサイズがn = 8226と決定されました。記述統計を使用して、参加者の年齢、サイクリングクラスの数、および空間ナビゲーションとエピソード記憶能力の両方を含む一般的な測定値を評価しました。独立したサンプルのt検定を使用して、実験群と対照群の間のワークアウトの総数の有意差をテストしました。Shapiro-Wilkの検定(p<0.05)で評価されたように、すべてのデータが正規分布しているわけではないことを考慮して、ノンパラメトリックなスピアマンのrho相関係数を利用して、空間ナビゲーションとエピソード記憶能力、および年齢と空間ナビゲーション能力との関係を評価しました。アルファ値 0.05 を使用して、統計的有意性を決定しました。ボンフェローニ補正は、必要に応じて統計検定のファミリーで使用されました。IBM SPSS Statistics Version 26 は、すべての統計分析に使用されました。Pearsonの積とモーメントの相関関係は、Basso et al. (2022)27によって実施された手順であったため、サイクリングワークアウトの総数と空間ナビゲーション能力との関係を評価するために利用されました。 参加者： N = 130人の参加者は、テキサス州オースティンから、オンライン広告やチラシ広告などのさまざまな手法を通じて募集されました。選択基準には、英語を第一言語としていること、25歳から55歳の間であることが含まれていました(平均30.16±0.49)。さらに、すべての参加者は、身体的に健康であり、適度で定期的な運動療法を行っていると報告する必要がありました (過去 3 か月間、週に 1 回または 2 回、20 分以上運動することと定義)。除外基準には、現在喫煙者であること、または運動を困難または安全でない既存の身体的健康状態であることが含まれていました。除外基準には、不安神経、うつ病、双極性障害、統合失調症、てんかんなどの精神医学的または神経学的状態の現在診断を受けている、および/または薬を服用していることも含まれていました。 介入前のデータについては、n = 11 人の参加者が技術的な問題のためにデータを欠落しており、n = 1 人の参加者が非タスクの順守のために除外され、合計 n = 117 人の参加者が分析のために残りました。3か月の運動レジメンを完了したn = 80人の参加者のうち、n = 11人の参加者は最終的な空間ナビゲーションタスクを完了しなかったため、合計n = 69人の参加者が介入後および反復測定データの分析に残りました。この小さなサンプルサイズを利用して、サイクリングセッションの数と空間ナビゲーション能力との関係を調べました。対照群は介入期間中に20.73(± 0.72)のワークアウトを行ったのに対し、実験グループは47.87(± 2.24)のワークアウトを行い、これは統計的に有意な差(t[45.76] = −11.554, p < 0.001)であった。 一般的な測定とその関係: この新しい仮想環境タスクは、空間ナビゲーションとエピソード記憶容量の両方を測定します。最初の介入前テスト期間中、タスクの完了には平均318.69(±21.56)秒かかり、5つのサイトごとの平均シーク時間は82.88(±5.19)秒でした(図5A)。これらのデータポイントは、空間ナビゲーション能力(つまり、空間学習と記憶)を表しています。さらに、参加者は仮想体験の場所、アイテム、順序、および関連付けの側面をエンコードすることができ、参加者は自分の環境での20の新しい経験のうち14.84(±0.37)を覚えていました(図5B)。これらのデータポイントは、エピソード記憶能力を表しています。重要なことは、合計時間(図6A;r=-0.314、p<0.001)と平均シーク時間(図6B;r=-0.286、p<0.001)がエピソード記憶スコアと有意に相関していたことであり、このタスクでは空間ナビゲーション能力がエピソード記憶と関連していることを示しています。 図5:タスクの時間。 (A)平均シーク時間と合計シーク時間(秒単位)の両方で表される空間ナビゲーション能力と、(B)場所、アイテム、順序、関連付け、および全体的なエピソード記憶スコアのエンコードと記憶で表されるエピソード記憶能力の両方の平均(± SEM)。 この図の拡大版を表示するには、ここをクリックしてください。 図6:空間ナビゲーション能力とエピソード記憶の関係。 (A)平均シーク時間、(B)総シーク時間の短縮で表される空間ナビゲーション能力の向上は、エピソード記憶スコアで表されるエピソード記憶の強化と関連している。*p < 0.001 です。 この図の拡大版を表示するには、ここをクリックしてください。 仮想空間で表されるX座標とz座標: オブジェクトモーショントラッカーアセットを使用して、この3次元仮想空間でx座標とz座標を追跡しました(補足ファイル1)。この空間ナビゲーションタスクでは、ゲーム内での上下移動(つまり、ジャンプ)が有効になっていないため、y座標は有用な情報を提供しませんでした。しかし、x座標とz座標を使用することで、参加者がゲーム全体でどのように動いたかを評価することができました。このデータに基づいて、参加者がマップ全体に移動した場所のヒートマップを視覚的に表示するようにコンピューターコードが設計されました。 図 7 は、1 人の代表参加者のヒート マップを示しており、参加者が記憶フェーズでたどったルートが強調表示されています。黄色/赤で強調表示されたスポットは、マップ上の配送(つまり、報酬)の場所に対応しています。 図7:占有率ヒートマップ。 参加者のルートを示す占有ヒートマップ。グラフの黄色/赤の部分は、参加者が頻繁に訪れた場所を表し、参加者がアイテムを配達しなければならなかった空間ナビゲーションタスクの場所(つまり、報酬の場所)に対応しています。 この図の拡大版を表示するには、ここをクリックしてください。 年齢と空間ナビゲーション能力の関係: 初期の調査では、総シーク時間によって評価された空間ナビゲーション能力は年齢と有意に関連していることが示されました(図8;r = 0.157、p = 0.045)。年齢が上がると、空間ナビゲーション能力は低下します。これは、総シーク時間の増加によって証明されます。しかし、ボンフェローニ補正が適用され、2つの相関(すなわち、合計シーク時間と平均シーク時間)についてp = 0.025で統計的有意性が評価されると、相関は有意ではなくなりました。 図8:空間ナビゲーション能力と年齢との関係。 ボンフェロンニ補正(p < 0.025)を用いて評価した場合、年齢は総シーク時間で表される空間ナビゲーション能力と有意に関連していなかった。 この図の拡大版を表示するには、ここをクリックしてください。 有酸素運動トレーニングと空間ナビゲーション能力の関係: 有酸素運動トレーニングは、屋内サイクリングスタジオ28で行われました。すべてのクラスは45分間で、クラスの期間中、中程度から激しい強度のサイクリングが含まれていました。参加者は、既存の運動レジメンを維持するか、運動レジメンを増やすかにランダムに割り当てられました。運動レジメンを維持した参加者は週に1〜2クラスに参加したのに対し、運動レジメンを増やした参加者は週に4〜7クラスに参加しました。参加者は、割り当てられた運動療法に 3 か月間取り組みました。空間ナビゲーションとエピソード記憶能力は、運動トレーニングの前後にテストされました。介入の詳細については、Basso et al. (2022)27 を参照してください。3ヶ月間のサイクリングクラスの総数は、平均シーク時間(図9A、r = -0.321、p = 0.007)および総シーク時間(図9B、r = -0.242、p = 0.045)と有意に関連していました。しかし、ボンフェローニ補正が適用され、2つの相関(すなわち、合計シーク時間と平均シーク時間)についてp = 0.025で統計的有意性が評価されると、合計シーク時間の相関は有意ではなくなりました。介入によるその他の知見は、Basso et al. (2022)27 で見ることができる。 図9:空間ナビゲーション能力と運動の関係。 サイクリングセッションの数が増えると、(A)平均シーク時間、(B)合計シーク時間で表される空間ナビゲーション能力の向上と関連しています。*p < 0.05.この図は、Basso et al.27の許可を得て変更されています。 この図の拡大版を表示するには、ここをクリックしてください。 補足ファイル1:生データ1。 空間ナビゲーションタスクの記憶(再訪)フェーズとエピソード記憶(想起)フェーズに関する情報を含む生データ。実験の符号化および記憶段階で3次元仮想空間を移動した参加者のx座標とz座標に関するデータも提示されます。 このファイルをダウンロードするには、ここをクリックしてください。 補足ファイル2:生データ2。 開始時間、終了時間、平均シーク時間、場所スコア、アイテムスコア、注文スコア、関連付けスコア、エピソード記憶スコアを決定するための計算(赤で表示)を含む生データ。 このファイルをダウンロードするには、ここをクリックしてください。