Waiting
Traitement de la connexion…

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Behavior
Click here for the English version

Behavior

Un diseño experimental multidisciplinar iológico y multimodal para estudiar experiencias de examen auténtico casi en tiempo real

Published: September 4, 2019 doi: 10.3791/60037
Automatic Translation
1, 3, 1, 1, 1, 2, 3, 3
1Department of Engineering Education, College of Engineering, Utah State University, 2Department of Electrical and Computer Engineering, College of Engineering, Utah State University, 3Department of Educational Psychology, College of Education, University of Oregon

Summary

Se desarrolló un diseño experimental para investigar las influencias en tiempo real de una experiencia de examen para evaluar las realidades emocionales que los estudiantes experimentan en entornos y tareas de educación superior. Este diseño es el resultado de un enfoque interdisciplinario (por ejemplo, psicología educativa, biología, fisiología, ingeniería) y multimodal (por ejemplo, marcadores salivales, encuestas, sensor electrodérmico).

Abstract

En los últimos diez años, la investigación sobre las emociones de los estudiantes en entornos educativos ha aumentado. Aunque los investigadores han pedido más estudios que se basen en medidas objetivas de experiencia emocional, existen limitaciones en la utilización de fuentes de datos multimodales. Los estudios de la regulación emocional y emocional en las aulas tradicionalmente se basan en instrumentos de encuesta, muestreo de experiencia, artefactos, entrevistas o procedimientos de observación. Estos métodos, si bien son valiosos, dependen principalmente de la subjetividad del participante u observador y están limitados en su auténtica medición del rendimiento en tiempo real de los estudiantes a una actividad o tarea en el aula. Este último, en particular, plantea un obstáculo para muchos eruditos que buscan medir objetivamente las emociones y otras medidas relacionadas en el aula, en tiempo real.

El propósito de este trabajo es presentar un protocolo para estudiar experimentalmente las respuestas en tiempo real de los estudiantes a las experiencias de examen durante una situación de evaluación auténtica. Para ello, un equipo de psicólogos educativos, ingenieros e investigadores de educación en ingeniería diseñó un protocolo experimental que mantuvo los límites necesarios para la medición precisa de sensores fisiológicos, las mejores prácticas de recolección salival y una entorno de pruebas auténtico. En particular, los estudios existentes que se basan en sensores fisiológicos se llevan a cabo en entornos experimentales que están desconectados de los entornos educativos (por ejemplo, Trier Stress Test), se separan en el tiempo (por ejemplo, antes o después de una tarea), o introducen un error de análisis (por ejemplo, el uso de sensores en entornos donde es probable que los estudiantes se muevan). Esto limita nuestra comprensión de las respuestas en tiempo real de los estudiantes a las actividades y tareas del salón de clases. Además, investigaciones recientes han pedido que se abarquen más consideraciones en torno a cuestiones de contratación, replicabilidad, validez, configuraciones, limpieza de datos, análisis preliminar y circunstancias particulares (por ejemplo, la adición de una variable en el diseño) en la investigación de emociones académicas que se basa en enfoques multimodales.

Introduction

Los psicólogos han entendido durante mucho tiempo la importancia de las emociones de los seres humanos para esclarecer sus comportamientos1. Dentro del estudio de la educación, Academic Achievement Emotions (AEE) se ha convertido en el foco de la investigación de emociones2. Los investigadores que utilizan AAE argumentan que los contextos situacionales en los que se encuentran los estudiantes son importantes a tener en cuenta al examinar las emociones de los estudiantes. Los estudiantes pueden experimentar emociones relacionadas con las pruebas, relacionadas con la clase o el aprendizaje que involucran procesos multicomponente, incluyendo componentes afectivos, fisiológicos, motivacionales y cognitivos. La AEE se expresa en dos formas: valencia (positiva/negativa) y activación (energía enfocada/desenfocada). Las emociones de activación positiva, como el disfrute, pueden aumentar los procesos reflectantes como la metacognición, mientras que las emociones de desactivación positivas como el orgullo pueden resultar en bajos niveles de procesamiento cognitivo. Las emociones de activación negativas como la ira y la ansiedad pueden provocar compromiso, mientras que la desactivación negativa de emociones como la desesperanza puede amortiguar la motivación3,4,5. Las emociones académicas contribuyen a cómo aprendemos, percibimos, decidimos, respondemos y resolvemos problemas2. Para regular las emociones académicas, un individuo debe poseer autoeficacia (SE)6,7,8, que es su confianza en su capacidad para emplear el control sobre su motivación, comportamiento, y el entorno social 6. La autoeficacia y las emociones académicas están interrelacionadas, donde la baja autoeficacia está ligada a las emociones de desactivación negativas (por ejemplo, ansiedad, ira, aburrimiento) y mayor autoeficacia está ligada a emociones activadoras positivas (por ejemplo, felicidad, esperanza, emoción)6,7,8. SE también se cree que está fuertemente ligado al rendimiento6,7,8.

Las investigaciones que han examinado las emociones en el aula se han basado en autoinformes, observaciones, entrevistas y artefactos (por ejemplo, exámenes, proyectos)9,10. Aunque estos métodos proporcionan información contextual rica sobre las experiencias de los estudiantes en el salón de clases, tienen limitaciones significativas. Por ejemplo, las entrevistas, observaciones y autoinformes se basan en las introspecciones10de las personas. Otros métodos han tratado de examinar las emociones académicas más proximalmente que los investigadores anteriores, como los basados en enfoques de muestreo de experiencia donde los investigadores piden a los estudiantes que informen sobre sus emociones durante el díaescolar 11. Aunque esta investigación nos permite informar las emociones de los estudiantes con mayor precisión, este trabajo se basa en métodos de autoinforme y no permite informes en tiempo real, ya que los estudiantes tienen que detener su trabajo en el examen para abordar la encuesta de experiencia.

Recientemente, los investigadores han comenzado a abordar las preocupaciones sobre las medidas de autoinforme mediante el uso de medidas biológicas o fisiológicas de la emoción9,que combinadas con otros instrumentos o técnicas como encuestas, observaciones o entrevistas, consiste en una forma multimodal de recopilación de datos para la investigación educativa y psicológica12. Por ejemplo, las técnicas biológicas, incluidos los biomarcadores salivales, se están utilizando para comprender el papel que los procesos biológicos tienen en la cognición, la emoción, el aprendizaje y el rendimiento13,14,15. Para los procesos cognitivos, los andrógenos (por ejemplo, la testosterona) se han relacionado con diferentes patrones de reconocimiento espacial en adultos y niños16,17 mientras que las hormonas hipotalámica-hipófisis-adrenocortical (por ejemplo, cortisol) y las hormonas adrenérgicas (p. ej., salival-amilasa o SAA) están vinculadas a la capacidad de respuesta al estrés entre los individuos18,19,20.

La actividad electrodérmica (EDA) representa una medida fisiológica de la activación del sistema nervioso autónomo (ANS) y está vinculada a una mayor activación del sistema, carga cognitiva o respuestas emocionales intensas21,22 ,23. En las actividades de examen, la AED se ve afectada por la movilidad física21,22, temperaturas corporales y ambientales24,25,26,27,y la verbalización de pensamientos28,así como la sensibilidad y el grado de conectividad de los electrodos analógico-digitales a la piel29.

Aunque estas pueden ser limitaciones al uso de EDA, esta técnica todavía puede proporcionar información valiosa sobre lo que sucede durante los exámenes casi en tiempo real y puede servir como una herramienta prometedora para explorar AEE y, en grado, autoeficacia. Como resultado, se puede obtener una imagen precisa de la AEE de los estudiantes a través de una combinación de métodos de encuesta, para determinar la valencia de la emoción, y los datos fisiológicos y biológicos, para medir la activación de esa emoción. Este documento se basa en una publicación anterior sobre las actividades de examen30 y amplía el alcance de ese trabajo para incluir enfoques multimodales (utilizando encuestas de muestreo de experiencia, sensores EDA y biomarcadores salivales) en un escenario de examen. Es esencial mencionar que el protocolo descrito a continuación permite recopilar varios datos de participantes al mismo tiempo dentro de un único entorno experimental.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Los procedimientos fueron aprobados por la Junta de Revisión Institucional (IRB) bajo una revisión general en la Universidad Estatal de Utah para estudios sobre sujetos humanos y el uso de estas construcciones. Los resultados típicos incluyen dos semestres de un curso de estática de ingeniería, cada uno con una configuración experimental ligeramente diferente, en una institución occidental de educación superior en los Estados Unidos. Los exámenes de práctica, cuyo contenido era paralelo a los exámenes reales, fueron desarrollados por el instructor del curso y se utilizaron para nuestro estudio. Tenga en cuenta que el protocolo descrito a continuación describe los pasos simultáneos y algunos pasos pueden superponerse.

1. Consideraciones para los Diseños Experimentales y la Integración de Prácticas Disciplinarias

A medida que los investigadores consideran diseños experimentales de esta naturaleza, el conocimiento disciplinario y los enfoques deben integrarse de una manera que complemente y sostenga el principal objetivo de investigación. A medida que se añaden nuevos instrumentos y métodos, se necesitan consideraciones de validación adicionales. En este trabajo, exploraremos un estudio experimental donde se utilizaron encuestas y sensores electrodérmicos para uno de los semestres (diseño experimental A), y la recolección de biomarcadores salivales (es decir, cortisol y SAA) se añadió al semestre siguiente (experimental diseño B). A continuación se muestran las consideraciones para las dos configuraciones:

  1. Diseño Experimental con Encuestas y Sensores Electrodérmicos
    1. Los sensores electrodérmicos son sensibles. Las respuestas de sobrestorsión de los participantes, si se activan involuntariamente, pueden crear un pico significativo en la respuesta de EDA. Esto es particularmente importante cuando se considera a varios participantes para la recopilación de datos, cuyas acciones pueden mejorar estas respuestas de sobresnivel. Por lo tanto, asegúrese de configurar el espacio de trabajo cuidadosamente para minimizar tantas distracciones como sea posible. Como se muestra en la Figura 1,incluya un escudo de prueba si explora experiencias de examen para un individuo o grupo de individuos.
      NOTA: Para aumentar la validez ecológica del entorno de las pruebas, planee proporcionar cualquier material que un estudiante esté utilizando en su examen real (por ejemplo, libros de trabajo, hojas de ecuaciones) para permitir que los participantes reflexionen y saquen los problemas necesarios del examen
    2. Los sensores electrodérmicos proporcionan una señal cada 1/4ésimo de segundo. Para permitir que un evento sea definido y estudiado, implemente un plan para recopilar una medida precisa del inicio de una tarea. Cuando sincronice el tiempo los sensores electrodérmicos con encuestas, asegúrese de que la presentación de la pregunta de la encuesta se sincronice con el sensor electrodérmico utilizando el reloj interno del ordenador para establecer un período de tiempo de recopilación de datos (consulte la figura 1). Si utiliza sensores electrodérmicos habilitados para Bluetooth (por ejemplo, consulte Tabla de materiales), tiempos de sincronización en Greenwich Meridian Time (GMT) para tener en cuenta los cambios de zona horaria y las diferencias de tiempo de ahorro de luz diurna durante los procedimientos de recopilación de datos30.
      NOTA: Si utiliza un servidor web para la presentación de estímulos (por ejemplo, pregunta de prueba, elemento de encuesta, etc.), asegúrese de alinear los tiempos entre el servidor y el reloj interno del equipo, ya que estos no suelen estar sincronizados. Tenga en cuenta que puede ser necesario preinstalar un servidor web multiplataforma (por ejemplo, XAMPP u otros servidores Apache) en cada equipo utilizado para el estudio. Si tiene la intención de sincronizar una cámara web con fines de grabación de vídeo, considere la posibilidad de utilizar un software de seguridad que permita la grabación de la fecha, hora, hora, minuto, segundo y milisegundo (por ejemplo, 01/01/2000 04:01:02:05) del vídeo. Tenga en cuenta que este vídeo también debe sincronizarse con el reloj interno del ordenador y los otros dispositivos (por ejemplo, el sensor EDA). Configure las cámaras web para medir la cara del participante en diferentes ángulos, si es necesario. Recomendamos que para una cámara webfrontal; el vídeo se coloque en paralelo a la superficie de la estación de trabajo y para que las cámaras web orientadas hacia abajo coloquen el vídeo a 30o a 45o desde la superficie de la estación de trabajo hasta la cara del participante.
    3. Coloque el sensor electrodérmico en la mano no dominante del participante para minimizar cualquier ruido en la señal debido al movimiento o error de contacto del electrodo durante la recopilación de datos, como se sugiere en un protocolo anterior30. Si los investigadores desean minimizar los artefactos en la EDA debido al movimiento, una alternativa es incluir una almohadilla de gel de muñeca en un lugar que sea cómodo para el participante y que al mismo tiempo les permita descansar su mano no dominante.
      NOTA: La colocación de la computadora portátil, la almohadilla de gel, el sensor, las hojas de examen y otros elementos del estudio deben estar estandarizadas para garantizar la repetibilidad en todas las condiciones de examen y semestres. Como se muestra en la Figura 1,la cinta del pintor se utilizó para centrar cada elemento (por ejemplo, computadoras portátiles, hojas de examen, cámaras) de la configuración experimental consistentemente entre los participantes y semestres de recopilación de datos.
    4. Para las lecturas del sensor electrodérmicos, establezca un período durante el cual los participantes hayan logrado un estado relajado para establecer los datos básicos de LA AED31. Para ello, indique una hora al comienzo del examen para que los participantes miren el escudo de prueba (5-15 minutos) o programe esta señal en el ordenador portátil como parte del programa de marca de tiempo. Al completar este período, los participantes pueden comenzar con cualquier encuesta pertinente y preguntas de examen. En la misma línea, asigne un período de relajación al final de la experiencia del examen.
  2. Diseño experimental con encuestas, sensores electrodérmicos y biomarcadores salivales
    1. Al integrar sensores electrodérmicos con encuestas y biomarcadores salivales, asegúrese de que las interrupciones se minimicen en la mejor medida posible. Como una estrategia, cree un video de capacitación para ayudar a los participantes a entender cómo proporcionar sus muestras salivales en períodos de tiempo establecidos del examen de acuerdo con las especificaciones de fabricación (ver Tabla de Materiales)para minimizar las interrupciones de la Investigadores.
      NOTA: En este estudio, los investigadores estaban interesados en recoger saliva durante cuatro puntos de tiempo: inicio, medio, final y post-examen. Sin embargo, los investigadores pueden elegir otras veces que consideren apropiado para su estudio. Además, usamos el método de colección de hisopo32 en lugar de su método de baba pasiva33 para facilitar el uso y tiempos de recolección de muestras más rápidos. Además, seleccionamos kits de cortisol34 y SAA35 (ver Tabla de Materiales)y seguimos las especificaciones del fabricante en su procesamiento. Sin embargo, si su grupo no tiene un laboratorio biológico para llevar a cabo estas formas de pruebas, otros proveedores pueden ser capaces de analizar las muestras32,36.
    2. Al recoger muestras de saliva, tenga un refrigerador con hielo seco con una temperatura interna de -20 oC; esto evitará la degradación a temperatura ambiente de las enzimas para las muestras de cortisol34. Si se recoge la alfa-amilasa salival, su estabilidad es mucho más larga (cinco días a temperatura ambiente y permitiendo 5 ciclos de congelación-descongelación35). Si recoge ambos, como fue el caso en este estudio, siga las pautas necesarias para almacenar muestras de cortisol salival de acuerdo con las recomendaciones del fabricante34,35.
    3. Si utiliza el método de recogida de hisopo25, haga que el hisopo permanezca en la mejilla interna o debajo de la lengua del participante durante 60 s. Al manipular los viales y tapas de recogida de muestras, siga los protocolos34,35 del fabricante ytransmita la información a los participantes antes del inicio del estudio.
      NOTA: Si el experimento es más granular (por ejemplo, recopilación de datos pregunta por pregunta), asegúrese de registrar los tiempos de inicio y desplazamiento de cada colección de muestras salivales, ya que es posible que deban tenerse en cuenta en el análisis de LA AED. Lo mismo se aplica al inicio y desplazamiento de los tiempos de recopilación de datos de la encuesta. Para la recopilación de datos salivales, nuestro grupo desarrolló un sistema de marcado para permitir a los participantes notificar al investigador/proctor cuando una muestra salival estaba lista para ser recogida. Considere la posibilidad de designar múltiples proctores para ayudar durante una sesión experimental en caso de que varias muestras salivales estén listas para ser recogidas y almacenadas.

2. Configuración y limpieza antes y después del experimento

  1. Encuestas
    1. En el formulario de encuesta, organice un proceso de programación, designe los ID de los participantes y recopile cualquier información demográfica, según sea necesario. Además, establezca o etiquete previamente cualquier pregunta de encuesta pertinente en preparación para la exportación de datos. Esto permitirá una limpieza, gestión y análisis estadísticos más rápidos y eficientes.
    2. Sincronice la presentación de la encuesta y los tiempos de salida a lo largo del protocolo del examen. Si integra sensores o vídeo, sincronice también estas tecnologías con el software de encuesta.
    3. Como cuestión de cortesía y en aras de contribuir a un ambiente de investigación cordial y acogedor, y si los instructores están de acuerdo, establezca un correo electrónico de seguimiento automatizado que contenga respuestas a las preguntas del examen que se enviarán a los participantes inmediatamente o poco después su participación en la sesión.
  2. Sensores electrodérmicos
    1. Planificar la pre-programación de los participantes a una sesión de examen / tiempo, evaluar cualquier información médica y hábitos dietéticos para EDA y la recolección de saliva30 y el dominio de las manos para la colección EDA30, y recordar a los participantes para evitar el consumo de productos azucarados o con cafeína el día del experimento. Esto es importante ya que ciertas condiciones médicas (por ejemplo, trastornos metabólicos) y hábitos dietéticos (por ejemplo, el consumo de cafeína) pueden influir en la AED (y los valores salivales), como se sugiere en un protocolo anterior30.
    2. Antes de que lleguen los participantes, asegúrese de que los sensores estén correctamente calibrados, de que se hayan atendido las actualizaciones de software y de que los sensores se hayan limpiado con un 70% de toallitas de alcohol30.
    3. Al colocar el sensor EDA en las muñecas de un participante, asegúrese de colocarlo en la mano no dominante del participante. Para ajustar el sensor EDA:
      1. Coloque el sensor con el botón hacia abajo hacia el pulgar.
      2. Con las palmas hacia la cara, pida a los participantes que dibujen una línea imaginaria desde el espacio entre el segundo y el tercer dedo de su mano no dominante hasta su área de la muñeca media y coloquen los electrodos del sensor allí.
      3. Pida a los participantes que se ajusten a las correas del sensor de una manera que no esté demasiado apretada o demasiado suelta.
        NOTA: Una imagen representativa de este accesorio se puede encontrar en la Figura 2.
    4. Al iniciar el sensor, asegúrese de seguir los protocolos31 del fabricante para asegurarse de que los sensores están configurados para recopilar datos. En este experimento, el protocolo está diseñado para su uso con una marca particular de sensores (ver Tabla de Materiales),aunque los investigadores son bienvenidos a utilizar cualquier sensor fisiológico de su elección.
      1. Para los dispositivos utilizados aquí, presione el botón del sensor durante tres segundos. Una luz verde parpadeará intermitentemente, seguida de una luz roja parpadeante, y luego se produce un desvanecimiento.
      2. Durante el fade-out, para asegurarse de que el sensor está encendido, presione el botón una vez durante menos de 1 s. Si parpadea en rojo, indica que está grabando datos.
    5. Cuando apague el sensor, pulse el botón durante 3 s. El sensor se apagará si las luces de la parte inferior de la pulsera van de verde a desvanecerse.
    6. Para recuperar los datos del sensor, conéctelo al ordenador y cargue los datos en el sistema de software de gestión de acuerdo con las recomendaciones31del fabricante.
  3. Biomarcadores salivales
    1. Como se indicó anteriormente, pre-evaluar cualquier condición médica o hábitos dietéticos que pueden influir en los valores salivales durante el análisis. Además, recuerde a los participantes que no usen bálsamo labial, maquillaje o productos cerca de los labios cuando lleguen a la sesión, ya que esto podría introducir contaminantes que pueden influir en las muestras de cortisol y alfa-amilasa salival. Si los participantes llegan usando estos productos, guíelos suavemente a un baño o proporcione toallitas apropiadas que retiren estos productos sin introducir otros productos químicos (por ejemplo, agua en una servilleta frente a toallas quitaderas de maquillaje). Por último, salas de experimentos claras de alimentos o bebidas que tienen un fuerte olor (por ejemplo, pizza, naranjas) que pueden mejorar la producción salival entre los participantes.
    2. A la llegada de los participantes a la sala experimental, los participantes de la mano 1 onza de agua se vierte en una taza en su presencia. Pídales que se den el susto y se traguen el agua. Esto se hace para limpiar la boca de cualquier residuo de alimentos que pueda influir en los datos de cortisol y alfa-amilasa salival.
    3. Si recopila datos de EDA junto con saliva, recuerde suavemente a los participantes que minimicen el movimiento de la mano en la mano que tiene el sensor EDA. Como tal, los participantes tendrán que ser informados de que cualquier recolección de muestras de saliva proporcionada tiene que hacerse en su mano dominante. Para facilitar este proceso, se recomienda que la configuración experimental incluya viales preetiquetados y un soporte para minimizar cualquier pérdida de muestras (consulte la Figura 1).
    4. Al recoger muestras salivales, use guantes de nitrilo frescos para minimizar cualquier partícula de polvo o cualquier otro contaminante de los aceites de mano que se transferirán al vial de muestra salival.
    5. Como se indicó anteriormente, transfiera inmediatamente las muestras a un enfriador que tenga una temperatura interna de -20 oC.

3. Aumento de la validez ecológica a la luz de encuestas, sensores electrodérmicos y biomarcadores salivales

  1. En cuanto a la autenticidad del examen
    1. Para proporcionar una experiencia de prueba auténtica, alinee el contenido del examen con el contenido del curso. Para ello, revise el contenido del curso junto con un grupo de expertos en contenido, incluido el instructor del curso.
    2. Seleccione una evaluación (prueba o evaluación) del contenido del curso que se pueda replicar en un entorno experimental o que pueda complementar el contenido del curso existente (por ejemplo, un examen de práctica).
      NOTA: Dependiendo de las políticas de la Junta de Revisión Institucional de su institución, es posible que no se permita el uso de exámenes reales debido a su posible daño a las calificaciones de los estudiantes en el curso. Como tal, se puede considerar una experiencia equivalente (por ejemplo, un examen de práctica).
    3. Junto con el instructor, desarrollar una clave de respuesta y problemas de examen y sus soluciones que se utilizarán para recopilar datos de rendimiento a nivel granular (es decir, pregunta por pregunta) y/o a nivel macro (es decir, examen completo) dependiendo de los objetivos de la investigación
    4. Pida al instructor también que proporcione cualquier material adicional que se use normalmente en sus exámenes (por ejemplo, hojas de trucos) o cualquier material permitido (por ejemplo, libros de texto, lista de referencias) que normalmente se utiliza en sus cursos. Los experimentadores deben estar preparados para proporcionar estas herramientas a los participantes.
    5. Asegúrese de que el entorno de pruebas sea paralelo a la configuración experimental (por ejemplo, los tiempos de examen, la oferta de exámenes,centro de pruebas o aula, etc.) y sus características como el espacio de escritorio, la iluminación, la temperatura de la habitación, entre otros.
  2. En cuanto a la inclusión de encuestas
    1. Dependiendo del número de preguntas de la encuesta, será importante tener en cuenta los tiempos aproximados; puede llevar a los participantes completar las preguntas de la encuesta mientras están tomando su examen.
    2. Asigna tiempo adicional para tomar exámenes para tener en cuenta las interrupciones y diseñar el programa de examen para devolver a los estudiantes a un problema de examen en particular si un mensaje de encuesta los interrumpió. Además, asegúrese de que este tiempo de interrupción sea consistente entre los participantes (por ejemplo, al principio, al medio y al final del examen).
    3. Dependiendo del tipo de diseño experimental, si se necesita el tipo granular de respuestas (por ejemplo, pregunta por pregunta), planee presentar el problema del examen primero, luego pida a los participantes que respondan a la pregunta de la encuesta y luego permita que los participantes ingresen su respuesta (por ejemplo, texto abierto, opción múltiple, etc.). Esto permitirá a los participantes primero ver el problema y responder a la pregunta de la encuesta de acuerdo con el problema presentado. Si el diseño experimental está en un nivel macro, asegúrese de que los participantes puedan reflexionar sobre la experiencia del examen hasta ese momento antes de responder.
      NOTA: Las teorías y hipótesis son importantes considerar en este paso como la elección del tipo particular de presentación de un elemento (por ejemplo, encuesta, examen) será importante. Por ejemplo, si se estudia la autoeficacia, esto se evalúa mejor en el nivel de la pregunta del examen, mientras que las emociones de logro académico se hacen típicamente antes, durante y después del examen.
  3. En cuanto a los sensores de actividad electrodérmica
    1. Para asegurarse de que los participantes no están siendo demasiado estresados debido al protocolo experimental, incluya períodos de calibración y relajación a lo largo de la experiencia del examen. Una estrategia podría ser permitir a los participantes reorientar su atención entre las preguntas. Comenzando con una pregunta fácil de responder (por ejemplo, "¿en qué día de la semana estamos?") y permitir a los participantes 30 s descansar entre cada pregunta del examen.
      NOTA: Tenga en cuenta que entender el diseño del examen se cuestiona en sí mismo y predecir cuáles pueden ser importantes las reacciones de los estudiantes (por ejemplo, aumento de las cargas cognitivas o eficiencia neuronal37),ya que podrían influir en el marcador salival y los datos de LA AED Colección. Por ejemplo, todas las preguntas del examen deben ser en forma de entrada de ensayo, lo que requeriría movimiento de la mano que puede influir en los datos de EDA24,25 o un examen puede ser diseñado por diferentes niveles de dificultad, lo que podría influir en la cargas cognitivas o eficiencias neuronales37.
    2. Asegúrese de que el programa de marca de tiempo tendrá en cuenta cualquier cambio en la experiencia de examen (por ejemplo, períodos de calibración, inicio y compensación de las preguntas de calibración entre, inicio y compensación de las preguntas de la encuesta, inicio y finalización del examen). Este es un paso importante, ya que permitirá la coincidencia del origen de datos, que determinará los intervalos o eventos que se procesarán y analizarán.
  4. En cuanto al uso de biomarcadores salivales
    1. Tenga en cuenta cuándo recoger biomarcadores salivales.
      NOTA: Los estudios de biomarcadores salivales normalmente se exploran a través de un diseño pre-medio-post-post-post32,33,34,35,36. Como el cortisol tarda 20 minutos en responder al estrés14,estos retrasos de tiempo son necesarios para observar la aparición y recuperación del cortisol. En el caso de que los estudiantes se preparen para un examen, los participantes pueden estar preocupados por tomar el examen y, por lo tanto, una medida previa al inicio puede no ser posible. También es importante no interrumpir a los estudiantes con frecuencia durante el examen. En nuestro estudio, optamos por recoger saliva una vez antes del inicio, una vez durante, inmediatamente después, y 20 minutos después del examen tan silenciosamente como sea posible para minimizar las interrupciones. En la Figura 3se proporciona una escala de tiempo de prueba de ejemplo.
    2. En el programa de examen, incluya indicaciones cronometradas para indicar a los participantes cuando llegue el momento de recoger saliva. Incluya un temporizador de 60, para que los participantes sean conscientes de la duración de la colección salival. Devolver a los participantes al problema en el que estaban trabajando en el examen una vez que los 60 s están completos.

4. Consideraciones para el procesamiento y análisis de datos

  1. Encuesta
    1. Asegúrese de que los resultados de datos estén etiquetados y organizados adecuadamente para permitir una gestión eficaz de los datos y garantizar que los programas estadísticos (por ejemplo, SPSS, SAS) puedan realizar cualquier análisis necesario.
    2. Identificar los posibles datos atípicos en función de los estándares para la detección de valores atípicos deencuestas 38, así como los determinados a través de los datos demográficos recopilados anteriormente (por ejemplo, condiciones médicas).
    3. Determinar el tipo de análisis estadístico y/o modelado a realizar en base a las preguntas de investigación establecidas y/o hipótesis
  2. Actividad electrodérmica
    1. Tenga en cuenta que las salidas de datos electrodérmicos pueden variar según la empresa. Para el dispositivo utilizado en este estudio31, las salidas de datos se presentan como una sola columna con una hora de inicio medida en GMT, seguida de la frecuencia de recopilación de datos y el EDA medido en microSiemens. A continuación, los datos EDA se incrementan según la frecuencia de recopilación de datos. Puesto que los datos dependen de la hora de inicio, convierta este tiempo a la hora UNIX de acuerdo con los protocolos de fabricación y los protocolos anteriores30. Esto permitirá una sincronización más fluida de los cambios de datos EDA a lo largo del experimento.
    2. Identifique y elimine las posibles fuentes de valores atípicos del fabricante, como el mal funcionamiento del sensor, la recopilación de datos incompleta o el contacto deficiente de los electrodos en la piel. Estos se identificarán mediante valores negativos o constantes segmentos de datos continuos cercanos a cero en la hoja de salida de datos.
    3. Identificar y eliminar cualquier fuente potencial generada por el usuario de valores atípicos, como movimientos erráticos (por ejemplo, golpes de manos o golpes nerviosos), períodos de recolección de biomarcadores salivales o encuestas, o grandes cambios en las temperaturas corporales o lecturas de presión del volumen sanguíneo .
    4. Para eliminar el ruido debido al movimiento, siga estos pasos:
      1. En primer lugar, escanee a través de los perfiles de acelerómetro (ACC) de los participantes, también proporcionados por el sensor de muñeca. Tenga en cuenta que los datos tendrán columnas X, Y y Z que indican movimientos tridimensionales horizontales, verticales y espaciales de la mano, respectivamente. Calcular la media móvil de estos datos del acelerómetro según la distancia euclidiana (L2-Norm)39,ecuación 53 para calcular el movimiento total:
        Equation 1
      2. Calcule la desviación estándar de los valores de distancia euclidiana para todo el conjunto de participantes y ordene el rango. Calcule también los valores medios de los valores de distancia euclidiana.
      3. Calcular el coeficiente de varianza de los valores de distancia euclidiana para determinar las relaciones señal-ruido40 de acuerdo con la siguiente ecuación:
        Equation 2
        NOTA: El coeficiente de los valores de varianza que superan una puntuación de 1 indica un valor atípico y debe eliminarse del análisis de acuerdo con las recomendaciones sobre el manejo de los datos de señalización33.
      4. Una vez que se elimina el ruido debido al movimiento, determine el umbral necesario para filtrar los datos. Para ello, calcule los límites superior e inferior del 95% de la desviación estándar de las señales. Cualquier dato fuera de estos rangos puede ser eliminado del conjunto de datos/análisis o imputado de acuerdo con los objetivos y metas del investigador. Para este estudio, optamos por promediar los rangos externos con los datos aceptables determinados.
      5. Vuelva a los datos de la AED y utilice los datos del acelerómetro con marca de tiempo para identificar los intervalos correspondientes de EDA (que también han sido marcados con tiempo).
        NOTA: Para sincronizar el acelerómetro y los datos electrodérmicos, tenga en cuenta que las frecuencias de grabación son diferentes (4 Hz para EDA y 32 Hz para ACC) por lo que primero deben estar alineadas. Puesto que, intrínsecamente, habrá más datos ACC que los datos EDA, utilice los valores de EDA promedio para tener en cuenta esta diferencia.
    5. Una vez que los conjuntos de datos EDA se han limpiado41,42 a través de los datos del acelerómetro filtrado, proceda a separar las señales tónica (línea base) y fasic (inmediata, reactiva) utilizando herramientas prescritas (por ejemplo, Ledalab, EDA Explorer)43 ,44, para el análisis estadístico, se utilizan principalmente los datos fasicos de EDA filtrados y los valores (por ejemplo, magnitudes, número de picos, tiempos de latencia) se calculan en función de la pregunta/hipótesis de investigación y utilizando métodos descritos por Bouscien22,23.
  3. Biomarcador salival
    1. Para ensayos de cortisol y alfa-amilasa salival, siga los protocolos del fabricante22,23,24,25,26,27,28 y recomendaciones de los técnicos sobre las condiciones de uso, almacenamiento y manejo de muestras.
    2. Muestras descongelarlas a 1.500 x g a 4oC. Asegúrese de retirar los hisopos cuidadosamente y de que los viales tengan sobrenadante salival en la parte inferior del vial para garantizar la separación de la mucina.
    3. Como buena práctica, antes de seguir los protocolos de ensayo, realice un enjuague tampón de los pozos utilizando una arandela de placas antes de procesarlos. Esto es particularmente importante para el cortisol.
    4. Asegúrese de que el lector de placas de densidad óptica ha sido preprogramado a las temperaturas adecuadas (por ejemplo, las muestras de SAA requieren temperaturas de incubación de 37 oC, mientras que las muestras de cortisol requieren lecturas de temperatura ambiente) y longitudes de onda (es decir, sAA requiere 405 nm y cortisol requiere filtros de referencia de 450 nm y 490–492 nm). Para los ensayos de SAA, se recomienda que el lector de placas utilizado tenga tanto una coctelera como una incubadora en su interior.
    5. Siga los protocolos del fabricante34,35 para calcular los valores de concentración de cada muestra y el porcentaje de intra- e interensayo correspondiente de las ecuaciones de coeficiente de variación (%CV) para identificar los valores atípicos a partir de la conjunto de datos (esto se calcula de manera diferente en comparación con la ecuación proporcionada anteriormente). Tenga en cuenta que, para SAA, realice un seguimiento de los números de lote utilizados en los controles, ya que no están estandarizados.
      1. En primer lugar, promediar el %CV de los controles por número de lote y luego promediar estos valores para obtener una puntuación promedio general de %CV.
      2. En el caso de las muestras, el fabricante recomienda que el ensayo intra-ensayo de muestras tenga un %CV inferior al 10 %, mientras que los controles deben tener un %CV entre ensayos inferior al 15%34,35. Sin embargo, estos valores de %CV dependerán significativamente de las condiciones de laboratorio y del equipo utilizado para llevar a cabo la investigación. Como tal, considere métodos alternativos de validación de ensayos de inmunoensayo según sea necesario45.
    6. Congele las muestras de saliva a -80 oC después del ensayo para permitir la verificación de su validación. No congele el deshielo más de una vez para evitar una mayor degradación enzimática de las muestras o controles.
  4. Triangulación de datos
    1. Dependiendo de la pregunta o hipótesis de la investigación, correlacionar las variables relevantes. Asegúrese de que todos los valores atípicos y datos estén preprocesados y filtrados adecuadamente antes de utilizar46.
    2. Determinar si el tamaño de la muestra, los puntos de recopilación de datos, el poder estadístico observado y las preguntas o hipótesis de investigación requieren la fusión de datos47,o utilizando técnicas analíticas de medidas repetidas48,49, 50.
    3. Teniendo en cuenta las diferencias interindividuales en el tiempo de tarea51 y el retraso en la respuesta de los biomarcadores salivales para estresar14,usar marcas de tiempo o determinar eventos para sincronizar conjuntos de datos juntos.
    4. Utilizando modelos estadísticos y software, analice el conjunto de datos e interprete los hallazgos.

contiene los 16 archivos zip.  Cada archivo zip contiene todos los cuestionarios EOL para un capítulo principal determinado.  Querrán descomprimir este archivo y, a continuación, cada archivo zip se carga individualmente en Canvas.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

En este estudio, nos interesaba estudiar las influencias de la autoeficacia, el rendimiento y la fisiológica (sensores EDA) y las respuestas biológicas (SAA y cortisol) de los estudiantes de ingeniería de pregrado mientras realizaban un examen de práctica. Los datos mostrados son un subconjunto representativo de muestras: a) una que consideró encuestas y sensores electrodérmicos (diseño de experimento A) y (b) una que incluía el mismo examen junto con los datos de biomarcadores salivales (diseño de experimento B). Aunque recopilamos datos de emociones en este estudio, no los presentaremos, ya que nuestro objetivo era demostrar datos granulares en tiempo real en lugar de en momentos prescritos al principio, medio o final del examen, que es donde se recopilaron los datos de emociones.

Como se muestra en la Figura 4,el grado de dificultad del examen de acuerdo con la respuesta colectiva de los estudiantes se comparó a través de los diseños experimentales. Además, se trazó la media de EDA en función de las puntuaciones de autoeficacia reportadas por los estudiantes antes de completar las preguntas del examen. A pesar de que el grado de dificultad era el mismo para los dos diseños, se encontraron diferencias opuestas en los valores medios de EDA entre las respuestas correctas e incorrectas en diferentes puntuaciones de autoeficacia. Para el diseño experimental A (sensores y encuestas EDA), la media de EDA aumentó para una puntuación de mediados de SE para los estudiantes que respondieron incorrectamente a las preguntas del examen en comparación con los estudiantes que respondieron las preguntas correctamente(p < 0.001). Para el diseño experimental B (sensores EDA, encuestas y biomarcadores salivales), los valores medios de EDA variaron donde se encontró un efecto opuesto para las puntuaciones sebajas bajas(p < 0.05) y las puntuaciones SE altas(p < 0.01), respectivamente.

Para entender cualquier influencia salival potencial, se normalizaron los valores medios de LA EDA, así como los valores de ensayo de cortisol y SAA para los puntos de datos establecidos en el examen (principio, medio, final y 20 minutos después del examen)parael diseño experimental B. Es importante tener en cuenta que los valores medios de EDA para esta tabla se truncaron a intervalos de 60 s durante el período de tiempo preestablecido para permitir comparaciones entre cada marcador salival. Los datos sugieren que los niveles de EDA disminuyeron de principio a fin del examen, y estos niveles se recuperaron con la marca de 20 minutos después del examen. Estas tendencias fueron paralelas en los datos de cortisol y SAA. La significancia estadística, determinada a través de ANOVA, se encontró entre EDA y SAA al principio y a la mitad del examen(p < 0.05 para ambas veces) mientras que EDA y cortisol mostraron significancia entre el medio y el final del examen(p < 0.01 y p < 0.05, respectivamente). Con la marca de 20 minutos, EDA y SAA (p < 0.01) y cortisol y SAA (p < 0.05) comenzaron a mostrar significado entre sí.

Figure 1
Figura 1. Configuración experimental cuando se utilizan encuestas y sensores electrodérmicos para estudiar experiencias de examen. La imagen muestra el Diseño Experimental A (sensores y encuesta) y B (sensores, encuesta y biomarcadores salivales). Haga clic aquí para ver una versión más grande de esta figura.

Figure 2
Figura 2. Una representación esquemática de cómo los participantes pueden encajar e iniciar el sensor electrodérmico. La imagen A (a la izquierda) muestra la colocación del botón de inicio en el sensor, mientras que la imagen B (a la derecha) muestra la colocación de los electrodos EDA en la muñeca del participante. Haga clic aquí para ver una versión más grande de esta figura.

Figure 3
Figura 3. Representación de una línea de tiempo experimental cuando se incluyen encuestas, biomarcadores salivales y sensores electrodérmicos. Haga clic aquí para ver una versión más grande de esta figura.

Figure 4
Figura 4. Grado de dificultad. Grado de dificultad del examen de acuerdo con el rendimiento colectivo del estudiante y la media de EDA en función de la clasificación de la escala de autoeficacia por los participantes para las respuestas correctas e incorrectas para el diseño experimental A (A y B) y experimental diseño B (C y D). N a 15 participantes por diseño; los datos se notifican como media - error estándar de la media (representada en las barras de error); líneas discontinuas en los paneles A y C representan los límites para rangos moderados de dificultad (entre 0,3 y 0,8)52; *p < 0.05, **p < 0.01, y ***p < 0.001, lo que implica una diferencia estadísticamente significativa. Haga clic aquí para ver una versión más grande de esta figura.

Figure 5
Figura 5. SAA normalizada, cortisol y EDA medio. SAA normalizado, cortisol y EDA medio para el diseño experimental B comparado a intervalos de 60 s en períodos de tiempo prescritos durante el examen (comienzo, medio, fin, 20 minutos después). N a 15; los datos se indican con la media - error estándar de la media (representada en las barras de error); *p < 0.05 y **p < 0.01, lo que implica una diferencia estadísticamente significativa. Haga clic aquí para ver una versión más grande de esta figura.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Aunque las medidas fisiológicas se han utilizado en muchos contextos de aprendizaje auténticos, es fundamental diseñar un entorno de estudio que sea consciente de los límites de la tecnología actual. Nuestro diseño equilibra la necesidad de un entorno de pruebas auténtico y se adapta a la tecnología. Limitar cómodamente el movimiento de los participantes, reducir las interrupciones no deseadas y hacer una marca de tiempo en las respuestas de prueba de los participantes son pasos críticos dentro del protocolo.

El espacio y los gastos de los dispositivos de sensores electrodérmicos pueden hacer que el estudio no sea práctico para investigadores con fondos de investigación limitados. Sin embargo, una vez comprados, estos sensores tienen usos ilimitados. Los biomarcadores salivales deben procesarse en un laboratorio y tener importantes gastos previos y posteriores al procesamiento por muestra. También es importante tener en cuenta las condiciones y el equipo de laboratorio en particular utilizados, ya que pueden ser necesarios métodos alternativos de validación de ensayos salivales para identificar los porcentajes de CV entre y dentro de ellos.

El protocolo es un avance significativo en la aplicación de enfoques multimodales en el estudio de las emociones académicas. El protocolo maximiza la precisión de las mediciones de EDA al hacer una marca de tiempo las respuestas de los participantes mientras replica un entorno de pruebas auténtico, que permite estudios más objetivos en tiempo real de los cursos de los estudiantes y los estudios en el aula, abordando un restricción que limitaba los estudios previos de investigación centrados en el aprendizaje y el rendimiento. Es posible modificar la técnica para incluir actividades de aprendizaje en línea que requieren captura de pulsaciones de teclas. También es posible utilizar el protocolo para estudios de engaño en los que la dificultad de la prueba o las indicaciones actuales basadas en texto están prediseñadas para influir en las expectativas de los estudiantes para la prueba.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Los autores no tienen nada que revelar.

Acknowledgments

Este material se basa en el trabajo apoyado en parte por la National Science Foundation (NSF) No. EED-1661100, así como una subvención NSF GRFP otorgada a Darcie Christensen (No 120214). Las opiniones, conclusiones y conclusiones o recomendaciones expresadas en este material no reflejan necesariamente las de NSF o USU. Queremos agradecer a Sheree Benson sus amables discusiones y recomendaciones para nuestro análisis estadístico.

Las contribuciones del autor en este artículo son las siguientes: Villanueva (diseño de investigación, recopilación y análisis de datos, escritura, edición); Husman (diseño de investigación, recopilación de datos, escritura, edición); Christensen (recopilación y análisis de datos, escritura, edición); Youmans (recopilación y análisis de datos, escritura y edición); Khan (recopilación y análisis de datos, escritura, edición); Vicioso (recopilación y análisis de datos, edición); Lampkins (recopilación y edición de datos); Graham (recopilación y edición de datos)

Materials

Name Company Catalog Number Comments
1.1 cu ft medical freezer Compact Compliance # bci2801863 They can use any freezer as long as it can go below -20 degrees Celsius; these can be used to store salivary samples for longer periods of time (~4 months) before running salivary assays.
Camping Cooler Amazon (any size/type) Can be used to store salivary samples during data collection
E4 sensor Empatica Inc E4 Wristband Rev2 You can use any EDA sensor or company as long as it records EDA and accelerometry
EDA Explorer https://eda-explorer.media.mit.edu/ (open-source) Can be used to identify potential sources of noise that are not necessarily due to movement
Laptops Dell Latitude 3480 They can use any desktop or laptop
Ledalab http://www.ledalab.de/ (open-source) Can be used to separate tonic and phasic EDA signals after following filtration steps
MATLAB https://www.mathworks.com/products/matlab.html (version varies according to updates) To be used for Ledalab, EDA Explorer, and to create customized time-stamping programs.
Salivary Alpha Amylase Enzymatic Kit Salimetrics ‎# 1-1902 For the salivary kits, you should plan to either order the company to analyze your samples and/or go to a molecular biology lab for processing
Salivary Cortisol ELISA Kit Salimetrics # ‎1-3002 For the salivary kits, you should plan to either order the company to analyze your samples and/or go to a molecular biology lab for processing
Testing Divider (Privacy Shields) Amazon #60005 They can use any brand of testing shield as long as they cover the workspace
Web Camera Amazon Logitech c920 They can use any web camera as long as it is HD and 1080p or greater

DOWNLOAD MATERIALS LIST

References

  1. William, J. What is an emotion? Mind. 9 (34), 188-205 (1884).
  2. Pekrun, R., Linnenbrink-Garcia, L. Emotions in education: Conclusions and future directions. International handbook of emotions in education. Pekrun, R., Linnenbrink-Garcia, L. , Routledge Press. London. 659-675 (2014).
  3. Pekrun, R. The control-value theory of achievement emotions: Assumptions, corollaries, and implications for educational research and practice. Educational Psychology Review. 18 (4), 315-341 (2006).
  4. Pekrun, R., Perry, R. P. Control-value theory of achievement emotions. International Handbook of Emotions in Education. , 120-141 (2014).
  5. Pekrun, R., Stephens, E. J., et al. Academic emotions. APA Educational Psychology Handbook. Harris, K. R., et al. , American Psychological Association. Washington, D.C. 3-31 (2011).
  6. Bandura, A. Self-efficacy: The exercise of control. , W. H. Freeman & Co. New York, NY. (1997).
  7. Bandura, A. Social foundations of thought and action: A social cognitive theory. , Prentice Hall. Upper Saddle River, New Jersey. (1986).
  8. Bandura, A. Guide for constructing self-efficacy scales. Self-efficacy beliefs of adolescents. Pajares, F., Urdan, T. , Information Age Publishing. Charlotte, NC. 307-337 (2006).
  9. Jarrell, A., Harley, J. M., Lajoie, S., Naismith, L. Success, failure and emotions: examining the relationship between performance feedback and emotions in diagnostic reasoning. Educational Technology Research and Development. 65 (5), 1263-1284 (2017).
  10. Pekrun, R., Bühner, M. Self-report measures of academic emotions. International Handbook of Emotions in Education. Pekrun, R., Linnenbrink-Garcia, L. , Routledge Press. London. 561-566 (2014).
  11. Nett, U. E., Goetz, T., Hall, N. C. Coping with boredom in school: An experience sampling perspective. Contemporary Educational Psychology. 36 (1), 49-59 (2011).
  12. Azevedo, R. Defining and measuring engagement and learning in science: Conceptual, theoretical, methodological, and analytical issues. Educational Psychologist. 50 (1), 84-94 (2015).
  13. Spangler, G., Pekrun, R., Kramer, K., Hofman, H. Students’ emotions, physiological reactions, and coping in academic exams. Anxiety, Stress, & Coping. 15 (4), 413-432 (2002).
  14. Husman, J., Cheng, K. C., Puruhito, K., Fishman, E. J. Understanding engineering students stress and emotions during an introductory engineering course. American Society of Engineering Education. , Paper ID #13148 (2015).
  15. Vedhara, K., Hyde, J., Gilchrist, I., Tytherleigh, M., Plummer, S. Acute stress, memory, attention and cortisol. Psychoneuroendocrinology. 25 (6), 535-549 (2000).
  16. Berenbaum, S. A., Moffat, S., Wisniewski, A., Resnick, S. Neuroendocrinology: Cognitive effects of sex hormones. The Cognitive Neuroscience of Development: Studies in Developmental Psychology. de Haan, M., Johnson, M. H. , Psychology Press. 207-210 (2003).
  17. Lundberg, U., Frankenhaeuser, M. Pituitary-adrenal and sympathetic-adrenal correlates of distress and effort. Journal of Psychosomatic Research. 24 (3-4), 125-130 (1980).
  18. Nater, U. M., Rohleder, N. Salivary alpha-amylase as a non-invasive biomarker for the sympathetic nervous system: Current state of research. Psychoneuroendocrinology. 34 (4), 486-496 (2009).
  19. Denson, T., Spanovic, M., Miller, N., Cooper, H. Cognitive appraisals and emotions predict cortisol and immune responses: A meta-analysis of acute laboratory social stressors and emotion inductions. Psychological Bulletin. 135 (6), 823-853 (2009).
  20. Van Stegeren, A. H., Wolf, O. T., Kindt, M. Salivary alpha amylase and cortisol responses to different stress tasks: Impact of sex. International Journal of Psychophysiology. 69 (1), 33-40 (2008).
  21. Benedek, M., Kaernbach, C. A continuous measure of phasic electrodermal activity. Journal of Neuroscience Methods. 190 (1), 80-91 (2010).
  22. Boucsein, W., Backs, R. W. Engineering psychophysiology as a discipline: Historical and theoretical aspects. Engineering psychophysiology. Issues and applications. Backs, R. W., Boucsein, W. , Lawrence Erlbaum. Mahwah, NJ. 3-30 (2000).
  23. Boucsein, W., Backs, R. W. The psychophysiology of emotion, arousal, and personality: Methods and models. Handbook of digital human modeling. Duffy, V. G. , CRC. Boca Raton. 35-38 (2009).
  24. Turpin, G., Shine, P., Lader, M. H. Ambulatory electrodermal monitoring: effects of ambient temperature, general activity, electrolyte media, and length of recording. Psychophysiology. 20, 219-224 (1983).
  25. Posada-Quintero, H. F., et al. Timevarying analysis of electrodermal activity during exercise. PLoS ONE. 13 (6), e0198328 (2018).
  26. Lobstein, T., Cort, J. The relationship between skin temperature and skin conductance activity: Indications of genetic and fitness determinants. Biological Psychology. 7, 139-143 (1978).
  27. Scholander, T. Some measures of electrodermal activity and their relationships as affected by varied temperatures. Journal of Psychosomatic Research. 7, 151-158 (1963).
  28. Schwerdtfeger, A. Predicting autonomic reactivity to public speaking: don't get fixed on self-report data! International Journal of Psychophysiology. 52 (3), 217-224 (2004).
  29. Braithwaite, J. J., Watson, D. G., Jones, R., Rowe, M. A guide for analysing electrodermal activity (EDA) & skin conductance responses (SCRs) for psychological experiments. Psychophysiology. 49 (1), 1017-1034 (2013).
  30. Villanueva, I., Valladares, M., Goodridge, W. Use of galvanic skin responses, salivary biomarkers, and self-reports to assess undergraduate student performance during a laboratory exam activity. Journal of Visualized Experiments. (108), e53255 (2016).
  31. Empatica, E4 wristband from Empatica: User’s manual. Empatica. , 1-32 (2018).
  32. Salimetrics, Collection methods: Passive drool using the saliva collection aid. Salimetrics Technical Summary. , 1-2 (2018).
  33. Salimetrics, Collection methods: Passive drool using the saliva collection aid. Salimetrics Technical Summary. , 1-2 (2018).
  34. Salimetrics, Expanded range high sensitivity salivary cortisol enzyme immunoassay kit. Salimetrics Technical Summary. , 1-21 (2016).
  35. Salimetrics, Salivary α-amylase kinetic enzyme assay kit. Salimetrics Technical Summary. , 1-17 (2016).
  36. Moore, D. Innovative Hormone Testing: Saliva Test Specifications, ZRT Laboratory Reports. , Available from: https://www.zrtlab.com/resources/ (2014).
  37. Call, B., Goodridge, W., Villanueva, I., Wan, N., Jordan, K. Utilizing electroencephalography measurements for comparison of task-specific neural efficiencies: spatial intelligence tasks. Journal of Visualized Experiments. (114), (2016).
  38. Ruel, E. E., Wagner, W. E. III, Gillespie, B. J. The practice of survey research: theory and applications. , SAGE Publications. Thousand Oaks, CA. (2016).
  39. Barrett, P. Euclidean distance: raw, normalized, and double-spaced coefficients. The Technical Whitepaper Series. 6, 1-26 (2005).
  40. Groeneveld, R. A. Influence functions for the coefficient of variation, its inverse, and CV comparisons. Communications in Statistics- Theory and Methods. 40 (23), 4139-4150 (2011).
  41. Tronstad, C., Staal, O. M., Sælid, S., Martinsen, ØG. Model-based filtering for artifact and noise suppression with state estimation for electrodermal activity measurements in real time. 37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society. , 2750-2753 (2015).
  42. Routray, A., Pradhan, A. K., Rao, K. P. A novel Kalman filter for frequency estimation of distorted signals in power systems. IEEE Transactions on Instrumentation and Measurement. 51 (3), 469-479 (2002).
  43. Benedek, M., Kaernbach, C. A continuous measure of phasic electrodermal activity. Journal of Neuroscience Methods. 190, 80-91 (2010).
  44. Taylor, S., et al. Automatic Identification of Artifacts in Electrodermal Activity Data. 37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society. , 1934-1937 (2015).
  45. Andreasson, U., et al. A practical guide to immunoassay method validation. Frontiers in Neurology. 6 (179), 1-8 (2015).
  46. Adam, E. K., Kumari, M. Assessing salivary cortisol in large-scale, epidemiological research. Psychoneuroendocrinology. 34 (10), 1423-1436 (2009).
  47. Pruessner, J. C., Kirschbaum, C., Meinlschmid, G., Hellhammer, D. H. Two formulas for computation of the area under the curve represent measures of total hormone concentration versus time-dependent change. Psychoneuroendocrinology. 28 (7), 916-931 (2003).
  48. Girden, E. R. ANOVA: Repeated measures. , Sage. Thousand Oaks, CA. (1992).
  49. Raudenbush, S. W., Bryk, A. S. Hierarchical linear models: Applications and data analysis methods (Vol. 1). , Sage. Thousand Oaks, CA. (2002).
  50. Duncan, T. E., Duncan, S. C., Strycker, L. A. An introduction to latent variable growth curve modeling: Concepts, issues, and application. , Routledge. Abingdon, United Kingdom. (2013).
  51. Mehta, P. D., West, S. G. Putting the individual back into individual growth curves. Psychological Methods. 5 (1), 23-43 (2000).
  52. Exploring relationships between electrodermal activity, skin temperature, and performance during engineering exams. Khan, M. T. H., Villanueva, I., Vicioso, P., Husman, J. IEEE Frontiers in Education Conference (FIE) Conference, Oct 16 to 19, 2019, Cincinnati, OH, USA, , (Accepted).
  53. Stretched Too Much? A Case Study of Engineering Exam-Related Predicted Performance, Electrodermal Activity, and Heart Rate. Christensen, D., Khan, M. T. H., Villanueva, I., Husman, J. 47th SEFI Conference, 16-19 Sept 2019, Budapest, HU, , (Accepted).

Tags

Comportamiento Número 151 en tiempo real examen desempeño interdisciplinario multimodal experimental
Un diseño experimental multidisciplinar iológico y multimodal para estudiar experiencias de examen auténtico casi en tiempo real
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Villanueva, I., Husman, J.,… More

Villanueva, I., Husman, J., Christensen, D., Youmans, K., Khan, M. T., Vicioso, P., Lampkins, S., Graham, M. C. A Cross-Disciplinary and Multi-Modal Experimental Design for Studying Near-Real-Time Authentic Examination Experiences. J. Vis. Exp. (151), e60037, doi:10.3791/60037 (2019).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter