JoVE Journal > Neuroscience
Summary
Abstract
Introduction
Protocol
Results
Discussion
Disclosures
Acknowledgements
Materials
References
자동 번역
Please note that all translations are automatically generated. Click here for the English version.
신경과학

Inter-Brain Synchrony in Open-Ended Collaborative Learning: uno studio fNIRS-Hyperscanning

Published: July 21, 2021
doi:
10.3791/62777
, ,
1School of Psychology and Cognitive Science,East China Normal University, 2Shanghai Key Laboratory of Mental Health and Crisis Intervention,East China Normal University

Summary

Viene delineato il protocollo per condurre esperimenti di iperscanning fNIRS su diadi di apprendimento collaborativo in un ambiente di apprendimento naturalistico. Inoltre, viene presentata una pipeline per analizzare la sincronia inter-cerebrale (IBS) dei segnali di emoglobina ossigenata (Oxy-Hb).

Abstract

L’iperscanning fNIRS è ampiamente utilizzato per rilevare le basi neurobiologiche dell’interazione sociale. Con questa tecnica, i ricercatori qualificano l’attività cerebrale simultanea di due o più individui interattivi con un nuovo indice chiamato sincronia inter-cerebrale (IBS) (cioè allineamento di fase e / o ampiezza dei segnali neuronali o emodinamici nel tempo). Qui viene presentato un protocollo per condurre esperimenti di iperscanning fNIRS su diadi di apprendimento collaborativo in un ambiente di apprendimento naturalistico. Inoltre, viene spiegata una pipeline di analisi IBS del segnale di emoglobina ossigenata (Oxy-Hb). In particolare, vengono discussi il design sperimentale, il processo di registrazione dei dati NIRS, i metodi di analisi dei dati e le direzioni future. Nel complesso, l’implementazione di una pipeline di iperscanning fNIRS standardizzata è una parte fondamentale delle neuroscienze in seconda persona. Inoltre, questo è in linea con la richiesta di scienza aperta per aiutare la riproducibilità della ricerca.

Introduction

Recentemente, per rivelare l’attività cerebrale simultanea attraverso le diadi interattive o i membri di un gruppo, i ricercatori impiegano l’approccio di iperscanning1,2. Nello specifico, l’elettroencefalogramma (EEG), la risonanza magnetica funzionale (fMRI) e la spettroscopia funzionale nel vicino infrarosso (fNIRS) vengono utilizzati per registrare le attività neurali e cerebrali da due o più soggetti contemporaneamente3,4,5. I ricercatori estraggono un indice neurale che comporta l’accoppiamento cerebrale simultaneo basato su questa tecnica, che si riferisce alla sincronia inter-cerebrale (IBS) (cioè l’allineamento di fase e / o ampiezza dei segnali neuronali o emodinamici nel tempo). Una grande varietà di ricerche di iperscanning ha trovato IBS durante l’interazione sociale tra più individui (ad esempio, giocatore-pubblico, istruttore-studente e leader-follower)6,7,8. Inoltre, IBS ha implicazioni specifiche di apprendimento e istruzione efficaci9,10,11,12,13,14. Con l’aumento della ricerca sull’iperscanning in scenari di apprendimento naturalistico, è necessario stabilire un protocollo standard di esperimenti di iperscanning e la pipeline di analisi dei dati in questo campo.

Pertanto, questo documento fornisce un protocollo per condurre l’iperscanning basata su fNIRS delle diadi di apprendimento collaborativo e una pipeline per l’analisi dell’IBS. fNIRS è uno strumento di imaging ottico, che irradia luce nel vicino infrarosso per valutare indirettamente l’assorbimento spettrale dell’emoglobina, e quindi l’attività emodinamica/ossigenazione viene misurata15,16,17. Rispetto alla fMRI, fNIRS è meno incline agli artefatti di movimento, consentendo misurazioni da soggetti che stanno facendo esperimenti di vita reale (ad esempio, imitazione, conversazione e comunicazione non verbale)18,7,19. Rispetto all’EEG, fNIRS detiene una risoluzione spaziale più elevata, consentendo ai ricercatori di rilevare la posizione dell’attività cerebrale20. Pertanto, questi vantaggi in termini di risoluzione spaziale, logistica e fattibilità qualificano fNIRS per condurre la misurazione dell’iperscanning1. Utilizzando questa tecnologia, un organismo di ricerca emergente rileva un termine indice come IBS – l’allineamento neurale di due (o più) attività cerebrali di persone – in diverse forme di contesti sociali naturalistici9,10,11,12,13,14. In questi studi, vengono applicati vari metodi (ad esempio, l’analisi di correlazione e l’analisi wavelet transform coherence (WTC)) per calcolare questo indice; nel frattempo, una pipeline standard su tale analisi è essenziale ma carente. Di conseguenza, in questo lavoro viene presentato un protocollo per condurre l’iperscanning basato su fNIRS e una pipeline che utilizza l’analisi WTC per identificare l’IBS.

Questo studio mira a valutare l’IBS nelle diadi di apprendimento collaborativo utilizzando la tecnica di iperscanning fNIRS. In primo luogo, una risposta emodinamica viene registrata simultaneamente nelle regioni prefrontale e temporoparietale sinistra di ciascuna diade durante un compito di apprendimento collaborativo. Queste regioni sono state identificate come associate all’insegnamento e all’apprendimento interattivo9,10,11,12,13,14. In secondo luogo, l’IBS viene calcolato su ciascun canale corrispondente. Il processo di registrazione dei dati fNIRS è costituito da due parti: sessione di stato di riposo e sessione collaborativa. La sessione di riposo dura 5 minuti, durante i quali entrambi i partecipanti (seduti faccia a faccia, separati l’uno dall’altro da un tavolo (0,8 m)) sono tenuti a rimanere fermi e rilassarsi. Questa sessione dello stato di riposo viene servita come linea di base. Quindi, nella sessione collaborativa, ai partecipanti viene detto di studiare insieme l’intero materiale di apprendimento, suscitando comprensione, riassumendo le regole e assicurandosi che tutti i materiali di apprendimento siano padroneggiati. Qui vengono presentate le fasi specifiche della conduzione dell’esperimento e l’analisi dei dati fNIRS.

Protocol

Tutti i partecipanti reclutati (40 diadi, età media 22,1 ± 1,2 anni; 100% destrimani; visione normale o corretta a normale) erano sani. Prima dell’esperimento, i partecipanti hanno dato il consenso informato. I partecipanti sono stati compensati finanziariamente per la loro partecipazione. Lo studio è stato approvato dal Comitato universitario per la protezione della ricerca umana (HR-0053-2021), East China Normal University. 1. Fasi di preparazione prima dell’adozione dei dati T…

Representative Results

La Figura 1 illustra il protocollo sperimentale e la posizione della sonda. Il processo di registrazione dei dati fNIRS è costituito da due parti: sessione di stato di riposo (5 min) e sessione collaborativa (15-20 min). Le diadi di apprendimento collaborativo sono necessarie per rilassarsi e per rimanere fermi nella sessione dello stato di riposo. Successivamente, ai partecipanti viene detto di co-apprendere il materiale didattico (Figura 1A). Le loro regioni …

Discussion

In primo luogo, nel presente protocollo, vengono indicate le fasi specifiche della conduzione di esperimenti di iperscanning fNIRS in uno scenario di apprendimento collaborativo. In secondo luogo, viene presentata anche la pipeline di analisi dei dati che valuta l’IBS dei segnali emodinamici nelle diadi di apprendimento collaborativo. L’operazione dettagliata sulla conduzione di esperimenti di iperscanning fNIRS promuoverebbe lo sviluppo della scienza aperta. Inoltre, la pipeline di analisi è fornita qui per aumentare l…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Questo lavoro è supportato dal programma di promozione dell’innovazione accademica ECNU per studenti di dottorato eccellenti (YBNLTS2019-025) e dalla National Natural Science Foundation of China (31872783 e 71942001).

Materials

EEG caps Compumedics Neuroscan,Charlotte,USA 64-channel Quik-Cap We choose two sizes of cap(i.e.medium and large).
NIRS measurement system with probe sets and probe holder grids Hitachi Medical Corporation, Tokyo, Japan ETG-7100 Optical Topography System The current study protocol requires an optional second adult probe set for 92 channels of measurement in total.
Numeric computing platform The MathWorks, Inc., Natick, MA MATLAB R2020a Serves as base for Psychophysics Toolbox extensions (stimulus presentation), Homer2  (fNIRS preprocess analysis), and "wtc" function(WTC computation).
Psychology software psychology software tools,Sharpsburg, PA,USA E-prime 2.0 we apply E-prime to start the fNIRS measurement system and send triggers which marking the rest phase and collaborative learning phase for fNIRS recording data
Swimming caps Zoke corporation,Shanghai,China 611503314 We first placed the standard 10-20 EEG cap on the head mold, and placed the swimming cap on the EEG cap. Second, we marked (inion, Cz, T3, T4, PFC and P5) with chalk.
Three-dimensional (3-D) digitizer Polhemus, Colchester, VT, USA; Three-dimensional (3-D) digitizer Anatomical locations of optodes in relation to standard head landmarks were determined for each participant using a Patriot 3D Digitizer
DOWNLOAD MATERIALS LIST

References

  1. Babiloni, F., Astolfi, L. Social neuroscience and hyperscanning techniques: past, present and future. Neuroscience & Biobehavioral Reviews. 44, 76-93 (2014).
  2. Schilbach, L., et al. Toward a second-person neuroscience. Behavior Brain Science. 36, 393-414 (2013).
  3. Montague, P. Hyperscanning: simultaneous fMRI during linked social interactions. NeuroImage. 16, 1159-1164 (2002).
  4. Cui, X., Bryant, D. M., Reiss, A. L. NIRS-based hyperscanning reveals increased interpersonal coherence in superior frontal cortex during cooperation. NeuroImage. 59 (3), 2430-2437 (2012).
  5. Dikker, S., et al. Brain-to-brain synchrony tracks real-world dynamic group interactions in the classroom. Current Biology. 27 (9), 1375-1380 (2017).
  6. Abrams, D. A., et al. Inter-subject synchronization of brain responses during natural music listening. European Journal of Neuroscience. 37 (9), 1458-1469 (2013).
  7. Pan, Y., et al. Instructor-learner brain coupling discriminates between instructional approaches and predicts learning. NeuroImage. 211, 116657 (2020).
  8. Jiang, J., et al. Leader emergence through interpersonal neural synchronization. Proceedings of the National Academy of Sciences of the United States of America. 112 (14), 4274-4279 (2015).
  9. Bevilacqua, D., et al. Brain-to-brain synchrony and learning outcomes vary by student-teacher dynamics: Evidence from a real-world classroom electroencephalography study. Journal of Cognitive Neuroscience. 31 (3), 401-411 (2019).
  10. Dikker, S., et al. Morning brain: real-world neural evidence that high school class times matter. Social Cognitive and Affective Neuroscience. 15 (11), 1193-1202 (2020).
  11. Pan, Y., Guyon, C., Borragán, G., Hu, Y., Peigneux, P. Interpersonal brain synchronization with instructor compensates for learner’s sleep deprivation in interactive learning. Biochemical Pharmacology. , 114111 (2020).
  12. Pan, Y., Novembre, G., Song, B., Li, X., Hu, Y. Interpersonal synchronization of inferior frontal cortices tracks social interactive learning of a song. NeuroImage. 183, 280-290 (2018).
  13. Zheng, L., et al. Enhancement of teaching outcome through neural prediction of the students’ knowledge state. Human Brain Mapping. 39 (7), 3046-3057 (2018).
  14. Zheng, L., et al. Affiliative bonding between teachers and students through interpersonal synchronisation in brain activity. Social Cognitive and Affective Neuroscience. 15 (1), 97-109 (2020).
  15. Kleinschmidt, A., et al. Simultaneous recording of cerebral blood oxygenation changes during human brain activation by magnetic resonance imaging and near-infrared spectroscopy. Journal of Cerebral Blood Flow & Metabolism. 16 (5), 817-826 (1996).
  16. Strangman, G., Culver, J. P., Thompson, J. H., Boas, D. A. A quantitative comparison of simultaneous BOLD fMRI and NIRS recordings during functional brain activation. NeuroImage. 17 (2), 719-731 (2002).
  17. Huppert, T. J., Hoge, R. D., Diamond, S. G., Franceschini, M. A., Boas, D. A. A temporal comparison of BOLD, ASL, and NIRS hemodynamic responses to motor stimuli in adult humans. NeuroImage. 29 (2), 368-382 (2006).
  18. Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. NeuroImage. 63, 212-222 (2012).
  19. Hirsch, J., Zhang, X., Noah, J. A., Ono, Y. Frontal temporal and parietal systems synchronize within and across brains during live eye-to-eye contact. NeuroImage. 157, 314-330 (2017).
  20. Wilcox, T., Biondi, M. fNIRS in the developmental sciences. Wiley Interdisciplinary Reviews: Cognitive Science. 6 (3), 263-283 (2015).
  21. Ye, J. C., Tak, S., Jang, K. E., Jung, J., Jang, J. NIRS-SPM: statistical parametric mapping for nearinfrared spectroscopy. NeuroImage. 44 (2), 428-447 (2009).
  22. Huppert, T. J., Diamond, S. G., Franceschini, M. A., Boas, D. A. HomER: A review of time-series analysis methods for near-infrared spectroscopy of the brain. Applied Optics. 48 (10), 280-298 (2009).
  23. Santosa, H., Zhai, X., Fishburn, F., Huppert, T. The NIRS Brain AnalyzIR toolbox. Algorithms. 11 (5), 73 (2018).
  24. Xu, Y., Graber, H. L., Barbour, R. L. nirsLAB: a computing environment for fNIRS neuroimaging data analysis. Biomedical Optics. , (2014).
  25. Cope, M., Delpy, D. T. System for long-term measurement of cerebral blood and tissue oxygenation on newborn infants by near infra-red transillumination. Medical and Biological Engineering and Computing. 26 (3), 289-294 (1988).
  26. Hoshi, Y. Functional near-infrared spectroscopy: current status and future prospects. Journal of Biomedical Optics. 12 (6), 062106 (2007).
  27. Molavi, B., Dumont, G. A. Wavelet-based motion artifact removal for functional near-infrared spectroscopy. Physiological Measurement. 33 (2), 259 (2012).
  28. Cooper, R., et al. A systematic comparison of motion artifact correction techniques for functional near-infrared spectroscopy. Frontiers in Neuroscience. 6, 147 (2012).
  29. Zhang, X., Noah, J. A., Hirsch, J. Separation of the global and local components in functional near-infrared spectroscopy signals using principal component spatial filtering. Neurophotonics. 3 (1), 015004 (2016).
  30. Grinsted, A., Moore, J. C., Jevrejeva, S. Application of the cross wavelet transform and wavelet coherence to geophysical time series. Nonlinear Processes in Geophysics. 11, 561-566 (2004).
  31. Maris, E., Oostenveld, R. Nonparametric statistical testing of EEG-and MEG-data. Journal of Neuroscience Methods. 164 (1), 177-190 (2007).
  32. Nozawa, T., Sasaki, Y., Sakaki, K., Yokoyama, R., Kawashima, R. Interpersonal frontopolar neural synchronization in group communication: an exploration toward fNIRS hyperscanning of natural interactions. NeuroImage. 133, 484-497 (2016).
  33. Reindl, V., Gerloff, C., Scharke, W., Konrad, K. Brain-to-brain synchrony in parent-child dyads and the relationship with emotion regulation revealed by fNIRS-based hyperscanning. NeuroImage. 178, 493-502 (2018).
  34. Theiler, J., Eubank, S., Longtin, A., Galdrikian, B., Farmer, J. D. Testing for nonlinearity in time series: the method of surrogate data. Physica D: Nonlinear Phenomena. 58 (1-4), 77-94 (1992).
  35. Genovese, C. R., Lazar, N. A., Nichols, T. Thresholding of statistical maps in functional neuroimaging using the false discovery rate. NeuroImage. 15 (4), 870-878 (2002).
  36. Nichols, T., Hayasaka, S. Controlling the familywise error rate in functional neuroimaging: a comparative review. Statistical Methods in Medical Research. 12 (5), 419-446 (2003).
  37. Tsuzuki, D., et al. Virtual spatial registration of stand-alone fNIRS data to MNI space. NeuroImage. 34 (4), 1506-1518 (2007).
  38. Singh, A. K., Okamoto, M., Dan, H., Jurcak, V., Dan, I. Spatial registration of multi-channel multi-subject fNIRS data to MNI space without MRI. NeuroImage. 27 (4), 842-851 (2005).
  39. Noah, J. A., et al. Comparison of short-channel separation and spatial domain filtering for removal of non-neural components in functional near-infrared spectroscopy signals. Neurophotonics. 8 (1), 015004 (2021).
  40. Noah, J. A., et al. Real-time eye-to-eye contact is associated with cross-brain neural coupling in angular gyrus. Frontiers in Human Neuroscience. 14 (19), (2020).
  41. Torrence, C., Compo, G. P. A practical guide to wavelet analysis. Bulletin of the American Meteorological Society. 79 (1), 61-78 (1998).
  42. Osaka, N., Minamoto, T., Yaoi, K., Azuma, M., Osaka, M. Neural synchronization during cooperated humming: a hyperscanning study using fNIRS. Procedia-Social and Behavioral Sciences. 126, 241-243 (2014).
  43. Dommer, L., Jäger, N., Scholkmann, F., Wolf, M., Holper, L. Between-brain coherence during joint n-back task performance: a two-person functional near-infrared spectroscopy study. Behavioural Brain Research. 234 (2), 212-222 (2012).
  44. Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. Neuroimage. 63, 212-222 (2012).
  45. Nguyen, T., et al. The effects of interaction quality on neural synchrony during mother-child problem solving. Cortex. 124, 235-249 (2020).
  46. Seth, A. K., Barrett, A. B., Barnett, L. Granger causality analysis in neuroscience and neuroimaging. Journal of Neuroscience. 35 (8), 3293-3297 (2015).
  47. Funane, T., et al. Synchronous activity of two people’s prefrontal cortices during a cooperative task measured by simultaneous near-infrared spectroscopy. Journal of Biomedical Optics. 16 (7), 077011 (2011).
  48. Liu, T., Saito, H., Oi, M. Role of the right inferior frontal gyrus in turn-based cooperation and competition: a near-infrared spectroscopy study. Brain and Cognition. 99, 17-23 (2015).
  49. Lachaux, J. P., Rodriguez, E., Martinerie, J., Varela, F. J. Measuring phase synchrony in brain signals. Human Brain Mapping. 8 (4), 194-208 (1999).
  50. Burgess, A. P. On the interpretation of synchronization in EEG hyperscanning studies: a cautionary note. Frontiers in Human Neuroscience. 7, 881 (2013).
  51. Burgos-Robles, A., et al. Amygdala inputs to prefrontal cortex guide behavior amid conflicting cues of reward and punishment. Nature Neuroscience. 20 (6), 824-835 (2017).
  52. Mende, S., Proske, A., Narciss, S. Individual preparation for collaborative learning: Systematic review and synthesis. Educational Psychologist. , 1-25 (2020).
  53. Hamilton, A. F. D. C. Hyperscanning: Beyond the hype. Neuron. 109 (3), 404-407 (2021).
  54. Novembre, G., Iannetti, G. D. Hyperscanning alone cannot prove causality. Multibrain stimulation can. Trends in Cognitive Sciences. 25 (2), 96-99 (2021).

Tags

FNIRS HyperscanningInter-brain SynchronyOpen-ended Collaborative LearningNaturalistic EnvironmentNear Infrared SpectroscopyProbe PlacementSignal QualityData Export3D DigitizerMNI Coordinates
check_url/kr/62777?article_type=t

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Cite This Article
Zhao, N., Zhu, Y., Hu, Y. Inter-Brain Synchrony in Open-Ended Collaborative Learning: An fNIRS-Hyperscanning Study. J. Vis. Exp. (173), e62777, doi:10.3791/62777 (2021).
Download Citation
Reprints and Permissions

View Video

✖

To prove you're not a robot, please enter the text in the image below

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image