Summary

Utnytte elektroencefalografi Målinger for sammenligning av Task-spesifikke Neural Effektivitet: Spatial Intelligence Oppgaver

Published: August 09, 2016
doi:

Summary

Dette manuskriptet beskriver en tilnærming for å måle hjerneaktiviteten hos mennesker, mens løse romlig fokuserte tekniske problemer. Den elektroencefalogram metodikken hjelper tolke beta hjernebølgemålinger i form av neural effektivitet, med sikte på å til slutt slik at sammenligninger av oppgavene utføres både mellom problemtyper og mellom deltakerne.

Abstract

Romlig intelligens er ofte knyttet til suksess i ingeniørfag utdanning og tekniske yrker. Bruken av elektroencefalografi muliggjør komparativ beregning av individers neural effektivitet som de utfører påfølgende oppgaver som krever romlig evne til å utlede løsninger. Neural effektivitet her er definert som å ha mindre beta aktivering, og derfor expending færre nerve ressurser, for å utføre en oppgave i forhold til andre grupper eller andre oppgaver. For inter-oppgave sammenligninger av oppgaver med lignende varighet, kan disse målingene muliggjøre en sammenligning av oppgavetypen vanskelighetsgrad. For intra-deltaker og inter-deltaker sammenligninger, disse målingene gir potensial innblikk i deltakernes nivå av romlig evne og ulike ingeniørfag problemløsning oppgaver. Resultater på de valgte oppgavene kan analyseres og korrelert med beta aktiviteter. Dette arbeidet presenterer en detaljert forskningsprotokoll studere nevrale effektiviteten av studenter engalderen i løsning av typiske romlig evne og statikk problemer. Studenter fullført problemer som er spesifikke for Mental Skjærende Test (MCT), Purdue Spatial Visualisering test rotasjoner (PSVT: R), og statikk. Mens engasjert i å løse disse problemene, ble deltakernes hjernebølger målt med EEG slik at data kan samles om alfa og beta hjernen wave aktivering og bruk. Arbeidet ser ut til å korrelere funksjonell ytelse på rene romlige oppgaver med romlig intensive tekniske oppgaver å identifisere veier til vellykkede resultater i prosjektering og de resulterende forbedringer i ingeniørutdanningen som kan følge.

Introduction

Spatial evne er avgjørende for Science, Technology, Engineering og matematikk (STEM) felt og utdanning og korrelerer med suksess i disse områdene 1,2,3. Derfor er det viktig å forstå utviklingen av hvordan romlig evne virkninger problemløsning 4. Spatial evne har vært knyttet til rente 5, ytelse 6, suksess i ingeniør akademikere 7 og suksess i engineering fagfolk 8. Men det er ikke mye arbeid som indikerer spesifikke nevrale prosesser i å løse problemer som er typiske for mange romlige evne instrumenter, og heller ikke bestemt ingeniør innhold som er svært romlig.

Dette papiret gir en innføring i metoder som brukes for datainnsamling og analyse av romlige evne instrument score kombinert med nevrale målinger. Hensikten med å publisere med Jove er å gjøre disse metodene mer tilgjengelig for et bredere publikum. Allmennheten maskinvare og programvare were anvendt i denne studien. Som metoder papir, er fullstendige resultater / datasettene ikke rapportert, heller ikke flere prøver som er levert. Alle bildene ble tatt spesielt for denne publikasjonen. Metodene beskrevet nedenfor ble utnyttet i å utarbeide en foreløpig konferanserapport 9 basert på data fra åtte college sophomore aldrende deltakere, hvorav tre var kvinner.

Mange eksisterende virkemidler brukes for å indikere nivåer av romlig evne iboende til eller lært av enkeltpersoner. To gyldige og pålitelige 10,11 instrumenter som ofte brukes er Mental Cutting Test (MCT) 12 og Purdue Spatial Visualisering test rotasjoner (PSVT: R) 13. Mens opprinnelig yrkes designet 14 slike instrumenter teste ulike stadier av romlig visualisering utvikling beskrevet av Piagetian teori 10,15. Bruken av disse instrumentene skaper et behov for å forstå de underliggende fysiologiske kognitive fenomener i allerede eksisterendeg når enkeltpersoner arbeide gjennom disse problemene. Av denne grunn, har som mål denne studien å presentere metoder benytter empiriske fysiologiske data som kan til slutt forbedre analyse og forståelse av romlige tanke, bekrefter eksisterende beregninger testing evner, og øke anvendbarheten av romlige vurderinger til mer komplekse problemer som er typiske for ingeniørutdanning. Mange av disse problemene kan oppstå i ingeniørfag Statikk.

Statikk er en grunnlegg mekanikk selvsagt levert til de fleste ingeniørstudenter (f.eks., Biologisk, mekanisk, Civil, miljø, Aerospace Engineering) 16,17. Det er en av de første omfattende problemløsning erfaringer som studentene er gitt i kjernen ingeniør innhold 18. Statikk omfatter studier av interaksjonen av kreftene på et stivt legeme som er i ro eller beveger seg med en konstant hastighet. Dessverre Statikk har høyt frafall, tilbaketrekning, og feilrater (14% som sett i investigated University), og dette kan være relatert til tradisjonelle kurs-og pensumleveringsmodeller som utelater viktige veier for støtte som romlig forbedrede tilnærminger til utdanning. For eksempel kan romlig forbedrede metoder i Statikk målrette visualisering av hvordan kreftene samhandle utenfor typiske analytisk analyse og forsterke studentenes handlingsbåren kunnskap med jordet konseptualisering. Effektiviteten av slike tiltak må undersøkes fra en kognitiv nevro perspektiv.

Elektroencefalografi (EEG) presenterer en unik og mobil metode for å måle elevenes hjernebølgeaktiviteten. Personer som utfører oppgaver som utløser beta-aktivering er generelt svært engasjert med oppgave detaljer og er oppmerksomme på hva de gjør 19,20. Som oppgaven krever økning, amplituden av beta-bølger øker, det samme gjør størrelsen på kortikale området båndbredde frekvenser okkupere. Jo flere nevroner som ild ibeta frekvensområdet (alfa: 8 – 12 Hz, beta: 12 – 24 Hz) kan defineres som større beta kraft. Relatedly, som man blir mer erfaren i en oppgave, amplitude av beta bølger avtar, genererer mindre beta makt. Dette er en del av det nevrale effektivitet hypotese 21-28, hvor større oppgave erfaring ved utførelse av en oppgave er relatert til en reduksjon i frekvens kraft. Selv EEG har tidligere blitt brukt i studier av romlige evner (ofte for mental rotasjon og romlige navigasjonsoppgaver) – og gjeldende data har blitt identifisert i alfa, beta, og theta band 27-33 – alfa- og beta-band ble observert for denne studien, og beta ble valgt for videre representant analyse i denne artikkelen og i forhåndskonferansen rapport 9. Prosedyrene definert nedenfor dermed fokusere på beta bandet analyse, men en undersøkelse i alle tre band, avhengig av loggede data, anbefales i fremtiden.

Deneural effektivitet hypotesen har blitt testet på ulike oppgaver, inkludert sjakk, visuospatial hukommelse, balansering, og hvile. Alle har angitt oppgave erfaring som en faktor i redusert frekvens strøm når du utfører vanlige oppgaver. En spesiell studie 25 har presentert bevis for at, selv om intelligensen til en person (målt ved IQ) kan hjelpe den enkelte tilegne seg ferdigheter til å utføre en oppgave, erfaring med oppgaven oppveier intelligens i sitt bidrag til neural effektivitet. Med andre ord, jo mer opplevde en person er, mer effektiv nevralt han eller hun blir.

Eksisterende neural effektivitet studier med romlig evne har primært fokusert på romlig rotasjon, og ulike oppgavesett har blitt brukt til å sammenligne ulike populasjoner (f.eks., Mann / kvinne) 27-28. EEG studier av romlige evne oppgaver har også gitt innsikt ved å sammenligne ytelsen til andre oppgavetyper (f.eks., Verbale oppgaver)27,29,30. Metodene beskrevet i dette dokumentet fokuserer på og sammenligne problemer fra MCT, PSVT: R, samt statiske likevekts oppgaver, som er relatert til romlig evne, men er ikke begrenset til romlig rotasjon og navigasjon. Andre romlige oppgaver kan anvendes i stedet for de som er gitt som eksempler i dette manuskriptet. På denne måten kan ytterligere innsikt oppnås i fremtiden når det gjelder ulike populasjoner (f.eks., Mann / kvinne eller ekspert / nybegynner) til slutt bidra til å forbedre ingeniør pedagogiske praksis.

I et forsøk på å undersøke romlige evne og engineering evner, har vi utviklet en protokoll utnytte EEG-målinger for å identifisere beta bølgeaktiveringer av lav resultater til gode resultater deltakere under et begrenset batteri konkrete romlige og ingeniøroppgaver. I dette tilfellet er den høye utøver begrep knyttet til utførelsen av deltakeren, og er ikke gjenspeiler hvor mye tid tilbrakt i feltet vedelev, som alle deltakerne var på omtrent samme tidspunkt i sin utdanning. I tillegg er problemet sett involvert ganske konkret og grunnleggende; dermed begrepene "ekspert" eller "gode resultater" her ikke må ses i betydningen av en ekspert, profesjonelt ansatt ingeniør, men representerer bare høy ytelse i denne smale stykke ingeniør mekanikk pensum og romlige evne instrumenter. Nerve målinger kan også brukes til å identifisere eventuelle brutto trender som oppgavetyper kan rekruttere flere kognitive ressurser enn andre, med mulig tolkning angående vanskelighetsgrader. Denne informasjonen kan potensielt gi innsikt i fremtidig vurdering og intervensjon med hensyn til romlig evne. Andre fremtidig kunnskap kan utledes ved å betrakte mer spesifikke regioner av hjernen, noe som ikke var mulig i denne studien på grunn av det begrensede antall av kanaler som er tilgjengelige i EEG maskinvaren som brukes.

Protocol

Etisk uttalelse om bruk av menneskelige Deltakere Prosedyrer involvert i dette arbeidet er godkjent av Institutional Review Board (IRB) ved Utah State University for å studere mennesker. Det anbefales at alle lignende arbeid skal også godkjennes av den aktuelle IRB. Deltakerne har lov til å stoppe eller trekke seg fra studien når som helst i løpet av eksperimentet. 1. Valg av deltakere Velg deltakere på frivillig basis fra studenter i dag tatt i en Statikk kurs. Pass på…

Representative Results

I denne delen er de foregående trinnene illustrert med eksempler på tall som beskrevet nedenfor. Full data sammendrag med statistiske tester er ikke oppgitt, så målet med denne artikkelen er å fokusere på metoder. Eksempler på potensielle PSVT: R, MCT, og romlige problemer er gitt i figur 1, figur 2 og figur 3, henholdsvis. EEG hetten vil samle hjerneaktivitet via elektriske potensialer for hver gitt kanal, som kan sees i parallell som vist i figur 7. Som nev…

Discussion

Protokollen omhandler anvendelsen av elektroencefalografi å måle hjerneaktivitet for deltakerne arbeider problemer fra to typiske romlige evne instrumenter og svært romlige ingeniør Statikk problemer. Metodene som er beskrevet her kan til slutt være i stand til å forstå det nevrale effektiviteten av høye og lave utøvere engasjert i å jobbe disse problemene. Det er viktig å forstå eventuelle forskjeller i nevrale effektiviteten av ingeniørstudenter som arbeider på MCT og PSVT: R, da disse testene er ofte br…

Declarações

The authors have nothing to disclose.

Acknowledgements

Forfatterne ønsker å takke Christopher Green, Bradley Robinson, og Maria Manuela Valladares, for å hjelpe med datainnsamling. Finansiering for EEG utstyr ble gitt ved Utah State University kontor for forskning og Graduate Studies Utstyr Grant til Kerry Jordans multisensorisk Cognition Lab. Benjamin Call støttes av en Presidential doktorgradsstipend oppnådd fra Utah State University School of Graduate Studies for sitt arbeid med Dr. Wade Goodridge.

Materials

Emotiv EPOC Model 1.0 Emotiv Model: Emotiv Premium "High resolution, multi-channel, portable EEG system."
Emotiv Control Panel (software) Emotiv Used for data collection.
Emotiv Testbench (software) Emotiv Used for data collection.
Virtual Serial Port Emulator – VSPE (software) ETERLOGIC.COM Used COM10 in data collection. Available as a free download, depending on the operating system.
E-Prime 2.0 (software) Psychology Software Tools Used for data collection (presentation of problems to participants and collection of markers for different phases).
EEGLab 13.4.4b (software) Swartz Center for Computational Neuroscience (SCCN) Used for data analysis. "An open source environment for electrophysiological signal processing". SCCN is a Center of the Institute for Neural Computation, the University of California San Diego.
MATLAB R2014b The Mathworks, Inc. Used to run EEGLab
Microsoft Excel 2013 Microsoft Used to assemble and compare tabulated results from EEGLab & MATLAB, to create tables
Camcorder with built in Mic Canon CNVHFR50 Used to record sessions
Syringe Kit (5cc syringe & 2 16g blunted needles) Electro-Cap Intnl. Inc. E7 For keeping the EEG cap's felts damp.
Nuprep EEG Skin Prep Gel Weaver and Company 10-30 For cleaning the mastoid process.
Sanitizer Purell S-12808 For sanitizing hands

Referências

  1. Sorby, S. A. Educational Research in Developing 3-D Spatial Skills for Engineering Students. Int. J. Sci. Educ. 31 (3), 459-480 (2009).
  2. Wai, J., Lubinski, D., Benbow, C. P. Spatial Ability for STEM Domains: Aligning Over 50 Years of Cumulative Psychological Knowledge Solidifies Its Importance. J. Educ. Psychol. 101 (4), 817-835 (2009).
  3. Uttal, D. H., Cohen, C. A. Spatial Thinking and STEM Education: When, Why, and How?. Psychol. Learn. Motiv. 57, 147-181 (2012).
  4. Halpern, D. F., Collaer, M. L. . The Cambridge handbook of visuospatial thinking. , (2005).
  5. Lubinski, D., Benbow, P. Study of mathematically precocious youth after 35 years. Perspect. Psychol. Sci. 1 (4), 316-345 (2006).
  6. Sorby, S., Casey, B., Veurink, N., Dulaney, A. The role of spatial training in improving spatial and calculus performance in engineering students. Learn. Individ. Differ. 26, 20-29 (2013).
  7. Peters, M., Chisholm, P., Laeng, B. Spatial ability, student gender, and academic performance. J. Eng. Educ. 84 (1), 1-5 (1994).
  8. Pellegrino, J. W., Alderton, D. L., Shute, V. J. Understanding Spatial Ability. Educ. Psychol. 19 (3), 239-253 (1984).
  9. Goodridge, W., Villanueva, I., Wan, N. J., Call, B. J., Valladares, M. M., Robinson, B. S., Jordan, K. Neural efficiency similarities between engineering students solving statics and spatial ability problems. Poster presented at the meeting of the Society for Neuroscience. , (2014).
  10. Sorby, S. A., Baartmans, B. J. The Development and Assessment of a Course for Enhancing the 3-D Spatial Visualization Skills of First Year Engineering Students. J. Eng. Educ. 89 (3), 301-307 (2000).
  11. Gorska, R., Sorby, S. A. Testing instruments for the assessment of 3-D spatial skills. Proceedings of the American Society for Engineering Education Annual Conference. , (2008).
  12. . . CEEB Special aptitude test in spatial relations. , (1939).
  13. Guay, R. . Purdue spatial visualization test. , (1976).
  14. Hegarty, M. . Components of Spatial Intelligence. , (2010).
  15. Bishop, J. E. Developing Students’ Spatial Ability. Sci. Teacher. 45 (8), 20-23 (1978).
  16. Goodridge, W. H., Villanueva, I., Call, B. J., Valladares, M. M., Wan, N., Green, C. Cognitive strategies and misconceptions in introductory Statics problems. 2014 IEEE Frontiers in Education Conference (FIE) Proceedings. , 2152-2159 (2014).
  17. Steif, P. S., Dantzler, J. A. A Statics Concept Inventory: Development and Psychometric Analysis. J. Eng. Educ. 94 (4), 363-371 (2005).
  18. Suresh, R. The relationship between barrier courses and persistence in engineering. J. Coll. Student Retention. 8 (2), 215-239 (2006).
  19. Pfurtscheller, G., Lopes da Silva, F. H. Event-related EEG/MEG synchronization and desynchronization: basic principles. Clin. Neurophysiol. 110 (11), 1842-1857 (1999).
  20. Klimesch, W. EEG alpha and theta oscillations reflect cognitive and memory performance: a review and analysis. Brain Res. Brain Res. Rev. 29 (2-3), 169-195 (1999).
  21. Babiloni, C., et al. Resting state cortical rhythms in athletes: a high-resolution EEG study. Brain Res. Bull. 81 (1), 149-156 (2010).
  22. Babiloni, C., et al. 34;Neural efficiency" of experts’ brain during judgment of actions: a high-resolution EEG study in elite and amateur karate athletes. Behav. Brain Res. 207 (2), 466-475 (2010).
  23. Del Percio, C., et al. "Neural efficiency" of athletes’ brain for upright standing: a high-resolution EEG study. Brain Res. Bull. 79 (3-4), 193-200 (2009).
  24. Grabner, R. H., Fink, A., Stipacek, A., Neuper, C., Neubauer, A. C. Intelligence and working memory systems: evidence of neural efficiency in alpha band ERD. Brain Res. Cognitive Brain Res. 20 (2), 212-225 (2004).
  25. Grabner, R. H., Neubauer, A. C., Stern, E. Superior performance and neural efficiency: the impact of intelligence and expertise. Brain Res. Bull. 69 (4), 422-439 (2006).
  26. Grabner, R. H., Stern, E., Neubauer, A. C. When intelligence loses its impact neural efficiency during reasoning in a familiar area. Int. J. Psychophysiol. 49, 89-98 (2003).
  27. Neubauer, A. C., Grabner, R. H., Fink, A., Neuper, C. Intelligence and neural efficiency: Further evidence of the influence of task content and sex on the brain-IQ relationship. Cognitive Brain Res. 25 (1), 217-225 (2005).
  28. Riecanský, I., Katina, S. Induced EEG alpha oscillations are related to mental rotation ability: The evidence for neural efficiency and serial processing. Neurosci. Lett. 482 (2), 133-136 (2010).
  29. Roberts, J. E., Ann Bell, M. Two- and three-dimensional mental rotation tasks lead to different parietal laterality for men and women. Int. J. Psychophysiol. 50 (3), 235-246 (2003).
  30. Roberts, J. E., Bell, M. A. The effects of age and sex on mental rotation performance, verbal performance, and brain electrical activity. Dev. Psychobiol. 40 (4), 391-407 (2002).
  31. Gill, H. S., O’Boyle, M. W., Hathaway, J. Cortical distribution of EEG activity for component processes during mental rotation. Cortex. 34 (5), 707-718 (1998).
  32. Caplan, J. B., Madsen, J. R., Schulze-Bonhage, A., Aschenbrenner-Scheibe, R., Newman, E. L., Kahana, M. J. Human Theta Oscillations Related to Sensorimotor Integration and Spatial Learning. The J. Neurosci. 23 (11), 4726-4736 (2003).
  33. Kahana, M., Sekuler, R., Caplan, J., Kirschen, M., Madsen, J. R. Human theta oscillations exhibit task dependence during virtual maze navigation. Nature. 399 (6738), 781-784 (1999).
  34. Delorme, A., Makeig, S. EEGLAB: An open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. J. Neurosci. Meth. 134, 9-21 (2004).
  35. Delorme, A., Sejnowski, T., Makeig, S. Enhanced detection of artifacts in EEG data using higher-order statistics and independent component analysis. NeuroImage. 34, 1443-1449 (2007).
  36. Meyer-Lindenberg, A. From maps to mechanisms through neuroimaging of schizophrenia. Nature. 468, 194-202 (2010).
  37. Campbell, S. R., Patten, K. E., Campbell, S. R. Educational Neuroscience: Motivations, methodology, and implications. Educ. Neurosci.: Initiatives and Emerging Issues. 43 (1), 7-16 (2011).
  38. Kelly, A. E., Patten, K. E., Campbell, S. R. Can Cognitive Neuroscience Ground a Science of Learning?. Educ. Neurosci.: Initiatives and Emerging Issues. 43 (1), 17-23 (2011).
  39. Cunningham, M. D., Murphy, P. J. The effects of bilateral EEG biofeedback on verbal, visual-spatial, and creative skills in learning disabled male adolescents. J. Learn. Disabil. 14 (4), 204-208 (1981).
check_url/pt/53327?article_type=t

Play Video

Citar este artigo
Call, B. J., Goodridge, W., Villanueva, I., Wan, N., Jordan, K. Utilizing Electroencephalography Measurements for Comparison of Task-Specific Neural Efficiencies: Spatial Intelligence Tasks. J. Vis. Exp. (114), e53327, doi:10.3791/53327 (2016).

View Video