Summary

Med hjälp av elektroencefalografi Mätningar för jämförelse av uppgiftsspecifika neurala Efficiencies: Spatial Intelligence Uppgifter

Published: August 09, 2016
doi:

Summary

Detta manuskript beskriver en metod för att mäta neural aktivitet av människor samtidigt lösa rums fokuserade tekniska problem. Elektroencefalogram metoden hjälper tolka betamätningar hjärnan våg i form av neurala effektivitet, i syfte att i slutändan möjliggör jämförelser av uppgiften prestanda både mellan problemtyper och mellan deltagarna.

Abstract

Spatial intelligens är ofta kopplad till framgång i teknisk utbildning och tekniska yrken. Användningen av elektroencefalografi möjliggör jämförande beräkning av individers neurala effektivitet när de utför successiva uppgifter som kräver spatial förmåga att härleda lösningar. Neural effektivitet definieras här som har mindre beta aktivering, och därför spilla mindre neurala resurser för att utföra en uppgift i jämförelse med andra grupper eller andra uppgifter. För inter-task jämförelser av uppgifter med liknande löptider, kan dessa mätningar möjliggöra en jämförelse av uppgift typ svårigheter. För intra-deltagare och mellan deltagare jämförelser dessa mätningar ger potential inblick i deltagarens nivå av spatial förmåga och olika ingenjörs problemlösning uppgifter. Prestanda på de valda uppgifter kan analyseras och korreleras med beta aktiviteter. Detta arbete presenterar ett detaljerat forskningsprotokoll studera neurala effektivitet studenter englagras i att lösa typiska spatial förmåga och statik problem. Studenter avslutade problem som är specifika för Mental Cutting Test (MCT), Purdue Spatial Visualisering testet rotationer (PSVT: R), och statik. Medan engagerad i att lösa dessa problem, var deltagarnas hjärnvågor mätt med EEG tillåter data att samlas in om alfa- och beta hjärnvåg aktivering och användning. Arbetet ser att korrelera funktionella prestanda på rena rumsliga uppgifter med rumsligt intensiva tekniska uppgifter för att identifiera vägar till framgångsrika resultat inom teknik och de resulterande förbättringarna i ingenjörsutbildning som kan följa.

Introduction

Spatial förmåga är avgörande för vetenskap, teknik, teknik, och Math (STEM) fält och utbildning och korrelerar med framgång i dessa områden 1,2,3. Därför är det viktigt att förstå utvecklingen av hur spatial förmåga effekter problemlösning 4. Spatial förmåga har kopplats till intresse 5, prestanda 6, framgång i ingenjörs akademiker 7 och framgång i ingenjörer 8. Men det finns inte en hel del arbete som indikerar specifika neurala processer för att lösa problem som är typiska för många spatial förmåga instrument, eller specifik teknik innehåll som är mycket rumsliga.

Detta dokument ger en introduktion till metoder som används för insamling och analys av rumsliga poäng förmåga instrument i kombination med neurala mätningar data. Avsikten med att publicera med JUPITER är att göra dessa metoder mer tillgängliga för en bredare publik. Allmänheten hårdvara och mjukvara were användes i denna studie. Som metoder papper, fullständiga resultat / dataset inte rapporterats, inte heller finns flera prover som tillhandahålls. Alla bilder fångades speciellt för denna publikation. De metoder som beskrivs nedan användes vid framställning av en preliminär konferensrapport 9 baserat på data från åtta college sophomore medelålders deltagare varav tre var kvinnor.

Många befintliga instrument används för att indikera nivåer av spatial förmåga inneboende eller lärt av individer. Två giltiga och tillförlitliga 10,11 instrument som vanligen används är Mental Skärtest (MCT) 12 och Purdue Spatial Visualisering testet rotationer (PSVT: R) 13. Samtidigt som det ursprungligen yrkes utformade 14 dessa instrument testa olika stadier av rumslig visualisering utveckling som beskrivs av Piagetian teori 10,15. Användningen av dessa instrument skapar ett behov av att förstå de underliggande fysiologiska kognitiva fenomen existing när individer arbeta igenom dessa problem. Av denna anledning syftar denna studie för att visa upp metoder som utnyttjar empiriska fysiologiska uppgifter som i slutändan kan förbättra analys och förståelse av rumslig tanke, kontrollera befintliga mätvärden testmöjligheter och öka användbarheten av rumsliga bedömningar till mer komplexa problem som är typiska för ingenjörsutbildning. Många av dessa problem kan uppstå inom teknik Statics.

Statik är en grundläggande mekanik klart att levereras till de flesta teknologer (eg., Biologiska, mekaniska, samhällsbyggnad, flyg- och rymdteknik) 16,17. Det är en av de första omfattande problemlösning erfarenheter som eleverna ges i centrala ingenjörs innehåll 18. Statik innebär studier av samspelet mellan krafterna på en stel kropp som är i vila eller rör sig med en konstant hastighet. Tyvärr Statik har stort bortfall, tillbakadragande, och felfrekvens (14% som ses i undersökgheten undersöker University) och detta kan vara relaterade till traditionella föreläsnings och läroplanen leveransmodeller som utelämnar viktiga vägar för stöd som rums förbättrade metoder för utbildning. Till exempel, kan spatialt förbättrade metoder i statik rikta visualisering av hur krafter samverkar utanför typisk analytisk analys och förstärka elevernas procedur kunskap med jordad konceptualisering. Effektiviteten av sådana åtgärder måste undersökas från en kognitiv neurovetenskaplig perspektiv.

Elektroencefalografi (EEG) presenterar en unik och mobil metod för att mäta elevernas hjärnvågorna aktivitet. Individer som utför uppgifter som framkallar beta aktivering är i allmänhet mycket engagerad med uppgiften detaljerna och är uppmärksam på vad de gör 19,20. Som uppgift kraven ökar, amplituden av beta våg ökar, liksom storleken på den kortikala området bandbredds frekvenser upptar. Ju fler nervceller som brand ibetafrekvensområdet (alfa: 8-12 Hz, beta: 12 – 24Hz) kan definieras som större beta kraft. Relatedly, som man blir mer erfaren i en uppgift, amplituden av betavågor minskar, vilket ger mindre beta makt. Detta är en del av det neurala effektivitet hypotes 21-28, där större uppgift erfarenhet när du utför en uppgift är relaterad till en minskning i frekvens makt. Även EEG har tidigare använts i studien av spatiala förmågor (ofta för mental rotation och rumsliga navigeringsuppgifter) – och tillämpliga data har identifierats i alfa, beta och teta banden 27-33 – alfa- och beta band observerades för detta studie, och beta valdes för ytterligare representativ analys i detta dokument och i den preliminära konferensrapport 9. De förfaranden som definieras nedan därmed fokusera på beta band analys, men en utredning av alla tre band, beroende på loggade data, rekommenderas i framtiden.

Deneural effektivitet hypotes har testats på olika uppgifter, inklusive schack, visuospatial minne, balansering, och vila. Alla har angivna uppgiften erfarenhet som en faktor i minskad frekvens makt när de utför välbekanta uppgifter. En särskild studie 25 har lagt fram bevis att även intelligens en person (mätt med IQ) kan hjälpa individen att förvärva kompetens att utföra en uppgift, erfarenhet med uppgiften uppväger intelligens i sitt bidrag till neurala effektivitet. Med andra ord, ju mer upplevt en individ är, desto mer neuralt effektiv han eller hon blir.

Befintliga neurala effektivitetsstudier med spatial förmåga har främst fokuserat på rumslig rotation och olika problemsamlingar har använts för att jämföra olika populationer (eg., Manligt / kvinnligt) 27-28. EEG-studier av spatial förmåga uppgifter har också insikt genom att jämföra prestanda för andra typer uppgift (eg., Verbala uppgifter)27,29,30. De metoder som diskuteras i detta dokument fokuserar på och jämföra problem från MCT, PSVT: R, liksom statiska jämvikts uppgifter som är relaterade till spatial förmåga, men är inte begränsade till fysisk rotation och navigering. Andra rumsliga uppgifter kan användas i stället för de som ges som exempel i detta manuskript. På detta sätt kan ytterligare insikt erhållas i framtiden när det gäller olika populationer (eg., Manligt / kvinnligt eller expert / nybörjare) att slutligen bidra till att förbättra tekniska undervisningsmetoder.

I ett försök att undersöka spatial förmåga och ingenjörsenhet, har vi utvecklat ett protokoll som använder EEG-mätningar för att identifiera de beta våg aktiveringar av lågpresterande till deltagare högpresterande under en begränsad batteri specifika rumsliga och tekniska uppgifter. I det här fallet är den term hög artist relaterade till utförandet av deltagare och är inte reflekterande av den tid som tillbringas i området aveleven, som alla deltagare var vid ungefär samma punkt i sin utbildning. Dessutom är problemet uppsättning inblandade ganska specifika och grundläggande; således termerna "expert" eller "högpresterande" häri får inte ses i betydelsen av en expert, professionellt anställd ingenjör, men representerar hög prestanda i detta smala segment av Mekanik läroplan och spatial förmåga instrument. De neurala mätningar kan också användas för att identifiera eventuella grova trender som uppgift typer kan rekrytera mer kognitiva resurser än andra, med möjlig tolkning om svårighetsgrader. Denna information kan potentiellt ge insikt i framtida bedömning och ingripande när det gäller spatial förmåga. Andra framtida insikt kan härledas genom att betrakta mer specifika områden i hjärnan, vilket inte var möjligt i denna studie på grund av det begränsade antalet tillgängliga kanaler i EEG hårdvara som används.

Protocol

Etiska riktlinjer för användning av mänskliga deltagare Förfarandena i detta arbete har godkänts av Institutional Review Board (IRB) vid Utah State University för att studera människor. Det rekommenderas att någon liknande arbete också bör godkännas av den berörda IRB. Deltagarna får sluta eller dra sig ur studien när som helst under försöket. 1. Val av deltagare Välj deltagare på frivillig basis från studenter närvarande inskrivna i en Statics kurs. Se til…

Representative Results

I detta avsnitt är de föregående stegen illustreras med provsiffror som beskrivs nedan. Fulla data sammanfattningar med statistiska tester ges inte, eftersom syftet med detta dokument är att fokusera på metoder. Exempel på potentiell PSVT: R, MCT, och Rumslig problem anges i figur 1, figur 2, och figur 3, respektive. EEG cap samlar hjärnan aktiveras via elektriska potentialer för varje given kanal, som kan ses parallellt såsom visas i figur 7. Som tidigare …

Discussion

Protokollet diskuterar tillämpningen av elektroencefalografi för att mäta hjärnaktivitet för deltagarna arbetar problem från två typiska spatial förmåga instrument och mycket rumsliga ingenjörs statik problem. De metoder som beskrivs här kan i slutändan kunna hjälpa förstå neurala effektivitet höga och låga artister som deltar i arbetet med dessa problem. Det är viktigt att förstå eventuella skillnader i neurala effektivitet av teknologer arbetar med MCT och PSVT: R, eftersom dessa tester ofta använ…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Författarna vill tacka för Christopher Green, Bradley Robinson, och Maria Manuela Valladares, för att hjälpa till med insamling av data. Finansiering för EEG utrustning tillhandahölls av Utah State University Office of Research och forskarutbildnings utrustning Grant till Kerry Jordaniens multisensorisk Cognition Lab. Benjamin Call stöds av en president Doctoral Research Fellowship uppnås från Utah State University School of Graduate Studies för sitt arbete 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

References

  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/53327?article_type=t

Play Video

Cite This Article
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