Summary

Ved hjælp elektroencephalografi Målinger for Sammenligning af Task-Specifikke neurale Efficiencies: Spatial Intelligence Opgaver

Published: August 09, 2016
doi:

Summary

Dette manuskript beskriver en tilgang til at måle neurale aktivitet af mennesker, mens løse rumligt fokuserede ingeniørmæssige problemer. Den elektroencefalografi metode hjælper fortolke beta hjerne bølge målinger i form af neurale effektivitet, med det formål i sidste ende gør det muligt for sammenligninger af opgaveløsningen både mellem problemtyper og mellem deltagerne.

Abstract

Spatial intelligens er ofte knyttet til succes i ingeniøruddannelserne og teknik erhverv. Brugen af ​​elektroencefalografi muliggør sammenlignende beregning af den enkeltes neurale effektivitet, som de udfører på hinanden opgaver, der kræver fysisk evne til at udlede løsninger. Neural effektivitet her er defineret som havende mindre beta-aktivering, og derfor expending færre neurale ressourcer, at udføre en opgave i forhold til andre grupper eller andre opgaver. For inter-opgave sammenligninger af opgaver med lignende varigheder, kan disse målinger muliggøre en sammenligning af opgavetype vanskeligheder. For intra-deltager og inter-deltager sammenligninger disse målinger giver potentielle indblik i deltagerens niveau af rumlig evne og forskellige engineering problemløsning opgaver. Præstation på udvalgte opgaver kan analyseres og korreleret med beta aktiviteter. Dette arbejde præsenterer en detaljeret forskningsprotokol studere den neurale effektivitet af studerende englagres i løsning af typiske rumlige evner og statik problemer. Studerende afsluttet specifikke for Mental problemer Cutting Test (MCT), Purdue Rumlig Visualisering test rotationer (PSVT: R), og Statik. Mens engageret i at løse disse problemer, blev deltagernes hjernebølger målt med EEG giver data, der skal indsamles om alfa og beta hjernebølge aktivering og brug. Arbejdet ser ud til at korrelere funktionelle ydeevne på rene rumlige opgaver med rumligt intensive ingeniørmæssige opgaver at identificere veje til vellykket præstation i teknik og de deraf forbedringer i ingeniøruddannelser, der kan følge.

Introduction

Rumlig evne er afgørende for videnskab, teknologi, teknik og matematik (STEM) felter og uddannelse og korrelerer med succes på disse områder 1,2,3. Derfor er det vigtigt at forstå udviklingen af hvordan fysisk evne virkninger problemløsning 4. Rumlig evne har været forbundet med renter 5, performance 6, succes i tekniske akademikere 7 og succes i tekniske fagfolk 8. Men der er ikke en masse arbejde indikerer specifikke neurale processer i at løse problemer er typiske for mange rumlige evne instrumenter, eller specifikke teknik indhold, der er meget rumlig.

Dette papir giver en introduktion til metoder, der anvendes til indsamling og analyse af rumlige evne instrument scores kombineret med neurale målinger data. Hensigten med at udgive med JOVE er at gøre disse metoder mere tilgængelig for et bredere publikum. Generelle offentlige hardware og software were brugt i dette studie. Som metoder papir, er fuldstændige resultater / datasæt ikke rapporteret, er heller ikke flere prøver til rådighed. Alle billeder blev taget til fange specielt til denne udgivelse. Metoderne beskrevet nedenfor blev udnyttet i at udarbejde en foreløbig konference rapport 9 baseret på data fra otte kollegium sophomore-alderen deltagere, hvoraf tre var kvinder.

Mange eksisterende instrumenter anvendes til at indikere niveauer af rumlig evne iboende eller lært af enkeltpersoner. To gyldige og pålidelige 10,11 instrumenter, der almindeligvis anvendes, er Mental Cutting Test (MCT) 12 og Purdue Rumlig Visualisering test rotationer (PSVT: R) 13. Mens oprindeligt erhvervsmæssigt designet 14 disse instrumenter teste forskellige stadier af rumlig visualisering udvikling beskrevet af Piaget teori 10,15. Brugen af ​​disse instrumenter skaber et behov for at forstå de underliggende fysiologiske kognitive fænomener existing når enkeltpersoner arbejde gennem disse problemer. Af denne grund, denne undersøgelse har til formål at fremvise metoder udnytte empiriske fysiologiske data, som i sidste ende kan forbedre analysen og forståelsen af ​​rumlig tænkning, kontrollere eksisterende metrics testning kapaciteter, og øge anvendeligheden af ​​rumlige vurderinger til mere komplekse problemer er typiske for ingeniøruddannelse. Mange af disse problemer kan opstå i engineering Statik.

Statik er en grundlæggende mekanik kursus leveret til de fleste ingeniørstuderende (f.eks., Biologiske, mekaniske, Civil, Miljø, Aerospace Engineering) 16,17. Det er en af de første omfattende problemløsning erfaringer, at de studerende er givet i core engineering indhold 18. Statik omfatter undersøgelse af interaktionen af ​​kræfter på et stift legeme, der er i hvile eller bevæger sig med en konstant hastighed. Desværre Statik har høj frafald, tilbagetrækning, og fejlrater (14% som set i undersøsøgt, University), og dette kan være relateret til traditionelle foredrag og pensum leveringsmodeller der udelade vigtige veje for støtte såsom rumligt forbedrede tilgange til uddannelse. For eksempel kan rumligt forbedrede tilgange i Statik målrette visualisering af, hvordan kræfterne interagerer uden for typiske analytisk analyse og styrke elevernes proceduremæssig viden med jordet konceptualisering. Effektiviteten af ​​sådanne interventioner skal undersøges fra en kognitiv neurovidenskabelig perspektiv.

Elektroencefalografi (EEG) præsenterer en unik og mobil metode til måling af elevernes hjerneaktivitet. Personer, der udfører opgaver, der fremkalder beta aktivering er generelt meget engageret med opgaven detaljerne og er opmærksomme på, hvad de gør 19,20. Som opgave kræver forhøjelse, amplituden af ​​beta bølge forøges, ligesom størrelsen af ​​det kortikale område de båndbreddefrekvenser besætte. Jo flere neuroner, der brand ibeta frekvensområde (alpha: 8. – 12 Hz, beta: 12 – 24 Hz) kan defineres som større beta magt. I tilknytning hertil som man bliver mere erfaren i en opgave, amplituden af ​​beta bølger falder, genererer mindre beta magt. Dette er en del af den neurale effektivitet hypotese 21-28, hvor større opgave oplevelse, når du udfører en opgave er relateret til et fald i frekvens magt. Selvom EEG tidligere er blevet anvendt i studiet af rumlige evner (ofte for psykisk rotation og rumlige navigations opgaver) – og gældende data er identificeret i alfa, beta og theta båndene 27-33 – alfa- og beta bånd blev observeret for denne undersøgelse, og beta blev udvalgt til yderligere repræsentativ analyse i dette papir og i det foreløbige konference rapport 9. Procedurerne defineret nedenfor således fokusere på beta band analyse, men en undersøgelse af alle tre bands, afhængigt af de loggede data, anbefales i fremtiden.

Detneurale effektivitet hypotese er blevet testet på forskellige opgaver, herunder skak, visuospatial hukommelse, balancering, og hvile. Alle har angivet opgave erfaring som en faktor i nedsat frekvens magt, når du udfører velkendte opgaver. En særlig undersøgelse 25 har fremlagt beviser for, at selv om efterretninger om en person (som målt ved IQ) kan hjælpe den enkelte erhverve de færdigheder til at udføre en opgave, erfaring med opgaven opvejer intelligens i sit bidrag til neurale effektivitet. Med andre ord, jo mere opleves en person er, mere neuralt effektiv han eller hun bliver.

Eksisterende undersøgelser neurale effektivitet involverer rumlige evne har primært fokuseret på rumlig rotation, og forskellige problemområder sæt er blevet brugt til at sammenligne forskellige populationer (f.eks., Mand / kvinde) 27-28. EEG undersøgelser af rumlige evne opgaver har også givet indsigt ved at sammenligne resultater med andre opgavetyper (f.eks., Verbale opgaver)27,29,30. Metoderne diskuteret i dette papir fokus på og sammenligne problemer fra MCT, PSVT: R, samt statisk ligevægt opgaver, som er relateret til rumlig evne, men er ikke begrænset til rumlig rotation og navigation. Andre rumlige opgaver kan anvendes i stedet for dem, der anvendes som eksempler i dette håndskrift. På denne måde kan der opnås yderligere indsigt i fremtiden med hensyn til forskellige populationer (f.eks., Mand / kvinde eller ekspert / novice) til i sidste ende at forbedre engineering pædagogiske praksis.

I et forsøg på at undersøge rumlige evner og teknik aptitude, har vi udviklet en protokol udnytte EEG-målinger til at identificere de beta bølge aktiveringer af lav udfører til højtydende deltagere i en begrænset batteri specifikke rumlige og ingeniørmæssige opgaver. I dette tilfælde udløber høj performer er relateret til udførelsen af ​​deltageren, og ikke afspejler den tid brugt i marken vedelev, som alle deltagere var på omtrent samme tidspunkt i deres uddannelse. Derudover er problemet sæt involverede er helt specifik og grundlæggende; således udtrykkene "ekspert" eller "højtydende" heri må ikke ses i den forstand en ekspert, professionelt ansat ingeniør, men repræsenterer kun høj ydeevne i denne snævre skive ingeniør mekanik pensum og rumlige evne instrumenter. De neurale målinger kan også bruges til at identificere eventuelle grove tendenser for hvilke opgavetyper kan rekruttere mere kognitive ressourcer end andre, med mulig fortolkning vedrørende sværhedsgrader. Disse oplysninger kan potentielt give indsigt i fremtidig vurdering og intervention med hensyn til rumlig evne. Andre fremtidige indsigt kan udledes ved at overveje mere specifikke regioner af hjernen, hvilket ikke var muligt i denne undersøgelse på grund af det begrænsede antal tilgængelige kanaler i EEG anvendte hardware.

Protocol

Etisk erklæring om anvendelse af menneskelige deltagere Procedurer er involveret i dette arbejde er blevet godkendt af Institutional Review Board (IRB) ved Utah State University for studiet af mennesker. Det anbefales, at enhver lignende arbejde også skal godkendes af den relevante IRB. Deltagerne får lov til at stoppe eller trække sig ud af undersøgelsen på ethvert tidspunkt under eksperimentet. 1. Udvælgelse af deltagere Vælg deltagere på frivillig basis fra studere…

Representative Results

I dette afsnit er de foregående trin illustreret med eksempler tal som beskrevet nedenfor. Fuld data resuméer med statistiske test er ikke givet, da formålet med dette papir er at fokusere på metoder. Eksempler på potentielle PSVT: R, MCT, og Rumlig problemer er angivet i figur 1, figur 2, og figur 3 hhv. EEG cap vil indsamle hjernen aktivering via elektriske potentialer for hver given kanal, som kan ses i parallel, som vist i figur 7. Som tidligere nævnt viss…

Discussion

Protokollen diskuterer anvendelsen af ​​elektroencefalografi at måle hjernens aktivitet for deltagere, der arbejder problemer fra to typiske rumlige evne instrumenter og meget rumlige engineering Statik problemer. De beskrevne metoder her, kan i sidste ende være i stand til at hjælpe med at forstå den neurale effektivitet høje og lave kunstnere engageret i at arbejde disse problemer. Det er vigtigt at forstå eventuelle forskelle i neurale effektiviteten af ​​ingeniørstuderende arbejder på MCT og PSVT: R,…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Forfatterne vil gerne anerkende Christopher Green, Bradley Robinson, og Maria Manuela Valladares, for at hjælpe med dataindsamling. Finansiering af EEG-udstyr blev leveret af Utah State University kontor for forskning og Graduate Studies Udstyr Grant til Kerry Jordans multisensoriske Kognition Lab. Benjamin Call understøttes af en Presidential Doctoral Research Fellowship opnået fra Utah State University School of kandidatstudier for sit arbejde 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