خلاصه

هدف اصلی این تحقیق بررسی فرآیندهای شناختی کاربران خبره و مبتدی نقشه در هنگام بازیابی اطلاعات مربوط به نقشه، در سطوح دشواری مختلف (یعنی آسان، متوسط، سخت)، با استفاده از ردیابی چشم و الکتروانسفالوگرام (EEG) است. . در این زمینه، ما یک آزمایش حافظه فضایی متشکل از تعداد زیادی محرک برای مطالعه اثر دشواری کار بر رفتار کاربران نقشه از طریق اندازه‌گیری بار شناختی ارائه می‌کنیم. در کنار زمان واکنش و میزان موفقیت، ما از معیارهای ردیابی چشم مربوط به تثبیت و ساکد (یعنی میانگین مدت تثبیت، تعداد تثبیت در ثانیه، دامنه ساکاد و سرعت ساکاد) و طیف توان EEG (یعنی تغییرات مربوط به رویداد) استفاده کردیم. در باندهای فرکانسی آلفا و تتا) برای شناسایی بار شناختی. در حالی که معیارهای تثبیت هیچ تفاوت آماری معنی داری را بین متخصصان و تازه کارها نشان نداد، معیارهای ساکاد خلاف این را ثابت کردند. از طرف دیگر، تجزیه و تحلیل چگالی طیفی توان EEG، افزایش تتا (یعنی همگام سازی مرتبط با رویداد) و کاهش آلفا (به جز وظایف متوسط) (یعنی همگام سازی مربوط به رویداد) را در تمام سطوح دشواری کار پیشنهاد کرد. هم متخصصان و هم تازه کارها که نشانگر بار شناختی است. اگرچه تفاوت معنی‌داری بین دو گروه مشاهده نشد، اما زمانی که شرکت‌کنندگان به‌عنوان یادگیرنده خوب و نسبتا بد طبقه‌بندی شدند، تفاوت معنی‌داری در عملکرد کلی آنها یافتیم.

کلید واژه ها:

ردیابی چشم ؛ EEG ؛ حافظه فضایی ؛ بار شناختی ؛ نقشه کشی شناختی ; طراحی آزمایش کاربر کارتوگرافی

1. معرفی

فرآیندهای شناختی هم از توجه آشکار (قابل تشخیص بیرونی) و هم از توجه پنهان (قابل تشخیص درونی) بیرون می‌آیند و توجه یک عملکرد شناختی اساسی است که همه فرآیندهای شناختی دیگر مانند ادراک، حافظه و یادگیری را کنترل می‌کند. توجه می‌تواند ناخواسته توسط رویدادهای خارجی (یعنی از پایین به بالا)، یا عمداً توسط انتظارات درونی که نیاز به کنترل شناختی دارند (یعنی از بالا به پایین) هدایت شود. توجه از بالا به پایین بر انتخاب محرک های بصری بر اساس تجربیات قبلی و اهداف فعلی تأثیر می گذارد، در حالی که اشیاء/تصاویر حواس پرتی را فیلتر می کند. حافظه فعال، که عملکرد آن به نیازهای شناختی تکلیف بستگی دارد، با در نظر گرفتن اهداف فعلی، نقش مهمی در هدایت این فرآیندهای توجه از بالا به پایین ایفا می کند [ 1 ]]. یادگیری نقشه شامل فرآیندهای شناختی پیچیده است و با سایر مفاهیم یادگیری متفاوت است، به این معنا که نیاز به درک و حفظ اطلاعات ارائه شده در قالب نقشه دارد و این اطلاعات به یکباره ارائه می شود [ 2 ]. هنگامی که افراد نیاز به انجام یک کار حافظه فضایی دارند، تمایل دارند مکان، رنگ، شکل و اندازه اشیاء (یعنی متغیرهای بصری) را همراه با روابط فضایی آنها بین یکدیگر به خاطر بسپارند [ 3 ].]. آنها همچنین خود را با زمان، چگونه و به چه ترتیبی انتخاب می کنند و روی یک شی نقشه مورد علاقه خود تمرکز می کنند، تطبیق می دهند. بنابراین، هر کاربر نقشه می تواند استراتژی خود را برای نزدیک شدن به اطلاعات مکانی روی نقشه ها توسعه دهد. به عنوان نمونه ای از وظایف توجه از بالا به پایین، یادگیری نقشه باعث ایجاد بار شناختی می شود که بسته به دشواری کار و ویژگی های فردی متفاوت است. بار شناختی به میزان استفاده شده از منابع حافظه فعال اشاره دارد. برای توضیح اینکه چگونه انسان ها با افزایش تقاضاهای شناختی مرتبط با افزایش دشواری کار در اقداماتی که مهارت های شناختی مهم تر از مهارت های فیزیکی هستند، برخورد می کنند، استفاده شده است. حتی اگر سختی کار یکی از ضروری ترین عوامل موثر بر عملکرد باشد، بار شناختی برای توصیف هزینه ذهنی انجام خواسته های کار استفاده می شود.4 ]. در این زمینه، طراحی نقشه و سطح پیچیدگی نقشه ها ممکن است بر بار شناختی تأثیر بگذارد و حتی بر دشواری یک کار خاص تأثیر بگذارد.
عملکرد عموماً با زمان واکنش و میزان دقت/موفقیت تعریف می شود. شایان ذکر است که زمان واکنش می تواند به عنوان معیاری برای نشان دادن خستگی شرکت کنندگان مرتبط باشد. کارهای دشوارتر نیاز به تلاش شناختی بیشتری از کاربر دارد و ممکن است منجر به زمان پاسخگویی طولانی‌تر شود. بار شناختی می تواند یک معیار تکمیلی برای تمایز بین کاربرانی باشد که یک کار را با زمان واکنش و نرخ دقت برابر انجام می دهند، اما با سطوح مختلف تلاش شناختی، به توسعه رابط هایی کمک می کند که به ظرفیت های شناختی کمتری نیاز دارند.
بار شناختی را می توان با استفاده از معیارهای ردیابی چشم مرتبط با تثبیت و ساکاد استخراج کرد، از یک سو، تثبیت ها نقطه نظر پایدار (PORs) در طول یک بازه زمانی خاص (حداقل 80 تا 100 میلی ثانیه) هستند و تفسیر محتوای کاربران را نشان می دهند. در آن مکان [ 5 ]. به عنوان مثال، میانگین مدت تثبیت با روش های توجه مرتبط است، در حالی که تعداد تثبیت ها در ثانیه نشان دهنده سرعت توجه است. مدت زمان تثبیت و تعداد تثبیت ها عموماً همبستگی معکوس دارند و مدت زمان تثبیت بالاتر نشان دهنده بار پردازش بالاتر است [ 3 ، 6 ]]. از طرف دیگر، ساکادها کوتاه (مثلاً 30 تا 80 میلی ثانیه) و حرکات ارادی چشم بین دو فیکساسیون هستند و می‌توانند به عنوان مسیرهای اسکن تجسم شوند. حرکات چشم ساکادیک با دامنه، مدت و سرعت آنها مشخص می شود و رابطه بین این سه پارامتر “توالی اصلی” نامیده می شود. اندازه گیری سرعت و دامنه ساکاد به مشاهده الگوی مسیر اسکن و کاوش در تلاش شناختی کمک می کند. دامنه ساکاد (طول) و سرعت ساکاد به شدت با یکدیگر و پارامترهای تمایزکننده از نظر عملکرد شناختی مرتبط هستند [ 4 ]]. سرعت ساکاد (°/s) میانگین سرعت ساکاد بر حسب درجه بر ثانیه است، در حالی که دامنه ساکاد (°) اندازه ساکاد بر حسب درجه است. میانگین سرعت ساکاد بالاتر نشان دهنده استرس و پیچیدگی کار بیشتر و تمرکز کمتر در حین انجام کار است. هر چه بار شناختی بیشتر باشد، ساکادها کوتاهتر و سرعت ساکاد بیشتر می شود [ 7 ].
بر اساس ادبیات ردیابی چشم موجود در مورد تفاوت‌های بین کاربران نقشه خبره و مبتدی، می‌دانیم که متخصصان الگوهای اسکن چشم را بهتر تعریف کرده‌اند، عمدتاً زمان واکنش و تثبیت‌های کوتاه‌تر و تثبیت‌های بیشتری در ثانیه دارند، به عنوان مثال، [ 8 ، 9 ]، و همچنین ساکادهای کمتر، به عنوان مثال، [ 10 ]، که همه با بار شناختی پایین مرتبط هستند. صرف نظر از تخصص آنها، حرکات چشم کاربران عناصر اصلی را بر روی محرک های نقشه منعکس می کند و توجه آنها تحت تاثیر رنگ های انحرافی روی نقشه ها قرار می گیرد [ 11 ].]. راهبردهای شناختی متخصصان و تازه کارها نیز ممکن است متفاوت باشد، صرف نظر از نوع محرک های بصری. در زمینه حل یک مشکل فیزیک، پاسخ‌های صحیح با این واقعیت مرتبط است که شرکت‌کنندگان به حوزه‌های موضوعی مرتبط نگاه می‌کنند، بر خلاف پاسخ‌های اشتباه که با تمرکز آنها بر روی مناطق ادراکی برجسته محرک بصری مرتبط است [ 12 ]. به طور مشابه، در حین حل مشکل نقشه موضوعی، شرکت کنندگان ناموفق قادر به استفاده صحیح از افسانه موضوعی، تمرکز بر عناصر طرح بندی نقشه مربوطه و محتوای نقشه کافی [ 13 ] نبودند.
الکتروانسفالوگرافی (EEG) روش غیرتهاجمی و مستقیم دیگری برای اندازه گیری فرآیندهای شناختی در مغز است. سیگنال EEG نوسانات مشاهده شده در طیف وسیعی از فرکانس ها را نشان می دهد که معمولاً به باندهای فرکانسی مجزا تقسیم می شوند (یعنی باند دلتا: <4 هرتز، باند تتا: 4-8 هرتز، باند آلفا: 8-12 هرتز، باند بتا: 13 –30 هرتز، باند گاما: > 30 هرتز) [ 14]. تجزیه و تحلیل طیفی EEG (یعنی چگالی طیفی توان (PSD)) را می توان برای محاسبه توان فرکانس باند خاص برای دوره های زمانی معین، به عنوان مثال، در طول یک کار/آزمایش استفاده کرد. کاهش توان مربوط به کار از یک مرجع به یک بازه فعال سازی معمولاً به عنوان همگام سازی مرتبط با رویداد (ERD) نامیده می شود، در حالی که افزایش توان به عنوان همگام سازی مرتبط با رویداد (ERS) نامیده می شود. قدرت آلفا و تتا با بار شناختی مرتبط هستند، به این معنا که با افزایش پردازش شناختی، آلفا کاهش و تتا افزایش می یابد [ 15 ].
برای مطالعه رویه‌های شناختی افراد در طول یک کار یادگیری نقشه، فناوری‌های ردیابی چشم و الکتروانسفالوگرام (EEG) را می‌توان ترکیب کرد، به عنوان مثال، [ 3 ، 6 ، 16 ، 17 ، 18 ]. از آنجایی که حرکات چشم و شناخت دقیق به هم مرتبط هستند، تشخیص وضعیت شناختی کاربران در محل از طریق ردیاب های چشم امکان پذیر است. هنگامی که این حالات شناختی درک شدند، تجسم‌های فضایی مؤثری که خود را با ظرفیت‌های شناختی فعلی کاربرانشان (مثلاً بار شناختی) تطبیق می‌دهند، می‌توانند ایجاد شوند [ 19 ]]. در حالی که ردیابی چشم برای تشخیص توجه آشکار از طریق حرکات نگاه استفاده می شود، EEG که به تغییرات لحظه ای در مغز حساس است، به احتمال زیاد توجه پنهان را از طریق اندازه گیری مستقیم فعالیت الکتریکی در امتداد پوست سر تشخیص می دهد. علاوه بر ردیابی چشم، EEG نیاز به تجزیه و تحلیل آماری و بصری فرآیندهای شناختی دارد. علاوه بر این، معمولاً در روانشناسی شناختی و تجربی برای مطالعه نحوه واکنش مغز انسان به هر نوع محرک خارجی به کار می رود، به عنوان مثال، [ 20 ، 21 ، 22 ].]. بنابراین، ثبت مشترک حرکات چشم و ریتم های EEG برای تحقیقات قابلیت استفاده نقشه برداری، به ویژه در هنگام مطالعه رفتار گروه های مختلف کاربر نقشه (به عنوان مثال، متخصصان، تازه کارها) امیدوار کننده است، زیرا بینش هایی که به ویژه از تفاوت های شخصی ناشی می شود به ایجاد کمک می کند. محصولات کارتوگرافی موثر و کاربرپسند برای آن گروه های کاربری.
هدف اصلی تحقیق ما کشف فرآیندهای شناختی کاربران نقشه خبره و مبتدی در طول بازیابی اطلاعات مربوط به نقشه موجود در محرک های نقشه و در سطوح مختلف دشواری است. بنابراین، هدف ما آزمایش تأثیر دشواری کار بر رفتار توجه کاربران نقشه از طریق اندازه‌گیری بار شناختی است. ما علاقه مندیم که بررسی کنیم که آیا رویه های شناختی مورد استفاده توسط متخصصان و روش های استفاده شده توسط افراد تازه کار برای وظایف اصلی حافظه فضایی متفاوت است یا خیر. ما انتظار داریم که کارشناسان ممکن است استراتژی‌های ساختارمندتری را که برای استفاده از نقشه خاص هستند، اعمال کنند و به دلیل دانش نقشه خاص خود، وظایف را سریع‌تر و کارآمدتر اجرا کنند.
این مقاله بخشی از یک مطالعه تحقیقاتی بزرگتر در مقطع دکترا است. پیش از این، ما توانایی‌های حافظه فضایی (یعنی یادگیری نقشه) کاربران نقشه را از طریق دو آزمایش کاربر با استفاده از روش‌های ترکیبی (i) نقشه‌های طرح و ردیابی چشم بررسی کردیم [ 3 ]. و (ii) ردیابی چشم و EEG [ 6 ] با تأکید بر اهمیت طراحی آزمایشی کارتوگرافی/روانشناختی. در حالی که در مقاله قبلی [ 6]، ما بیشتر بر روی تنظیم آزمایشی مطالعه کاربر ارائه شده در این مقاله تمرکز کردیم، اکنون نتایج تجزیه و تحلیل EEG را با جزئیات با هدف مثلث‌بندی آنها با داده‌های ردیابی چشم ثبت شده ارائه می‌کنیم. با این رویکرد، ما قادر خواهیم بود فرآیندهای شناختی را که در طول این وظیفه حافظه فضایی اتفاق می‌افتند به روشی جامع‌تر تفسیر کنیم. در این زمینه، داده‌های رفتاری (یعنی زمان واکنش، دقت پاسخ)، معیارهای مربوط به ساکد، مانند سرعت ساکاد و دامنه ساکاد، رابطه آن‌ها با معیارهای مربوط به تثبیت قبلی به‌دست‌آمده، و تأثیر آن‌ها بر درک استراتژی‌های شناختی را معرفی می‌کنیم. از کاربران متخصص و مبتدی نقشه. علاوه بر این، رفتارهای توجه دو گروه با تحلیل کیفی نقشه‌های تمرکز بیشتر مورد بررسی قرار می‌گیرد. ما همچنین تجزیه و تحلیل EEG مربوط به رویداد را ارائه می دهیم (به عنوان مثال، PSD) از دو گروه کاربر برای سطوح دشواری مختلف کار حافظه فضایی. از طرف دیگر، شرکت‌کنندگان استخدام‌شده بر اساس میزان موفقیت کلی تکلیفشان، به‌عنوان یادگیرنده خوب و یادگیرنده نسبتا ضعیف طبقه‌بندی شدند، و ما نتایج تجزیه و تحلیل EEG انجام‌شده با توجه به این طبقه‌بندی را نیز ارائه می‌کنیم.

2. روش شناسی

روش مورد استفاده برای پردازش داده های ردیابی چشم و EEG جمع آوری شده ساده نیست، و الگوریتم های مورد استفاده برای تشخیص تثبیت، و ساکادها یا ریتم های EEG می توانند نتایج را تحت تاثیر قرار دهند. ما از همان روش برای طراحی آزمایشی و زیر مجموعه ای از مجموعه داده های مشابه برای تجزیه و تحلیل داده های داده های جمع آوری شده در [ 6 ] استفاده کردیم. ]. تغییرات مربوط به رویداد در چگالی توان طیفی (PSD) با توجه به باندهای فرکانسی آلفا و تتا همانطور که در [ 15 ، 24 توضیح داده شد، محاسبه شد.جدول 1 عناصر طراحی آزمایشی را خلاصه می کند. پیش پردازش ضبط های EEG، شامل مراحلی مانند فیلتر کردن نویز، حذف کانال بد، درون یابی کانال، ارجاع مجدد و تقسیم بندی در جعبه ابزار متن باز MATLAB EEGLAB با پیروی از خط لوله پیش پردازش ماکوتو انجام شد [ 23 ]]. ما معیارهای EEG را نه تنها برای متخصصان و تازه کارها (یعنی طبقه بندی بر اساس تخصص)، بلکه برای یادگیرندگان خوب و یادگیرندگان نسبتا ضعیف (یعنی طبقه بندی بر اساس میزان موفقیت) محاسبه کردیم. از لحاظ نظری شبیه به آنچه توسط Thorndyke و Stazs انجام شد [ 2 ] انجام شد، ما یادگیرندگان خوب را کسانی تعریف کردیم که عملکرد بهتری نسبت به میانگین داشتند، و بقیه بدون در نظر گرفتن تخصصشان، یادگیرندگان نقشه نسبتا ضعیفی خواهند بود.

2.1. دستگاه

یک راه اندازی کامپیوتر دوگانه برای EEG و ردیابی چشم ایجاد شد تا همزمان داده های روانشناختی شرکت کنندگان را ضبط کند (لطفاً بخوانید [ 6] برای جزئیات بیشتر در مورد تنظیم). EEG با استفاده از نرم افزار و سخت افزار BIOPAC Acqknowledge و کلاهک الکترود بین المللی 10-20 سیستم ECI (به عنوان مثال، الکترودهای ضبط: Fp1، Fp2، F3، F4، C3، C4، P3، P4، O1، O2، F7، F8، T3، T4، T5، T6؛ ماستوئیدهای متصل به عنوان مرجع و زمین) با نرخ نمونه برداری 500 هرتز. ردیاب چشم SMI RED 250 با EEG همگام شد تا فعالیت‌های نگاه را به طور همزمان ثبت کند و آثار حرکتی احتمالی چشم در EEG را نظارت کند. برای اطمینان از یک رابط پوست-الکترود خوب، امپدانس با استفاده از BIOPAC EL-CHECK قبل از ضبط برای هر شرکت‌کننده اندازه‌گیری شد. همانطور که توسط Herman [ 25 ] و Teplan [ 25] پیشنهاد شد، ما توجه کردیم که امپدانس الکترود کل مدار (یعنی زمین، EEG فعال، الکترودهای مرجع) کمتر از 10 کیلو اهم باشد.26 ]. برای اطمینان از اینکه شرکت کنندگان در یک فاصله ثابت از صفحه باقی می مانند و برای جلوگیری از حرکات سر، یک تکیه گاه چانه ایجاد کردیم که در فاصله 70 سانتی متری از صفحه قرار داشت. موقعیت افقی و عمودی چشم برای هر دو چشم با نرخ 250 هرتز ثبت شد.

2.2. شركت كنندگان

این تحقیق تأییدیه کمیته اخلاق دانشکده بازرگانی و اقتصاد دانشگاه گنت را دریافت کرد، جایی که ما آزمایش‌های خود را انجام دادیم. ما کارشناسانی را در نظر گرفتیم که حداقل دارای مدرک کارشناسی ارشد در ژئوماتیک و سایر حوزه های مرتبط با جغرافیا هستند. تازه کارها از بین داوطلبانی انتخاب شدند که هیچ تجربه حرفه ای با نقشه نداشتند. به عنوان یک قاعده آزمایش‌های روان‌شناختی، آنها حداقل بالای 23 سال داشتند تا بتوانند سن خود را با میانگین سنی متخصصان با انحراف معیار پایین تطبیق دهند. در مجموع، هم متخصصان و هم تازه‌کاران، که سن (N = 20، MED = 27.2، SD = 3.9) و جنسیت (10 F، 10 M) مطابقت دارند، آزمایش مشابهی را در شرایط یکسان انجام دادند ( برای جزئیات بیشتر به جدول 1 مراجعه کنید). .

2.3. وظیفه و محرک

وظیفه حافظه فضایی مربوط به بازیابی عناصر ساختاری اصلی نقشه ها از نظر دشواری متفاوت بود. سخت، متوسط ​​و آسان. وظایف سخت متمرکز بر (1) همه عناصر، و (2) جاده ها و هیدروگرافی. معتدل ها بر (3) جاده ها و مناطق سبز، و (4) مناطق سبز و هیدروگرافی متمرکز شده اند. و موارد آسان با تمرکز بر (5) مناطق سبز، (6) هیدروگرافی، و (7) جاده ها. بر این اساس، محرک های موجود در وظایف به صورت هفت بلوک تصادفی ارائه شد: هر بلوک شامل 50 کارآزمایی از همان نوع عناصر نقشه (یعنی در مجموع 350 کارآزمایی) شکل 1)). برای طبقه‌بندی دشواری کار، میانگین زمان واکنش همه شرکت‌کنندگان را در نظر گرفتیم که بر اساس میزان خطاهای مرتکب شده، یعنی امتیاز کارایی معکوس تصحیح شد. این قدیمی ترین و متداول ترین معیار برای ادغام زمان واکنش و نرخ خطا است [ 27 ].

2.4. رویه ها

قبل از هر آزمایش، به شرکت کنندگان یک ضربدر ثابت در وسط صفحه نمایش به مدت دو ثانیه نشان داده شد. این دوره پایه (یعنی بازه مرجع) نامیده می شود و به مدت زمان قبل از محرک بدون نیاز به کار، به جز تمرکز روی یک ضربدر نمایش داده شده، اشاره دارد. در طول کارآزمایی، از شرکت کنندگان خواسته شد تا یک محرک نقشه را در شرایط مشاهده آزاد به مدت هفت ثانیه مطالعه کنند. این دوره وظیفه (یعنی بازه فعال سازی) نامیده می شود، که در آن شرکت کنندگان ملزم به انجام وظیفه آزمایشی بودند. پس از مطالعه محرک نقشه، چهار پانل پاسخ گرافیکی ظاهر شد. پانل ها شامل نقشه های اسکلتی بودند که در آنها فقط عناصر ساختاری اصلی مورد نظر ترسیم شده بودند. و به شرکت کنندگان دستور داده شد که پانل را با نقشه اسکلت صحیح مطابق با محرکی که به تازگی مطالعه کرده بودند انتخاب کنند. زمانی که آنها در مورد پاسخ‌های خود با یک فرمان کلیدی ساده تصمیم گرفتند، کارآزمایی خاتمه یافت و به‌طور خودکار برای دو ثانیه علامت تثبیت نشان داده شد و سپس محرک/آزمایش نقشه بعدی آغاز شد. با آماده‌سازی شرکت‌کننده (یعنی خواندن دستورالعمل‌ها، امضای رضایت آگاهانه، پوشیدن کلاهک EEG، بررسی امپدانس و کالیبراسیون ردیاب چشم) و استراحت‌های کوچک بین بلوک‌ها برای مقابله با خستگی، هر شرکت‌کننده به طور متوسط ​​به ۲.۵ ساعت زمان نیاز داشت تا کار را کامل کند. آزمایش متشکل از هفت بلوک و به طور خودکار به مدت دو ثانیه صلیب تثبیت ارائه شد و سپس محرک/آزمایش نقشه بعدی آغاز شد. با آماده‌سازی شرکت‌کننده (یعنی خواندن دستورالعمل‌ها، امضای رضایت آگاهانه، پوشیدن کلاهک EEG، بررسی امپدانس و کالیبراسیون ردیاب چشم) و استراحت‌های کوچک بین بلوک‌ها برای مقابله با خستگی، هر شرکت‌کننده به طور متوسط ​​به ۲.۵ ساعت زمان نیاز داشت تا کار را کامل کند. آزمایش متشکل از هفت بلوک و به طور خودکار به مدت دو ثانیه صلیب تثبیت ارائه شد و سپس محرک/آزمایش نقشه بعدی آغاز شد. با آماده‌سازی شرکت‌کننده (یعنی خواندن دستورالعمل‌ها، امضای رضایت آگاهانه، پوشیدن کلاهک EEG، بررسی امپدانس و کالیبراسیون ردیاب چشم) و استراحت‌های کوچک بین بلوک‌ها برای مقابله با خستگی، هر شرکت‌کننده به طور متوسط ​​به ۲.۵ ساعت زمان نیاز داشت تا کار را کامل کند. آزمایش متشکل از هفت بلوک

2.5. اقدامات روانشناختی برای تخمین بار شناختی

در کنار میانگین مدت تثبیت و تعداد تثبیت در ثانیه، که قبلاً در [ 6 ] منتشر شده بود، ما حرکات چشم ساکادیک را به عنوان معیارهای نیازهای پردازش شناختی، یعنی بار شناختی، مورد بررسی قرار دادیم، زیرا آنها بسیار متمایز، وابسته به وظیفه هستند. و می تواند با مدت زمان تثبیت، برای تفسیر بار شناختی کلی [ 19 ] مرتبط باشد. شواهد قوی وجود دارد مبنی بر اینکه مدت تثبیت طولانی‌تر و ساکادهای کوتاه‌تر با بار شناختی بالاتر مرتبط هستند [ 28 ] و نشان می‌دهند که منابع توجه بیشتری مورد نیاز است [ 29 ]]. در نتیجه، می توان فرمول بندی کرد که مدت زمان تثبیت و سرعت ساکاد افزایش می یابد، اما طول ساکاد با افزایش پردازش اطلاعات کاهش می یابد.
علاوه بر تجزیه و تحلیل کمی فوق الذکر از فیکساسیون ها و ساکادهای جمع آوری شده چشم، ما به طور تصادفی 10 محرک مورد استفاده در آزمایش ها را انتخاب کردیم و یک تجزیه و تحلیل کیفی (به عنوان مثال، بازرسی بصری تثبیت های چشم) با تمرکز بر رفتار توجه شرکت کنندگان انجام دادیم. عناصر نقشه مورد علاقه با استفاده از نقشه های فوکوس/حرارت.
برای EEG، ما بر روی گروه خاصی از الکترودها تمرکز کردیم، به این دلیل که کاهش آلفا (الفا ERD) به طور کلی در نواحی جداری مشاهده می شود، به عنوان مثال، [ 30 ، 31 ] و افزایش تتا (تتا ERS) در مکان های الکترود فرونتال عمیق ترین است. [ 32 ]. در این زمینه، ما بر روی کانال های جلویی Fp1، Fp2، F3، F4، F7، و F8 برای توان تتا و کانال های جداری P3 و P4 برای قدرت آلفا تمرکز کردیم، به عنوان مثال، [ 33 ، 34 ، 35 ] ( شکل 2).). پس از میانگین‌گیری تمام آزمایش‌های قابل استفاده در دوره‌های مرجع و فعال‌سازی، تغییرات توان مربوط به رویداد در یک الکترود با کم کردن توان تبدیل‌شده لگاریتم در طول بازه‌های فعال‌سازی از توان تبدیل‌شده لاگ در طول فواصل مرجع محاسبه شد [ 6 ]. در نتیجه، کارآزمایی‌ها را بر اساس دشواری کار گروه‌بندی کردیم و میانگین توان طیفی تتا را در کانال‌های فرونتال و قدرت طیفی آلفا در کانال‌های جداری را برای تازه‌کاران و متخصصان به‌طور جداگانه محاسبه کردیم.

3. نتایج

3.1. اقدامات رفتاری

میانگین کلی زمان واکنش 5.1 ثانیه (SD = 1.1) برای متخصصان و 3.7 ثانیه (SD = 0.5) برای تازه کارها بود، در نتیجه، کارشناسان زمان بیشتری را نسبت به افراد تازه کار برای همه وظایف صرف کردند. برای کارهای سخت، کارشناسان 6.9 ثانیه (SD = 1.4) را صرف کردند، در حالی که تازه کارها 5.0 ثانیه (SD = 0.6) را صرف کردند. برای کارهای متوسط، کارشناسان آنها را در 5.4 ثانیه (SD = 1.4) تکمیل کردند، در حالی که تازه کارها 2.9 ثانیه (SD = 0.6) انجام دادند. و در نهایت، برای کارهای آسان، کارشناسان در 3.7 ثانیه (SD = 0.9) پاسخ دادند و تازه کارها 2.8 ثانیه (SD = 0.4) ( شکل 3 a). این تفاوت‌ها بین دو گروه از نظر آماری در تکالیف سخت و متوسط ​​معنی‌دار بود (آزمون من ویتنی U: U سخت = 106.000، 0.022 = p ؛ U متوسط ​​= 114.000، p .= 0.035)، با این حال، این مورد برای کارهای آسان نیست (آزمون U Mann-Whitney: U easy = 128.000، p = 0.138).
میانگین کلی میزان موفقیت (یعنی پاسخ‌های صحیح بر حسب درصد) برای هر دو گروه از شرکت‌کنندگان بسیار بالا بود، به طور متوسط ​​برای 350 کارآزمایی برای هر شرکت‌کننده در کل، M کلی = 91.8٪ (SD = 4.7، محدوده = 78.3-98.3٪). برای کارهای سخت، متخصصان 90.6٪ امتیاز گرفتند، در حالی که تازه کارها 86.8٪. برای کارهای متوسط، کارشناسان امتیاز 93.5٪ را به دست آوردند، در حالی که تازه کارها 88.8٪ را کسب کردند. و در نهایت، برای انجام کارهای آسان، کارشناسان به کارآزمایی‌ها با میزان موفقیت 95.5 درصد پاسخ دادند و تازه‌کاران 93.3 درصد میزان موفقیت را کسب کردند ( شکل 3 ب). میزان موفقیت در بین دسته‌های تخصص برای هیچ سطح دشواری تفاوت معنی‌داری نداشت (M متخصصان = 93.2٪، M مبتدیان = 89.6٪؛ آزمون Mann-Whitney U: U easy = 165.000، p .= 0691، U متوسط ​​= 150.000، p = 0.400، U سخت = 178.500، p= 1000). دلیل نرخ موفقیت بالا زیربنای طراحی آزمایش است، زیرا ما قصد داشتیم داده ها را با بیشترین تعداد پاسخ صحیح برای تجزیه و تحلیل EEG جمع آوری کنیم. هنگام انجام یک کار یا شکست در آن، فرآیندهای شناختی مختلفی در مغز رخ می دهد، از این رو، مناسب است پاسخ های صحیح و غلط را جداگانه در نظر بگیرید. اگر تعداد تقریباً برابر باشد، می توان پاسخ های صحیح و غلط را از نظر آنالیز مربوط به EEG مقایسه کرد. با این حال، ما علاقه مند به فرآیندهای شناختی بودیم که در حین انجام کار اتفاق می افتد، به عبارت دیگر، پاسخ های صحیح. در این زمینه، آزمایش به‌عنوان یک آزمایش نسبتاً آسان طراحی شد، به طوری که وقتی پاسخ‌های اشتباه را که تعداد آنها بسیار کمتر است را حذف کنیم، همچنان آزمایش‌های کافی برای میانگین آنالیز طیف توان EEG وجود خواهد داشت.
اگرچه ما تفاوت‌های جزئی را در عملکردها مشاهده کردیم، شاید جالب باشد که به جای متخصصان و تازه‌کارها، میزان موفقیت را از نظر نقشه‌آموزان خوب و نسبتا ضعیف بررسی کنیم. از 20 شرکت کننده، 15 شرکت کننده یادگیرنده خوبی بودند، با میانگین نمره 94.6% در کل و شامل 9 متخصص (4F، 5M) و شش مبتدی (3F، 3M) بودند. پنج نفر باقی مانده یادگیرندگان نسبتا ضعیف با میانگین نمره 85.8٪ بودند و این شامل یک متخصص (F) و چهار تازه کار (2M, 2F) بود. این تفاوت از نظر آماری معنی‌دار بود (آزمون U Mann-Whitney: U = 67.500، p = 0.000) و نشان داد که یادگیرندگان خوب نقشه عناصر بیشتری را در مقایسه با یادگیرندگان نسبتا ضعیف به خاطر می‌آورند.
میانگین کلی میزان موفقیت برای کارهای سخت 88.7% بود که کمترین امتیاز 66.0% و بالاترین آن 98.0% بود. یادگیرندگان خوب به طور متوسط ​​92.5٪ امتیاز گرفتند، در حالی که گروه دیگر امتیاز 77.4٪ را کسب کردند. میانگین کلی میزان موفقیت برای کارهای متوسط ​​91.2% بود که کمترین امتیاز 74% و بالاترین آن 98.0% بود. میانگین نمره زبان آموزان خوب 93.7 درصد و زبان آموزان نسبتا ضعیف 83.4 درصد بود. میانگین کلی میزان موفقیت برای کارهای آسان 94.4% بود که کمترین امتیاز 80.0% و بالاترین آن 99.3% بود. فراگیران خوب 96.1% و بقیه گروه 89.2% بودند. تفاوت بین یادگیرندگان خوب و یادگیرندگان نسبتا ضعیف برای کارهای آسان 6.9٪ بود. برای افراد متوسط ​​10.3 درصد و برای افراد سخت 15.1 درصد.شکل 4 ).
یکی از یافته‌های جالب توجه این است که زمان‌های واکنش طولانی‌تر از میانگین (یعنی بین 4.5 تا 6.6 ثانیه) همه متعلق به یادگیرندگان خوب است که شامل پنج متخصص و یک تازه‌کار بودند. علاوه بر این، سه کوتاه ترین زمان واکنش کلی (یعنی 3.0 ثانیه، 3.1 ثانیه، 3.5 ثانیه) همگی متعلق به یادگیرندگان نسبتا ضعیف (همه مبتدیان) با سه پایین ترین میزان موفقیت کلی (یعنی 78.3٪، 80.0٪) بود. 85.1٪. این نشان می‌دهد که صرف زمان بیشتر برای کارها به کارشناسان کمک می‌کند تا به نرخ‌های موفقیت بالاتری دست یابند، در حالی که پاسخ‌های سریع تازه‌کاران منجر به تعداد کمتر پاسخ‌های صحیح می‌شود.

3.2. اقدامات روانشناختی

اگرچه افراد مبتدی مدت زمان تثبیت طولانی تری در مقایسه با متخصصان برای همه کارها داشتند ( شکل 5 الف)، این تفاوت برای مدت زمان تثبیت در نتیجه آزمون های آماری کاربردی (F easy = 0.261، p = 0.232؛ F متوسط ​​= ) معنی دار نبود. 0.174 ، p = 0.514، آزمون Mann-Whitney U: U hard = 1812391.500، p = 0.886). کارشناسان اکثراً تعداد بیشتری تثبیت در ثانیه را برای همه مشکلات نشان دادند ( شکل 5 ب). با این حال، تفاوت بین متخصصان و تازه کارها برای کارهای سخت و متوسط ​​معنی دار نبود (F متوسط ​​= 1.861، p = 0.165، F hard= 0.064، p = 0.983)، در حالی که برای کارهای آسان معنادار بود (F easy = 0.006، p = 0.019) (برای جزئیات بیشتر به [ 6 ] مراجعه کنید).
در مقاله قبلی [ 6 ] ما پیشنهاد کردیم که بررسی معیارهای مربوط به ساکاد برای تفسیر بیشتر بار شناختی مفید خواهد بود. شکل 5c,d دامنه و سرعت ساکاد را برای متخصصان و تازه کارها برای کارهای آسان، متوسط ​​و سخت نشان می دهد. همانطور که کار سخت تر می شود، مشاهده کردیم که دامنه ساکاد کوچکتر می شود. از این رو، ساکادها کوتاهتر می شوند که نشان دهنده بار شناختی بالاتر است. در مورد سرعت ساکاد، روند متناقضی بین متخصصان و تازه کارها مشاهده می شود. تازه کارها بالاترین سرعت را با دسته آسان، که با بیشترین دامنه مرتبط است، و کمترین را با دسته سخت، که با کمترین دامنه مرتبط است، نشان دادند. این یافته با تحقیقات قبلی مطابقت دارد، به عنوان مثال، [ 7 ]، اما گروه خبره نتیجه معکوس را نشان دادند، به این معنا که آنها بیشترین سرعت را با سخت ترین دسته و در نتیجه کمترین دامنه را داشتند.
هیچ یک از معیارهای مربوط به ساکاد برای همه انواع کارها (یعنی آسان، متوسط، سخت) با توزیع عادی مطابقت ندارد. (تست Shapiro-Wilk برای دامنه ساکاد: W = 0.933، p = 0.000 < 0.05؛ برای سرعت ساکاد: W = 0.970، p = 0.000 < 0.05). بنابراین، ما از آزمون ناپارامتریک Mann-Whitney U برای اندازه‌گیری معنی‌داری تفاوت بین دو گروه و در نتیجه دامنه ساکاد (U hard = 1,554,376.500، p hard = 0.000 < 0.05؛ U متوسط ​​= 1،363،219 p. متوسط ​​= 0.000 < 0.05؛ U آسان = 3.061.036.000، p0.000 <0.05) و سرعت ساکاد (U سخت = 1،750،439.000، p سخت = 0.000 < 0.005؛ U متوسط ​​= 1,536,918.500، p متوسط ​​= 0.000 < 0.05; U easy = 3,368,847.500، p easy = 0.000 < 0.05) کاربران خبره و مبتدی نقشه همه به طور قابل توجهی برای همه انواع وظایف متفاوت بودند.
در مقایسه با متخصصان، تازه کارها ساکدهای بزرگ تری را در تمام سطوح دشواری نشان دادند و با کاهش سختی کار، تفاوت در دامنه ساکد بین متخصصان و تازه کارها افزایش یافت ( شکل 5 ج). همانطور که انتظار می رفت، کارهای آسان، ساکادهای بزرگ تری دریافت کردند و کارهای سخت، ساکادهای کوتاه تری دریافت کردند. با توجه به تعداد بیشتر عناصری که در کارهای سخت باید به آنها توجه شود، شرکت کنندگان مجبور بودند در مدت زمان کوتاهی از یک شی به شی دیگر بپرند. بنابراین، آنها ساکادهای کوتاه تری را به نمایش گذاشتند. ساکادهای کوتاه‌تر بار شناختی بالاتری را برای کارشناسان در تمام سطوح دشواری نشان دادند، با این حال، داده‌های سرعت ساکاد کمی متفاوت ادعا کردند. تازه کارها کارهای متوسط ​​و آسان را با سرعت ساکد سریعتر انجام می دادند، در حالی که متخصصان سرعت ساکاد بالاتری در کارهای سخت داشتند (شکل 5 د). این یافته‌ها نشان می‌دهد که متخصصان با توجه به دامنه‌های ساکد کوتاه‌تر و سرعت ساکاد بالاتر، بار شناختی بیشتری را در کارهای سخت نشان می‌دهند، اگرچه مدت زمان تثبیت آن‌ها در مقایسه با افراد تازه‌کار کوتاه‌تر بود، اما به‌طور معنی‌داری نبود. بر این اساس، کارشناسان وظایف را با بار شناختی کمتر انجام ندادند، اما نقشه را سریعتر و به روشی مؤثرتر (با درصد موفقیت بالاتر) در مورد کارهای سخت اسکن می کنند.
هنگامی که نقشه‌های حرارت/تمرکز ده محرک به‌طور تصادفی انتخاب شده به‌صورت بصری ارزیابی شد، چندین ویژگی مشترک بین متخصص و تازه‌کار مشاهده کردیم. برخی از اظهارات اساسی به شرح زیر فهرست شده است (نگاه کنید به شکل 6 ):
  • بلوک 1 – همه عناصر نقشه: اتصالات جاده، به ویژه در مرکز یا نزدیک به مرکز نقشه، جایی است که همه شرکت کنندگان ذاتاً بیشترین تمرکز را داشتند. هم متخصصان و هم تازه کارها به طور کلی بیشترین توجه را به مناطق سرسبز بزرگ و ایزوله می کنند. این مناطق سبز منزوی و بزرگ در مقایسه با توده های آبی تثبیت بیشتر و طولانی تری دریافت کردند. ویژگی های هیدروگرافی نسبت به سایرین تثبیت کمتری دریافت کردند. برچسب ها/متون روی نقشه نیز مورد توجه زیادی از سوی هر دو گروه قرار گرفت. این نتیجه ممکن است به دلیل زبان ناآشنا برای برچسب‌ها یا اندازه و موقعیت برچسب‌ها باشد. بنابراین، این یک حواس پرتی بود، اما می تواند ورودی مفیدی در طراحی نقشه باشد.
  • بلوک 2 – جاده ها و هیدروگرافی: مستقل از آنچه که وظیفه حافظه فضایی ایجاب می کند، مناطق سبز به اندازه جاده ها و هیدروگرافی از هر دو گروه تثبیت دریافت کردند. در برخی موارد، شرکت کنندگان توجه خود را حتی به مناطق سبز کوچکتر جلب کردند.
  • بلوک 3 – جاده ها و مناطق سبز: وضعیت مشابهی مانند بلوک 2 برای بلوک 3 رخ داد، و در این مورد، عناصر هیدروگرافی به اندازه جاده ها و مناطق سبز تثبیت شدند.
  • بلوک 4 – هیدروگرافی و مناطق سبز: مناطق سبز بزرگ و تقاطع های جاده ای بیشترین تثبیت را دریافت کردند. در این مورد، مناطق نسبتا بزرگتر هیدروگرافی به اندازه مناطق کوچکتر تثبیت زیادی دریافت نکردند.
  • بلوک 5-مناطق سبز، بلوک 6-هیدوگرافی، بلوک 7- جاده ها: هم شرکت کنندگان متخصص و هم تازه کار عمدتاً فقط بر آنچه که وظیفه می طلبد تمرکز می کردند، بنابراین، در نقشه های تمرکز آنها، فقط عناصر نقشه مورد علاقه خود را برجسته می کردند. این نشان می‌دهد که وقتی شرکت‌کنندگان فقط روی یک کلاس عنصر نقشه تمرکز می‌کردند، حفظ توجه یکپارچه آسان‌تر بود.
بر اساس تجزیه و تحلیل PSD آلفا و تتا، ما یک ERD آلفا و ERS را در تتا برای کارهای آسان و سخت مشاهده کردیم. این یافته مطابق با ادبیات مربوط به افزایش فعالیت تتا پیشانی است، به عنوان مثال، [ 33 ، 34 ، 36 ، 37 ]، و کاهش آلفای جداری، به عنوان مثال، [ 30 ، 31 ، 38 ،] با بار شناختی در یک کار حافظه کاری. برای کارهای متوسط، آلفا و همچنین تتا افزایش یافت. اگرچه تغییرات در آلفا بسیار کوچک به نظر می رسد، اثرات تتا قوی تر به نظر می رسد و تأیید می کند که متخصصان و تازه کارها تجربه متفاوتی در این کار حافظه فضایی دارند به این معنا که کارشناسان تتا بیشتری را در کارهای متوسط ​​و سخت نشان می دهند در حالی که تازه کارها در کارهای آسان بیشتر تتا را نشان می دهند. وظایف افزایش آلفا در طول وظایف متوسط ​​ممکن است به این دلیل باشد که این ویژگی توان طیفی احتمالاً به اندازه کافی حساس نیست تا در سطح جمعی تمایز قائل شود. مقدار زیادی از اطلاعات از دست می‌رود، با توجه به اینکه مقادیر فعالیت توان آلفا برای کل مدت زمان میانگین می‌شوند [ 38 ]]. با این حال، نتایج نشان دهنده تعامل با شرکت کنندگان برای کارهای آسان و سخت است ( شکل 7 ، جدول 2 را ببینید).
برای مقایسه بار شناختی بر اساس دشواری کار، ما روی تتا تمرکز کردیم، زیرا یک اثر آلفا بسیار کوچک مشاهده شد. تفاوت تغییرات تتا بین متخصصان و تازه کارها 0.0001525 برای کارهای آسان بود. 0.0000462 برای کارهای متوسط؛ و 0.0001372 برای کارهای سخت. برای هیچ یک از سطوح دشواری، مقادیر تتا با توزیع نرمال مطابقت دارند (تست Shapiro Wilk: W hard = 0.875، p = 0.001؛ W متوسط ​​= 0.773، p = 0.000 < 0.05، W easy = 0.922، p = 0.002، بر این اساس. برای ارزیابی معنی‌داری تفاوت‌ها از آزمون U Mann-Whitney استفاده کردیم. توزیع تغییر تتا در بین دسته‌های تخصص و مشکلات یکسان بود (Uسخت = 77.000، p سخت = 0.519 > 0.000; U متوسط ​​= 124.000 p متوسط ​​= 0.367; U easy = 262.000 p easy = 0.766) که نشان می دهد تفاوت بین دو گروه کاربری از نظر آماری معنی دار نبود. این یافته نشان می‌دهد که قدرت تتا ممکن است به اندازه بار شناختی متوسط ​​حساس نباشد، و ممکن است به یک معیار عینی معتبر برای بار شناختی متوسط ​​تبدیل شود، اگرچه پتانسیل واقعی آن در امکان اندازه‌گیری نوسانات آنلاین در بار شناختی یا بار شناختی آنی نهفته است. [ 39 ].
اگرچه ما انتظار داشتیم که تأثیر بیشتری روی تتا برای کارهای سخت در مقایسه با بقیه داشته باشد، اما بیشترین تفاوت را برای کارهای آسان مشاهده کردیم. این می تواند به دلیل طاقت فرسا بودن وظایف سخت، سخت بودن با انگیزه ماندن، و همچنین تمایل شرکت کنندگان به تسلیم شدن و سرمایه گذاری نکردن تلاش ذهنی و منابع دیگر باشد، به عنوان مثال، [ 38 ]. شرکت‌کنندگان در پرسش‌نامه‌های پس‌آزمون خود تأیید کردند که تمرکز روی این کار دشوار و خسته‌کننده است.
متناوبا، ما تغییرات مربوط به رویداد را در طیف توان EEG برای یادگیرندگان خوب و نسبتا ضعیف نقشه محاسبه کردیم ( شکل 8 ، جدول 3 ). یادگیرندگان خوب بار شناختی کمی بالاتر در تمام سطوح دشواری نشان دادند. با توجه به عملکرد کلی، تنها تغییرات قدرت کوچک و غیر قابل توجهی در آلفا رخ داد (آزمون U Mann-Whitney: U alpha = 846.000، p = 0.501 > 0.05)، در حالی که قدرت تتا برای یادگیرندگان خوب در همه کارها بالاتر به نظر می رسید، و تفاوتی که بین یادگیرندگان خوب و نسبتا ضعیف ظاهر شد معنی‌دار بود (آزمون U Mann-Whitney: U تتا = 753.000، p= 0.020 < 0.05). این نشان می دهد که فراگیران خوب، صرف نظر از دشواری کار، بار شناختی بالاتری از خود نشان می دهند. بیشترین تفاوت (0.000377) از نظر تغییر توان تتا بین زبان آموزان خوب و یادگیرندگان نسبتا ضعیف برای کارهای آسان مشاهده شد. با این حال، تفاوت در توان تتا در میان هیچ یک از سطوح دشواری از نظر آماری معنی‌دار نبود ((آزمون U Mann-Whitney: U سخت = 53.000، p سخت = 0.589 > 0.000؛ U متوسط ​​= 90.000 p متوسط ​​= 0.323؛ U آسان = 125 p . آسان = 0.068).

4. بحث و نتیجه گیری

در این مقاله، ما توانایی‌های حافظه فضایی کاربران نقشه خبره و غیرمتخصص را در یک کار ساده یادگیری نقشه، با استفاده از ردیابی چشم و EEG بررسی کردیم و داده‌های رفتاری و روان‌شناختی را برای نشان دادن بار شناختی ناشی از کار، مثلث‌سازی کردیم. برخی از نکات برجسته این یافته ها به شرح زیر است:
  • کارشناسان زمان واکنش طولانی تری داشتند (به طور قابل توجهی برای کارهای متوسط ​​و سخت طولانی تر)، اما میزان موفقیت بالاتری داشتند. آنها ممکن است در مقایسه با افراد تازه کار کمی جاه طلب تر باشند و برای انجام این کار انگیزه بیشتری داشته باشند و در زمان اضافی برای بررسی یا تأیید پاسخ خود قبل از ارسال آن صرفه جویی کرده باشند. به نظر می‌رسد این واقعیت که کارشناسان بار شناختی بیشتری را نشان می‌دهند، با نرخ‌های موفقیت بالاتر جواب داده است.
  • مشاهده شد که افراد تازه کار مدت‌زمان تثبیت طولانی‌تری دارند، عمدتاً تعداد تثبیت‌ها در هر ثانیه کمتر و سرعت ساکد بالاتر (به جز کارهای سخت)، که نشان‌دهنده بار شناختی بالاتر برای تازه‌کاران است. علاوه بر این، دامنه ساکاد افراد تازه کار طولانی تر بود. در ساکادهای طولانی تر (یعنی دامنه بزرگتر)، جستجو در سراسر تصویر انجام می شود و بنابراین سازماندهی کمتری دارد. کارشناسانی که ساکادهای کوتاه‌تری را نشان می‌دهند به معنای جستجوی هدفمندتر از یک نقطه کانونی به نقطه دیگر است که در نقشه به یکدیگر نزدیک هستند، بنابراین الگوی جستجوی کمتر آشفته‌ای دارند. تثبیت‌های کوتاه‌تر کارشناسان همچنین نشان می‌دهد که برای تفسیر آنچه می‌دیدند به زمان کمتری نیاز داشتند.
  • اگرچه قابل توجه نیست، کارشناسان قدرت تتا بالاتری را نشان دادند (به جز کارهای آسان)، که می تواند با بار شناختی بالاتر مرتبط باشد.
  • تجزیه و تحلیل کیفی حرکات چشم نشان می دهد که هر دو گروه از نظر منطقه نقشه پوشش داده شده و عناصر نقشه که روی آنها تمرکز کرده اند رفتار توجه مشابهی از خود نشان دادند.
بر اساس یافته‌ها، در هنگام بازیابی اطلاعات مربوط به نقشه، ترجیح دادن یک گروه کاربری از نظر عملکرد آنها دشوار است. راهبردهای یادگیری نقشه و یادآوری متخصصان و تازه کارها و رویکرد آنها به کار ممکن است مشابه نباشد، با این حال، عملکرد کلی آنها تفاوت چندانی نداشت. در واقع، تازه کارها، در برخی موارد، از متخصصان بهتر عمل کردند. ممکن است به نظر برسد که این نتیجه با نتایج در پارادایم تحقیق خبره-مبتدی به عنوان مثال، [ 5 ، 10 ] در تضاد باشد، با این حال، با یافته های حوزه جغرافیا به عنوان مثال، [ 40 ] و در حوزه های یادگیری نقشه، به عنوان مثال، [10] مطابقت دارد. 2 ].
از یک طرف، دلیل اینکه ما تفاوت های قابل توجهی بین افراد تازه کار و متخصص پیدا نکردیم ممکن است توجه آنها به جنبه های مختلف یک کار باشد. این هم بر ادراک آنها از پیچیدگی کار (یعنی تجزیه و تحلیل و تغییرپذیری کار) و هم بر عملکرد آنها در کار تأثیر می گذارد. عملکرد برتر توسط متخصصان بستگی به تطابق بین شناخت متخصصان و خواسته های وظیفه دارد [ 41 ]. این واقعیت که افراد تازه کار گاهی بهتر از متخصصان عمل می کنند، دلیلی بر استفاده آنها از استراتژی های یادگیری متفاوت است. همانطور که توسط Postigo و Pozo توضیح داده شده است [ 40 ]موضوعی که فاقد دانش خاص حوزه است، در مقابل بازنمایی معنایی متخصص، تمایل به ساختن بازنمایی ذهنی بصری-فضایی دارد. متخصصان اطلاعات داده شده را به روشی خاص برای حوزه نمایش می دادند که به ساختار معنایی عمیق آن اطلاعات مربوط می شد، در حالی که تازه کارها به صورت ذهنی بر جنبه های سطحی حوزه عمومی تمرکز داشتند.» (ص. 77،78).
از سوی دیگر، دلیل اینکه تخصص آنقدر که ما فکر می کنیم تأثیرگذار نیست، به خصوص برای کارهای ساده ی یادگیری نقشه، به دلیل تأثیر سایر تفاوت های فردی است. به گفته هانت [ 42 ]، این تفاوت ها از استفاده از روش های پردازش ساده، دانش مربوط به کار و توانایی انجام مکانیک های سطح پایین پردازش اطلاعات ناشی می شود.‘. کارشناسان همیشه بهتر از افراد تازه کار عمل نمی کردند، که می تواند توضیح دهد که دانش دامنه چندان مرتبط با کار نیست، در عوض، آموزش عمومی و توانایی انجام عملیات اساسی، مانند رمزگشایی، تجسم، فیلتر انتخابی، بازیابی حافظه و مقایسه حافظه، بازی می شود. نقش مؤثری در انتخاب رویه و استراتژی سطح بالا. بنابراین، تغییر در عملکرد و انتخاب استراتژی ممکن است از تفاوت در توانایی بصری یا فضایی اساسی ناشی شود. علاوه بر این، شایستگی گروه خبره تنها به دانش گسترده آنها متکی نیست، بلکه سازماندهی این دانش است که بازنمایی های شناختی آنها را شکل می دهد و آنها را مشخص می کند [ 2 ، 40 ].
ما به طور متناوب شرکت کنندگان را بر اساس میزان موفقیت آنها به عنوان یادگیرندگان خوب و یادگیرندگان نسبتا ضعیف گروه بندی کردیم و تغییر در چگالی طیفی توان EEG را با توجه به این طبقه بندی محاسبه کردیم. ما مشاهده کردیم که یادگیرندگان خوب، با توجه به عملکرد کلی آنها، تتا ERS به طور قابل توجهی بالاتر از خود نشان دادند. اگرچه بار شناختی این گروه ها بر اساس دشواری کار در چارچوب این تحقیق متفاوت نبود، طبقه بندی شرکت کنندگان بر اساس عملکرد حافظه فضایی آنها بینش های متفاوتی را در مورد فرآیندهای شناختی کاربر نقشه ارائه کرد. مشابه آنچه توسط هاولکوا و گولوبیوفسکا یافت شد [ 13]، شرکت‌کنندگان ناموفق در رویکرد کلی حل مسئله متفاوت بودند، به نحوی که تمایل داشتند استراتژی‌های سریع و با احتیاط کمتری انتخاب کنند و انگیزه نداشتند.
این مطالعه همچنین نشان داد که بار شناختی بالا لزوماً با عملکرد پایین کار مرتبط نیست، در واقع در بیشتر موارد، این نشانگر راهبردهای شناختی دقیق تر، ساختارمندتر و کارآمدتر بود، به ویژه توسط متخصصان نشان داده شده است. بنابراین، مثلث‌بندی داده‌های جمع‌آوری‌شده از طریق منابع مختلف (یعنی روش‌های کمی و کیفی) برای تفسیر بار شناختی و درک رفتار اساسی شرکت‌کنندگان مفید است.
در این مقاله، ما تأثیر متغیرهای مستقل، مانند دشواری کار و سطح تخصص را بر استراتژی‌های شناختی کاربران نقشه تحلیل کردیم. علاوه بر وظیفه و تخصص، ویژگی‌های طراحی نقشه نقش مهمی در بار شناختی و عملکرد یادگیری کاربران ایفا می‌کنند، از این رو، باید ارزیابی شوند تا به افزایش طراحی و قابلیت استفاده محصولات نقشه‌کشی کمک کنند، به عنوان مثال، [ 18 ].]. ما از Google Maps که برای همه طراحی شده است (یعنی بدون توجه به تفاوت‌های فردی کاربران در شناخت فضایی) به‌عنوان محرک در آزمایش‌های خود استفاده کردیم و هیچ تفاوت قابل‌توجهی بین متخصصان و تازه‌کارها از نظر بار شناختی که این نقشه‌ها نشان می‌دهند، نیافتیم. باعث. ذکر این نکته ضروری است که اگر کیفیت طراحی کارتوگرافی هدف خود را از طراحی برآورده کند، تأثیر مثبتی بر تجربه کاربران دارد.
علاوه بر این، معیارهای EEG مورد استفاده در مطالعه و روش‌های استخراج آن‌ها بر نتایج تأثیر دارد. برای داشتن بینش دقیق تر در مورد بار شناختی و تشخیص تغییرات کوچک در طیف توان EEG، رویه های مختلفی را می توان برای داده های جمع آوری شده اعمال کرد. به عنوان مثال، دوره مطالعه هفت ثانیه ای را می توان به بخش های فرعی تقسیم کرد و نقاط زمانی دقیق مقادیر اوج آلفا و تتا را می توان شناسایی کرد. این مقادیر اوج را می توان به سادگی برای دوره های زمانی مورد علاقه با بازرسی بصری نمودارهای زمان-فرکانس EEG تجزیه و تحلیل کرد. روش جالب دیگر بررسی باندهای آلفای پایین (8-10 هرتز) و بالا (10-12 هرتز) به طور جداگانه است، به منظور نشان دادن اثرات فرکانس خاصی که تنها در نگاه کردن به محدوده آلفای وسیع همانطور که توسط مورتون و همکاران پیشنهاد شده است، متمایز نیستند. al. [38 ]. تعدادی از تحقیقات وجود دارد که فعالیت های متفاوتی را در باندهای آلفای بالا و پایین در شرایط بار شناختی نشان می دهد، به این معنا که آلفای بالایی با افزایش فعالیت شناختی کاهش می یابد، به عنوان مثال، [ 35 ، 43 ، 44 ]. همچنین می توان نوسانات گاما را اندازه گیری کرد، که به طور مستقیم با فعالیت شناختی متناسب است، به عنوان مثال، [ 45 ]، و نوسانات بتا با بار شناختی افزایش می یابد، به عنوان مثال، [ 46 ].
داده های EEG ممکن است طاقت فرسا باشد، و جنبه های مختلف دیگری برای بررسی بیشتر و تعداد بی شماری تجزیه و تحلیل غیر از موارد ذکر شده در بالا وجود دارد. با این حال، طراحی آزمایشی از این نظر اهمیت اولیه دارد که تصمیم گیری در مورد اینکه کجا باید به آن توجه کرد و چه چیزی از داده های جمع آوری شده انتظار داشت باید به خوبی برنامه ریزی و آزمایش شود، قبل از انجام آزمایش های اصلی. هنگامی که EEG با سایر روش‌های آزمایش کمی و کیفی کاربر ادغام می‌شود، در واقع سهم ارزشمندی را در درک فرآیندهای شناختی افراد نشان می‌دهد.

منابع

  1. پرت، ن. ویلوبی، ا. Swick, D. اثرات بار حافظه کاری بر توجه انتخابی بصری: شواهد رفتاری و الکتروفیزیولوژیکی. جلو. هوم نوروسک. 2011 ، 5 ، 57. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  2. Thorndyke، PW; Stasz, C. تفاوت های فردی در روش های کسب دانش از نقشه ها. شناخت. روانی 1980 ، 12 ، 137-175. [ Google Scholar ] [ CrossRef ]
  3. کسکین، م. اومز، ک. دوگرو، آئو. De Maeyer، P. نقشه های دیجیتالی اسکچ و آمار ردیابی چشم به عنوان ابزاری برای به دست آوردن بینش در شناخت فضایی. J. EYE Mov. Res. 2018 , 11 . [ Google Scholar ] [ CrossRef ]
  4. دی استاسی، LL; آنتولی، آ. کاناس، جی جی دنباله اصلی: شاخصی برای تشخیص تغییرات بار کاری ذهنی در وظایف پیچیده. Appl. ارگون. 2011 ، 42 ، 807-813. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  5. Ooms، K. Maps، کاربران چگونه آنها را می بینند؟ بررسی عمیق فرآیندهای شناختی کاربران نقشه. Ph.D. پایان نامه، دانشگاه گنت، گنت، بلژیک، 2012. [ Google Scholar ]
  6. کسکین، م. اومز، ک. دوگرو، ا. De Maeyer، P. EEG و آزمایش‌های کاربر ردیابی چشم برای وظایف حافظه فضایی در نقشه‌ها. ISPRS Int. J. Geo-Inf. 2019 ، 8 ، 546. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  7. بهروزی، م. لویی، ا. مور، آی. فورد، دی. پرنین، سی دیزد: اندازه گیری بار شناختی حل مسائل مصاحبه فنی در تخته سفید. در مجموعه مقالات چهلمین کنفرانس بین المللی مهندسی نرم افزار ایده های جدید و نتایج نوظهور-ICSE-NIER’18 ; ACM Press: گوتنبرگ، سوئد، 2018؛ ص 93-96. [ Google Scholar ] [ CrossRef ]
  8. لی، دبلیو.-سی. Chiu، F.-C.; کو، ی. وو، ک.-جی. بررسی توجه بصری و حجم کار توسط کارشناسان و افراد تازه کار در کابین خلبان. در روانشناسی مهندسی و ارگونومی شناختی. برنامه ها و خدمات ; هریس، دی.، اد. یادداشت های سخنرانی در علوم کامپیوتر; Springer: برلین/هایدلبرگ، آلمان، 2013; صص 167-176. [ Google Scholar ] [ CrossRef ]
  9. اومز، ک. مایر، PD; فاک، وی. Assche، EV; Witlox، F. تفسیر نقشه ها از دید کاربران خبره و مبتدی. بین المللی جی. جئوگر. Inf. علمی 2012 ، 26 ، 1773-1788. [ Google Scholar ] [ CrossRef ]
  10. دونگ، دبلیو. ژنگ، ال. لیو، بی. Meng, L. استفاده از ردیابی چشم برای بررسی تفاوت‌ها در توانایی فضایی مبتنی بر نقشه بین جغرافیدانان و غیرجغرافیدانان. ISPRS Int. J. Geo-Inf. 2018 ، 7 ، 337. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  11. اومز، ک. مایر، PD; Fack, V. مطالعه رفتار توجه کاربران مبتدی و خبره نقشه با استفاده از ردیابی چشم. کارتوگر. Geogr. Inf. علمی 2014 ، 41 ، 37-54. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  12. کارمایکل، ای. لارسون، ا. گیر، ای. لوشکی، ال. Rebello، NS چگونه توجه بصری بین متخصصان و تازه کارها در مسائل فیزیک متفاوت است؟ AIP Conf. Proc. 2010 ، 1289 ، 93-96. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  13. هاولکوا، ال. Gołębiowska، IM چه چیزی برای حل کننده های بد در طول تجزیه و تحلیل نقشه موضوعی اشتباه بود؟ درس های آموخته شده از یک مطالعه ردیابی چشم. ISPRS Int. J. Geo-Inf. 2020 ، 9 ، 9. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  14. فینک، ا. بندیک، ام. مغز خلاق: مغز با تولید ایده‌های اصیل همبستگی دارد. نوروسک. ایجاد کنید. 2013 ، 207-232. [ Google Scholar ] [ CrossRef ]
  15. پفورتشلر، جی. Da Silva، FL مربوط به رویداد EEG/MEG همگام سازی و عدم همزمانی: اصول اساسی. کلین نوروفیزیول. 1999 ، 110 ، 1842-1857. [ Google Scholar ] [ CrossRef ]
  16. Gedminas، L. ارزیابی توصیه های طوفان با استفاده از ردیابی چشم و داده های بیومتریک. پایان نامه کارشناسی ارشد، دانشگاه کارولینای شرقی، گرین ویل، NC، ایالات متحده، 2011. موجود به صورت آنلاین: https://hdl.handle.net/10342/364 (در 7 ژوئیه 2020 قابل دسترسی است).
  17. Lanini-Maggi، S. به تصویر کشیدن داده های حرکت با انیمیشن ها برای تصمیم گیری تجسم یافته و در زمان واقعی: یک مطالعه کاربر با نمایشگرهای کنترل ترافیک هوایی و داده های حرکت در زمان واقعی. Ph.D. پایان نامه، دانشگاه زوریخ، زوریخ، سوئیس، 2017. [ Google Scholar ]
  18. السامرایی، ح. الدنفریا، ا. قیمت، ML؛ زقوت، ف. فاوزی، WM اثرات ویژگی های طراحی نقشه بر عملکرد جستجوی کاربران و بار شناختی: یک مطالعه تجربی. الکترون. Libr 2019 ، 37 ، 667-679. [ Google Scholar ] [ CrossRef ]
  19. زاگرمن، جی. Pfeil، U. Reiterer، H. اندازه گیری بار شناختی با استفاده از فناوری ردیابی چشم در محاسبات بصری. در مجموعه مقالات فراتر از زمان و اشتباهات در روشهای جدید ارزیابی برای تجسم-BELIV’16 ; ACM Press: بالتیمور، MD، ایالات متحده آمریکا، 2016; صص 78-85. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  20. Bombeke، K. توجه حسی اولیه و اندازه مردمک در کنترل شناختی: یک رویکرد EEG. Ph.D. پایان نامه، دانشگاه گنت، گنت، بلژیک، 2017. [ Google Scholar ]
  21. مگاناتان، RN; نیکولایف، آر. van Leeuwen, C. الگوهای اصلاح مجدد استراتژی های رمزگذاری حافظه را در مشاهده رایگان نشان می دهد. حضور داشته باشید. درک کنید. روانشناسی. 2019 ، 81 ، 2499–2516. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  22. ورهولست، ن. کاوش چند روشی فرآیندهای مؤثر در طول سفر مشتری. Ph.D. پایان نامه، دانشگاه گنت، گنت، بلژیک، 2018. [ Google Scholar ]
  23. دلورمه، ا. Makeig, S. EEGLAB Tutorial Chapter 1: Loading Data in EEGLAB ; Swartz Center for Computational Neuroscience (SCCN): سن دیگو، کالیفرنیا، ایالات متحده آمریکا، 2012. [ Google Scholar ]
  24. کلیمش، W. نوسانات آلفا و تتا EEG عملکرد شناختی و حافظه را منعکس می کنند: مرور و تحلیل. Brain Res. Rev. 1999 , 29 , 169-195. [ Google Scholar ] [ CrossRef ]
  25. هرمان، ST; آبند، NS; بلک، تی پی؛ چپمن، KE; Drislane، FW; امرسون، آر جی. جرارد، EE; هان، سی دی; حسین، ع.م. کاپلان، PW; و همکاران بیانیه اجماع در مورد EEG مداوم در بزرگسالان و کودکان به شدت بیمار، بخش دوم: پرسنل، مشخصات فنی، و عملکرد بالینی. جی. کلین. نوروفیزیول. 2015 ، 32 ، 96-108. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  26. Teplan, M. مبانی اندازه گیری EEG. Meas. علمی Rev. 2002 , 2 , 1-11. [ Google Scholar ]
  27. تاونسند، جی تی. اشبی، اف در نظریه شناختی. در روش های مدل سازی ظرفیت در سیستم های پردازش ساده ; Castellan, NJ, Restle, F., Jr., Eds. انتشارات روانشناسی: نیویورک، نیویورک، ایالات متحده آمریکا، 2014; جلد 3، صص 199-239. [ Google Scholar ]
  28. هلمکویست، ک. نیستروم، ام. اندرسون، آر. دیورست، آر. یارودزکا، اچ. Van de Weijer, J. Eye Tracking: A Comprehensive Guide to Methods and Measures ; OUP آکسفورد: آکسفورد، بریتانیا، 2011. [ Google Scholar ]
  29. دبیو، ن. van de Leemput, C. Germane Load به چه معناست؟ مشارکت تجربی در نظریه بار شناختی. جلو. روانی 2014 ، 5 ، 1099. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  30. کلیمش، دبلیو. دوپل مایر، م. روم، دی. پولهوبر، دی. Stadler، W. همزمان سازی و همگام سازی پاسخ های آلفای مختلف در الکتروانسفالوگراف انسانی: پارادوکس نادیده گرفته شده؟ نوروسک. Lett. 2000 ، 284 ، 97-100. [ Google Scholar ] [ CrossRef ]
  31. کیل، ا. موسویلر، تی. Epstude، K. فعالیت باند آلفا منعکس کننده کاهش تلاش ذهنی در یک کار مقایسه است: تحلیل فضای منبع. Brain Res. 2006 ، 1121 ، 117-127. [ Google Scholar ] [ CrossRef ]
  32. بروور، A.-M. Hogervorst، MA; Erp، JBF; ون هفلار، تی. زیمرمن، پی اچ. Oostenveld, R. تخمین بار کاری با استفاده از توان طیفی EEG و ERP در N-Back Task. J. مهندس عصبی. 2012 , 9 , 045008. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  33. جنسن، او. Tesche، CD فعالیت تتا پیشانی در انسان با بار حافظه در یک کار حافظه کاری افزایش می یابد. یورو J. Neurosci. 2002 ، 15 ، 1395–1399. [ Google Scholar ] [ CrossRef ]
  34. میسونیر، پی. دیبر، M.-P. طلا، جی. ارزن، پ. Pun, MG-F. فازیو-کوستا، ال. جیاناکوپولوس، پ. Ibáñez، V. همگام سازی مرتبط با رویداد تتای فرونتال: مقایسه تأثیرات توجه هدایت شده و بار حافظه کاری. J. انتقال عصبی. 2006 ، 113 ، 1477-1486. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  35. Sauseng، P. کلیمش، دبلیو. شابوس، م. Doppelmayr، M. انسجام EEG Fronto-Parietal در تتا و آلفای بالا بازتاب عملکردهای اجرایی مرکزی حافظه کاری است. بین المللی جی روانی فیزیول. 2005 ، 57 ، 97-103. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  36. آنتوننکو، پ. پاس، اف. گرابنر، آر. ون گوگ، تی. استفاده از الکتروانسفالوگرافی برای اندازه گیری بار شناختی. آموزش. روانی Rev. 2010 , 22 , 425-438. [ Google Scholar ] [ CrossRef ]
  37. صدف، پ. اولریش، ن. آلن، جی جی بی؛ اوسینسکی، آر. هیویگ، جی. الگوهای نوسان تتا، مبنای عصبی تفاوت‌های فردی در انگیزش معرفتی را منعکس می‌کنند. علمی Rep. 2016 , 6 , 29245. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  38. مورتون، جی. وانسته، پی. لارموسو، سی. ون آکر، بی. Raes، A.; بومبک، ک. کورنیلی، اف. سالدین، جی. De Marez, L. شناسایی ویژگی‌های EEG پیش‌بینی‌کننده برای تشخیص اضافه بار شناختی در کارگران مونتاژ در صنعت 4.0. در سومین سمپوزیوم بین المللی بار کاری ذهنی انسان: مدل ها و کاربردها (H-WORKLOAD 2019) ؛ رم، ایتالیا، 2019; در دسترس آنلاین: https://arrow.tudublin.ie/hwork19/1 (در 7 ژوئیه 2020 قابل دسترسی است).
  39. Castro-Meneses، LJ; کروگر، جی.-ال. دوهرتی، اس. اعتبارسنجی قدرت تتا به عنوان یک اندازه گیری عینی بار شناختی در فیلم آموزشی. آموزش. تکنولوژی Res. توسعه دهنده 2020 ، 68 ، 181-202. [ Google Scholar ] [ CrossRef ]
  40. پستیگو، ی. پوزو، JI یادگیری نقشه جغرافیایی توسط متخصصان و تازه کارها. آموزش. روانی 1998 ، 18 ، 65-80. [ Google Scholar ] [ CrossRef ]
  41. حائرم، تی. راو، دی. تأثیر درجه تخصص و پیچیدگی وظیفه عینی بر پیچیدگی و عملکرد درک شده وظیفه. J. Appl. روانی 2007 ، 92 ، 1320. [ Google Scholar ] [ CrossRef ]
  42. هانت، ای. مکانیک توانایی کلامی. روانی Rev. 1978 , 85 , 109. [ Google Scholar ] [ CrossRef ]
  43. فینک، ا. گرابنر، RH; بندیک، م. Neubauer، آموزش تفکر واگرا AC با همگام سازی آلفای الکتروانسفالوگرام فرونتال مرتبط است. یورو J. Neurosci. 2006 ، 23 ، 2241-2246. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  44. کلیمش، دبلیو. دوپل مایر، م. پچینگر، تی. Ripper، B. نوسانات مغز و حافظه انسان: EEG در باند آلفا و تتا بالایی همبستگی دارد. نوروسک. Lett. 1997 ، 238 ، 9-12. [ Google Scholar ] [ CrossRef ]
  45. فیتزگیبون، SP; پاپ، کی جی. مکنزی، ال. کلارک، CR; Willoughby، JO Cognitive Tasks قدرت EEG گاما را تقویت می کند. کلین نوروفیزیول. 2004 ، 115 ، 1802-1809. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  46. گونتکین، بی. Emek-Savaş، DD; کورت، پی. Yener، GG; Başar، E. پاسخ های نوسانی بتا در افراد سالم و افراد دارای اختلال شناختی خفیف. کلین نورو ایمیج. 2013 ، 3 ، 39-46. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Ijgi 09 00429 g001 550
شکل 1. محرک های نمونه و بلوک های آزمایش: ( الف ) محرک اصلی. ( ب) بلوک 1: تمام عناصر نقشه. ( ج ) بلوک 2: جاده ها و هیدروگرافی. ( د ) بلوک 3: جاده ها و مناطق سبز. ( ه ) بلوک 4: مناطق سبز و هیدروگرافی. ( f ) بلوک 5: مناطق سبز. ( g ) بلوک 6: هیدروگرافی. ( h ) بلوک 7: جاده ها (اصلاح شده از [ 6 ]).
Ijgi 09 00429 g002 550
شکل 2. الکترودهای انتخاب شده برای آنالیز الکتروانسفالوگرام (EEG) (سیستم بین المللی 10-20).
Ijgi 09 00429 g003 550
شکل 3. ( الف ) زمان واکنش. ( ب ) میزان موفقیت (* تفاوت معنی دار).
Ijgi 09 00429 g004 550
شکل 4. میزان موفقیت یادگیرندگان خوب و نسبتا ضعیف.
Ijgi 09 00429 g005 550
شکل 5. ( الف ) مدت زمان تثبیت. ( ب ) تعداد تثبیت در ثانیه (همچنین در [ 6 ] منتشر شده است). ( ج ) دامنه ساکاد، ( د ) سرعت ساکاد (نوارهای آبی: متخصصان، نوارهای نارنجی: تازه کارها، *: تفاوت قابل توجه).
Ijgi 09 00429 g006 550
شکل 6. نقشه های تمرکز متعلق به محرک مثال در شکل 1 . نقشه‌های مستطیل قرمز وظایف سخت را نشان می‌دهند: ( 1a ) بلوک 1- متخصصان، ( 1b ) بلوک 1-مبتدیان، ( 2a ) بلوک 2- متخصصان، ( 2b ) بلوک 2- تازه‌کاران. نقشه‌های مستطیل زرد نشان‌دهنده وظایف متوسط ​​هستند: ( 3a ) بلوک 3- متخصصان، ( 3b ) بلوک 3-مبتدیان، ( 4a ) بلوک 4- متخصصان، ( 4b ) بلوک 4- تازه‌کاران. نقشه‌های مستطیل سبز نشان‌دهنده وظایف آسان است: ( 5a ) بلوک 5- متخصصان، ( 5b ) بلوک 5-مبتدیان، ( 6a ) بلوک 6- متخصصان، ( 6b )) بلوک 6 – تازه کارها، ( 7a ) بلوک 7 – متخصصان، ( 7b ) بلوک 7 – تازه کارها.
Ijgi 09 00429 g007 550
شکل 7. تغییرات در چگالی طیفی توان (PSD) آلفا و تتا برای متخصصان و تازه کارها (μV 2 /Hz) (مقادیر آلفا برای اهداف تجسم در 10 ضرب می شوند).
Ijgi 09 00429 g008 550
شکل 8. تغییرات PSD تغییرات قدرت آلفا و تتا برای یادگیرندگان خوب و یادگیرندگان نسبتا ضعیف (μV 2 /Hz) (مقادیر آلفا برای اهداف تجسم در 10 ضرب می شوند).

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید