بحران تکرارپذیری در علوم اعصاب شناختی
مهول نایاک
بهروزرسانی در
بحران تکرارپذیری در علوم اعصاب شناختی
مهول نایاک
بهروزرسانی در
بحران تکرارپذیری در علوم اعصاب شناختی
مهول نایاک
بهروزرسانی در
هدف قرار دادن بحران تکرارپذیری در علوم اعصاب شناختی برای بهبود اهمیت آماری.
در تحقیقات علوم اعصاب شناختی و رفتار اجتماعی، هدف متدولوژی تحقیق EEG درک ذهن انسان از طریق مطالعه ماهیت فعالیت مغزی مرتبط با فعالیتهای مختلف یا محیطهای بیرونی است. یک تمایز مهم تحقیقات EEG، اکنون که هدستهای بیسیم و قابل حمل EEG در دسترس هستند، توانایی بررسی فعالیتهای طولانیمدت مغز و رفتار اجتماعی در مکانهای واقعی، به جای محدود شدن به آزمایشگاه است.
بحران تکرارپذیری چیست؟
بحران تکرارپذیری به زمانی اشاره دارد که محققان نمیتوانند نتایج آزمایشهای سایر محققان را تکرار یا بازتولید کنند. در نتیجه، یافتههای آنها نمیتواند از گروه نمونه به کل جامعه تعمیم یابد.
متأسفانه، حجم نمونههای کوچک در هسته چالشهای فعلی در تلاشهای علوم اعصاب قرار دارد. حجم نمونههای کوچک بر اهمیت آماری تأثیر میگذارد، دشواری در نتیجهگیریهای معنادار را افزایش میدهد و بحران رو به رشد تکرارپذیری را وخیمتر میکند.
از آنجا که تکرار یک گام بسیار حیاتی در فرآیند علمی است، حل این بحران تکرارپذیری امری ضروری است. در غیر این صورت، نتایج تجربی که قابل بازتولید نیستند، اعتبار تئوریهای مورد نظر و در نتیجه، هرگونه درمان، مداوا یا قوانینی را که در نتیجه این فرآیند به وجود میآیند، زیر سوال میبرند.
این پست پیشزمینهای از بحران تکرارپذیری و چگونگی تأثیر آن بر توانایی دانشمندان علوم اعصاب برای باز کردن پتانسیل کامل دادههای جمعآوریشده برای درک دنیای واقعی ارائه میدهد. سپس معرفی خواهیم کرد که چگونه فناوری قرن بیست و یکم، مانند تحقیقات جمعسپاری شده با واسطه هوش مصنوعی، کمکی برای حل بحران تکرارپذیری ارائه میدهد.
اهمیت بازتولیدپذیری در تحقیقات علوم اعصاب
تحقیقات تجربی امروزی هم شامل به دست آوردن و هم تجزیه و تحلیل دادهها میشود. به این ترتیب، ملاحظات مربوط به بازتولیدپذیری آن به دو سوال تقسیم میشود:
بازتولیدپذیری: آیا آزمایش شما دارای تاییدیه آنالیزها و گواهینامههای لازم برای تفسیر دادهها هست؟
تکرار: آیا آزمایش شما ظرفیت تکرار شدن برای به دست آوردن دادههای جدید و مستقل را دارد؟
متأسفانه، پاسخ به هر دو سوال در تحقیقات علوم اعصاب «خیر» است.
در سال ۲۰۱۶، رسانه Nature از ۱۵۷۶ محقق نظرسنجی کرد و دریافت که بیش از ۷۰ درصد از محققان برای بازتولید آزمایش یک دانشمند دیگر تلاش کرده و شکست خوردهاند. و بیش از نیمی از آنها در بازتولید آزمایشهای خود ناکام ماندند. با وجود شکستهایشان، تنها ۵۲ درصد از محققان موافق بودند که یک بحران وجود دارد، در حالی که ۳۱ درصد فکر میکردند نتایج احتمالا اشتباه است.
ناتوانی در بازتولید نتایج تحقیقات معمولاً به دلیل ماهیت منحصربهفرد شرایط آزمایشی است که نمیتوان آن را به صورت آماری جبران یا شناسایی کرد. همه چیز از آب و هوای آن روز، تکنسین آزمایشگاهِ انجامدهنده آزمایشها، و ابزارهای تجزیه و تحلیل یا آماری توسعهیافته برای ارزیابی نتایج آزمایش، میتوانند عناصر منحصربهفردی داشته باشند که تکرارپذیری را پیچیده میکند.
علاوه بر این، به دلیل منابع محدود و تخصص مورد نیاز برای تحقیقات علوم اعصاب، آزمایشهای آن تمایل دارند که با نمونهگیری کم انجام شوند و از قبل دارای نمونههای جمعیتی محدود WEIRD (غربی، تحصیلکرده، صنعتی، ثروتمند و دموکراتیک) باشند.
چرا تکرار در تحقیقات مهم است؟
محدودیتهای تدارکاتی، مانند مشکلات جذب نیرو، محدود بودن به آزمایشگاه و حجم نمونههای کوچک، به این معنی بوده است که محققان به شیوهها و الگوهای تحقیقاتی قدیمی متکی بودهاند. در نتیجه، محققانی که رفتارهای اجتماعی دنیای واقعی و اطلاعات شخصی را مطالعه میکنند، نمیتوانند آزمایشها را به صورت متنوع یا خلاقانه اجرا کنند. این محدودیتها بر توانایی محققان علوم اعصاب برای تبدیل یافتههای خود به کاربردهای دنیای واقعی، مانند درمانها، مداواها و حتی قوانین تأثیر گذاشته است. این مسائل، محدودیتهای گروه نمونه و توانایی محدود برای آزمایش در موقعیتهای دنیای واقعی در هسته بحران تکرارپذیری قرار دارند.
ناتوانی در تکرار نتایج تجربی در آزمایشگاه، نتیجهگیری با توان آماری بالا را دشوار میکند. وقتی در استنتاجهای گرفته شده از نتایج تجربی تردید وجود داشته باشد، اعتماد کل سیستم را تضعیف میکند. این تردید همچنین میتواند تاثیر منفی بر نهادهای تامین مالی تحقیقات بگذارد که وظیفه حمایت از تحقیقاتی با تاثیرات گسترده و واقعی را بر عهده دارند.
بهبود بازتولیدپذیری اغلب از طریق مشخص کردن دقیق روشهای تحقیق حاصل میشود. تکرار نتایج زمانی بهبود مییابد که محققان به استانداردسازی دقیق جمعآوری دادهها، کنترل کیفیت و فرآیندهای تجزیه و تحلیل در آزمایشهایی با گروههای نمونه بزرگتر دست یابند.
در دهه گذشته، نوآوریهای تکنولوژیکی در نرمافزارها و سختافزارهای جمعسپاری، محققان را قادر ساخته است تا این عناصر استانداردسازی اصلی را ارائه دهند که با بحران تکرارپذیری، مشکل توان آماری و بحران بازتولیدپذیری مقابله میکند.
روشهای تحقیق جمعسپاری
جهانی شدن برای سوژههای بیشتر با تحقیقات جمعسپاری شده
فناوری جمعسپاری در دو دهه اخیر به سرعت توسعه یافته است. این رویکردی است که به محقق اجازه میدهد دادههای بسیار بیشتری را از افراد از طریق یک شبکه متصل جهانی جمعآوری کند. به عنوان مثال، پیشرفتهای حاصل شده در سرعت تشخیص کامپیوتر را در نظر بگیرید. برای دههها این تحقیق اساساً متوقف شده بود تا اینکه شرکتهایی مانند گوگل، آمازون و اپل ورودیهای تجمعی صدها هزار کاربر اینترنت را جمعآوری کردند. با چنین مجموعه داده عظیمی، آنها توانستند نرمافزار تشخیص صدا را به آنچه امروزه معمولاً در سرویسهای گوگل، الکسا و سیری استفاده میشود، ارتقا دهند.
با این حال، مانند اکثر نوآوریهای تکنولوژیکی، جمعسپاری با چندین روش تحقیقات تجاری و علمی سازگار شده است. Zooniverse ،Folding@Home و Seek توسط iNaturalists سه پلتفرم شناختهشده جمعسپاری هستند.
Zooniverse بزرگترین پلتفرم تحقیقاتی با محوریت نیروی مردمی است که دو میلیون حساب ثبت شده دارد. انسانها به طور منحصربهفردی برای شناسایی الگوها سازگار هستند، در حالی که کامپیوترها در این زمینه مشکل دارند. عموم مردم میتوانند به محققان در شناسایی و طبقهبندی همه چیز از اشکال کهکشانها گرفته تا انواع حیوانات کمک کنند. جامعه Zooniverse به اکتشافات بسیاری کمک کرده است و هر کسی میتواند دادههای خود را در پروژهای که برای جامعه باز است بارگذاری کند.
دیگر پلتفرمهای محبوب جمعسپاری عبارتند از Folding@Home و Seek توسط iNaturalist. پلتفرم Folding@Home قدرت پردازش کامپیوتر را در زمانی که محافظ صفحه نمایش فعال است قرض میگیرد و شکل و امکانات تعاملی پروتئینهای ترجمه شده از کدهای DNA را محاسبه میکند. برنامه Seek از iNaturalists یک اپلیکیشن تلفن همراه است که سرده و گونه هر گیاه یا حیوانی را از طریق دوربین شناسایی میکند.
از نظر جمعآوری دادهها، برنامه Seek به طور متوسط روزانه نزدیک به ۲۰۰,۰۰۰ تصویر بارگذاری شده دارد. پس از بارگذاری، جامعهای متشکل از بیش از دو میلیون دانشمند و شهروند-دانشمند با دادهها تعامل برقرار کرده و به عنوان تحلیلگر کیفیت داده عمل میکنند، و دقت شناسایی را پیشنهاد و تایید میکنند.
جمعسپاری و علوم اعصاب همیشه قرار بود با یکدیگر شریک باشند
تحقیقات جمعسپاری راهی برای بهبود اهمیت عملی آزمایشها است. این کار افرادی را که علاقهمند به مشارکت در تحقیقات و کمک به محققان برای ایجاد تأثیر هستند، دور هم جمع میکند. با جمعسپاری، توان آماری این روشهای تحقیقاتی افزایش مییابد. محققان در صورت وجود تفاوت آماری معنیدار، احتمال بیشتری برای شناسایی آن دارند زیرا حجم نمونه بزرگی برای تضمین توان آماری کافی وجود دارد.
پیشرفتهای اخیر در فناوری جمعسپاری و هدستها و تجهیزات باکیفیت و قابل حمل EEG با درجه تحقیقاتی، امیدواریهایی را برای حل بحران تکرارپذیری ایجاد میکند. به نظر میرسد جمعسپاری دادههای سطح تحقیقاتی از هزاران فرد متنوع و پراکنده، توان آماری قابلتوجهتری را برای روشهای تحقیقاتی فراهم میکند. برای پاسخ به دشوارترین سوالات نوآوری و پژوهش، جمعیتها در حال تبدیل شدن به شریک انتخابی هستند.
در حالی که برخی بحثها درباره بحران تکرارپذیری ادامه دارد، Emotiv این مشکل را بیشتر به عنوان یک فرصت تعریف کرده است - چالشی که ارزش تلاش برای حل آن را دارد - و آنها پیشرفت قابل توجهی در انجام این کار داشتهاند. برای مقابله با بحران تکرارپذیری در علوم اعصاب شناختی، Emotiv یک پلتفرم تحقیقات علوم اعصاب توزیعشده مقیاسپذیر به نام EmotivLABS توسعه داده است.
پیشی گرفتن از بحران تکرارپذیری با EmotivLABS
ما میتوانیم با همکاری یکدیگر به تحقیقات خود سرعت ببخشیم.
EmotivLABS پلتفرم تحقیقاتی توزیعشده مقیاسپذیر Emotiv است. شرکتکنندگان از سراسر جهان میتوانند با هدستهای Emotiv EEG خود در تحقیقات علوم اعصاب شرکت کنند و برای مشارکت خود دستمزد دریافت کنند.
یکی از ویژگیهای جداییناپذیر این پلتفرم، فرآیندهای پیشرفته تضمین کیفیت آن است که اطمینان میدهد محققان دادههای باکیفیت و در سطح تحقیقاتی را از شرکتکنندگان به دست میآورند. کاربران باید یک فرآیند تایید گواهینامه را تکمیل کنند: نشان دهند که میدانند هدست آنها چگونه کار میکند و میتوانند دادههای باکیفیت EEG را به دست آورند. پس از تایید، کاربران میتوانند در آزمایشهای تحقیقاتی علوم اعصاب در پلتفرم شرکت کنند و در برخی موارد حتی پاداش دریافت کنند.
علاوه بر دادههای خام EEG، محققان همچنین به دادههای قدرت باند (band power) و مجموعهای از الگوریتمهای تشخیص عاطفی و شناختی دسترسی دارند که شامل توجه، ناامیدی، علاقه، آرامش، درگیری حافظه، هیجان و استرس شناختی میشود.
آزمایشهای تحقیقاتی را میتوان با استفاده از ابزار آزمایشساز (Experiment Builder) متعلق به Emotiv ساخت و سپس در EmotivLABS مستقر کرد. از یک پنل جهانی از شرکتکنندگان تایید شده دعوت و جذب نیرو کنید و دادههای باکیفیت EEG را همگی در یک پلتفرم جمعآوری کنید.
هدستهای EEG متعلق به Emotiv، همراه با EmotivLABS به سه مسئله اصلی بحران تکرارپذیری پاسخ میدهند: تدارکات جذب نیرو، اهمیت آماری، و دسترسی به یک جمعیت شناختی متنوعتر و فراگیرتر.
در نهایت، با افزایش تعداد رشتهها و بازارهای تجاری که از ابزارها و روشهای علوم اعصاب استقبال میکنند، هدستهای کمهزینه و با درجه پژوهشی Emotiv در تحقیقات علوم اعصاب، سلامت و تندرستی، خودروسازی، بازاریابی عصبی، تحقیقات مصرفکننده، آموزش و محیطهای سرگرمی مورد استفاده قرار میگیرند.
در نهایت، نوآوریهایی در این مقیاس در زمینه فناوری عصبی (neurotechnology) به ما اجازه داد تا Insight بیشتری نسبت به زندگی عاطفی و فکری خود به دست آوریم. دانشی که زمانی به دلیل طراحیهای آزمایشی و روشهای تحقیقاتی قدیمی، دور از دسترس بود. به کارگیری چنین بینشهایی کنترل بیشتری در انطباق آگاهانه زندگی شخصی و حرفهای به منظور به حداکثر رساندن عملکرد و غنیسازی تواناییهای ذاتی ما به صورت فردی و در روابط با دیگران به ما میدهد.
در اینجا درباره نحوه ارتقای تحقیقات خود بیشتر بدانید.
درباره Emotiv بیشتر بدانید
کمپانی Emotiv که در سال ۲۰۱۱ تاسیس شد، یک شرکت بیوانفورماتیک مستقر در سانفرانسیسکو است که هدف آن ارتقای درک ما از مغز انسان با استفاده از سختافزار سفارشی الکتروانسفالوگرافی (EEG)، تجزیه و تحلیل و تصویرسازی است.
در مرکز علمِ آزاد، همکاری قرار دارد. پلتفرم تحقیقاتی و کارکنان Emotiv با هدف ارتقای یکپارچگی علمی و دقت آزمایشی تلاش میکنند. پلتفرم تحقیقاتی مقیاسپذیر Emotiv، یعنی EmotivLABs، دانشمندان علوم اعصاب شناختی را در سراسر جهان به جمعیتی جهانی از شرکتکنندگان و محققان متصل میکند. با تشخیص خطی بودن فزاینده تحقیقات علوم اعصاب، ما با ارائه مجموعه دادههای گسترده، چند بعدی و غنی به محققان کمک میکنیم و به شما امکان میدهیم از یک نمونه وسیع، نتیجهگیریهای معناداری داشته باشید.
هدستهای Emotiv
Emotiv Insight
Emotiv به جامعه وسیعی از کاربران خدمات ارائه میدهد، از متخصصان گرفته تا افرادی که صرفاً به دنبال یادگیری در مورد مغز خود هستند. هدست Emotiv Insight یک هدست EEG با ۵ کانال است که برای رابط مغز و کامپیوتر (BCI) طراحی شده است. Insight یک طراحی شیک با راهاندازی آسان را با فناوری حسگر انقلابی ترکیب میکند.
Emotiv EPOC X و EPOC Flex
هدست Emotiv EPOC X یک هدست EEG با ۱۴ کانال است و Flex یک سیستم EEG با ۳۲ کانال است. هدستهای EPOC که برای تحقیقات علوم اعصاب در هر محیطی طراحی شدهاند، بیسیم و مجهز به فناوری حسگر بهبودیافته هستند. هر دو هدست توسط گروههای تحقیقاتی مستقل تأیید شدهاند و ثابت شده است که دادههای باکیفیت در سطح تحقیقاتی ارائه میدهند.
مقایسه کامل قابلیتهای فنی هدستهای EEG متعلق به Emotiv در وبسایت Emotiv موجود است.
فناوری Emotiv
Emotiv مجموعهای از ابزارها را برای حمایت از هر گام در مسیر تحقیقات علوم اعصاب طراحی کرده است.
نرمافزار EmotivPRO به کاربران امکان میدهد نتایج آزمایش را پردازش، تجزیه و تحلیل و تصویرسازی کنند. محققان همچنین میتوانند آزمایشهایی را در سطح حرفهای طراحی کنند که در آن هر شرکتکنندهای با هدست Emotiv در صورت مطابقت با طراحی آزمایشی، بتواند در آن شرکت کند.
یک کیت توسعه نرمافزار (SDK) برای Emotiv نیز در دسترس است تا بتوان برنامههای سفارشی، تعاملات یا طراحیهای آزمایشی را به تنهایی با استفاده از هدست و تلفن هوشمند در حال حرکت انجام داد.
همزمان با افزایش تعداد رشتهها و بازارهای تجاری که از ابزارها و روشهای علوم اعصاب استقبال میکنند، هدستهای EEG ارزانقیمت و با کاربری آسان Emotiv در موارد زیر استفاده میشوند:
تحقیقات علوم اعصاب
سلامت و تندرستی
صنایع خودروسازی
بازاریابی عصبی (نورومارکتینگ)
تحقیقات مصرفکننده
آموزش
محیطهای سرگرمی
هدف قرار دادن بحران تکرارپذیری در علوم اعصاب شناختی برای بهبود اهمیت آماری.
در تحقیقات علوم اعصاب شناختی و رفتار اجتماعی، هدف متدولوژی تحقیق EEG درک ذهن انسان از طریق مطالعه ماهیت فعالیت مغزی مرتبط با فعالیتهای مختلف یا محیطهای بیرونی است. یک تمایز مهم تحقیقات EEG، اکنون که هدستهای بیسیم و قابل حمل EEG در دسترس هستند، توانایی بررسی فعالیتهای طولانیمدت مغز و رفتار اجتماعی در مکانهای واقعی، به جای محدود شدن به آزمایشگاه است.
بحران تکرارپذیری چیست؟
بحران تکرارپذیری به زمانی اشاره دارد که محققان نمیتوانند نتایج آزمایشهای سایر محققان را تکرار یا بازتولید کنند. در نتیجه، یافتههای آنها نمیتواند از گروه نمونه به کل جامعه تعمیم یابد.
متأسفانه، حجم نمونههای کوچک در هسته چالشهای فعلی در تلاشهای علوم اعصاب قرار دارد. حجم نمونههای کوچک بر اهمیت آماری تأثیر میگذارد، دشواری در نتیجهگیریهای معنادار را افزایش میدهد و بحران رو به رشد تکرارپذیری را وخیمتر میکند.
از آنجا که تکرار یک گام بسیار حیاتی در فرآیند علمی است، حل این بحران تکرارپذیری امری ضروری است. در غیر این صورت، نتایج تجربی که قابل بازتولید نیستند، اعتبار تئوریهای مورد نظر و در نتیجه، هرگونه درمان، مداوا یا قوانینی را که در نتیجه این فرآیند به وجود میآیند، زیر سوال میبرند.
این پست پیشزمینهای از بحران تکرارپذیری و چگونگی تأثیر آن بر توانایی دانشمندان علوم اعصاب برای باز کردن پتانسیل کامل دادههای جمعآوریشده برای درک دنیای واقعی ارائه میدهد. سپس معرفی خواهیم کرد که چگونه فناوری قرن بیست و یکم، مانند تحقیقات جمعسپاری شده با واسطه هوش مصنوعی، کمکی برای حل بحران تکرارپذیری ارائه میدهد.
اهمیت بازتولیدپذیری در تحقیقات علوم اعصاب
تحقیقات تجربی امروزی هم شامل به دست آوردن و هم تجزیه و تحلیل دادهها میشود. به این ترتیب، ملاحظات مربوط به بازتولیدپذیری آن به دو سوال تقسیم میشود:
بازتولیدپذیری: آیا آزمایش شما دارای تاییدیه آنالیزها و گواهینامههای لازم برای تفسیر دادهها هست؟
تکرار: آیا آزمایش شما ظرفیت تکرار شدن برای به دست آوردن دادههای جدید و مستقل را دارد؟
متأسفانه، پاسخ به هر دو سوال در تحقیقات علوم اعصاب «خیر» است.
در سال ۲۰۱۶، رسانه Nature از ۱۵۷۶ محقق نظرسنجی کرد و دریافت که بیش از ۷۰ درصد از محققان برای بازتولید آزمایش یک دانشمند دیگر تلاش کرده و شکست خوردهاند. و بیش از نیمی از آنها در بازتولید آزمایشهای خود ناکام ماندند. با وجود شکستهایشان، تنها ۵۲ درصد از محققان موافق بودند که یک بحران وجود دارد، در حالی که ۳۱ درصد فکر میکردند نتایج احتمالا اشتباه است.
ناتوانی در بازتولید نتایج تحقیقات معمولاً به دلیل ماهیت منحصربهفرد شرایط آزمایشی است که نمیتوان آن را به صورت آماری جبران یا شناسایی کرد. همه چیز از آب و هوای آن روز، تکنسین آزمایشگاهِ انجامدهنده آزمایشها، و ابزارهای تجزیه و تحلیل یا آماری توسعهیافته برای ارزیابی نتایج آزمایش، میتوانند عناصر منحصربهفردی داشته باشند که تکرارپذیری را پیچیده میکند.
علاوه بر این، به دلیل منابع محدود و تخصص مورد نیاز برای تحقیقات علوم اعصاب، آزمایشهای آن تمایل دارند که با نمونهگیری کم انجام شوند و از قبل دارای نمونههای جمعیتی محدود WEIRD (غربی، تحصیلکرده، صنعتی، ثروتمند و دموکراتیک) باشند.
چرا تکرار در تحقیقات مهم است؟
محدودیتهای تدارکاتی، مانند مشکلات جذب نیرو، محدود بودن به آزمایشگاه و حجم نمونههای کوچک، به این معنی بوده است که محققان به شیوهها و الگوهای تحقیقاتی قدیمی متکی بودهاند. در نتیجه، محققانی که رفتارهای اجتماعی دنیای واقعی و اطلاعات شخصی را مطالعه میکنند، نمیتوانند آزمایشها را به صورت متنوع یا خلاقانه اجرا کنند. این محدودیتها بر توانایی محققان علوم اعصاب برای تبدیل یافتههای خود به کاربردهای دنیای واقعی، مانند درمانها، مداواها و حتی قوانین تأثیر گذاشته است. این مسائل، محدودیتهای گروه نمونه و توانایی محدود برای آزمایش در موقعیتهای دنیای واقعی در هسته بحران تکرارپذیری قرار دارند.
ناتوانی در تکرار نتایج تجربی در آزمایشگاه، نتیجهگیری با توان آماری بالا را دشوار میکند. وقتی در استنتاجهای گرفته شده از نتایج تجربی تردید وجود داشته باشد، اعتماد کل سیستم را تضعیف میکند. این تردید همچنین میتواند تاثیر منفی بر نهادهای تامین مالی تحقیقات بگذارد که وظیفه حمایت از تحقیقاتی با تاثیرات گسترده و واقعی را بر عهده دارند.
بهبود بازتولیدپذیری اغلب از طریق مشخص کردن دقیق روشهای تحقیق حاصل میشود. تکرار نتایج زمانی بهبود مییابد که محققان به استانداردسازی دقیق جمعآوری دادهها، کنترل کیفیت و فرآیندهای تجزیه و تحلیل در آزمایشهایی با گروههای نمونه بزرگتر دست یابند.
در دهه گذشته، نوآوریهای تکنولوژیکی در نرمافزارها و سختافزارهای جمعسپاری، محققان را قادر ساخته است تا این عناصر استانداردسازی اصلی را ارائه دهند که با بحران تکرارپذیری، مشکل توان آماری و بحران بازتولیدپذیری مقابله میکند.
روشهای تحقیق جمعسپاری
جهانی شدن برای سوژههای بیشتر با تحقیقات جمعسپاری شده
فناوری جمعسپاری در دو دهه اخیر به سرعت توسعه یافته است. این رویکردی است که به محقق اجازه میدهد دادههای بسیار بیشتری را از افراد از طریق یک شبکه متصل جهانی جمعآوری کند. به عنوان مثال، پیشرفتهای حاصل شده در سرعت تشخیص کامپیوتر را در نظر بگیرید. برای دههها این تحقیق اساساً متوقف شده بود تا اینکه شرکتهایی مانند گوگل، آمازون و اپل ورودیهای تجمعی صدها هزار کاربر اینترنت را جمعآوری کردند. با چنین مجموعه داده عظیمی، آنها توانستند نرمافزار تشخیص صدا را به آنچه امروزه معمولاً در سرویسهای گوگل، الکسا و سیری استفاده میشود، ارتقا دهند.
با این حال، مانند اکثر نوآوریهای تکنولوژیکی، جمعسپاری با چندین روش تحقیقات تجاری و علمی سازگار شده است. Zooniverse ،Folding@Home و Seek توسط iNaturalists سه پلتفرم شناختهشده جمعسپاری هستند.
Zooniverse بزرگترین پلتفرم تحقیقاتی با محوریت نیروی مردمی است که دو میلیون حساب ثبت شده دارد. انسانها به طور منحصربهفردی برای شناسایی الگوها سازگار هستند، در حالی که کامپیوترها در این زمینه مشکل دارند. عموم مردم میتوانند به محققان در شناسایی و طبقهبندی همه چیز از اشکال کهکشانها گرفته تا انواع حیوانات کمک کنند. جامعه Zooniverse به اکتشافات بسیاری کمک کرده است و هر کسی میتواند دادههای خود را در پروژهای که برای جامعه باز است بارگذاری کند.
دیگر پلتفرمهای محبوب جمعسپاری عبارتند از Folding@Home و Seek توسط iNaturalist. پلتفرم Folding@Home قدرت پردازش کامپیوتر را در زمانی که محافظ صفحه نمایش فعال است قرض میگیرد و شکل و امکانات تعاملی پروتئینهای ترجمه شده از کدهای DNA را محاسبه میکند. برنامه Seek از iNaturalists یک اپلیکیشن تلفن همراه است که سرده و گونه هر گیاه یا حیوانی را از طریق دوربین شناسایی میکند.
از نظر جمعآوری دادهها، برنامه Seek به طور متوسط روزانه نزدیک به ۲۰۰,۰۰۰ تصویر بارگذاری شده دارد. پس از بارگذاری، جامعهای متشکل از بیش از دو میلیون دانشمند و شهروند-دانشمند با دادهها تعامل برقرار کرده و به عنوان تحلیلگر کیفیت داده عمل میکنند، و دقت شناسایی را پیشنهاد و تایید میکنند.
جمعسپاری و علوم اعصاب همیشه قرار بود با یکدیگر شریک باشند
تحقیقات جمعسپاری راهی برای بهبود اهمیت عملی آزمایشها است. این کار افرادی را که علاقهمند به مشارکت در تحقیقات و کمک به محققان برای ایجاد تأثیر هستند، دور هم جمع میکند. با جمعسپاری، توان آماری این روشهای تحقیقاتی افزایش مییابد. محققان در صورت وجود تفاوت آماری معنیدار، احتمال بیشتری برای شناسایی آن دارند زیرا حجم نمونه بزرگی برای تضمین توان آماری کافی وجود دارد.
پیشرفتهای اخیر در فناوری جمعسپاری و هدستها و تجهیزات باکیفیت و قابل حمل EEG با درجه تحقیقاتی، امیدواریهایی را برای حل بحران تکرارپذیری ایجاد میکند. به نظر میرسد جمعسپاری دادههای سطح تحقیقاتی از هزاران فرد متنوع و پراکنده، توان آماری قابلتوجهتری را برای روشهای تحقیقاتی فراهم میکند. برای پاسخ به دشوارترین سوالات نوآوری و پژوهش، جمعیتها در حال تبدیل شدن به شریک انتخابی هستند.
در حالی که برخی بحثها درباره بحران تکرارپذیری ادامه دارد، Emotiv این مشکل را بیشتر به عنوان یک فرصت تعریف کرده است - چالشی که ارزش تلاش برای حل آن را دارد - و آنها پیشرفت قابل توجهی در انجام این کار داشتهاند. برای مقابله با بحران تکرارپذیری در علوم اعصاب شناختی، Emotiv یک پلتفرم تحقیقات علوم اعصاب توزیعشده مقیاسپذیر به نام EmotivLABS توسعه داده است.
پیشی گرفتن از بحران تکرارپذیری با EmotivLABS
ما میتوانیم با همکاری یکدیگر به تحقیقات خود سرعت ببخشیم.
EmotivLABS پلتفرم تحقیقاتی توزیعشده مقیاسپذیر Emotiv است. شرکتکنندگان از سراسر جهان میتوانند با هدستهای Emotiv EEG خود در تحقیقات علوم اعصاب شرکت کنند و برای مشارکت خود دستمزد دریافت کنند.
یکی از ویژگیهای جداییناپذیر این پلتفرم، فرآیندهای پیشرفته تضمین کیفیت آن است که اطمینان میدهد محققان دادههای باکیفیت و در سطح تحقیقاتی را از شرکتکنندگان به دست میآورند. کاربران باید یک فرآیند تایید گواهینامه را تکمیل کنند: نشان دهند که میدانند هدست آنها چگونه کار میکند و میتوانند دادههای باکیفیت EEG را به دست آورند. پس از تایید، کاربران میتوانند در آزمایشهای تحقیقاتی علوم اعصاب در پلتفرم شرکت کنند و در برخی موارد حتی پاداش دریافت کنند.
علاوه بر دادههای خام EEG، محققان همچنین به دادههای قدرت باند (band power) و مجموعهای از الگوریتمهای تشخیص عاطفی و شناختی دسترسی دارند که شامل توجه، ناامیدی، علاقه، آرامش، درگیری حافظه، هیجان و استرس شناختی میشود.
آزمایشهای تحقیقاتی را میتوان با استفاده از ابزار آزمایشساز (Experiment Builder) متعلق به Emotiv ساخت و سپس در EmotivLABS مستقر کرد. از یک پنل جهانی از شرکتکنندگان تایید شده دعوت و جذب نیرو کنید و دادههای باکیفیت EEG را همگی در یک پلتفرم جمعآوری کنید.
هدستهای EEG متعلق به Emotiv، همراه با EmotivLABS به سه مسئله اصلی بحران تکرارپذیری پاسخ میدهند: تدارکات جذب نیرو، اهمیت آماری، و دسترسی به یک جمعیت شناختی متنوعتر و فراگیرتر.
در نهایت، با افزایش تعداد رشتهها و بازارهای تجاری که از ابزارها و روشهای علوم اعصاب استقبال میکنند، هدستهای کمهزینه و با درجه پژوهشی Emotiv در تحقیقات علوم اعصاب، سلامت و تندرستی، خودروسازی، بازاریابی عصبی، تحقیقات مصرفکننده، آموزش و محیطهای سرگرمی مورد استفاده قرار میگیرند.
در نهایت، نوآوریهایی در این مقیاس در زمینه فناوری عصبی (neurotechnology) به ما اجازه داد تا Insight بیشتری نسبت به زندگی عاطفی و فکری خود به دست آوریم. دانشی که زمانی به دلیل طراحیهای آزمایشی و روشهای تحقیقاتی قدیمی، دور از دسترس بود. به کارگیری چنین بینشهایی کنترل بیشتری در انطباق آگاهانه زندگی شخصی و حرفهای به منظور به حداکثر رساندن عملکرد و غنیسازی تواناییهای ذاتی ما به صورت فردی و در روابط با دیگران به ما میدهد.
در اینجا درباره نحوه ارتقای تحقیقات خود بیشتر بدانید.
درباره Emotiv بیشتر بدانید
کمپانی Emotiv که در سال ۲۰۱۱ تاسیس شد، یک شرکت بیوانفورماتیک مستقر در سانفرانسیسکو است که هدف آن ارتقای درک ما از مغز انسان با استفاده از سختافزار سفارشی الکتروانسفالوگرافی (EEG)، تجزیه و تحلیل و تصویرسازی است.
در مرکز علمِ آزاد، همکاری قرار دارد. پلتفرم تحقیقاتی و کارکنان Emotiv با هدف ارتقای یکپارچگی علمی و دقت آزمایشی تلاش میکنند. پلتفرم تحقیقاتی مقیاسپذیر Emotiv، یعنی EmotivLABs، دانشمندان علوم اعصاب شناختی را در سراسر جهان به جمعیتی جهانی از شرکتکنندگان و محققان متصل میکند. با تشخیص خطی بودن فزاینده تحقیقات علوم اعصاب، ما با ارائه مجموعه دادههای گسترده، چند بعدی و غنی به محققان کمک میکنیم و به شما امکان میدهیم از یک نمونه وسیع، نتیجهگیریهای معناداری داشته باشید.
هدستهای Emotiv
Emotiv Insight
Emotiv به جامعه وسیعی از کاربران خدمات ارائه میدهد، از متخصصان گرفته تا افرادی که صرفاً به دنبال یادگیری در مورد مغز خود هستند. هدست Emotiv Insight یک هدست EEG با ۵ کانال است که برای رابط مغز و کامپیوتر (BCI) طراحی شده است. Insight یک طراحی شیک با راهاندازی آسان را با فناوری حسگر انقلابی ترکیب میکند.
Emotiv EPOC X و EPOC Flex
هدست Emotiv EPOC X یک هدست EEG با ۱۴ کانال است و Flex یک سیستم EEG با ۳۲ کانال است. هدستهای EPOC که برای تحقیقات علوم اعصاب در هر محیطی طراحی شدهاند، بیسیم و مجهز به فناوری حسگر بهبودیافته هستند. هر دو هدست توسط گروههای تحقیقاتی مستقل تأیید شدهاند و ثابت شده است که دادههای باکیفیت در سطح تحقیقاتی ارائه میدهند.
مقایسه کامل قابلیتهای فنی هدستهای EEG متعلق به Emotiv در وبسایت Emotiv موجود است.
فناوری Emotiv
Emotiv مجموعهای از ابزارها را برای حمایت از هر گام در مسیر تحقیقات علوم اعصاب طراحی کرده است.
نرمافزار EmotivPRO به کاربران امکان میدهد نتایج آزمایش را پردازش، تجزیه و تحلیل و تصویرسازی کنند. محققان همچنین میتوانند آزمایشهایی را در سطح حرفهای طراحی کنند که در آن هر شرکتکنندهای با هدست Emotiv در صورت مطابقت با طراحی آزمایشی، بتواند در آن شرکت کند.
یک کیت توسعه نرمافزار (SDK) برای Emotiv نیز در دسترس است تا بتوان برنامههای سفارشی، تعاملات یا طراحیهای آزمایشی را به تنهایی با استفاده از هدست و تلفن هوشمند در حال حرکت انجام داد.
همزمان با افزایش تعداد رشتهها و بازارهای تجاری که از ابزارها و روشهای علوم اعصاب استقبال میکنند، هدستهای EEG ارزانقیمت و با کاربری آسان Emotiv در موارد زیر استفاده میشوند:
تحقیقات علوم اعصاب
سلامت و تندرستی
صنایع خودروسازی
بازاریابی عصبی (نورومارکتینگ)
تحقیقات مصرفکننده
آموزش
محیطهای سرگرمی
هدف قرار دادن بحران تکرارپذیری در علوم اعصاب شناختی برای بهبود اهمیت آماری.
در تحقیقات علوم اعصاب شناختی و رفتار اجتماعی، هدف متدولوژی تحقیق EEG درک ذهن انسان از طریق مطالعه ماهیت فعالیت مغزی مرتبط با فعالیتهای مختلف یا محیطهای بیرونی است. یک تمایز مهم تحقیقات EEG، اکنون که هدستهای بیسیم و قابل حمل EEG در دسترس هستند، توانایی بررسی فعالیتهای طولانیمدت مغز و رفتار اجتماعی در مکانهای واقعی، به جای محدود شدن به آزمایشگاه است.
بحران تکرارپذیری چیست؟
بحران تکرارپذیری به زمانی اشاره دارد که محققان نمیتوانند نتایج آزمایشهای سایر محققان را تکرار یا بازتولید کنند. در نتیجه، یافتههای آنها نمیتواند از گروه نمونه به کل جامعه تعمیم یابد.
متأسفانه، حجم نمونههای کوچک در هسته چالشهای فعلی در تلاشهای علوم اعصاب قرار دارد. حجم نمونههای کوچک بر اهمیت آماری تأثیر میگذارد، دشواری در نتیجهگیریهای معنادار را افزایش میدهد و بحران رو به رشد تکرارپذیری را وخیمتر میکند.
از آنجا که تکرار یک گام بسیار حیاتی در فرآیند علمی است، حل این بحران تکرارپذیری امری ضروری است. در غیر این صورت، نتایج تجربی که قابل بازتولید نیستند، اعتبار تئوریهای مورد نظر و در نتیجه، هرگونه درمان، مداوا یا قوانینی را که در نتیجه این فرآیند به وجود میآیند، زیر سوال میبرند.
این پست پیشزمینهای از بحران تکرارپذیری و چگونگی تأثیر آن بر توانایی دانشمندان علوم اعصاب برای باز کردن پتانسیل کامل دادههای جمعآوریشده برای درک دنیای واقعی ارائه میدهد. سپس معرفی خواهیم کرد که چگونه فناوری قرن بیست و یکم، مانند تحقیقات جمعسپاری شده با واسطه هوش مصنوعی، کمکی برای حل بحران تکرارپذیری ارائه میدهد.
اهمیت بازتولیدپذیری در تحقیقات علوم اعصاب
تحقیقات تجربی امروزی هم شامل به دست آوردن و هم تجزیه و تحلیل دادهها میشود. به این ترتیب، ملاحظات مربوط به بازتولیدپذیری آن به دو سوال تقسیم میشود:
بازتولیدپذیری: آیا آزمایش شما دارای تاییدیه آنالیزها و گواهینامههای لازم برای تفسیر دادهها هست؟
تکرار: آیا آزمایش شما ظرفیت تکرار شدن برای به دست آوردن دادههای جدید و مستقل را دارد؟
متأسفانه، پاسخ به هر دو سوال در تحقیقات علوم اعصاب «خیر» است.
در سال ۲۰۱۶، رسانه Nature از ۱۵۷۶ محقق نظرسنجی کرد و دریافت که بیش از ۷۰ درصد از محققان برای بازتولید آزمایش یک دانشمند دیگر تلاش کرده و شکست خوردهاند. و بیش از نیمی از آنها در بازتولید آزمایشهای خود ناکام ماندند. با وجود شکستهایشان، تنها ۵۲ درصد از محققان موافق بودند که یک بحران وجود دارد، در حالی که ۳۱ درصد فکر میکردند نتایج احتمالا اشتباه است.
ناتوانی در بازتولید نتایج تحقیقات معمولاً به دلیل ماهیت منحصربهفرد شرایط آزمایشی است که نمیتوان آن را به صورت آماری جبران یا شناسایی کرد. همه چیز از آب و هوای آن روز، تکنسین آزمایشگاهِ انجامدهنده آزمایشها، و ابزارهای تجزیه و تحلیل یا آماری توسعهیافته برای ارزیابی نتایج آزمایش، میتوانند عناصر منحصربهفردی داشته باشند که تکرارپذیری را پیچیده میکند.
علاوه بر این، به دلیل منابع محدود و تخصص مورد نیاز برای تحقیقات علوم اعصاب، آزمایشهای آن تمایل دارند که با نمونهگیری کم انجام شوند و از قبل دارای نمونههای جمعیتی محدود WEIRD (غربی، تحصیلکرده، صنعتی، ثروتمند و دموکراتیک) باشند.
چرا تکرار در تحقیقات مهم است؟
محدودیتهای تدارکاتی، مانند مشکلات جذب نیرو، محدود بودن به آزمایشگاه و حجم نمونههای کوچک، به این معنی بوده است که محققان به شیوهها و الگوهای تحقیقاتی قدیمی متکی بودهاند. در نتیجه، محققانی که رفتارهای اجتماعی دنیای واقعی و اطلاعات شخصی را مطالعه میکنند، نمیتوانند آزمایشها را به صورت متنوع یا خلاقانه اجرا کنند. این محدودیتها بر توانایی محققان علوم اعصاب برای تبدیل یافتههای خود به کاربردهای دنیای واقعی، مانند درمانها، مداواها و حتی قوانین تأثیر گذاشته است. این مسائل، محدودیتهای گروه نمونه و توانایی محدود برای آزمایش در موقعیتهای دنیای واقعی در هسته بحران تکرارپذیری قرار دارند.
ناتوانی در تکرار نتایج تجربی در آزمایشگاه، نتیجهگیری با توان آماری بالا را دشوار میکند. وقتی در استنتاجهای گرفته شده از نتایج تجربی تردید وجود داشته باشد، اعتماد کل سیستم را تضعیف میکند. این تردید همچنین میتواند تاثیر منفی بر نهادهای تامین مالی تحقیقات بگذارد که وظیفه حمایت از تحقیقاتی با تاثیرات گسترده و واقعی را بر عهده دارند.
بهبود بازتولیدپذیری اغلب از طریق مشخص کردن دقیق روشهای تحقیق حاصل میشود. تکرار نتایج زمانی بهبود مییابد که محققان به استانداردسازی دقیق جمعآوری دادهها، کنترل کیفیت و فرآیندهای تجزیه و تحلیل در آزمایشهایی با گروههای نمونه بزرگتر دست یابند.
در دهه گذشته، نوآوریهای تکنولوژیکی در نرمافزارها و سختافزارهای جمعسپاری، محققان را قادر ساخته است تا این عناصر استانداردسازی اصلی را ارائه دهند که با بحران تکرارپذیری، مشکل توان آماری و بحران بازتولیدپذیری مقابله میکند.
روشهای تحقیق جمعسپاری
جهانی شدن برای سوژههای بیشتر با تحقیقات جمعسپاری شده
فناوری جمعسپاری در دو دهه اخیر به سرعت توسعه یافته است. این رویکردی است که به محقق اجازه میدهد دادههای بسیار بیشتری را از افراد از طریق یک شبکه متصل جهانی جمعآوری کند. به عنوان مثال، پیشرفتهای حاصل شده در سرعت تشخیص کامپیوتر را در نظر بگیرید. برای دههها این تحقیق اساساً متوقف شده بود تا اینکه شرکتهایی مانند گوگل، آمازون و اپل ورودیهای تجمعی صدها هزار کاربر اینترنت را جمعآوری کردند. با چنین مجموعه داده عظیمی، آنها توانستند نرمافزار تشخیص صدا را به آنچه امروزه معمولاً در سرویسهای گوگل، الکسا و سیری استفاده میشود، ارتقا دهند.
با این حال، مانند اکثر نوآوریهای تکنولوژیکی، جمعسپاری با چندین روش تحقیقات تجاری و علمی سازگار شده است. Zooniverse ،Folding@Home و Seek توسط iNaturalists سه پلتفرم شناختهشده جمعسپاری هستند.
Zooniverse بزرگترین پلتفرم تحقیقاتی با محوریت نیروی مردمی است که دو میلیون حساب ثبت شده دارد. انسانها به طور منحصربهفردی برای شناسایی الگوها سازگار هستند، در حالی که کامپیوترها در این زمینه مشکل دارند. عموم مردم میتوانند به محققان در شناسایی و طبقهبندی همه چیز از اشکال کهکشانها گرفته تا انواع حیوانات کمک کنند. جامعه Zooniverse به اکتشافات بسیاری کمک کرده است و هر کسی میتواند دادههای خود را در پروژهای که برای جامعه باز است بارگذاری کند.
دیگر پلتفرمهای محبوب جمعسپاری عبارتند از Folding@Home و Seek توسط iNaturalist. پلتفرم Folding@Home قدرت پردازش کامپیوتر را در زمانی که محافظ صفحه نمایش فعال است قرض میگیرد و شکل و امکانات تعاملی پروتئینهای ترجمه شده از کدهای DNA را محاسبه میکند. برنامه Seek از iNaturalists یک اپلیکیشن تلفن همراه است که سرده و گونه هر گیاه یا حیوانی را از طریق دوربین شناسایی میکند.
از نظر جمعآوری دادهها، برنامه Seek به طور متوسط روزانه نزدیک به ۲۰۰,۰۰۰ تصویر بارگذاری شده دارد. پس از بارگذاری، جامعهای متشکل از بیش از دو میلیون دانشمند و شهروند-دانشمند با دادهها تعامل برقرار کرده و به عنوان تحلیلگر کیفیت داده عمل میکنند، و دقت شناسایی را پیشنهاد و تایید میکنند.
جمعسپاری و علوم اعصاب همیشه قرار بود با یکدیگر شریک باشند
تحقیقات جمعسپاری راهی برای بهبود اهمیت عملی آزمایشها است. این کار افرادی را که علاقهمند به مشارکت در تحقیقات و کمک به محققان برای ایجاد تأثیر هستند، دور هم جمع میکند. با جمعسپاری، توان آماری این روشهای تحقیقاتی افزایش مییابد. محققان در صورت وجود تفاوت آماری معنیدار، احتمال بیشتری برای شناسایی آن دارند زیرا حجم نمونه بزرگی برای تضمین توان آماری کافی وجود دارد.
پیشرفتهای اخیر در فناوری جمعسپاری و هدستها و تجهیزات باکیفیت و قابل حمل EEG با درجه تحقیقاتی، امیدواریهایی را برای حل بحران تکرارپذیری ایجاد میکند. به نظر میرسد جمعسپاری دادههای سطح تحقیقاتی از هزاران فرد متنوع و پراکنده، توان آماری قابلتوجهتری را برای روشهای تحقیقاتی فراهم میکند. برای پاسخ به دشوارترین سوالات نوآوری و پژوهش، جمعیتها در حال تبدیل شدن به شریک انتخابی هستند.
در حالی که برخی بحثها درباره بحران تکرارپذیری ادامه دارد، Emotiv این مشکل را بیشتر به عنوان یک فرصت تعریف کرده است - چالشی که ارزش تلاش برای حل آن را دارد - و آنها پیشرفت قابل توجهی در انجام این کار داشتهاند. برای مقابله با بحران تکرارپذیری در علوم اعصاب شناختی، Emotiv یک پلتفرم تحقیقات علوم اعصاب توزیعشده مقیاسپذیر به نام EmotivLABS توسعه داده است.
پیشی گرفتن از بحران تکرارپذیری با EmotivLABS
ما میتوانیم با همکاری یکدیگر به تحقیقات خود سرعت ببخشیم.
EmotivLABS پلتفرم تحقیقاتی توزیعشده مقیاسپذیر Emotiv است. شرکتکنندگان از سراسر جهان میتوانند با هدستهای Emotiv EEG خود در تحقیقات علوم اعصاب شرکت کنند و برای مشارکت خود دستمزد دریافت کنند.
یکی از ویژگیهای جداییناپذیر این پلتفرم، فرآیندهای پیشرفته تضمین کیفیت آن است که اطمینان میدهد محققان دادههای باکیفیت و در سطح تحقیقاتی را از شرکتکنندگان به دست میآورند. کاربران باید یک فرآیند تایید گواهینامه را تکمیل کنند: نشان دهند که میدانند هدست آنها چگونه کار میکند و میتوانند دادههای باکیفیت EEG را به دست آورند. پس از تایید، کاربران میتوانند در آزمایشهای تحقیقاتی علوم اعصاب در پلتفرم شرکت کنند و در برخی موارد حتی پاداش دریافت کنند.
علاوه بر دادههای خام EEG، محققان همچنین به دادههای قدرت باند (band power) و مجموعهای از الگوریتمهای تشخیص عاطفی و شناختی دسترسی دارند که شامل توجه، ناامیدی، علاقه، آرامش، درگیری حافظه، هیجان و استرس شناختی میشود.
آزمایشهای تحقیقاتی را میتوان با استفاده از ابزار آزمایشساز (Experiment Builder) متعلق به Emotiv ساخت و سپس در EmotivLABS مستقر کرد. از یک پنل جهانی از شرکتکنندگان تایید شده دعوت و جذب نیرو کنید و دادههای باکیفیت EEG را همگی در یک پلتفرم جمعآوری کنید.
هدستهای EEG متعلق به Emotiv، همراه با EmotivLABS به سه مسئله اصلی بحران تکرارپذیری پاسخ میدهند: تدارکات جذب نیرو، اهمیت آماری، و دسترسی به یک جمعیت شناختی متنوعتر و فراگیرتر.
در نهایت، با افزایش تعداد رشتهها و بازارهای تجاری که از ابزارها و روشهای علوم اعصاب استقبال میکنند، هدستهای کمهزینه و با درجه پژوهشی Emotiv در تحقیقات علوم اعصاب، سلامت و تندرستی، خودروسازی، بازاریابی عصبی، تحقیقات مصرفکننده، آموزش و محیطهای سرگرمی مورد استفاده قرار میگیرند.
در نهایت، نوآوریهایی در این مقیاس در زمینه فناوری عصبی (neurotechnology) به ما اجازه داد تا Insight بیشتری نسبت به زندگی عاطفی و فکری خود به دست آوریم. دانشی که زمانی به دلیل طراحیهای آزمایشی و روشهای تحقیقاتی قدیمی، دور از دسترس بود. به کارگیری چنین بینشهایی کنترل بیشتری در انطباق آگاهانه زندگی شخصی و حرفهای به منظور به حداکثر رساندن عملکرد و غنیسازی تواناییهای ذاتی ما به صورت فردی و در روابط با دیگران به ما میدهد.
در اینجا درباره نحوه ارتقای تحقیقات خود بیشتر بدانید.
درباره Emotiv بیشتر بدانید
کمپانی Emotiv که در سال ۲۰۱۱ تاسیس شد، یک شرکت بیوانفورماتیک مستقر در سانفرانسیسکو است که هدف آن ارتقای درک ما از مغز انسان با استفاده از سختافزار سفارشی الکتروانسفالوگرافی (EEG)، تجزیه و تحلیل و تصویرسازی است.
در مرکز علمِ آزاد، همکاری قرار دارد. پلتفرم تحقیقاتی و کارکنان Emotiv با هدف ارتقای یکپارچگی علمی و دقت آزمایشی تلاش میکنند. پلتفرم تحقیقاتی مقیاسپذیر Emotiv، یعنی EmotivLABs، دانشمندان علوم اعصاب شناختی را در سراسر جهان به جمعیتی جهانی از شرکتکنندگان و محققان متصل میکند. با تشخیص خطی بودن فزاینده تحقیقات علوم اعصاب، ما با ارائه مجموعه دادههای گسترده، چند بعدی و غنی به محققان کمک میکنیم و به شما امکان میدهیم از یک نمونه وسیع، نتیجهگیریهای معناداری داشته باشید.
هدستهای Emotiv
Emotiv Insight
Emotiv به جامعه وسیعی از کاربران خدمات ارائه میدهد، از متخصصان گرفته تا افرادی که صرفاً به دنبال یادگیری در مورد مغز خود هستند. هدست Emotiv Insight یک هدست EEG با ۵ کانال است که برای رابط مغز و کامپیوتر (BCI) طراحی شده است. Insight یک طراحی شیک با راهاندازی آسان را با فناوری حسگر انقلابی ترکیب میکند.
Emotiv EPOC X و EPOC Flex
هدست Emotiv EPOC X یک هدست EEG با ۱۴ کانال است و Flex یک سیستم EEG با ۳۲ کانال است. هدستهای EPOC که برای تحقیقات علوم اعصاب در هر محیطی طراحی شدهاند، بیسیم و مجهز به فناوری حسگر بهبودیافته هستند. هر دو هدست توسط گروههای تحقیقاتی مستقل تأیید شدهاند و ثابت شده است که دادههای باکیفیت در سطح تحقیقاتی ارائه میدهند.
مقایسه کامل قابلیتهای فنی هدستهای EEG متعلق به Emotiv در وبسایت Emotiv موجود است.
فناوری Emotiv
Emotiv مجموعهای از ابزارها را برای حمایت از هر گام در مسیر تحقیقات علوم اعصاب طراحی کرده است.
نرمافزار EmotivPRO به کاربران امکان میدهد نتایج آزمایش را پردازش، تجزیه و تحلیل و تصویرسازی کنند. محققان همچنین میتوانند آزمایشهایی را در سطح حرفهای طراحی کنند که در آن هر شرکتکنندهای با هدست Emotiv در صورت مطابقت با طراحی آزمایشی، بتواند در آن شرکت کند.
یک کیت توسعه نرمافزار (SDK) برای Emotiv نیز در دسترس است تا بتوان برنامههای سفارشی، تعاملات یا طراحیهای آزمایشی را به تنهایی با استفاده از هدست و تلفن هوشمند در حال حرکت انجام داد.
همزمان با افزایش تعداد رشتهها و بازارهای تجاری که از ابزارها و روشهای علوم اعصاب استقبال میکنند، هدستهای EEG ارزانقیمت و با کاربری آسان Emotiv در موارد زیر استفاده میشوند:
تحقیقات علوم اعصاب
سلامت و تندرستی
صنایع خودروسازی
بازاریابی عصبی (نورومارکتینگ)
تحقیقات مصرفکننده
آموزش
محیطهای سرگرمی
به خواندن ادامه دهید