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 فعالیتهای مغزی مرتبط با فعالیتهای مختلف یا محیطهای بیرونی است. یک تمایز مهم پژوهشهای EEG، اکنون که هدستهای EEG بیسیم و پرتابل در دسترس هستند، توانایی بررسی فعالیتهای مغزی طولی و رفتارهای اجتماعی در مکانهای واقعی، به جای محدود شدن به آزمایشگاه است.
بحران تکرارپذیری چیست؟
بحران تکرارپذیری به زمانی اشاره دارد که پژوهشگران نمیتوانند نتایج آزمایشهای سایر پژوهشگران 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 آنجایی که تکرار یک مرحله بسیار حیاتی در فرآیند علمی است، حل این بحران تکرارپذیری امری ضروری است. در غیر این صورت، نتایج تجربی که قابل بازتولید نیستند، اعتبار نظریههای مورد نظر و در نتیجه، هرگونه درمان، روش درمانی یا قوانینی که در نتیجه این فرآیند به وجود میآیند را تضعیف میکنند.
این پست پیشنمایی از بحران تکرارپذیری و نحوه تأثیر آن بر توانایی متخصصان علوم اعصاب برای باز کردن پتانسیل کامل دادههای جمعآوری شده جهت درک جهان واقعی ارائه میدهد. سپس معرفی خواهیم کرد که چگونه فناوری قرن بیست و یکم، مانند تحقیقات جمعسپاری شده با واسطه هوش مصنوعی، راهکاری برای رهایی از بحران تکرارپذیری ارائه میدهد.
اهمیت بازتولیدپذیری در تحقیقات علوم اعصاب
تحقیقات تجربی امروزی هم شامل به دست آوردن و هم تحلیل دادهها میشود. به این ترتیب، ملاحظات مربوط به بازتولیدپذیری آن به دو سوال تقسیم میشود:
بازتولیدپذیری: آیا آزمایش شما دارای تاییدیه تحلیلها و گواهیهای لازم برای تفسیر دادهها است؟
تکرارپذیری: 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 پژوهشگر نظرسنجی کرد و دریافت که بیش از ۷۰ درصد از پژوهشگران برای بازتولید آزمایش یک دانشمند دیگر تلاش کرده و شکست خوردهاند. و بیش از نیمی از آنها موفق به بازتولید آزمایشهای خود نشدند. با وجود شکستهایشان، تنها ۵۲ درصد از پژوهشگران موافق بودند که بحرانی 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 طور آماری جبران یا شناسایی کرد. همه چیز از آب و هوای آن روز، تکنسین آزمایشگاه فردی که آزمایشها را انجام میدهد، تا ابزارهای آنالیز یا آماری توسعه یافته برای ارزیابی نتایج آزمایش، میتوانند عناصر منحصربهفردی داشته باشند که تکرارپذیری را پیچیده میکند.
علاوه بر این، به دلیل محدودیت منابع و تخصص مورد نیاز برای تحقیقات علوم اعصاب، آزمایشهای آن تمایل دارند که نمونهگیری کافی نداشته باشند و از قبل دارای نمونههای جمعیتی محدود WEIRD (غربی، تحصیلکرده، صنعتی، ثروتمند و دموکراتیک) باشند.
چرا تکرارپذیری در تحقیقات مهم است؟
محدودیتهای لجستیکی مانند مشکلات استخدام، محدود بودن به آزمایشگاه و حجم نمونههای کوچک به این معنی است که پژوهشگران به الگوها و شیوههای پژوهشی قدیمی متکی بودهاند. در نتیجه، پژوهشگرانی که رفتارهای اجتماعی و اطلاعات شخصی دنیای واقعی را مطالعه میکنند، نمیتوانند آزمایشها را به شکل متنوع یا خلاقانه اجرا کنند. این محدودیتها بر توانایی پژوهشگران علوم اعصاب برای تبدیل یافتههای خود به کاربردهای دنیای واقعی، مانند درمانها، روشهای درمانی و حتی قوانین تأثیر گذاشته است. این مسائل، محدودیتهای گروه نمونه و توانایی محدود برای آزمایش در شرایط واقعی در هسته بحران تکرارپذیری قرار دارند.
ناتوانی در تکرار نتایج آزمایشگاهی، نتیجهگیری با توان آماری بالا را دشوار میکند. هنگامی که در استنتاجهای حاصل از نتایج تجربی تردید وجود داشته باشد، اعتماد کل سیستم را تضعیف میکند. این تردید همچنین میتواند بازتاب منفی بر نهادهای تأمین مالی داشته باشد که وظیفه حمایت از تحقیقات با تأثیرات 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 پژوهشگران به استانداردسازی دقیق جمعآوری دادهها، کنترل کیفیت و فرآیندهای تحلیل در آزمایشهایی با گروههای نمونه بزرگتر دست یابند.
در دهه گذشته، نوآوریهای تکنولوژیکی در نرمافزارها و سختافزارهای جمعسپاری، پژوهشگران را توانمند ساخته است تا این عناصر اصلی استانداردسازی را که با بحران تکرارپذیری، مسئله توان آماری و بحران بازتولیدپذیری مقابله میکنند، ارائه دهند.
شیوههای تحقیقات جمعسپاری
جهانی شدن برای جذب سوژههای بیشتر با تحقیقات جمعسپاری شده
فناوری جمعسپاری در دو دهه گذشته به سرعت توسعه یافته است. این رویکردی است که به پژوهشگر 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 اصلاح کنند و آن را به آنچه امروزه معمولاً در سرویسهای گوگل، الکسا و سیری استفاده میشود تبدیل نمایند.
با این حال، مانند بیشتر نوآوریهای تکنولوژیکی، جمعسپاری با چندین شیوه تحقیقات تجاری و علمی سازگار شده است. Zooniverse، Folding@Home و Seek توسط iNaturalist سه مورد از شناختهشدهترین پلتفرمهای جمعسپاری هستند.
Zooniverse بزرگترین پلتفرم تحقیقاتی با محوریت نیروی انسانی است که دو میلیون حساب کاربری در آن ثبت شده است. انسانها به طور منحصربهفردی برای شناسایی الگوها سازگار هستند، در حالی که کامپیوترها در این زمینه مشکل دارند. عموم مردم میتوانند به پژوهشگران در شناسایی و طبقهبندی هر چیزی 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 به روی جامعه باز است آپلود کند.
دیگر پلتفرمهای محبوب جمعسپاری شامل Folding@Home و Seek توسط iNaturalist هستند. Folding@Home در زمانی که محافظ صفحه نمایش (اسکرینسیور) فعال است، از قدرت پردازش کامپیوترها قرض میگیرد تا شکل و تعاملات احتمالی پروتئینهای ترجمه شده از کدهای DNA را محاسبه کند. اپلیکیشن موبایل Seek از iNaturalist برنامهای است که سرده و گونه هر گیاه یا جانور را از طریق دوربین شناسایی میکند.
از نظر جمعآوری داده، به طور متوسط روزانه نزدیک به ۲۰۰,۰۰۰ تصویر در Seek آپلود میشود. پس از آپلود، جامعهای متشکل از بیش از دو میلیون دانشمند و شهروند-دانشمند با دادهها تعامل برقرار کرده و به عنوان آنالیزورهای کیفیت داده عمل میکنند و دقت شناسایی را پیشنهاد و تایید مینمایند.
جمعسپاری و علوم اعصاب همیشه قرار بود شریک یکدیگر باشند
تحقیقات جمعسپاری راهی برای بهبود اهمیت عملی آزمایشها است. این روش افرادی را که علاقهمند به مشارکت در تحقیقات و کمک به پژوهشگران برای ایجاد تأثیر هستند، گرد هم میآورد. با جمعسپاری، توان آماری این شیوههای تحقیقاتی افزایش مییابد. پژوهشگران با احتمال بیشتری میتوانند تفاوت آماری معنیداری را در صورت وجود شناسایی کنند، زیرا حجم نمونه بزرگی برای تضمین توان آماری کافی وجود دارد.
پیشرفتهای اخیر در فناوری جمعسپاری و هدستها و تجهیزات پرتابل و باکیفیت EEG در سطح تحقیقاتی، امیدی برای حل بحران تکرارپذیری ارائه میدهند. به نظر میرسد جمعسپاری دادههای سطح تحقیقاتی از هزاران فرد متنوع و پراکنده، توان آماری قابلتوجهتری را برای شیوههای پژوهشی فراهم میکند. برای پاسخ به چالشبرانگیزترین سوالات نوآوری و پژوهش، تودههای مردم در حال تبدیل شدن به شریک انتخابی هستند.
در حالی که برخی از بحثها درباره بحران تکرارپذیری همچنان ادامه دارد، Emotiv این مسئله را بیشتر به عنوان یک فرصت تعریف کرده است—چالشی که ارزش تلاش برای حل آن را دارد—و آنها پیشرفتهای شایانی در این زمینه داشتهاند. برای مقابله با بحران تکرارپذیری در علوم اعصاب شناختی، Emotiv یک پلتفرم تحقیقاتی توزیعشده و مقیاسپذیر علوم اعصاب 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 و مقیاسپذیر Emotiv است. شرکتکنندگان از سراسر جهان میتوانند با هدستهای EEG ساخت Emotiv خود در تحقیقات علوم اعصاب شرکت کنند و برای مشارکت خود دستمزد دریافت نمایند.
یکی از ویژگیهای کلیدی این پلتفرم، فرآیندهای پیشرفته تضمین کیفیت آن است که اطمینان میدهد پژوهشگران دادههای باکیفیت و در سطح تحقیقاتی از شرکتکنندگان دریافت میکنند. کاربران باید یک فرآیند تایید گواهی را بگذرانند: نشان دهند که میدانند هدست آنها چگونه کار میکند و میتوانند دادههای EEG باکیفیت به دست آورند. پس از تایید، کاربران میتوانند در آزمایشهای تحقیقاتی علوم اعصاب در این پلتفرم شرکت کنند و در برخی موارد حتی پاداش دریافت کنند.
علاوه بر دادههای خام EEG، پژوهشگران به دادههای توان باند (band power) و مجموعهای از الگوریتمهای تشخیص عاطفی و شناختی دسترسی دارند که شامل توجه، درماندگی، علاقه، آرامش، درگیری ذهنی، هیجان و استرس شناختی میشود.
آزمایشهای تحقیقاتی را میتوان با استفاده از ابزار Experiment Builder شرکت Emotiv ساخت و سپس در EmotivLABS پیادهسازی کرد. از یک پنل جهانی از شرکتکنندگان تایید شده دعوت و استخدام کنید و دادههای EEG باکیفیت را همگی در یک پلتفرم جمعآوری نمایید.
هدستهای EEG متعلق به Emotiv همراه با EmotivLABS به سه چالش اصلی بحران تکرارپذیری پاسخ میدهند: لجستیک استخدام، اهمیت آماری و دسترسی به جمعیتشناسی متنوعتر و فراگیرتر.
در نهایت، با افزایش تعداد رشتهها و بازارهای تجاری که از ابزارها و متدولوژیهای علوم اعصاب استقبال میکنند، هدستهای کمهزینه و سطح تحقیقاتی Emotiv در تحقیقات علوم اعصاب، سلامت و تندرستی، خودروسازی، بازاریابی عصبی (نورومارکتینگ)، تحقیقات مصرفکننده، آموزش و محیطهای سرگرمی مورد استفاده قرار میگیرند.
در نهایت، نوآوریهایی در این مقیاس در فناوری عصبی به ما اجازه داد تا Insight بزرگتری نسبت به زندگی عاطفی و فکری خود به دست آوریم. دانشی که زمانی به دلیل طراحیهای آزمایشی و شیوههای پژوهشی قدیمی از دسترس خارج بود. بهکارگیری چنین نگرشهایی به ما کنترل بیشتری در تطبیق آگاهانه زندگی شخصی و حرفهای خود برای به حداکثر رساندن عملکرد و غنیسازی تواناییهای ذاتی خود و همچنین در روابطمان با دیگران میدهد.
برای کسب اطلاعات بیشتر درباره نحوه ارتقای تحقیقات خود، اینجا را بخوانید.
درباره Emotiv بیشتر بدانید
شرکت Emotiv که در سال ۲۰۱۱ تاسیس شد، یک شرکت بیوانفورماتیک مستقر در سانفرانسیسکو است که مأموریت آن ارتقای درک ما از مغز انسان با استفاده از سختافزارهای سفارشی الکتروانسفالوگرافی (EEG)، تحلیل و تصویرسازی است.
در مرکز علم باز، همکاری قرار دارد. پلتفرم تحقیقاتی و کارکنان Emotiv با هدف ارتقای یکپارچگی علمی و دقت آزمایشگاهی فعالیت میکنند. پلتفرم تحقیقاتی مقیاسپذیر Emotiv یعنی EmotivLABS، متخصصان علوم اعصاب شناختی را در سراسر جهان با جمعیت جهانی از شرکتکنندگان و پژوهشگران مرتبط میسازد. با شناخت خطی بودن و ماهیت افزایشی تحقیقات علوم اعصاب، ما با ارائه مجموعهدادههای غنی، گسترده و چندبعدی به پژوهشگران کمک میکنیم تا بتوانید 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 مایل به یادگیری درباره مغز خود هستند. هدست Emotiv Insight یک هدست EEG ۵ کاناله است که برای واسط مغز و رایانه (BCI) طراحی شده است. Insight طراحی شیک و با راهاندازی آسان را با فناوری حسگر انقلابی ترکیب میکند.
Emotiv EPOC X و EPOC Flex
هدست Epoc X یک هدست EEG ۱۴ کاناله است و Flex یک سیستم EEG ۳۲ کاناله است. هدستهای EPOC که برای تحقیقات علوم اعصاب در هر محیطی طراحی شدهاند، بیسیم بوده و از فناوری حسگر بهبودیافته بهره میبرند. هر دو هدست توسط گروههای تحقیقاتی مستقل تایید 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 در دسترس است.
فناوری Emotiv
Emotiv مجموعهای از ابزارها را برای پشتیبانی از هر مرحله از تحقیقات علوم اعصاب در این مسیر طراحی کرده است.
نرمافزار EmotivPRO به کاربران اجازه میدهد تا نتایج آزمایشها را پردازش، تحلیل و بصریسازی کنند. پژوهشگران همچنین میتوانند آزمایشهایی را در سطح حرفهای طراحی کنند که در آن هر شرکتکنندهای با هدست Emotiv در صورت سازگاری با طرح آزمایش، میتواند شرکت کند.
یک کیت توسعه نرمافزار (SDK) برای Emotiv نیز در دسترس است تا بتوان اپلیکیشنهای سفارشی، تعاملات یا طرحهای آزمایشی را در حال حرکت و تنها با استفاده از هدست و گوشی هوشمند انجام داد.
با افزایش تعداد رشتهها و بازارهای تجاری که از ابزارها و متدولوژیهای علوم اعصاب استقبال میکنند، هدستهای EEG کمهزینه 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 فعالیتهای مغزی مرتبط با فعالیتهای مختلف یا محیطهای بیرونی است. یک تمایز مهم پژوهشهای EEG، اکنون که هدستهای EEG بیسیم و پرتابل در دسترس هستند، توانایی بررسی فعالیتهای مغزی طولی و رفتارهای اجتماعی در مکانهای واقعی، به جای محدود شدن به آزمایشگاه است.
بحران تکرارپذیری چیست؟
بحران تکرارپذیری به زمانی اشاره دارد که پژوهشگران نمیتوانند نتایج آزمایشهای سایر پژوهشگران 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 آنجایی که تکرار یک مرحله بسیار حیاتی در فرآیند علمی است، حل این بحران تکرارپذیری امری ضروری است. در غیر این صورت، نتایج تجربی که قابل بازتولید نیستند، اعتبار نظریههای مورد نظر و در نتیجه، هرگونه درمان، روش درمانی یا قوانینی که در نتیجه این فرآیند به وجود میآیند را تضعیف میکنند.
این پست پیشنمایی از بحران تکرارپذیری و نحوه تأثیر آن بر توانایی متخصصان علوم اعصاب برای باز کردن پتانسیل کامل دادههای جمعآوری شده جهت درک جهان واقعی ارائه میدهد. سپس معرفی خواهیم کرد که چگونه فناوری قرن بیست و یکم، مانند تحقیقات جمعسپاری شده با واسطه هوش مصنوعی، راهکاری برای رهایی از بحران تکرارپذیری ارائه میدهد.
اهمیت بازتولیدپذیری در تحقیقات علوم اعصاب
تحقیقات تجربی امروزی هم شامل به دست آوردن و هم تحلیل دادهها میشود. به این ترتیب، ملاحظات مربوط به بازتولیدپذیری آن به دو سوال تقسیم میشود:
بازتولیدپذیری: آیا آزمایش شما دارای تاییدیه تحلیلها و گواهیهای لازم برای تفسیر دادهها است؟
تکرارپذیری: 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 پژوهشگر نظرسنجی کرد و دریافت که بیش از ۷۰ درصد از پژوهشگران برای بازتولید آزمایش یک دانشمند دیگر تلاش کرده و شکست خوردهاند. و بیش از نیمی از آنها موفق به بازتولید آزمایشهای خود نشدند. با وجود شکستهایشان، تنها ۵۲ درصد از پژوهشگران موافق بودند که بحرانی 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 طور آماری جبران یا شناسایی کرد. همه چیز از آب و هوای آن روز، تکنسین آزمایشگاه فردی که آزمایشها را انجام میدهد، تا ابزارهای آنالیز یا آماری توسعه یافته برای ارزیابی نتایج آزمایش، میتوانند عناصر منحصربهفردی داشته باشند که تکرارپذیری را پیچیده میکند.
علاوه بر این، به دلیل محدودیت منابع و تخصص مورد نیاز برای تحقیقات علوم اعصاب، آزمایشهای آن تمایل دارند که نمونهگیری کافی نداشته باشند و از قبل دارای نمونههای جمعیتی محدود WEIRD (غربی، تحصیلکرده، صنعتی، ثروتمند و دموکراتیک) باشند.
چرا تکرارپذیری در تحقیقات مهم است؟
محدودیتهای لجستیکی مانند مشکلات استخدام، محدود بودن به آزمایشگاه و حجم نمونههای کوچک به این معنی است که پژوهشگران به الگوها و شیوههای پژوهشی قدیمی متکی بودهاند. در نتیجه، پژوهشگرانی که رفتارهای اجتماعی و اطلاعات شخصی دنیای واقعی را مطالعه میکنند، نمیتوانند آزمایشها را به شکل متنوع یا خلاقانه اجرا کنند. این محدودیتها بر توانایی پژوهشگران علوم اعصاب برای تبدیل یافتههای خود به کاربردهای دنیای واقعی، مانند درمانها، روشهای درمانی و حتی قوانین تأثیر گذاشته است. این مسائل، محدودیتهای گروه نمونه و توانایی محدود برای آزمایش در شرایط واقعی در هسته بحران تکرارپذیری قرار دارند.
ناتوانی در تکرار نتایج آزمایشگاهی، نتیجهگیری با توان آماری بالا را دشوار میکند. هنگامی که در استنتاجهای حاصل از نتایج تجربی تردید وجود داشته باشد، اعتماد کل سیستم را تضعیف میکند. این تردید همچنین میتواند بازتاب منفی بر نهادهای تأمین مالی داشته باشد که وظیفه حمایت از تحقیقات با تأثیرات 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 پژوهشگران به استانداردسازی دقیق جمعآوری دادهها، کنترل کیفیت و فرآیندهای تحلیل در آزمایشهایی با گروههای نمونه بزرگتر دست یابند.
در دهه گذشته، نوآوریهای تکنولوژیکی در نرمافزارها و سختافزارهای جمعسپاری، پژوهشگران را توانمند ساخته است تا این عناصر اصلی استانداردسازی را که با بحران تکرارپذیری، مسئله توان آماری و بحران بازتولیدپذیری مقابله میکنند، ارائه دهند.
شیوههای تحقیقات جمعسپاری
جهانی شدن برای جذب سوژههای بیشتر با تحقیقات جمعسپاری شده
فناوری جمعسپاری در دو دهه گذشته به سرعت توسعه یافته است. این رویکردی است که به پژوهشگر 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 اصلاح کنند و آن را به آنچه امروزه معمولاً در سرویسهای گوگل، الکسا و سیری استفاده میشود تبدیل نمایند.
با این حال، مانند بیشتر نوآوریهای تکنولوژیکی، جمعسپاری با چندین شیوه تحقیقات تجاری و علمی سازگار شده است. Zooniverse، Folding@Home و Seek توسط iNaturalist سه مورد از شناختهشدهترین پلتفرمهای جمعسپاری هستند.
Zooniverse بزرگترین پلتفرم تحقیقاتی با محوریت نیروی انسانی است که دو میلیون حساب کاربری در آن ثبت شده است. انسانها به طور منحصربهفردی برای شناسایی الگوها سازگار هستند، در حالی که کامپیوترها در این زمینه مشکل دارند. عموم مردم میتوانند به پژوهشگران در شناسایی و طبقهبندی هر چیزی 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 به روی جامعه باز است آپلود کند.
دیگر پلتفرمهای محبوب جمعسپاری شامل Folding@Home و Seek توسط iNaturalist هستند. Folding@Home در زمانی که محافظ صفحه نمایش (اسکرینسیور) فعال است، از قدرت پردازش کامپیوترها قرض میگیرد تا شکل و تعاملات احتمالی پروتئینهای ترجمه شده از کدهای DNA را محاسبه کند. اپلیکیشن موبایل Seek از iNaturalist برنامهای است که سرده و گونه هر گیاه یا جانور را از طریق دوربین شناسایی میکند.
از نظر جمعآوری داده، به طور متوسط روزانه نزدیک به ۲۰۰,۰۰۰ تصویر در Seek آپلود میشود. پس از آپلود، جامعهای متشکل از بیش از دو میلیون دانشمند و شهروند-دانشمند با دادهها تعامل برقرار کرده و به عنوان آنالیزورهای کیفیت داده عمل میکنند و دقت شناسایی را پیشنهاد و تایید مینمایند.
جمعسپاری و علوم اعصاب همیشه قرار بود شریک یکدیگر باشند
تحقیقات جمعسپاری راهی برای بهبود اهمیت عملی آزمایشها است. این روش افرادی را که علاقهمند به مشارکت در تحقیقات و کمک به پژوهشگران برای ایجاد تأثیر هستند، گرد هم میآورد. با جمعسپاری، توان آماری این شیوههای تحقیقاتی افزایش مییابد. پژوهشگران با احتمال بیشتری میتوانند تفاوت آماری معنیداری را در صورت وجود شناسایی کنند، زیرا حجم نمونه بزرگی برای تضمین توان آماری کافی وجود دارد.
پیشرفتهای اخیر در فناوری جمعسپاری و هدستها و تجهیزات پرتابل و باکیفیت EEG در سطح تحقیقاتی، امیدی برای حل بحران تکرارپذیری ارائه میدهند. به نظر میرسد جمعسپاری دادههای سطح تحقیقاتی از هزاران فرد متنوع و پراکنده، توان آماری قابلتوجهتری را برای شیوههای پژوهشی فراهم میکند. برای پاسخ به چالشبرانگیزترین سوالات نوآوری و پژوهش، تودههای مردم در حال تبدیل شدن به شریک انتخابی هستند.
در حالی که برخی از بحثها درباره بحران تکرارپذیری همچنان ادامه دارد، Emotiv این مسئله را بیشتر به عنوان یک فرصت تعریف کرده است—چالشی که ارزش تلاش برای حل آن را دارد—و آنها پیشرفتهای شایانی در این زمینه داشتهاند. برای مقابله با بحران تکرارپذیری در علوم اعصاب شناختی، Emotiv یک پلتفرم تحقیقاتی توزیعشده و مقیاسپذیر علوم اعصاب 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 و مقیاسپذیر Emotiv است. شرکتکنندگان از سراسر جهان میتوانند با هدستهای EEG ساخت Emotiv خود در تحقیقات علوم اعصاب شرکت کنند و برای مشارکت خود دستمزد دریافت نمایند.
یکی از ویژگیهای کلیدی این پلتفرم، فرآیندهای پیشرفته تضمین کیفیت آن است که اطمینان میدهد پژوهشگران دادههای باکیفیت و در سطح تحقیقاتی از شرکتکنندگان دریافت میکنند. کاربران باید یک فرآیند تایید گواهی را بگذرانند: نشان دهند که میدانند هدست آنها چگونه کار میکند و میتوانند دادههای EEG باکیفیت به دست آورند. پس از تایید، کاربران میتوانند در آزمایشهای تحقیقاتی علوم اعصاب در این پلتفرم شرکت کنند و در برخی موارد حتی پاداش دریافت کنند.
علاوه بر دادههای خام EEG، پژوهشگران به دادههای توان باند (band power) و مجموعهای از الگوریتمهای تشخیص عاطفی و شناختی دسترسی دارند که شامل توجه، درماندگی، علاقه، آرامش، درگیری ذهنی، هیجان و استرس شناختی میشود.
آزمایشهای تحقیقاتی را میتوان با استفاده از ابزار Experiment Builder شرکت Emotiv ساخت و سپس در EmotivLABS پیادهسازی کرد. از یک پنل جهانی از شرکتکنندگان تایید شده دعوت و استخدام کنید و دادههای EEG باکیفیت را همگی در یک پلتفرم جمعآوری نمایید.
هدستهای EEG متعلق به Emotiv همراه با EmotivLABS به سه چالش اصلی بحران تکرارپذیری پاسخ میدهند: لجستیک استخدام، اهمیت آماری و دسترسی به جمعیتشناسی متنوعتر و فراگیرتر.
در نهایت، با افزایش تعداد رشتهها و بازارهای تجاری که از ابزارها و متدولوژیهای علوم اعصاب استقبال میکنند، هدستهای کمهزینه و سطح تحقیقاتی Emotiv در تحقیقات علوم اعصاب، سلامت و تندرستی، خودروسازی، بازاریابی عصبی (نورومارکتینگ)، تحقیقات مصرفکننده، آموزش و محیطهای سرگرمی مورد استفاده قرار میگیرند.
در نهایت، نوآوریهایی در این مقیاس در فناوری عصبی به ما اجازه داد تا Insight بزرگتری نسبت به زندگی عاطفی و فکری خود به دست آوریم. دانشی که زمانی به دلیل طراحیهای آزمایشی و شیوههای پژوهشی قدیمی از دسترس خارج بود. بهکارگیری چنین نگرشهایی به ما کنترل بیشتری در تطبیق آگاهانه زندگی شخصی و حرفهای خود برای به حداکثر رساندن عملکرد و غنیسازی تواناییهای ذاتی خود و همچنین در روابطمان با دیگران میدهد.
برای کسب اطلاعات بیشتر درباره نحوه ارتقای تحقیقات خود، اینجا را بخوانید.
درباره Emotiv بیشتر بدانید
شرکت Emotiv که در سال ۲۰۱۱ تاسیس شد، یک شرکت بیوانفورماتیک مستقر در سانفرانسیسکو است که مأموریت آن ارتقای درک ما از مغز انسان با استفاده از سختافزارهای سفارشی الکتروانسفالوگرافی (EEG)، تحلیل و تصویرسازی است.
در مرکز علم باز، همکاری قرار دارد. پلتفرم تحقیقاتی و کارکنان Emotiv با هدف ارتقای یکپارچگی علمی و دقت آزمایشگاهی فعالیت میکنند. پلتفرم تحقیقاتی مقیاسپذیر Emotiv یعنی EmotivLABS، متخصصان علوم اعصاب شناختی را در سراسر جهان با جمعیت جهانی از شرکتکنندگان و پژوهشگران مرتبط میسازد. با شناخت خطی بودن و ماهیت افزایشی تحقیقات علوم اعصاب، ما با ارائه مجموعهدادههای غنی، گسترده و چندبعدی به پژوهشگران کمک میکنیم تا بتوانید 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 مایل به یادگیری درباره مغز خود هستند. هدست Emotiv Insight یک هدست EEG ۵ کاناله است که برای واسط مغز و رایانه (BCI) طراحی شده است. Insight طراحی شیک و با راهاندازی آسان را با فناوری حسگر انقلابی ترکیب میکند.
Emotiv EPOC X و EPOC Flex
هدست Epoc X یک هدست EEG ۱۴ کاناله است و Flex یک سیستم EEG ۳۲ کاناله است. هدستهای EPOC که برای تحقیقات علوم اعصاب در هر محیطی طراحی شدهاند، بیسیم بوده و از فناوری حسگر بهبودیافته بهره میبرند. هر دو هدست توسط گروههای تحقیقاتی مستقل تایید 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 در دسترس است.
فناوری Emotiv
Emotiv مجموعهای از ابزارها را برای پشتیبانی از هر مرحله از تحقیقات علوم اعصاب در این مسیر طراحی کرده است.
نرمافزار EmotivPRO به کاربران اجازه میدهد تا نتایج آزمایشها را پردازش، تحلیل و بصریسازی کنند. پژوهشگران همچنین میتوانند آزمایشهایی را در سطح حرفهای طراحی کنند که در آن هر شرکتکنندهای با هدست Emotiv در صورت سازگاری با طرح آزمایش، میتواند شرکت کند.
یک کیت توسعه نرمافزار (SDK) برای Emotiv نیز در دسترس است تا بتوان اپلیکیشنهای سفارشی، تعاملات یا طرحهای آزمایشی را در حال حرکت و تنها با استفاده از هدست و گوشی هوشمند انجام داد.
با افزایش تعداد رشتهها و بازارهای تجاری که از ابزارها و متدولوژیهای علوم اعصاب استقبال میکنند، هدستهای EEG کمهزینه 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 فعالیتهای مغزی مرتبط با فعالیتهای مختلف یا محیطهای بیرونی است. یک تمایز مهم پژوهشهای EEG، اکنون که هدستهای EEG بیسیم و پرتابل در دسترس هستند، توانایی بررسی فعالیتهای مغزی طولی و رفتارهای اجتماعی در مکانهای واقعی، به جای محدود شدن به آزمایشگاه است.
بحران تکرارپذیری چیست؟
بحران تکرارپذیری به زمانی اشاره دارد که پژوهشگران نمیتوانند نتایج آزمایشهای سایر پژوهشگران 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 آنجایی که تکرار یک مرحله بسیار حیاتی در فرآیند علمی است، حل این بحران تکرارپذیری امری ضروری است. در غیر این صورت، نتایج تجربی که قابل بازتولید نیستند، اعتبار نظریههای مورد نظر و در نتیجه، هرگونه درمان، روش درمانی یا قوانینی که در نتیجه این فرآیند به وجود میآیند را تضعیف میکنند.
این پست پیشنمایی از بحران تکرارپذیری و نحوه تأثیر آن بر توانایی متخصصان علوم اعصاب برای باز کردن پتانسیل کامل دادههای جمعآوری شده جهت درک جهان واقعی ارائه میدهد. سپس معرفی خواهیم کرد که چگونه فناوری قرن بیست و یکم، مانند تحقیقات جمعسپاری شده با واسطه هوش مصنوعی، راهکاری برای رهایی از بحران تکرارپذیری ارائه میدهد.
اهمیت بازتولیدپذیری در تحقیقات علوم اعصاب
تحقیقات تجربی امروزی هم شامل به دست آوردن و هم تحلیل دادهها میشود. به این ترتیب، ملاحظات مربوط به بازتولیدپذیری آن به دو سوال تقسیم میشود:
بازتولیدپذیری: آیا آزمایش شما دارای تاییدیه تحلیلها و گواهیهای لازم برای تفسیر دادهها است؟
تکرارپذیری: 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 پژوهشگر نظرسنجی کرد و دریافت که بیش از ۷۰ درصد از پژوهشگران برای بازتولید آزمایش یک دانشمند دیگر تلاش کرده و شکست خوردهاند. و بیش از نیمی از آنها موفق به بازتولید آزمایشهای خود نشدند. با وجود شکستهایشان، تنها ۵۲ درصد از پژوهشگران موافق بودند که بحرانی 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 طور آماری جبران یا شناسایی کرد. همه چیز از آب و هوای آن روز، تکنسین آزمایشگاه فردی که آزمایشها را انجام میدهد، تا ابزارهای آنالیز یا آماری توسعه یافته برای ارزیابی نتایج آزمایش، میتوانند عناصر منحصربهفردی داشته باشند که تکرارپذیری را پیچیده میکند.
علاوه بر این، به دلیل محدودیت منابع و تخصص مورد نیاز برای تحقیقات علوم اعصاب، آزمایشهای آن تمایل دارند که نمونهگیری کافی نداشته باشند و از قبل دارای نمونههای جمعیتی محدود WEIRD (غربی، تحصیلکرده، صنعتی، ثروتمند و دموکراتیک) باشند.
چرا تکرارپذیری در تحقیقات مهم است؟
محدودیتهای لجستیکی مانند مشکلات استخدام، محدود بودن به آزمایشگاه و حجم نمونههای کوچک به این معنی است که پژوهشگران به الگوها و شیوههای پژوهشی قدیمی متکی بودهاند. در نتیجه، پژوهشگرانی که رفتارهای اجتماعی و اطلاعات شخصی دنیای واقعی را مطالعه میکنند، نمیتوانند آزمایشها را به شکل متنوع یا خلاقانه اجرا کنند. این محدودیتها بر توانایی پژوهشگران علوم اعصاب برای تبدیل یافتههای خود به کاربردهای دنیای واقعی، مانند درمانها، روشهای درمانی و حتی قوانین تأثیر گذاشته است. این مسائل، محدودیتهای گروه نمونه و توانایی محدود برای آزمایش در شرایط واقعی در هسته بحران تکرارپذیری قرار دارند.
ناتوانی در تکرار نتایج آزمایشگاهی، نتیجهگیری با توان آماری بالا را دشوار میکند. هنگامی که در استنتاجهای حاصل از نتایج تجربی تردید وجود داشته باشد، اعتماد کل سیستم را تضعیف میکند. این تردید همچنین میتواند بازتاب منفی بر نهادهای تأمین مالی داشته باشد که وظیفه حمایت از تحقیقات با تأثیرات 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 پژوهشگران به استانداردسازی دقیق جمعآوری دادهها، کنترل کیفیت و فرآیندهای تحلیل در آزمایشهایی با گروههای نمونه بزرگتر دست یابند.
در دهه گذشته، نوآوریهای تکنولوژیکی در نرمافزارها و سختافزارهای جمعسپاری، پژوهشگران را توانمند ساخته است تا این عناصر اصلی استانداردسازی را که با بحران تکرارپذیری، مسئله توان آماری و بحران بازتولیدپذیری مقابله میکنند، ارائه دهند.
شیوههای تحقیقات جمعسپاری
جهانی شدن برای جذب سوژههای بیشتر با تحقیقات جمعسپاری شده
فناوری جمعسپاری در دو دهه گذشته به سرعت توسعه یافته است. این رویکردی است که به پژوهشگر 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 اصلاح کنند و آن را به آنچه امروزه معمولاً در سرویسهای گوگل، الکسا و سیری استفاده میشود تبدیل نمایند.
با این حال، مانند بیشتر نوآوریهای تکنولوژیکی، جمعسپاری با چندین شیوه تحقیقات تجاری و علمی سازگار شده است. Zooniverse، Folding@Home و Seek توسط iNaturalist سه مورد از شناختهشدهترین پلتفرمهای جمعسپاری هستند.
Zooniverse بزرگترین پلتفرم تحقیقاتی با محوریت نیروی انسانی است که دو میلیون حساب کاربری در آن ثبت شده است. انسانها به طور منحصربهفردی برای شناسایی الگوها سازگار هستند، در حالی که کامپیوترها در این زمینه مشکل دارند. عموم مردم میتوانند به پژوهشگران در شناسایی و طبقهبندی هر چیزی 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 به روی جامعه باز است آپلود کند.
دیگر پلتفرمهای محبوب جمعسپاری شامل Folding@Home و Seek توسط iNaturalist هستند. Folding@Home در زمانی که محافظ صفحه نمایش (اسکرینسیور) فعال است، از قدرت پردازش کامپیوترها قرض میگیرد تا شکل و تعاملات احتمالی پروتئینهای ترجمه شده از کدهای DNA را محاسبه کند. اپلیکیشن موبایل Seek از iNaturalist برنامهای است که سرده و گونه هر گیاه یا جانور را از طریق دوربین شناسایی میکند.
از نظر جمعآوری داده، به طور متوسط روزانه نزدیک به ۲۰۰,۰۰۰ تصویر در Seek آپلود میشود. پس از آپلود، جامعهای متشکل از بیش از دو میلیون دانشمند و شهروند-دانشمند با دادهها تعامل برقرار کرده و به عنوان آنالیزورهای کیفیت داده عمل میکنند و دقت شناسایی را پیشنهاد و تایید مینمایند.
جمعسپاری و علوم اعصاب همیشه قرار بود شریک یکدیگر باشند
تحقیقات جمعسپاری راهی برای بهبود اهمیت عملی آزمایشها است. این روش افرادی را که علاقهمند به مشارکت در تحقیقات و کمک به پژوهشگران برای ایجاد تأثیر هستند، گرد هم میآورد. با جمعسپاری، توان آماری این شیوههای تحقیقاتی افزایش مییابد. پژوهشگران با احتمال بیشتری میتوانند تفاوت آماری معنیداری را در صورت وجود شناسایی کنند، زیرا حجم نمونه بزرگی برای تضمین توان آماری کافی وجود دارد.
پیشرفتهای اخیر در فناوری جمعسپاری و هدستها و تجهیزات پرتابل و باکیفیت EEG در سطح تحقیقاتی، امیدی برای حل بحران تکرارپذیری ارائه میدهند. به نظر میرسد جمعسپاری دادههای سطح تحقیقاتی از هزاران فرد متنوع و پراکنده، توان آماری قابلتوجهتری را برای شیوههای پژوهشی فراهم میکند. برای پاسخ به چالشبرانگیزترین سوالات نوآوری و پژوهش، تودههای مردم در حال تبدیل شدن به شریک انتخابی هستند.
در حالی که برخی از بحثها درباره بحران تکرارپذیری همچنان ادامه دارد، Emotiv این مسئله را بیشتر به عنوان یک فرصت تعریف کرده است—چالشی که ارزش تلاش برای حل آن را دارد—و آنها پیشرفتهای شایانی در این زمینه داشتهاند. برای مقابله با بحران تکرارپذیری در علوم اعصاب شناختی، Emotiv یک پلتفرم تحقیقاتی توزیعشده و مقیاسپذیر علوم اعصاب 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 و مقیاسپذیر Emotiv است. شرکتکنندگان از سراسر جهان میتوانند با هدستهای EEG ساخت Emotiv خود در تحقیقات علوم اعصاب شرکت کنند و برای مشارکت خود دستمزد دریافت نمایند.
یکی از ویژگیهای کلیدی این پلتفرم، فرآیندهای پیشرفته تضمین کیفیت آن است که اطمینان میدهد پژوهشگران دادههای باکیفیت و در سطح تحقیقاتی از شرکتکنندگان دریافت میکنند. کاربران باید یک فرآیند تایید گواهی را بگذرانند: نشان دهند که میدانند هدست آنها چگونه کار میکند و میتوانند دادههای EEG باکیفیت به دست آورند. پس از تایید، کاربران میتوانند در آزمایشهای تحقیقاتی علوم اعصاب در این پلتفرم شرکت کنند و در برخی موارد حتی پاداش دریافت کنند.
علاوه بر دادههای خام EEG، پژوهشگران به دادههای توان باند (band power) و مجموعهای از الگوریتمهای تشخیص عاطفی و شناختی دسترسی دارند که شامل توجه، درماندگی، علاقه، آرامش، درگیری ذهنی، هیجان و استرس شناختی میشود.
آزمایشهای تحقیقاتی را میتوان با استفاده از ابزار Experiment Builder شرکت Emotiv ساخت و سپس در EmotivLABS پیادهسازی کرد. از یک پنل جهانی از شرکتکنندگان تایید شده دعوت و استخدام کنید و دادههای EEG باکیفیت را همگی در یک پلتفرم جمعآوری نمایید.
هدستهای EEG متعلق به Emotiv همراه با EmotivLABS به سه چالش اصلی بحران تکرارپذیری پاسخ میدهند: لجستیک استخدام، اهمیت آماری و دسترسی به جمعیتشناسی متنوعتر و فراگیرتر.
در نهایت، با افزایش تعداد رشتهها و بازارهای تجاری که از ابزارها و متدولوژیهای علوم اعصاب استقبال میکنند، هدستهای کمهزینه و سطح تحقیقاتی Emotiv در تحقیقات علوم اعصاب، سلامت و تندرستی، خودروسازی، بازاریابی عصبی (نورومارکتینگ)، تحقیقات مصرفکننده، آموزش و محیطهای سرگرمی مورد استفاده قرار میگیرند.
در نهایت، نوآوریهایی در این مقیاس در فناوری عصبی به ما اجازه داد تا Insight بزرگتری نسبت به زندگی عاطفی و فکری خود به دست آوریم. دانشی که زمانی به دلیل طراحیهای آزمایشی و شیوههای پژوهشی قدیمی از دسترس خارج بود. بهکارگیری چنین نگرشهایی به ما کنترل بیشتری در تطبیق آگاهانه زندگی شخصی و حرفهای خود برای به حداکثر رساندن عملکرد و غنیسازی تواناییهای ذاتی خود و همچنین در روابطمان با دیگران میدهد.
برای کسب اطلاعات بیشتر درباره نحوه ارتقای تحقیقات خود، اینجا را بخوانید.
درباره Emotiv بیشتر بدانید
شرکت Emotiv که در سال ۲۰۱۱ تاسیس شد، یک شرکت بیوانفورماتیک مستقر در سانفرانسیسکو است که مأموریت آن ارتقای درک ما از مغز انسان با استفاده از سختافزارهای سفارشی الکتروانسفالوگرافی (EEG)، تحلیل و تصویرسازی است.
در مرکز علم باز، همکاری قرار دارد. پلتفرم تحقیقاتی و کارکنان Emotiv با هدف ارتقای یکپارچگی علمی و دقت آزمایشگاهی فعالیت میکنند. پلتفرم تحقیقاتی مقیاسپذیر Emotiv یعنی EmotivLABS، متخصصان علوم اعصاب شناختی را در سراسر جهان با جمعیت جهانی از شرکتکنندگان و پژوهشگران مرتبط میسازد. با شناخت خطی بودن و ماهیت افزایشی تحقیقات علوم اعصاب، ما با ارائه مجموعهدادههای غنی، گسترده و چندبعدی به پژوهشگران کمک میکنیم تا بتوانید 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 مایل به یادگیری درباره مغز خود هستند. هدست Emotiv Insight یک هدست EEG ۵ کاناله است که برای واسط مغز و رایانه (BCI) طراحی شده است. Insight طراحی شیک و با راهاندازی آسان را با فناوری حسگر انقلابی ترکیب میکند.
Emotiv EPOC X و EPOC Flex
هدست Epoc X یک هدست EEG ۱۴ کاناله است و Flex یک سیستم EEG ۳۲ کاناله است. هدستهای EPOC که برای تحقیقات علوم اعصاب در هر محیطی طراحی شدهاند، بیسیم بوده و از فناوری حسگر بهبودیافته بهره میبرند. هر دو هدست توسط گروههای تحقیقاتی مستقل تایید 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 در دسترس است.
فناوری Emotiv
Emotiv مجموعهای از ابزارها را برای پشتیبانی از هر مرحله از تحقیقات علوم اعصاب در این مسیر طراحی کرده است.
نرمافزار EmotivPRO به کاربران اجازه میدهد تا نتایج آزمایشها را پردازش، تحلیل و بصریسازی کنند. پژوهشگران همچنین میتوانند آزمایشهایی را در سطح حرفهای طراحی کنند که در آن هر شرکتکنندهای با هدست Emotiv در صورت سازگاری با طرح آزمایش، میتواند شرکت کند.
یک کیت توسعه نرمافزار (SDK) برای Emotiv نیز در دسترس است تا بتوان اپلیکیشنهای سفارشی، تعاملات یا طرحهای آزمایشی را در حال حرکت و تنها با استفاده از هدست و گوشی هوشمند انجام داد.
با افزایش تعداد رشتهها و بازارهای تجاری که از ابزارها و متدولوژیهای علوم اعصاب استقبال میکنند، هدستهای EEG کمهزینه 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