2025 तक, इंटरनेट पर हर दिन लगभग 463 एक्साबाइट नया डेटा तैयार होगा- यह एक ऐसी संख्या है जिसकी सचमुच कल्पना भी नहीं की जा सकती। यह डेटा ~300 बिलियन ईमेल या ~9.5 करोड़ साझा की गई तस्वीरों जैसी रोज़मर्रा की चीज़ों से आता है। ये चीज़ें खुले तौर पर देखने के उद्देश्य से साझा की जाती हैं। हालाँकि, इस दैनिक डेटा बाढ़ का अधिकांश हिस्सा कम ज्ञात, अधिक सामान्य सतही चीज़ों जैसे मेटाडेटा, लोकेशन डेटा, इंटरेक्शन लॉग, आर्काइव किए गए ब्राउज़िंग इतिहास और बहुत कुछ से आता है। भले ही यह अरुचिकर लगता है, लेकिन यह पता चलता है कि जब समय के साथ इसे थोक में एकत्र और विश्लेषण किया जाता है, तो यह मानव अवस्थाओं की भविष्यवाणी करने में आश्चर्यजनक रूप से सटीक हो सकता है, जैसे:

• स्वस्थ बनाम बीमार।

• सामान्य गतिविधियाँ।

• सोना बनाम व्यायाम करना।

• भविष्य के व्यवहार जैसे संभावित खरीदारी या चुनावी वोट।

न्यूरोवैज्ञानिकों के रूप में, हम मानव मस्तिष्क के बारे में अधिक जानने के लिए इस डेटा का लाभ उठा सकते हैं। आखिरकार, मानव गतिविधि और/या व्यवहार की नींव में मौजूद कारकों को स्पष्ट करना न्यूरोसाइंस अनुसंधान के मूल में है। यह लेख सात तरीके प्रदान करता है जिनसे रिमोट डेटा संग्रह न्यूरोसाइंस अनुसंधान में सुधार कर रहा है।

न्यूरोवैज्ञानिक दशकों से रिमोट डेटा संग्रह तकनीकों का उपयोग कर रहे हैं। हाल के वर्षों में जो बदलाव आया है वह है:

• यह कि "रिमोट" वास्तव में कितना दूर हो सकता है।

• भाग लेने वाले विषयों (सब्जेक्ट्स) की संख्या।

• एक ही प्रयोग में मापे और संसाधित किए जा सकने वाले एंडपॉइंट्स के प्रकार।

रिमोट डेटा संग्रह और अनुप्रयोग के लिए अनुसंधान एकमात्र अनुप्रयोग नहीं है। वर्चुअल रियलिटी (VR) प्रणालियों में हालिया प्रगति ने प्रयोगशाला को वर्चुअल स्पेस में ला दिया है। उदाहरण के लिए, चिकित्सकीय रूप से, न्यूरोसाइंस अनुसंधान के लिए VR प्रणालियों में ये प्रगति दुनिया भर में रिमोट सर्जरी करने की आसान पहुँच प्रदान करती है। इस परिदृश्य में, VR हेडसेट ऑपरेटिंग टीम के पास रहता है ताकि जब सर्जन पहुंचे, तो वह सैकड़ों मील दूर मरीज से आने वाले लगभग-वास्तविक-समय के वीडियो फ़ीड की गुणवत्ता देख सके।

मामूली स्थितियों में, केवल वीडियो का उपयोग ही पर्याप्त होगा, लेकिन इस संवर्धित वास्तविकता (ऑगमेंटेड रियलिटी) के साथ, वे लाइव सर्जरी और शैक्षिक/प्रशिक्षण सर्जिकल असाइनमेंट दोनों में वीडियो को हैप्टिक फीडबैक के साथ जोड़ते हैं। आप कह सकते हैं कि यह गेम कंट्रोल पर रंबल स्ट्रिप के समान है लेकिन कहीं अधिक उन्नत है।

जैसा कि नीचे हाइलाइट किया गया है, ऐसे कई कारण हैं (खैर, कम से कम सात) कि क्यों एक चिकित्सा प्रक्रिया, शोधकर्ता या न्यूरो-मार्केटर वैश्विक, दूरस्थ रूप से एकत्रित डेटा को एकत्र करने, संसाधित करने और विश्लेषण करने के लिए आधुनिक तकनीक का उपयोग करना चुनेंगे।

1. घर का आराम और सहजता

तनावग्रस्त विषयों से तनावग्रस्त डेटा बनता है।

यह सर्वविदित है कि व्यावहारिक परीक्षण करने से पहले तनावपूर्ण कारकों के संपर्क में आने से एकत्रित होने वाले आगामी डेटा में बदलाव हो सकता है। इसके अलावा, यह बार-बार प्रदर्शित किया गया है कि, तीव्र प्रभावों के साथ-साथ, पर्यावरणीय तनाव दीर्घकालिक प्रभावों को जन्म दे सकते हैं। वैज्ञानिकों की सबसे अच्छी आशा ऐसे बाहरी चरों को कम करना है, साथ ही यह स्वीकार करना भी है कि उन्हें कभी भी पूरी तरह से समाप्त नहीं किया जा सकता है। इस प्रकार, यदि प्रत्येक विषय के साथ समान व्यवहार किया जाता है, तो वे समान रूप से सभी तत्वों के संपर्क में आते हैं।

एक इंसान का उसके अपने घर में परीक्षण

डॉक्टर के क्लिनिक तक जाना, खर्चों की चिंता करना, निदान, सही क्लिनिक खोजना, या क्या आपने कानूनी रूप से गाड़ी पार्क की है, ये सभी बहुत वास्तविक तनाव कारक हैं। हालाँकि, मान लीजिए कि अनुसंधान डेटा संग्रह को इन बाहरी कारकों से बचने के लिए किया जा सकता है, जैसे कि किसी के अपने घर के आराम में। उस स्थिति में, तनावपूर्ण यात्रा का प्रभाव अध्ययन के फोकस को प्रभावित नहीं करेगा।

ऐसा होने पर भी, अनुसंधान विषयों पर बाहरी ताकतों के प्रभावों को पूरी तरह से अलग करना या समाप्त करना संभव नहीं है। तनाव कारकों को कम करने का सबसे अच्छा तरीका अभिनव लेकिन मान्य उपकरणों का उपयोग करके सभी विषयों को समान परिस्थितियों में उजागर करना है।

2. अप्रत्याशित परिस्थितियाँ (फ़ोर्स मेजर)

जब अप्रत्याशित आपदा आती है, तो आपको अपने व्यवहार को अनुकूलित करना होगा। प्रवेश करें, कोविड-19।

वैश्विक कोविड-19 महामारी के कारण पिछले तीन साल आंखें खोलने वाले रहे हैं। कभी-कभी शोधकर्ताओं के नियंत्रण से परे असाधारण घटनाएं या परिस्थितियां होती हैं। ये अप्रत्याशित परिस्थितियां नई बाधाओं के अनुकूल होने के लिए मजबूर करती हैं।

उपलब्ध सर्वोत्तम तकनीक का उपयोग करके सबसे प्रभावी विज्ञापन अभियान का निर्धारण करना पूंजीपतियों के लिए एक आसान काम है। हालाँकि, तथ्य यह है: किसी विषय के डेटा की गुणवत्ता शोधकर्ता से उसकी निकटता पर निर्भर नहीं करती है। इसलिए, विषयों से डेटा एकत्र करने का शोधकर्ता का मुख्य कार्य वर्तमान में उपलब्ध उपकरणों के अनुकूल होना चाहिए।

3. एवरलीवेल, एप्पल वॉच और टेलीसर्जरी

एवरलीवेल (EverlyWell) एक मेल-ऑर्डर मेडिकल प्रयोगशाला परीक्षण सेवा है जो 30 से अधिक नैदानिक परीक्षणों के लक्ष्यों को मापने के लिए आसानी से समझ में आने वाले निर्देशों के साथ प्री-पैकेज्ड किट भेजती है। एप्पल वॉच की धड़कन की असामान्यता की अधिसूचना और गिरने का पता लगाने (फॉल डिटेक्शन) की क्षमता भी सुर्खियों में रही है। एवरलीवेल और एप्पल दोनों के लिए, उपभोक्ता बाजार के लिए कम यात्रा और लागत में मूल्य जोड़ने की उनके उत्पादों की क्षमता पर बहुत कम संदेह रहा है।

इस तरह के और अन्य उत्पादों के साथ, हम, एक समाज के रूप में, पहले से ही स्थानीय स्तर पर एकत्र किए गए, दूरस्थ रूप से संसाधित और ठीक से प्रस्तुत बायोमेडिकल डेटा को स्वीकार और भरोसा कर चुके हैं। चाहे वह बीमारी की रोकथाम के लिए हो, मानसिक कल्याण के लिए हो, बीमारी से लड़ने के लिए हो या संतुलित शरीर बनाए रखने के लिए हो, आप फीडबैक प्राप्त करना चाहते हैं और उम्मीद करते हैं कि स्वास्थ्य लक्ष्य पूरे होने पर आपको पुरस्कृत किया जाए। इंटरनेट से पहले के अंधकारमय दिनों में, जब कंप्यूटर एक पूरा कमरा घेर लेते थे, तो आपके फिटनस की मुख्य प्रदर्शन संकेतकों (KPI) को मापना और ट्रैक करना पूरी तरह से एक एनालॉग प्रयास था। अब ऐसी स्थिति नहीं है। परिणामस्वरूप, "मात्रात्मक स्वयं" (quantified self) आंदोलन तेजी से परिपक्व हो रहा है।

आमतौर पर निगरानी किए जाने वाले KPI में शामिल हैं:

• हृदय गति

• रक्तचाप

• वजन

• ऊंचाई

• नींद की अवधि

• गतिविधि के पैटर्न

इन सभी को उचित सेंसर और बुनियादी हार्डवेयर के साथ आसानी से मापा जा सकता है। यह सर्वविदित है कि न्यूरोसाइंस और कई बायोमेडिकल विषयों में नमूना आकार (सैंपल साइज) की समस्याएं होती हैं। इस समस्या को हल करने के प्रयास में, सबसे अच्छा तरीका विषयों के छोटे समूह को प्रशिक्षित करने के बजाय अतिरिक्त विषयों को जोड़ना होगा, जिन्हें केवल इसलिए चुना गया था क्योंकि वे करीब थे। मापने योग्य रिमोट KPI की पूरी श्रृंखला के साथ, यह न्यूरोसाइंस अनुसंधान के फलने-फूलने और जीवित रहने का एक व्यावहारिक तरीका है।

4. प्रतिभागियों के समावेश और विविधता को बढ़ाना

WEIRD समूह कौन है, और हम विशेष रूप से उनके बारे में इतना क्यों जानते हैं?

"व्यवहार वैज्ञानिक नियमित रूप से दुनिया की शीर्ष पत्रिकाओं में मानव मनोविज्ञान और व्यवहार के बारे में व्यापक दावे पूरी तरह से पश्चिमी, शिक्षित, औद्योगिक, समृद्ध और लोकतांत्रिक (WEIRD) समाजों से लिए गए नमूनों के आधार पर प्रकाशित करते हैं।"

यह एक आम बात है कि मनोविज्ञान कॉलेज की उम्र के, श्वेत, संपन्न व्यक्तियों के बारे में बहुत कुछ जानता है लेकिन सामान्य रूप से मनुष्यों के बारे में बहुत कम जानता है।

क्यों?

मनोविज्ञान के प्रयोग कॉलेज परिसरों में किए जाते हैं, और विषय समावेशन मानदंड दिन के दौरान उनकी निकटता और उपलब्धता से अधिक व्यापक नहीं होते हैं। व्यापक आबादी के बारे में निष्कर्ष निकालने के लिए, मनोविज्ञान के प्रयोगों के लिए नमूना समूहों में विविध पृष्ठभूमि के अधिक व्यक्तियों को शामिल करने की आवश्यकता है। इस समस्या की कुंजी रिमोट डेटा संग्रह उपकरणों में निहित है, विशेष रूप से ऐसे उपकरण जो उपभोक्ताओं द्वारा स्वयं उपयोग करने के लिए डिज़ाइन किए गए हैं।

5. अल्पकालिक और दीर्घकालिक लागत में कटौती

आधुनिक क्लाउड प्लेटफॉर्मों ने भौतिक दूरी को अप्रासंगिक बना दिया है।

रिमोट डेटा संग्रह उपकरण का उपयोग करने से विज्ञापनों पर पैसा बचता है।

यादृच्छिक नमूनों (रैंडमाइज्ड सैंपल्स) पर सुविधा नमूनों (जैसे कॉलेज के छात्र) की तुलना में अधिक लागत आती है, क्योंकि आपको स्थानीय समुदाय में अनुसंधान विषयों के लिए विज्ञापन देना पड़ता है। सीधे शब्दों में कहें तो विज्ञापन में पैसा खर्च होता है।

रिमोट डेटा संग्रह उपकरण का उपयोग करने से स्वामित्व वाले आईटी और न्यूरो-विश्लेषण उपकरणों पर पैसा बचता है।

अक्सर, व्यक्तिगत अनुसंधान प्रयोगशालाओं को अपने स्वयं के आईटी उपकरणों के लिए भुगतान करना और उनका रखरखाव करना पड़ता है, खासकर यदि यह डेटा संग्रह के लिए विशेष हार्डवेयर हो। बेशक, जैसे-जैसे समय बीतता है, तकनीक में सुधार होता जाता है। इस बीच, बुनियादी ढांचे को अद्यतन करना एक उच्च लागत है। इस कारण से, आधुनिक क्लाउड प्लेटफॉर्मों तक पहुंच और कम लागत वाले डेटा संग्रह हार्डवेयर न्यूरोसाइंस अनुसंधान में संसाधनों के उपयोग को कम कर सकते हैं।

6. शरीर क्रिया विज्ञान (फिज़ियोलॉजी) और व्यवहार को मापना हमेशा से "रिमोट" रहा है

सेंसर हार्डवेयर और डेटा प्रोसेसिंग सॉफ़्टवेयर के बीच की दूरी अप्रासंगिक है।

मानव व्यवहार को समझना, भविष्यवाणी करना और ठीक करना अधिकांश शैक्षणिक अनुसंधान, विशेष रूप से न्यूरोसाइंस के मूल में है। आमतौर पर, "व्यवहारिक डेटा संग्रह" की धारणा से डॉक्टर के कोट पहने वैज्ञानिकों की छवियां दिमाग में आती हैं जो क्लिपबोर्ड और स्टॉपवॉच के साथ दूर से विषयों को देख रहे हैं और समय-समय पर लिख रहे हैं।

यह एक सरल विचार है, लेकिन यह अज्ञात भिन्नता के संभावित स्रोतों से भरा हुआ है जो किसी विषय की गतिविधि या व्यवहार को प्रभावित कर सकता है। वैज्ञानिक प्रयोगों में, लक्ष्य इस अज्ञात भिन्नता को यथासंभव समाप्त करना होता है। प्रभाव दिखने पर इसके कारण के बारे में साक्ष्य-आधारित निष्कर्ष निकालने के लिए यह अभ्यास आवश्यक है।

न्यूरोसाइंस अनुसंधान में त्रुटि के स्रोतों को कैसे हटाया जाए

मानव शरीर क्रिया विज्ञान और व्यवहार को मापते समय त्रुटि के स्रोतों को हटाने की खोज जारी है। अपने सबसे बुनियादी स्तर पर, इसमें आम तौर पर हार्डवेयर में सुधार शामिल होता है जो सेंसर से डेटा एकत्र करता है, जिसे फिर रुचि की चीज़ों, प्रवृत्तियों, या विषयों के बीच या उनके भीतर के अंतर की पहचान करने के लिए एनालॉग या डिजिटल सॉफ़्टवेयर का उपयोग करके संसाधित किया जाता है। रिमोट डेटा संग्रह शुरुआत में अनुमान लगाए गए से अधिक शक्तिशाली है और विविध लेकिन प्रासंगिक डेटा सेट प्रदान कर सकता है जो प्रयोग में भविष्य कहने वाली शक्ति जोड़ते हैं।

7. मशीन लर्निंग बेहतर डेटा प्रदान करती है

डेटा + मेटाडेटा + मशीन लर्निंग (ML) = व्यवहारिक गतिविधि का सबसे व्यापक मॉडल।

आप कौन हैं, कहाँ हैं, आपको क्या पसंद और क्या नापसंद है, इसके आर्टिफिशियल इंटेलिजेंस मॉडल का उपयोग उस पैमाने पर किया जा रहा है जिससे कई लोग अनजान हैं। सौभाग्य से, हमारे आधुनिक बाजार में व्यावसायिक न्यूरोसाइंस डेटा संग्रह उपकरण उपलब्ध हैं। डेटा और विज्ञापन मेटाडेटा के उनके उपयोग से व्यवहार की अधिक व्यापक समझ होने की संभावना है, जो अधिक बाँझ, पृथक प्रयोगशाला सेटिंग्स में एकत्र की जा सकती है।

इसके मूल में, प्रदान किया गया डेटा (नाम, स्थान, जन्मदिन) छिपे हुए मेटाडेटा (साइट पर बिताया गया समय, पिछली साइट, बाहर निकलने की साइट) के साथ विलीन हो जाता है और इसने पूरी तरह से नई विश्लेषण तकनीकों को जन्म दिया है जो मानव व्यवहार को मापने और भविष्यवाणी करने के लिए बेहद उपयोगी साबित होती हैं।

क्या आप अधिक जानना चाहते हैं? Emotiv से मिलें

ऊपर दी गई तकनीकों पर प्रकाश डालते हुए, हमने प्रदर्शित किया है कि रिमोट डेटा संग्रह नया नहीं है और जैसे-जैसे प्रौद्योगिकी में सुधार बाजार में आ रहा है, यह न्यूरोसाइंस अनुसंधान में सुधार करना जारी रखता है। जिस दर से "रिमोट" का विस्तार कमरे के पार से, ब्लॉक के नीचे, देश के पार और अब, दुनिया भर में हुआ है, पारंपरिक शोधकर्ताओं द्वारा महसूस की जाने वाली बेचैनी की भावनाओं को समझना आसान है। हालाँकि, उपभोक्ता हार्डवेयर में तकनीकी सुधारों के परिमाण और क्लाउड-आधारित डेटा विश्लेषण और प्रसंस्करण में स्मारकीय उपलब्धियों को देखते हुए, डेटा कैसे एकत्र किया जाता है, इसके लिए "रिमोट" शब्द जल्दी ही अप्रासंगिक हो जाता है।

संक्षेप में, विषय अनुसंधान कर्मचारियों की प्रत्यक्ष निगरानी के बिना घर पर डेटा संग्रह कर सकते हैं। वे व्यक्तिगत उपयोग के लिए अपने मस्तिष्क के बारे में यह जानकारी एकत्र कर सकते हैं, लेकिन उनके पास अधिक व्यापक, चल रही अनुसंधान परियोजनाओं के लिए विशेष रूप से अपने ईईजी (EEG) को अपलोड करने या ईईजी एकत्र करने का विकल्प भी है।

2011 में स्थापित, Emotiv सैन फ्रांसिस्को स्थित एक बायोइन्फॉर्मेटिक्स कंपनी है जिसका मिशन कस्टम इलेक्ट्रोएन्सेफलोग्राफी (EEG) हार्डवेयर, विश्लेषण और विज़ुअलाइज़ेशन का उपयोग करके मानव मस्तिष्क की हमारी समझ को आगे बढ़ाना है। ईईजी अनुसंधान के लिए Emotiv का दृष्टिकोण "वास्तविक दुनिया" की स्थितियों को अधिक बारीकी से दर्शाता है, क्योंकि परीक्षण किए जा रहे व्यक्ति उन स्थानों और वातावरणों में होते हैं जो इस बात को अधिक दर्शाते हैं कि वे वास्तव में अपना जीवन कैसे जीते हैं।

Emotiv हेडसेट्स

Emotiv Insight

Emotiv उपयोगकर्ताओं के एक व्यापक समुदाय की सेवा करता है, पेशेवरों से लेकर उन व्यक्तियों तक जो केवल अपने मस्तिष्क के बारे में जानना चाहते हैं। Emotiv Insight 5-चैनल ईईजी हेडसेट ब्रेन-कंप्यूटर इंटरफ़ेस (BCI) के लिए डिज़ाइन किया गया है। Insight क्रांतिकारी सेंसर तकनीक के साथ एक चिकना, आसानी से सेट होने वाला डिज़ाइन जोड़ता है।

Emotiv EPOC X और Flex

Emotiv EPOC X और Flex 14-चैनल और 32-चैनल ईईजी प्रणाली प्रदान करते हैं। हर परिवेश में न्यूरोसाइंस अनुसंधान के लिए डिज़ाइन किए गए, EPOC हेडसेट बेहतर सेंसर तकनीक के साथ वायरलेस हैं। दोनों हेडसेट्स को स्वतंत्र अनुसंधान समूहों द्वारा सत्यापित किया गया है और वे उच्च गुणवत्ता वाले अनुसंधान-ग्रेड डेटा प्रदान करने के लिए सिद्ध हुए हैं।

Emotiv की ईईजी प्रणालियों की तकनीकी क्षमताओं की एक पूर्ण तुलना समीक्षा के लिए उपलब्ध है।

Emotiv टेक्नोलॉजी

हमारे पास न्यूरोसाइंस अनुसंधान के हर कदम का समर्थन करने के लिए उपकरणों का एक सुइट है।

EmotivPRO सॉफ़्टवेयर उपयोगकर्ताओं को परीक्षण परिणामों को संसाधित करने, विश्लेषण करने और विज़ुअलाइज़ करने की अनुमति देता है। शोधकर्ता पेशेवर स्तर पर प्रयोगों को भी डिज़ाइन कर सकते हैं जिसमें Emotiv हेडसेट वाला कोई भी भागीदार भाग ले सकता है यदि वह प्रायोगिक डिज़ाइन के अनुरूप हो।

Emotiv के लिए एक सॉफ्टवेयर डेवलपमेंट किट (SDK) भी उपलब्ध है ताकि केवल हेडसेट और स्मार्टफोन का उपयोग करके चलते-फिरते कस्टम ऐप, इंटरैक्शन या प्रायोगिक डिज़ाइन किए जा सकें।

जैसे-जैसे न्यूरोसाइंस उपकरणों और पद्धतियों को अपनाने वाले विषयों और व्यावसायिक बाजारों की संख्या बढ़ रही है, Emotiv की कम लागत वाली, उपयोग में आसान ईईजी प्रणाली (प्रणालियों) का उपयोग निम्नलिखित में किया जा रहा है:

• न्यूरोसाइंस अनुसंधान

• स्वास्थ्य और कल्याण विपणन पहल

• मोटर वाहन उद्योग

• न्यूरोमार्केटिंग

• उपभोक्ता अनुसंधान

• शिक्षा

• मनोरंजन के परिवेश

इसके अतिरिक्त, गुणवत्ता, लागत और Emotiv हेडसेट्स को दुनिया भर में शिप करने की क्षमता के साथ, शोधकर्ता योग्य प्रतिभागियों की एक विविध श्रृंखला को भर्ती और नामांकित कर सकते हैं। प्रसंस्करण सॉफ़्टवेयर द्वारा मूल्यांकित किए जाने वाले गुणवत्ता नियंत्रण मेट्रिक्स के कारण, शोधकर्ता डेटा संग्रह प्रक्रिया पर भी भरोसा कर सकते हैं।