Гражданские ученые вносят свой вклад в исследования моторного обучения

В новом исследовании были изучены результаты данных, полученных гражданскими учеными с помощью простого веб-теста на моторику . Подход с использованием больших данных предоставляет исследователям уникальный способ изучить, как люди исправляют ошибки управления двигателем. Полученные в результате открытия могут однажды проложить путь к персонализированной физиотерапии или адаптации режима тренировок спортсменов. Результаты доступны в журнале Nature Human Behavior .

«Этот исследовательский подход не заменяет лабораторные исследования, а дополняет их, задаваясь вопросом, может ли двигательное поведение распространиться на большую часть населения», — сказал Джонатан Цей, доцент кафедры психологии Университета Карнеги-Меллон и первый автор статьи. «Я рассматриваю этот крупномасштабный подход как способ демократизировать исследования моторного обучения».

Традиционно ученые, занимающиеся изучением моторики, изучали, как люди осваивают двигательные навыки, в лабораторных условиях, используя дорогое оборудование, позволяющее улавливать тонкие изменения в движениях человека в ответ на ошибки движений. В этих исследованиях часто участвует небольшое количество участников. Распространяются ли эти результаты на более широкую популяцию, остается неизвестным.

Цай хотел изучить двигательные навыки с новой точки зрения, используя большие данные. Чтобы собрать данные, он разработал простую оценку моторного обучения, которую люди могли пройти онлайн, не выходя из дома. Результатом является набор данных из более чем 2000 сеансов от самых разных участников.

Исследование также может оценить различные основные процессы двигательного обучения, то есть относительный вклад подсознательного, неявного двигательного обучения и сознательного, явного двигательного обучения. Имея данные на руках, Цай смог изучить, как демографические переменные влияют на относительный вклад этих двух стилей обучения.

Короткий домашний тест занял около восьми минут по сравнению с обычным 80-минутным экспериментом в лаборатории. Многие участники снова вошли в систему и внесли в базу данных несколько сеансов, что позволило исследовательской группе эффективно отслеживать изменения в двигательном обучении.

Потенциал больших данных заключается в лучшем понимании таких переменных, как пол, возраст, нарушения зрения и даже опыт видеоигр, которые могут повлиять на двигательную адаптацию.

Цай приводит в качестве примера возраст. Может показаться очевидным, что возраст является важным фактором, влияющим на двигательную адаптацию, но в лабораторных исследованиях влияние возраста неоднозначно. Путаница может быть отчасти связана с небольшим размером выборки и ориентацией на крайние возрастные группы (очень молодые и очень пожилые).

Используя большие данные, Цай и его коллеги смогли изучить возраст как непрерывную переменную. Результаты показали, как участники меняли свои стратегии, чтобы исправить двигательную ошибку на протяжении всей жизни, причем пик адаптации приходится на период от 35 до 45 лет. Эти адаптации не были учтены в предыдущих исследованиях с ограниченным размером выборки.

«Используя машинное обучение и другие методы, [этот подход позволил нам] предсказать, кто добьется успеха в двигательном обучении и какие свойства — скорость движения и время реакции — являются хорошими предикторами успеха в двигательном обучении во время занятия», — сказал Цай. «Результаты, которые мы получили с помощью этого исследовательского метода больших данных , могут быть возвращены в лабораторию, чтобы провести дополнительные исследования, основанные на гипотезах, чтобы найти механизм, лежащий в основе результатов, которые мы видим в Интернете».

Простая задача моторного обучения позволила предсказать только около 15% дисперсии в исследовании, что ограничивает понимание, которое можно извлечь из этих результатов. Кроме того, двигательная задача не проводилась под наблюдением экспериментатора и без специального контроля таких параметров, как тип технологии и скорость Интернета, которые могли бы привести к увеличению шума в данных. Несмотря на эти ограничения, Цай по-прежнему считает, что этот крупномасштабный подход способен детально изучить эту изменчивость и получить ценную информацию для сообщества исследователей моторики.

«Многие вопросы в психологии поддаются онлайн-тестированию, но исследований моторики мало», — сказал Ричард Иври, заслуженный профессор психологии Калифорнийского университета в Беркли и соавтор исследования. «Исследование [ Nature Human Behavior ] еще больше укрепляет нашу уверенность в том, что онлайн-исследования могут быть очень значимыми для изучения двигательного контроля, и я знаю, что многие лаборатории по всему миру воспользовались преимуществами этих инструментов».

К Цаю и Иври присоединились Грач Асмерян и Кен Накаяма из Калифорнийского университета в Беркли, Лора Жермин из Гарвардской медицинской школы и Джереми Уилмер из колледжа Уэллсли в исследовании под названием «Крупномасштабная гражданская наука выявляет предикторы сенсомоторной адаптации».

Добавить комментарий