Гражданские ученые вносят свой вклад в исследования моторного обучения

В новом исследовании были изучены результаты данных, полученных гражданскими учеными с помощью простого метода. Тестировать двигатель онлайн. 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 разработке программы тренировок спортсменов. Результаты доступны по адресу Природа человеческого поведения.

«Этот исследовательский подход не заменяет лабораторные исследования, а, скорее, дополняет их, задаваясь вопросом, можно ли распространить двигательное поведение на более широкую популяцию», — сказал Джонатан Цай, доцент кафедры психологии Университета Карнеги-Меллон и первый автор статьи. . «Я рассматриваю этот широкий подход как способ демократизировать исследования двигательного обучения».

Традиционно ученые, занимающиеся изучением моторики, изучали, как люди осваивают двигательные навыки в лабораторных условиях, используя дорогое оборудование, позволяющее фиксировать тонкие изменения в движениях человека в ответ на ошибки движений. Эти исследования часто включают 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. Для сбора данных он разработал простую программу оценки двигательного развития, которую люди могут пройти онлайн, не выходя из дома. Результатом является набор данных из более чем 2000 сеансов от различных групп участников.

Исследование также могло бы оценить различные основные процессы двигательного обучения, то есть относительный вклад бессознательного и неявного двигательного обучения и сознательного и явного двигательного обучения. Используя доступные данные, Цай смог изучить, как демографические переменные влияют на относительный вклад этих двух стилей в обучение.

Короткий домашний тест занял около восьми минут по сравнению с типичным 80-минутным тестом в лаборатории. Несколько участников снова вошли в систему и внесли несколько сеансов в базу данных, 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 влиять на двигательную адаптацию.

Цай приводит в качестве примера возраст. Может показаться очевидным, что возраст является важным фактором, влияющим на локомоторную адаптацию, но в лабораторных исследованиях влияние возраста неоднозначно. Смешение может быть частично вызвано небольшим размером выборки и ориентацией на крайние возрастные группы (очень молодые и очень старые).

Используя большие данные, Цай и его коллеги смогли изучить возраст как непрерывную переменную. Результаты показали, как участники меняли свои стратегии исправления двигательных ошибок на протяжении всей жизни, причем пик адаптации приходится на возраст от 35 до 45 лет. Эти модификации отсутствовали в предыдущих исследованиях, которые включали лишь ограниченный размер выборки.

«Используя машинное обучение и другие технологии, [this approach allowed us] «Предсказать, кто добьется успеха в двигательном обучении и какие характеристики — скорость движения и время реакции — являются хорошими предикторами успеха в двигательном обучении в течение сеанса», — сказал Цай. «Наши результаты, полученные в результате исследовательских больших данных, можно вернуть в лабораторию, чтобы выдвинуть больше гипотез. [studies] «Чтобы найти механизм, лежащий в основе результатов, которые мы видим в Интернете».

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

«Многие вопросы по психологии можно проверить онлайн, но исследований моторики мало», — сказал Ричард Эйвери, выдающийся профессор психологии Калифорнийского университета в Беркли и соавтор исследования. » [Nature Human Behaviour] Исследование также укрепляет нашу уверенность в том, что онлайн-исследования могут быть очень полезны для изучения двигательного контроля, и я знаю, что многие лаборатории по всему миру воспользовались этими инструментами.

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