وب لاگ امیرحسین اسعدی

آنچه یادگرفتم، خواندم و دیدم رو اینجا به اشتراک می‌گذارم
I share what I learned, read and saw

طبقه بندی موضوعی
آخرین نظرات
  • ۸ خرداد ۰۲، ۱۵:۲۲ - احمد صداقت زاده
    عالی

یکی از چیزایی که شدیدا علاقه دارم نجومه، و من تا وقتی نیشابور بودم سعی می‌کردم حداقل ماهی یکبار تلسکوپمو به پارک ببرم آسمون رو به مردم نشون بدم. اینکار برای حالم خیلی خوبه، احساس مفید بودن بهم دست میده، اینکه آدم‌ها ازم تشکر میکنن اینکه وقتی یک بچه ماهو میبینه و میگه عَهههه چقدر قشنگهههه اینکه یکی میاد میگه مرسی که تو این دور زمونه هستی و عشقت رو دنبال میکنی و با ما هم به اشتراک میگذاری اینکه یکی میاد میگه ممنون که علم و فرهنگو ترویج میدی. حالا چند ماهی هست به تهران اومدم که بتونم با سرعت بیشتری کارای تزم رو انجام بدم. خیلی دلم میخواست این رصد رو اینجا هم برگزار کنم تا اینکه در یکی از سفر هام پایه تلسکوپ رو آوردم و یاسر هم که اومد لطف کرد و لوله رو آورد و من منتظر فرصتی بودم که ماه باشه فراخوان نباشه ابر نباشه و برم رصد و امشب فرصتش پیش اومد.

از یکسری چیزا میترسیدم، مثلا اینجا که اومدم روز اول تا هم خونم فهمید گفت، نه نکن اینکارو و بیشتر فکر کن! پارک هنرمندان یک عده آدم سگ بازن میری بهت توجه نمیکنن سنگ روی یخ میشی بر میگردی. اگه پلیس یا شهرداری میومد تلسکوپم رو به بهانه سد معبر جمع میکرد چی؟ اگه واقعا کسی نمیومد چی؟ اگه خیلی شلوغ میشد و من تنهایی نمیتونستم جمعیت رو کنترل کنم چی؟ اگه نگهبان پارک با اخم میومد و داد میزد آقا جمع کن وسایلتو چی؟ اگه انجمن نجوم های تهران و آدم های نجومی اینجا میفهمیدن و جلوی کارمو میگفرفتن چی؟ و سؤال هایی هم تو ذهنم بود مثل اینکه بهتره مبلغ رو آزاد بگذارم یا مشخص کنم؟ کارت خوان بخرم یا نه؟ برنامه هامو از کجا اطلاع رسانی کنم؟

تا اینکه رسیدم به امروز. صبح مثل اکثر پنج شنبه های دیگه کتابخونه ملی بودم. اونجا هم بهم خوب گذشت و تونستم مقالمه مو ویرایشش رو تموم کنم و بفرستم که دوباره استادهام بخونن و بعد بفرسیتم برای مجله. قبل از غروب یعنی حدود ساعت ۵ اومدم سمت خونه از دیروز سلف یکم قیمه داشتم اونو زدم و شروع کردم وسایل رو جمع کردن. پایه تلسکوپ، لوله و یک بنر و یکم خورده ریز مثل چشمی‌ها ولیزر دونه دونه تو آسانسور گذاشتم و رفتم پایین، جالب بود که آهنگ آسانسور هم آهنگ پایانی آسمان شب بود یعنی گل ارکیده. اسنپ درخواست دادم ماشین اومد و منم وسایل رو سریع گذاشتم و رفتیم سمت ضلع غربی پارک هنرمندان.

ساعت ۶رسیدم، وسایلم رو بر پا کردم چند نفری اومدن و دیدن ولی مبلغی ندادن ساعت حدود ۶نیم بود که سرم خلوت تر شده بود. تا اینکه به شب که نزدیک تر شدیم شلوغ و شلوغ تر شد. و من دیگه از بابت استقبال خیالم راحت شد. هوا که سرد تر شد یک لباس به لباسام اضافه کردم. آدم‌ها اینجا کمی و فقط کمی از آدم های نیشابور مهربون تر بودن و مثلا وقتی از تلسکوپ میدیدن میگفتن وای چقدر قشنگه! یا تشکر شون از من عمیق‌تر بود. بوی گل(منظورم فلاور نیست) توی فضا بود و بیشتر دخانیات مصرف میکردن. گربه‌ها و سگ‌های خیلی بیشتری در پارک بودن. مثل نیشابور یک بار ماشین پلیس از توی پارک رد شد. یک نفر هم حین توضیح دادن گفت چقدر صدای خوبی داری :) بهم حس گوینده رادیو بودن دست داد. البته قبلا تو متمم هم راجع به این مختصر نوشته بودم(+).

اینجا ساختمون‌ها خیلی بلند ترن و مدام ماه و مشتری پشت یک ساختمون پنهان میشدن و من هم با کمک مردم تلسکوپ رو جابه‌جا میکردم. یک دختر بچه کلاس اولی ازم پرسید: عمو همکار نمیخوای؟ نمیشه من بهت کمک بدم و یکم از پولا رو بدی به من؟ خیلی ها ازم آدرس یک پیج یا کانال می پرسیدن برای برنامه‌ روز‌های آینده. یکی گفت پارک قیطریه و نیاوران هم خیلی خوبه اونجا هم برگزار کن. یکی پرسید رصدخونه زعفرانیه چرا کار نمیکنه؟ که معادلش در نیشابور میشه چرا افلاک‌نما یا رصدخونه باغرود کار نمیکنه؟ چند نفر شماره مو واسه تور نجومی گرفتن و همچنان خیلی ها از اینکه قیمت تلسکوپ چنده پرسیدن.

حدود ساعت ۱۱ با خلوت تر شدن پارک وسایلم رو جمع کردم و اسنپ برگشت رو گرفتم و خیلی خوشحال از اینکه از برنامم استقبال شد، از این‌که کاری رو کردم که دوستش دارم و به برنامه هام یک تنوع حسابی خاص بدم، و از این‌که تونستم یکم پول جمع کنم. و دیگه از رصد برگزار کردن در تهران نمیترسم. و من باز هم یادگرفتم چقدر خوبه به جای مسخره کردن آدما و حس منفی دادن و گفتن تو نمیتونی، به کار الانت بچسب، کسی استقبال نمیکنه، بهشون امید بدیم و تشویق شون کنیم، ازشون تشکر کنیم مثلا میتونیم خیلی ساده بگیم مرسی یا اینکه بگیم داداش خیلی حال خوبی به من دادی دمت گرم میریم الان برات یک چای میخرم. و چه خوب که سعی کنیم بهشون حس ارزشمند بودن رو بدیم.

من این مقاله رو با دقت بیشتری خوندم چون میخواستم بیشتر راجع به مولفه‌ها، در آزمایش‌های پردازش گفتار آشنا بشم.

این مقاله (+) توسط یک تیم ژاپنی نوشته شده، و حرف اصلیش اینه که آهای ملت، تافل آیلتس رو بگذارین کنار، داده‌های EEG شما میتونه نشون بده زبان تون در چه سطحی هست. ادعای جالبی هست و بنظر هم دور نیست که به همچینین تکنولوژی ای  برسیم. توی این پست با جزئیات کارشون کاری ندارم و فقط میخوام گزارش مطالعه خودم رو از قسمت Discussion مقاله با شما به اشتراک بگذارم.

مثل اکثر بحث ها اول با اینکه کلا در آزمایشمون چیکار کردیم شروع شده و نتایجی که دیده رو گفته. بعد به طور خاص راجع به سه مولفه N1، P2 و N400 صحبت کرده. در نهایت هم از محدودیت‌های کارشون گفته و نتیجه گیری کرده. من در این مطالعه تمرکزم بر روی سه مولفه بود. ابر کلمات متن‌های مرتبط رو رسم کردم و کلمه های پر تکرار رو براتون می‌نویسم.

Native, Attention, Listening, Amplitudes, N1, Proficiency, L2, Speech, N400, P2, and Latency.

پیش نوشت اول: قبل از اینکه از جزئیات مولفه‌ها بگم، یادآوری میکنم که پیش نیاز ادامه متن آشنایی مقدماتی با ERP، و مولفه‌هاش هست. نام گذاری مولفه‌ها به این صورت هست که زمان و مثبت یا منفی بودنش رو گزارش میدیم. مثلا N1 یعنی مولفه‌ای که در ۱۰۰ میلی ثانیه رخ میده و منفی هست یا P2 یعنی در  ۲۰۰ میلی ثانیه رخ میده و مثبت هست. N400 یعنی ۴۰۰ میلی ثانیه رخ میده و منفی هست.

پیش نوشت دوم: میشه کلمات رو به دو دسته open class words که شامل  nouns, verbs and adjectives هستن و close class word  که شامل pronouns and conjunctions هستن تقسیم کرد.

پیش نوشت سوم: میشه گفت ما دو نوع توجه داریم، توجه بالا به پایین (میتونید بالا رو مغز و پایین رو چشم فرض کنید) که توی اون مغز دستور میده به فلان جا توجه کن، و توجه پایین به بالا که محرک خواصی از طریق چشم توجه مغز رو به خودش جلب میکنه.

مولفه N1

  • اینها در آزمایش شون بین زمان رخ دادن پیک N1 و نمره تسک شنیداری شون رابطه پیدا کردن
  • ارتفاع مولفه شنیداری با میزان توجه ما به یک صدا فرق میکنه. مثلا اگه تو یک مهمونی بخوایم بفهمیم هوشنگ به صدای هایده گوش میده یا شهرام کافیه میزان ارتفاع N1 رو برای هایده و شهرام حساب کنیم و مثلا می‌بینیم برای هایده بیشتره با اینکه هوشنگ روش به سمت شهرامه و به ظاهر داره سر تکون میده. اما فعالانه حواسش به حرفای هایده هست و به حرف‌های شهرام گوش نمیده.
  • نقش توجه انتخابی در یادگیری زبان دوم یا همون L2 قبلا بررسی شده.
  • نشون داده شده که افراد به کلمات open class words بیشتر از close class words توجه میکنند.
  • تو یک مطالعه با داده چشمی، شرکت کننده‌هایی که به موارد آزمون توجه داشتن عملکرد بهتری داشتن
  • افرادی که L2 بهتری داشتن، کنترل شناختی بهتری هم داشتن
  • مطالعات بالا نشون میده توجه بیشتر یعنی یادگرفتن بیشتر
  • یکی از زمان‌های مهم برای درک گفتار توسط مغز شروع کلمه هست
  • پیشنهاد دادن که N1 با توجه بیشتر کمک میکنه بتونیم جمله رو به اجزای کوچیکترش بشکونیم، حتی اگر جمله با کلمات بی معنی درست شده باشه
  • با توجه به اینکه N1 میتونه شاخصی از تقسیم بندی گفتار باشه، پس اینکه ما هم دیدم آدم هایی که نمره بهتری دارن N1 براشون زود تر رخ داده به نظر منطقی هست

مولفه P2

  • برای ما دامنه و تاخیر P2 با نمرات آزمون شنیداری همبستگی منفی داشتن
  • P2هم مثل N1 با توجه تغییر میکنه
  • برخلاف N1 با افزایش توجه دامنه P2 کاهش پیدا میکنه
  • دامنه P2 در طول به خواب رفتن افزایش پیدا میکنه
  • پس اینکه ما دیدم P2 برای افرادی قوی کوچک شده طبیعی هست
  • حفظ توجه و اطلاعات زمینه‌ای میتونه به توجه بالا به پایین کمک کنه
  • وقتی در کنار صوت تصویر هم داشتیم و این تصویر کمک میکرده کلمات رو بهتر پیش بینی کنیم باعث میشده N1P2 زود تر رخ بدن و ارتفاع P2 کمتر بشه
  • پس بر اساس این نتایج افراد قوی تر سعی میکنن خودشون زمینه های دیگه رو هم فراهم کنن تا بهتر یاد بگیرن

 

 

مولفه N400

  • ما دیدیم تاخیر مولفه N400 با نمره شنیداری رابطه منفی داره، به عبارت دیگه هرچی آدم L2ش قوی تر باشه N400ش زود تر رخ میده
  • مطالعات زیادی در EEG نشون دادن N400 نشان دهنده پردازش معنایی هست
  • بنظر ما چون دیدیم که N1 و P2 هم با مهارت شنیداری رابطه داره، احتمالا پردازش سطح پایین مثل درک آواها و تقسیم بندی گفتار زود تر رخ بده سبب میشه پردازش سطح بالاتر مثل معنای کلمه هم زود تر درک بشه
  • نتایج  ما با آزمایش قبلی مون میخونه، اونجا به سه گروه، انگلیسی زبان، ژاپنی‌ای که انگلیسی خوب بلده، و ژاپنی‌ای که انگلیسی خوب بلد نیست متن رو به صورت کلمه به کلمه نشون دادیم. و اونجا هم دیدیم هرچی زبان انگلیسی طرف قوی تر باشه N400ش زود تر رخ میده.
  • ما دیدیم دامنه N400 هم با نمره زبان رابطه داره  هرچی زبان قوی تر دامنه بیشتر، که البته با مطالعات قبلی ناسازگار بود
  • دیده شده افرادی که زبان شون اسپانیایی هست، هرکی N400ش کوچیک تره(دامنه) زبان L2ش قوی تره، و گفته شده که احتمالا کسی که زبانش قوی نیست باید تلاش بیشتری بکنه تا معنای کلمات رو ترکیب کنه و جمله رو بفهمه.  البته این آزمایش به صورت ERP  و در حالی که کلمه ها روی مانیتور نوشته شدن انجام شده
  • شاید دلیل نتیجه متفاوت ما نوع متفاوت آزمایش ما باشه، ما داده رو به صورت پیوسته گرفتیم و  یک فایل صوتی دادیم
  • مطالعات مختلف نشون داده N400 رو میشه به روش‌های مختلف ایجاد کرد، یعنی چه شما کلمات رو نشون بدی چه عکسشو بگذاری چه فایل صوتی شو پخش کنی همه اینا میتونه N400 ایجاد کنه
  • در N400 ما دو داستان داریم: اول کلمه از رو لانگ ترم مموری مون بیاریم، دو معنای کلمه رو با کلمه های اطرافش ترکیب کنیم و جمله رو بفهمیم.

دو فرمت ذخیره کردن داده در علوم داده

داده‌هامونو میتونیم به دو صورت tidy format یا long format و wide format  ذخیره کنیم. هر کدوم هم تو علم داده کاربرد خاص خودشون رو دارند بعضی از بسته‌های R بر اساس long format کار میکنندن.

wide format

نمونه و مثال از wide format زیاد دیدین و احتمالا خودتون هم داده هاتون رو این جوری ذخیره میکردین. در این فرمت هر ستون به یک متغیر تعلق داره و هر سفر یک مشاهده یا obsesrvation هست.

مثال:

میانگین دما در تابستان جمعیت ارتفاع از سطح دریا
20 300,000 1600

35

400,000

1

نکات زندگی در تهران، مناسب برای دانشجو

  • حتما اگه جایی میخوای بری خرید کنی، مخصوصا چیزای گرون تر مثل خرید گوشی یا تعمیر لپتاب قبلش توی گوگل مپ نظرای بقیه رو بخون
  • از علائ‌الدین گوشی نخر، خواستی هم بخری خودت کارت بکش. کارتو میدی یهو دیدی ۲۰ درصد بیشتر کشید. خلاصه که خیلی دزدن
  • واسه تعمیر لپتاب برو پاساژ نور توی ولیعصر طبقه منهای یک پلاک ۶۰۰۷
  • روزای بارونی به خاطر ترافیک از مترو استفاده کن
  • صبح و عصر که همه میرن سر کار و بر میگردن اوج شلوغی خیابونا و وسیله‌های حملو نقله میتونی صبح زودتر بیای و عصر دیرتر برگردی
  • همیشه مواظب باش گوشی تو نزن، تو ساعتای خلوت حتما از جاهای پرتردد رفتو آمد کن
  • اگه جای درس خوندن خوبی نداری از کتابخونه استفاده کن
  • یادت نره کارت بلیط دانشجویی تو بگیری
  • واسه حملو نقل ارزون تر از برنامه‌هایی مثل نشان یا بلد استفاده کن و موقع مسیریابی ایکن حملو نقل عمومی رو بزن
  • اگه از فرودگاه، ترمینال یا راه آهن میای و وسیلت زیاده و میخوای تاکسی بگیری قبلش قیمت تاکسی اینترنتی ها رو چک کن
  • اگه میخوای برگردی خونتون قبلش از سایتای مثل tcharter قیمت هواپیما رو نگاه کن شاید برای اونروز بلیط چارتری پیدا کردی
  • تو جاهای شلوغ مثل BRT و مترو کیفتو بنداز جلو و دقت کن زیپ هاش همه بسته باشه و تو بغلش چیزی نداشته باشی
  • بعضی فروشگاه‌ها اسم شون معروف شده، وقتی خواستی از اونا خرید کنی حواست باشی از خودشون خرید کنی. ممکنه یکی دقیقا کنار مغاز اونا با اسمی مشابه مغازه باز کرده باشه
  • اگه واسه یکی دو شب جای اقامت ارزون خواستی دور میدون راه آهن برو و اگه ماهانه خواستی برو انقلاب اونجا خوابگاه زیاده تبلیغاشو روی درو دیوار میبینی
  • یادت باشه دیوار رو هم چک کنی گاهی میتونی خونه پیدا کنی با همون قیمت خوابگاه یا حتما کمتر، اگه همخونه داشته باشی که از همه بهتر فقط حواست باشه که خیلی ها هم مثل تو دنبال خونه هستن و تا یه کیسی میاد زنگ میزنن، پس اگه دیدی خوبه لفتش نده
  • واسه پیدا کردن همخونه تو اینستا یا تویترت بنویس به دوستات بگو یا میتونی توی تلگرام همخونه رو سرچ کنی
  • واسه اینترنت یک سایت دولتی هست که میگه تو هر منطقه چه اینترنتی از همه بهتره، واسه خودتو چک کن و همون سیمکارتو بخر
  • اگه تو مترو خرید کردی حواست باشه ممکنه طرف دوبار کارت بکشه و رسید دومی رو بهت نده، بعدش هم از قطار خارج بشه
  • برای ورزش میتونی از گوگل مپ پارک‌های اطرافتو پیدا کنی و صبح زود بری ورزش صبحگاهی همگانی، برای من که خیلی انرژی بخش هست

خودت یک خوراکی خوشمزه درست کن

چند وقت پیش بود که آن مثلث یک پستی نوشته بود و دستور پخت یک نوع پنکیک روسی رو گذاشته بود، منم دیدم چون وسیله خاصی نمیخواد و دوست داشتم تستش کنم تصمیم گرفتم درستش کنم. از مواد اولیش تنها چیز های غریبه برای من آرد بود با جوش شیرین. با خودم گفتم ما چند مدل آرد داریم چرا ننوشته چه آردی؟ تو اینترنت سرچ کردم خرید آرد و متوجه شدم اگه آرد خاصی منظورمون باشه میگیم آرد فلان. منم سخت نگرفتم و از یک لوازم شیرنی پزی نزدیک دانشگاهم آرد و یکم جوش شیرین خریدم. اومدم خونه و درستش کردم. خود پروسه درست کردنش هم برام جالب بود و نتیجه خیلی برام خوب بود. و وقتی بردم دانشگاه خیلی ها تعریف کردن و از خوشحالی شون خوشحال شدم.

پردازش گفتار در مغز

صحبت کردن ما آدم‌ها با هم دیگه و زبان مون یک ویژگی خاصی هست که ما رو از بقیه گونه‌های جانوری متمایز میکنه. تا حالا فکر کردین چطوری صحبت هم دیگه رو میفهمیم؟ شاید خیلی سریع بگین خوب با گوشمون دیگه! باید بگم گوش وظیفه‌ش این هست که صدا رو بگیره و بقیه داستان که خوب حالا این صدا صدای کی بود؟ از کجا اومد؟ چی گفت؟ معنیش چی بود؟ این سوال ها رو قراره مغز جواب بده.

گفتار یک سیگنال ذاتا پویا، غیر تکراری و طولانی هست. در نتیجه نمیشه اونو مثل مطالعات قبلی به وسیله پتانسیل وابسته به رخ داد یا Event Related Potential - ERP بررسی کرد. اخیرا مطلعات گفتار در حوزه علوم اعصاب از روشی استفاده میکنن به نام تابع پاسخ زمانی یا Temporal Response Function - TRF. این روش به ما اجازه میده بر خلاف ERP که محرک مون باید کوتاه و قطعه قطعه باشه، حالا محرک پیوسته و طولانی مدت هست و میخواهیم اثر اون رو روی مغز ببینیم. ما ووردی و خروجی رو داریم. ورودی مثلا صدای اطراف هست و خروجی سیگنال مغزی. میخوایم با تابعی که ورودی رو به خروجی میده یعنی مغز بیشتر آشنا بشیم. میشه از دو طرف به سوال نگاه کنیم یا ما ورودی رو داریم و خروجی رو میخوایم پیش بینی کنیم که به این روش میگن رمز گزاری و یا خروجی رو داریم و میخوایم ورودی رو ببینیم چطور بوده که بهش میگیم رمزگشایی. در این نوشته قرار نیست از ریاضیات و اینکه دقیقا چطور میتونیم TRF رو حساب کنیم صحبت کنم، قرار دید کلی داشته باشیم و با کلمات و مفاهیم این حوزه آشنا بشیم.

نورون‌های شنوایی وقتی یک صدایی رو میشنون فعالیت قبلی شون رو رها میکنند و صدایی که از گوش‌ها داره میاد رو ردیابی میکنن، دنبال میکنن و یا به عبارتی هم فاز میشن با سیگنال ورودی و ما به این میگیم ردیابی عصبی یا Neural tracking. فرض کنید رفتین یک کنسرت یا روضه تا وقتی که خواننده نخونه صدایی واضح و یکدستی از شرکت کننده ها شنیده نمیشه و فقط یکسری زمزمه میشنویم، یکی تند تر میخونه یک آروم تر یکی اشتباه میخونه یکی هم شعر رو یادش نیست و فقط داره ریتمش رو ضمضمه میکنه یکی هم کلا داره یک شعر دیگه میخونه. برای درک دقیق تر میخوام یک مثال بزنم. احتمالا اون کلیپی که وایرال شد که میگفت تا قدسو پس نگیریم، آروم نمیگگیریم رو دیدین حالا به تکرار حرف گونیده وقتی که گوینده اشتباه میگه دقت کنید من همچنین حالتی منظورمه. اما برگردیم به مثال کنسرت وقتی خواننده شروع میکنه به خوندن میبینیم تماشاچی ها حالا یک صدا و واضح میخونن ترانه رو انگار دارن خواننده رو ردیابی میکنن. شبیه به همین اتفاق هم در مغز هنگام شنیدن صدا میفته و بهش میگیم ردیابی عصبی.

اگر به TRF نگاه کنیم میبینیم مثل ERP ها شامل یکسری مولفه هست که میگه فعالیت‌های عصبی قشر مغز وقتی که به یک صدا گوش میده چطوری هست. مثلا میبینم یک مولفه حدود 100 میلی ثانیه داریم یا یک مولفه حدود 400 میلی ثانیه. یک ویژگی ساده و مختصر خوبی که میشه از صدا گرفت پوش صدا هست. حالا همین صدا میتونه گفتار باشه مثل کتاب صوتی و حالا ما جمله‌ها کلمات واج ها رو هم داریم. این سیگنال اطلاعات بیشتری رو توی خودش ذخیره کرده. مثلا میتونیم یک سیگنال درست کنیم از زمان شروع هر واج و بعد ببینم مغز واج ها رو چطور پردازش میکنه. یا مثلا یک سیگنال از اینکه هر کلمه چقدر نابه. جالبه بدونید با همین دیتاستی که دارین میشه حتی پاسخ‌های ساقه مغز رو هم حساب کرد کاری که در تسک‌های ERP نیاز به هزاران بار تکرار یک محرک هست.

امید داریم که این دست مطالعات به تشخیص بیمار‌ی‌ها کمک کنن و بتونیم با نحوه پردازش صدا در مغز بیشتر آشنا بشیم.

برای مطالعه بیشتر به این مقاله مراجعه کنید.

سیگنال مغزی چیه؟

سیگنال مغزی از دو کلمه سیگنال و مغز تشکیل شده. بهتره اول با مفهوم سیگنال آشنا بشیم. سیگنال یک رشته پیوسته از اطلاعات هست. و منظورمون از اطلاعات هم عدد هست. مثلا سیگنال قلبی که فعالیت های الکتریکی قلب رو در طول زمان نشون میده. یا سیگنال های بورس که قیمت سهم رو در طول روز های مختلف نشون میدن. حالا اولین بار نیوتون گفت مغز هم فعالیت الکتریکی داره. حالا به هر مجموعه داده پیوسته در طول زمان از مغز میگیم سیگنال مغزی. حالا شاید بپرسین با چی فعالیت های مغزی رو اندازه گیری کنیم؟ یکی از معروف ترین وسیله ها مغزنگار یا EEG هست. این وسیله هم مثل نوار قلب یک سری الکترود هستن که به پوست و سطح سر وصل میشن و نیاز به هیچ گونه جراحی هم نیست صرفا کافیه یک کلاه رو سرتون کنید تا الکترود های موجود روی کلاه شروع کنند به اندازه گیری فعالیت های مغزی شما.

اولین بار حدود 1920 آقایی به نام بگر از بچش سیگنال مغزی میگیره و بعد از اون استفاده ازش رایج تر میشه. امروزه هم برای درمان و شناخت بیماری ها و هم برای آشنایی با اینکه مغز چطوری کار میکنه از این دستگاه زیاد استفاده میشه.

شاید بپرسین میشه از روی این سیگنال ها مغز خونی کنیم یا بفهمیم IQ یک نفر چقدره؟ جوابش این هست که فعلا نه نمیشه. البته پژوهشگرا دارن روش کار میکنن و تونستن با ابزار های دقیق تر تا حدود کمی به جواب این سوال ها برسن، ولی هنوز اول راه هستیم و به مطالعه بیشتری نیاز هست. روزی رو تصور کنید دستگاه های EEG کوچیک و سبک و ارزون قیمت شدن کافیه یک کلاه آفتابی سرتون کنید درست مثل ساعت های هوشمند امروزی که فعالیت های قلب شما رو ذخیره میکنن. و حالا با اون کلاه بشه فهمید شما زبان تون در چه حده و دیگه نیاز نباشه برین آزمون تافل آیلتس بدین.

تفاوت میان standard error و standard deviation و confidence interval

به روز شده در: ۱۷ اردیبهشت ۱۴۰۱

در علم آمار مفاهیمی داریم که ممکنه باهم اشتباه بگریمشون و به جای هم دیگه استفاده کنیم.

  • Standard Deviation
  • Standard Error
  • Confidence INterval

پیش نوشت: هرجا رابطه ریاضی در متن دیدین من اونها رو در قالب لتک نوشتم و مثلا میتونید اینجا پیست کنید و بهتر ببینید شون.

اول به standard deviation می‌پردازیم.

deviation  از deviate میاد که اینم اگه برگردیم عقب از de+way = away تشکیل شده. تو فارسی هم بهش انحراف میگن و standard رو هم معیار. و در کل شده انحراف معیار یا انحراف استاندارد. و وقتی ما یکسری مشاده از یک متغیر داشته باشیم میخوایم بدونیم این مشاهدات چقدر پایدارن، آیا هردفعه عوض میشن یا نه یک متر میتونه standard deviation یا به اختصار SD باشه. از این مفهموم برای توضیح داده‌هامون یا description بکار میره.

انحراف معیار جذر واریانس هست. و رابطش اینطوری حساب میشه.

S.D = \sqrt{\dfrac{(x_i-\bar x)^2}{n-1}}

مثلا اگه اومده باشم از توی باغ سه تا کرم پیدا کرده باشم و طولشون رو با خط کش اندازه بگیرم حاصل این ها شده ۳و۵و۷ سانتیمتر میانگین طول کرم‌ها ۵ سانتیمتر هست و انحراف معیار مثبت و منفی دو سانتیمتر هست. یا اگه طول کرم ها ۴و۵و۶ سانتیمتر می‌شد میانگین ۵ سانتیمتر و انحراف از معیار مثبت و منفی یک سانتیمتر می‌شد.

اما Standard Error  یا Standard Error of the Mean(SEM) چیه؟

به لحاظ مفهومی یعنی همون میانگین رو احتمالا با چه خطایی اندازه گیری کردیم؟ چقدر میانگینی که اندازه گیری کردیم از میانگین واقعی میتونه دور باشه؟ پراکندگی میانگین‌ها چقدر هست؟

توی زبان فارسی بهش خطای استاندارد یا خطای معیار هم میگن. گاهی میایم کل آزمایش و مشاهداتی که داشتیم رو مثلا ۲۰ بار دیگه تکرار می‌کنیم که مثلا اگه تو گزارش مون اوردیم میانگین فلان چیز بهمانه بگیم نگا حرف درسته، چون من کل آزمایشم رو ۲۰ بار دیگه هم تکرار کردیم و SD میانگین شده یک عدد کم. جالبه نه؟به عبارت دیگه این دفعه نمونه‌های من طول کرم‌ها نیستن بلکه میانگین‌هایی هست که حساب کردم.

حالا خوبیش این هست که لازم نیست شما آزمایش‌تون رو لزوما n بار دیگه تکرار کنید کافیه با رابطه‌های که موجود هست میزان Starndard Error یا SE رو گزارش بدین. از این مفهوم نه برای توضیح داده بلکه برای نتیجه گرفتن یا inference از داده‌ها استفاده می‌کنیم.

رابطش چیه؟

Standard Error = \dfrac{Standard Deviation}{\sqrt{n}}

سوال: حالا فایده‌ی خطای استاندارد چیه؟  چه زمانی از SD و چه زمانی از SE استفاده می‌کنیم؟

فرض کنیم توی سوال من اینه میخوام ببینم طول کرم‌هایی که تو باغ‌های هویج هستن با باغی که توش زالزالک کاشتیم تفاوت دارن یا نه؟ مثال دنیای واقعی ترش هم امید به زندگی در افرادی که ورزش می‌کنند و افرادی که ورزش نمی‌کنند.  حالا من میرم میانگین رو در دو گروه اندازه گیری میکنم. یکی میشه ۷۰ سال یکی میشه ۷۵ سال و در مثال کرم هم یکی میشه ۴ سانتیمتر و اون یکی میشه ۵ سانتیمتر.

حالا میخوام  بگم نگاه کنید این دو گروه با هم میانگین ها تفاوت دارن، کمی به این سوال فکر کنید و بعد ادامه مطلب رو بخونید. به نظر شما اینجا باید از SEM یا از SD استفاده کنم؟

بله احتمالا همون طور که حدس زدین برای اثبات حرفم اینجا بهتره از SEM استفاده کنم و بگم ببینم خطای استاندارم کم هست در نتیجه این دو گروه ورزشکار و غیر ورزشکار از هم واقعا تفاوت دارن ولی SEM طول کرم‌ها زیاد شده و در نتیجه طول کرم ربطی باغ هویج یا زالزالک نداره.

توجه داشته باشین همیشه طول SE از طول SD با یک ضریب رادیکال n کوچکتر هست. به عبارتی SD که تون رو حساب کردین تقسیم بر ردایکال اِن کنید میشه طول SE تون.

بازه اطمینان یا Confidence Interval

اگر بیایم و همون SE رو در ۱.۹۶ ضرب کنیم(همون تقریبا دو برابر کنیم) حالا ما به بازه اطمینان رسیدیم. بازه اطمینان به ما چی میگه؟ میگه اگر بیایم آزمایش مون رو بینهایت بار تکرار کنیم با احتمال ۹۵ درصد میانگین واقعی مون طوی بازه اطمینان میوفته.

اگر در یک آزمایش ببینیم بازه اطمینان دو حالت باهم تفاوت داره، میتونیم نتیجه بگیرم که این تفاوت به احتمال ۹۵ درصد معنی داره (یعنی p-value < 0.05) هست. و اگه بازه اطمینان دو حالت با هم اشتراک داشت یعنی p-valuse مون بیشتر از پنج صدم هست و این اختلاف دیده شده معنی دار نیست.

بیشتر بدانید:

قانون ۶سیگما چی میگه؟ میگه بیاد SD تو حساب کن طول error bar تو ۶برابر کن سه تا بیا بالا و سه تا هم پایین. حالا به احتمالا ۹۹ درصد تک تک نمونه‌های تو در این بازه میفتن.

take home message:

اگر مهم اینکه من چه نمونه‌هایی دیدم و چه نمون‌هایی خواهم دید از SD استفاده کنیم ولی اگه خواستیم بگیم میانگین دو چیز با هم متفاوتن بهتره از SE استفاده کنیم.

منبع(+)

ارجاع مجدد در EEG

یکی از مراحل پیش پردازش داده‌های EEG ارجاع مجدد یا re referencing هست. در این مرحله ما برای حذف نویز‌های و ولتاژهای غیر عصبی دو راه داریم:

  1. استفاده از الکترود مرجع
  2. حذف میانگین

الکترود مرجع در الکتروانسفالوگرافی

در ضبط EEG به زبون ساده انگار یک ولت متر رو روی سر یک آدم نصب کردیم و داریم اختلاف پتانسیل بین دو نقطه رو اندازه گیری میکنیم.

این تصویر یک ولت متر دیجیتال هست که احتمالا شبیهش رو تو آزمایشگاه ها دیدین. کابل قرمزو میزدیم به یک طرف قطعه کابل دیگه رو هم میزدیم به طرف دیگه قطعه و اختلاف پتانسیل دو سرشو اندازه گیری میکردیم.