Sampo Tervomaa
NEUROTIETEEN TUTKIMUSMENETELMIEN HYÖDYNTÄMINEN TIETOJÄRJESTELMÄTIETEEN
TUTKIMUKSESSA
JYVÄSKYLÄN YLIOPISTO
INFORMAATIOTEKNOLOGIAN TIEDEKUNTA 2020
TIIVISTELMÄ
Tervomaa, Sampo
Neurotieteen tutkimusmenetelmien hyödyntäminen tietojärjestelmätieteen tut- kimuksessa
Jyväskylä: Jyväskylän yliopisto, 2020, 23 s.
Tietojärjestelmätiede, kandidaatin tutkielma Ohjaaja(t): Kyppö, Jorma
Tutkielmassa käsitellään neurotietojärjestelmätiedettä tieteenalana, siihen sisäl- tyviä käsitteitä ja tutkimusmenetelmiä. Kyseisen aiheen tutkiminen on tärkeää, koska neurotietojärjestelmätieteen ala on uudehko ja sen metodiikalla on mah- dollista tuoda uusia tutkimusmetodeja tietojärjestelmätieteeseen ja näin edistää tietojärjestelmätieteen tutkimusta. Neurotietojärjestelmätieteen metodiikalla on useita mahdollisuuksia tietojärjestelmätieteen kentässä, mutta olennaisimpana näen sen mahdollisuuden tuoda luonnontieteellistä dataa tukemaan tietojärjes- telmätieteen yhteiskuntatieteellistä tutkimusta ja näin ollen vahvistaa tutkimus- tulosten tuloksia käyttäjätutkimusten ja muiden yhteiskuntatieteellisten meto- dien ulkopuolelle.
Asiasanat: neurotiede, neurotietojärjestelmätiede, tutkimusmenetelmät
ABSTRACT
Tervomaa, Sampo
Utilising neuroscientific research methods within the research of information systems science
Jyväskylä: University of Jyväskylä, 2020
Information Systems Science, Bachelor’s Thesis Supervisor(s): Kyppö, Jorma
The dissertation deals with neuro information systems science as a discipline, and its concepts and research methods. The study of this topic is important be- cause the field of neuro information systems science is relatively new, and its methodology makes it possible to introduce new research methods to infor- mation systems science and thus further the research in information systems science. The methodology of neuro information systems science has several possibilities in the field of information systems science, but as the most im- portant thing I see the possibility to bring natural scientific data to support the social scientific research of information system science.
Keywords: neuroscience, neuro information systems science, research methods
SISÄLLYS
1 JOHDANTO ... 5
2 NEUROTIEDE JA SEN TUTKIMUSMENETELMÄT ... 7
2.1 Neurotieteen käsitteet ... 8
2.1.1 Aivot ... 8
2.1.2 Hermosolu ... 8
2.1.3 Synapsi ... 9
2.1.4 Toimintapotentiaali ... 10
2.1.5 Välittäjäaine ... 11
2.2 Neurotieteen tutkimusmenetelmät ... 12
2.2.1 Silmien seuranta ... 12
2.2.2 Ihonjohtavuusaste ... 13
2.2.3 Elektromyografia ... 14
2.2.4 Elektrokardiogrammi ... 15
2.2.5 Toiminnallinen magneettikuvaus ... 16
2.2.6 Elektroenkefalogrammi ... 17
2.3 Neurotieteen hyödyntäminen yhteiskuntatieteissä ... 19
2.4 Haasteet ja kritiikki ... 19
3 NEUROTIETOJÄRJESTELMÄTIEDE ... 20
3.1 Mitä on neurotietojärjestelmätiede ? ... 20
3.2 Neurotietojärjestelmätieteellisen tutkimuksen hyödyntämis- mahdollisuudet ... 21
3.2.1 Tietojärjestelmistä aiheutuvien mentaalisten prosessien vaikutusten lokalisointi aivoalueisiin ... 21
3.2.2 Tietojärjestelmien käytössä esiintyvien piilevien prosessien tunnistaminen ... 22
3.2.3 Olemassa olevien tietolähteiden täydentäminen ihmiskehosta suoraan kerätyllä datalla ... 22
3.2.4 Tietojärjestelmien käytön ja käyttöönoton seurauksien tutkiminen ... 22
3.2.5 Kausaalisten suhteiden esittäminen aivojen ajallisen toiminnan perusteella tietojärjestelmätieteessä ... 23
3.2.6 Tietojärjestelmätieteen olettamuksien haastaminen ja sen teorioiden vahvistaminen ... 23
3.3 Katsaus neurotietojärjestelmätieteen tutkimukseen ... 23
3.4 Haasteet neurotietojärjestelmätieteen tutkimuksessa ... 24
4 YHTEENVETO ... 25
1 Johdanto
Tutkielmassani tulen käsittelemään neurotietojärjestelmätiedettä tieteenalana, siihen sisältyviä käsitteitä ja tutkimusmenetelmiä. Koen, kyseisen aiheen tutki- misen tärkeäksi, koska neurotietojärjestelmätieteen ala on uudehko ja näen, että sen metodiikalla on mahdollista tuoda uusia tutkimusmetodeja tietojärjestelmä- tieteeseen ja näin edistää tietojärjestelmätieteen tutkimusta. Neurotietojärjes- telmätieteen metodiikalla on useita mahdollisuuksia tietojärjestelmätieteen ken- tässä, mutta olennaisimpana näen sen mahdollisuuden tuoda luonnontieteellis- tä dataa tukemaan tietojärjestelmätieteen yhteiskuntatieteellistä tutkimusta ja näin ollen vahvistaa tutkimustulosten tuloksia käyttäjätutkimusten ja muiden yhteiskuntatieteellisten metodien ulkopuolelle.
Tutkimuskysymyksiäni ovat miten ja miksi neurotieteen tutkimusmenetelmiä hyödynnetään tietojärjestelmätieteen tutkimuksessa ja mitä hyötyä näiden me- netelmien käyttöönotosta voi olla tieteenalalle. Näihin kysymyksiin aion vastata analysoimalla neurotietojärjestelmätieteen tutkimusta, avaamalla neurotietojär- jestelmätieteeseen kytkeytyvää neurotiedettä ja kertomalla lisää olennaisista tutkimusmenetelmistä.
Omana tutkimusmetodinani toimii kirjallisuuskatsaus aiheeseen liittyvästä kir- jallisuudesta, pääasiassa tieteellisistä artikkeleista.
Tutkielmani rakenteessa käsittelen ensimmäiseksi neurotiedettä. Koen tämän käsitteen laajemman avaamisen tärkeäksi, koska kyseinen tieteenala toimii poh- jana neurotietojärjestelmätieteelle tietojärjestelmätieteen kanssa; voidaan kui- tenkin olettaa, että neurotiede ei ole tutkielman lukijalle tieteenalana yhtä tuttu kuin tietojärjestelmätiede ja näin ollen sen ja sen alakäsitteiden avaaminen on tärkeää. Käsittelen lisäksi neurotieteeseen liittyviä tutkimusmenetelmiä ja neu- rotieteen yhteyttä yhteiskuntatieteisiin. Neurotieteen käsittelyn jälkeen siirryn käsittelemään neurotietojärjestelmätiedettä, aloittaen alan synnystä siirtyen sen tutkimusmahdollisuuksiin ja tutkimukseen.
Toivon tutkielmani avaavan lukijalle, kuinka neurotieteen tutkimusmenetelmiä voidaan hyödyntää tietojärjestelmätieteen tutkimuksessa ja kuinka jo valmiiksi tietoa ja menetelmiä useista tieteenaloista ammentava tietojärjestelmätiede voi kehittyä edelleen tieteenalana.
2 Neurotiede ja sen tutkimusmenetelmät
Tässä kappaleessa tulen käsittelemään neurotieteen käsitettä ja siihen liittyviä alakäsitteitä. Avaan kappaleessa myös neurotieteen tutkimusmenetelmiä psy- kofysiologisista menetelmistä aivokuvantamiseen. Käsittelen myös neurotieteen hyödyntämistä yhteiskuntatieteissä, joihin tietojärjestelmätiedekin lukeutuu, sekä kritiikkiä, jota neurotiede tieteenalana, ja sen menetelmät ovat saaneet.
Neurotiede itsessään on monitasoinen ja poikkitieteellinen tieteenala, joka koos- tuu muoto-opillisesta, toiminnallisesta ja fyysisestä keskushermoston tutkimuk- sesta. (Shulman, RG, 2013) Tieteenalana neurotiede on neurofysiologian haara- tiede, joka tutkii hermojen ja hermokudoksen anatomiaa, fysiologiaa, biokemiaa ja molekylaarista biologiaa, etenkin niiden suhteessa käyttäytymiseen ja oppi- miseen. (Shulman, RG, 2013)
Neurotieteen modernia tutkimusta on tehty 1800-luvun puolelta väliltä asti.
Neuroanatomistit tutkivat aivojen muotoa, solurakennetta ja kuinka ne kytkey- tyvät toisiinsa; neurokemistit tutkivat aivojen kemikaalista koostumusta, sen lipidejä ja proteiineja, neurofysiologit keskittyivät aivojen bioelektrisiin ominai- suuksi, kun taas psykologit ja neuropsykologit tutkivat aivojen vaikutusta käyt- täytymiseen ja kognitioon. Käsite neurotiede luotiin 1960-luvulla, jolloin nämä neurotieteen alat alkoivat tehdä yhteistyötä ja tieteenala muotoutua siksi, mitä se on tällä hetkellä. (Squire, LR, et. al, 2012)
Neurotieteen tutkimusala sisältää tällä hetkellä useita tutkimussuuntia kuten esimerkiksi hermosolujen molekyläärisestä biologiasta, normaalin ja häiriölli- seen käyttäytymiseen, emootioihin ja kognitioon, systeemineurotieteeseen janeurotietojärjestelmätieteeseen. (Squire, LR et. al, 2012)
2.1 Neurotieteen käsitteet
Määrittelen ja käsittelen seuraavissa kappaleissa neurotieteen olennaisia käsit- teitä aivojen toiminnan hahmottamista varten.
2.1.1 Aivot
Ihmisaivoja (kuva 1) pidetään yhtenä monimutkaisimmista olemassa olevista asioista. Aivoissa on arviolta noin satamiljardia hermosolua, joiden välillä on noin satabiljoonaa aksonaalista yhteyttä. Aivot ovat ihmisen hermoston keskus- elin ja muodostavat keskushermoston selkäytimen kanssa. Aivot muodostuvat kolmesta osasta: isoista aivoista, aivorungosta ja pikkuaivoista, jotka voidaan edelleen jaotella eri aivoalueiksi. Aivot kuluttavat keskimäärin kaksikymmentä prosenttia ihmiskehon hapentarpeesta levossa, vaikka ne painavat vain noin kilon, näin ollen aivot vaativat huomattavan määrän verta suhteessa muuhun kehoon. (Squire, LR, et. al, 2012)
Kuva 1: Aivot (wikipedia) 2.1.2 Hermosolu
Hermosolut (kuva 2) muodostavat hermoston samankaltaisesti kuin esimerkik- si lihassolut muodostavat lihaksiston. Hermosolut ovat tiettyyn toimintaan eri- koistuneita, eriytyneitä ja bioelektrisesti latautuneita soluja. Hermosoluja luoki- tellaan useilla eri tavoilla, näitä luokittelutapoja ovat toiminnon- (aistihermoso- lu, liikehermosolu, interneuroni), sijainnin- (aivokuoren hermosolu, selkäydin- hermosolu, etc.), niiden syntetisoiman ja vapauttaman välittäjäaineen- (gluta- materginen, kolinerginen, etc.) ja niiden muodon perusteella (pyramiidinen, rakeet, mitraali, etc.). Useimmilla hermosoluilla on yksi aksoni, joka haaroittuu toimittaakseen signaaleja muihin yhteydessä oleviin hermosoluihin ja dendriit-
tejä, jotka vastaanottavat synaptisia yhteydenottoja muista hermosoluista.
Hermosolujen viestintä keskushermostossa tapahtuu synapseissa. On huomioi- tavaa, että hermoston muodostamiseen osallistuu myös glia tai hermotukiku- dos, jotka voidaan nähdä hermosolujen tukisoluina. (Squire, LR, et. al, 2012)
Kuva 2: Hermosolu (wikipedia) 2.1.3 Synapsi
Synapsi (kuva 3) on kahden hermosolun yhtymäkohta, josta hermoimpulssi siirtyy hermosolusta toiseen. Jokainen synapsi koostuu useasta komponentista:
presynaptisesta elementistä, raosta ja postsynaptisesta elementistä. Presynapti- nen elementti on presynaptisen hermosolun aksonin erikoistunut osa, postsy- naptinen elementti on postsynaptiittisen somatodendriittikalvon erikoistunut osa ja niiden välistä tilaa kutsutaan raoksi. (Squire, LR, et. al, 2012)
Kuva 3: Synapsi (wikipedia)
2.1.4 Toimintapotentiaali
Toimintapotentiaalilla (kuva 4) on olennainen rooli hermosolujen välisessä vies- tinnässä. Ne mahdollistavat informaation siirtämisen hermosolun aksonista synapseihin ja näistä edelleen toisiin hermosoluihin tai muihin soluihin. Toi- mintapotentiaalia kutsutaan myös piikeiksi ja toistuvaa toimintapotentiaali- sekvenssiä piikkijunaksi. (Squire, LR, et. al, 2012)
Toimintapotentiaali koostuu useasta eri vaiheesta. Hypopolarisaatio on alusta- vaa kasvua kalvonpotentiaalissa kynnyspotentiaalin arvoon. Kynnyspotentiaa- lin saavuttaminen avaa jännitteelliset natriumkanavat ja aiheuttaa natriumio- nien sisään virtauksen. Tätä kutsutaan depolarisaatioksi. Depolarisaation aika- na solun sisäpuoli muuttuu yhä elektropositiivisemmaksi, kunnes potentiaali lähestyy natriumin sähkökemiallista tasapainoa (+61 mV). Tätä äärimmäisen positiivisuuden vaihetta kutsutaan ylitykseksi. Ylityksen jälkeen natrium- läpäisevyys laskee natriumkanavien sulkeutumisen vuoksi. Kalvonpotentiaalin ylitysarvo avaa jännitteelliset kaliumkanavat, joka aiheuttaa suuren kaliumvir- tauksen, mikä taas vähentää solun elektropositiivisuutta. Tätä vaihetta kutsu- taan repolarisoinniksi, joka palauttaa lepopotentiaalin. Repolarisaatio johtaa ensin hyperpolarisaatioon, jossa kalvonpotentiaali on negatiivisempi kuin ole- tuspotentiaali, mutta sen jälkeen kalvoon muodostuu oletuspotentiaali. (Squire, LR. et. al, 2012)
Kuva 4: Toimintapotentiaali (galenoshaltuun.blogspot.com) 2.1.5 Välittäjäaine
Välittäjäaineet (kuva 5) ovat kemiallisia aineita, jotka välittävät viestejä hermo- soluista synapsien välityksellä muihin soluihin. Niiden katsotaan olevat endo- geenisia aineita, jotka vapautuvat hermosoluista, vaikuttavat reseptoreihin, jot- ka tyypillisesti esiintyvät postsynaptisten solujen kalvossa ja synnyttävät toi- minnallisen muutoksen kohdesolussa. Jotta ainetta voi kutsua välittäjäaineeksi sen pitää täyttää useita kriteerejä: (Squire, LR. et. al, 2012)
- Välittäjäaineen pitää syntetisoitua ja vapautua hermosoluista.
- Aineen tulee vapautua hermospäätteistä kemiallisesti tai farma- kologisesti tunnistettavassa muodossa
- Välittäjäaineen tulee toistaa postsynaptisessa solussa tietyt ta- pahtumat (kuten muutokser kalvon ominaisuuksissa), jotka ha- vaitaan presynaptisen neuronin stimulaation jälkeen
- Oletetun välittäjäaineen vaikutuksien tulisi estyä reseptorin kil- pailevien antagonistien toimesta annosrippuvaisella tavalla, li- säksi synteesiä estävien hoitojen tulisi estää presynaptisen sti- mulaation vaikutukset
- Tulee olla aktiivisia mekanismeja, jotka lopettavat oletetun välit- täjäaineen toiminnan. Tällaisten mekanismien joukossa ovat vä- littäjäaineen otto spesifisten kuljettajamolekyylien kautta presy- naptisiin hermosoluihin tai gliasoluihin; tai vaihtoehtoisesti ke- miallisen lähettimen entsymaattinen inaktivointi. (Squire, LR. et.
al, 2012)
Kuva 5: Välittäjäaineita (researchgate.net)
2.2 Neurotieteen tutkimusmenetelmät
Neurotieteen datankeräys-menetelmät voidaan jakaa kahteen kategoriaan nii- den toimintaperiaatteiden perusteella:
- Psykofysiologiset-menetelmät - Aivokuvantamis-menetelmät
Psykofysiologiset-menetelmät kuten silmien seuranta, ihon johtavuusaste, elektromiografia ja elektrokardiogrammi keskittyvät keräämään tietoa, joka liittyy autonomiseen hermostoon. Aivokuvantamis-menetelmät kuten toimin- nallinen magneettikuvaus ja elektroenkefalogrammi keskittyvät keräämään tie- toa keskushermostosta. (Dimoka, A et. al, 2012)
2.2.1 Silmien seuranta
Silmien seurannalla (kuva 6) on useita sovelluksia tutkimuksissa, jotka käsitte- levät esimerkiksi ihmisen ja tietokoneen välisestä interaktiota, lääketieteellisten vaivojen diagnosointia, psykologisia tutkimuksia tai kaupallisena esimerkkinä etävalvontaohjelmia. Silmien seuranta teknologialla on mahdollista seurata koehenkilön katsetta ja näin havainnoida, mihin koehenkilön katse keskittyy ja siten tehdä havaintoja koehenkilön keskittymisestä visuaalisiin ärsykkeisiin.
(Krafka, K et. al, 2016)
Tietojärjestelmätieteen tutkimuksessa esimerkkinä silmienseurantaa hyödyntä- västä tutkimuksesta voidaan käyttää Wang, Q. et. al, 2014 tutkimusta, jossa seu- rattiin neljänkymmenenkahden yliopisto-opiskelijan toimintaa verkkosivustoja käytettäessä ja kuinka verkkosivun-, ja tehtävien kompleksisuus vaikutti käyt- täjän havainnoinnin keskittymiseen ja käytökseen. Tutkimuksessa huomattiin, että kompleksisuus vaikutti käyttäjien visuaalisen havainnonnin keskittymiseen ja käytökseen. (Wang, Q. et. al, 2014). Muita mahdollisia silmien seurannan tut- kimusapplikaatioita voisivat olla verkkosivustojen elementtien sijoittelun vai- kutus käyttäjän visuaalisen havainnoinnin keskittymiseen tai white-spacen määrän vaikutus elementtien huomioinnissa.
Kuva 6: Silmien seuranta (https://www.tobiidynavox.com/)
2.2.2 Ihonjohtavuusaste
Ihmisen ihosta on mahdollisuus havaita lyhyellä aikavälillä vaihtuvia sähkövir- toja, jotka ovat läheisessä yhteydessä psykologisiin prosesseihin. Nämä ihon ominaisuudet ovat olleet tiedossa pitkään ja niitä ollaan hyödynnnetty tutki- muksessa laajalti. Ihon elektroderminen aktiivisuus ja ihon sähköjohtavuus ovat yhteydessä hikoiluun, joka taas on yhteydessä autonomiseen hermostoon. Ihon johtavuusastetta hyödynnetään päätöksentekotutkimuksissa affektiivisten pro- sessi- ja emotionaalisen kiihtymisen indikaattorina. Ihonjohtavuusaste (kuva 7) toimii hyvänä prosessinseurausmetodina, sitä voidaan mitata lähes jatkuvasti ja sen mittaustoimenpiteet ovat kohtuullisen huomaamattomia. On myös huomi- onarvoista, että ihonjohtavuusaste on metodina halpa ja helppokäyttöinen.
(Figner,
Tietojärjestelmätieteen tutkimuksessa ihonjohtavuusastetta on hyödynnetty esimerkiksi teknostressiä tutkittaessa. Tutkimuksessa todettiin koehenkilöiden reagoivan eri tavoin heikosti toimivan tietokoneen aiheuttamaan teknostressiin.
(Weinert, C et. al, 2014) Teknostressin tutkimuksen lisäksi ihonjohtavuusastetta metodina hyödyntävälle tutkimukselle tietojärjestelmätieteessä voivat olla: tie- tojärjestelmien käytössä tapahtuvien päätöksien analysointi ja käytettävyystut- kimuksessa lisädatan kerääminen.
Kuva 7: Ihonjohtavuusaste (imotions.com) 2.2.3 Elektromyografia
Elektromyografiassa (kuva 8) eli lihassähkökäyrässä seurataan, analysoidaan ja rekisteröidään lihasten ja hermojen sähköisiä ilmiöitä. Elektromyografiassa koehenkilön lihakseen asetetaan kertakäyttöinen neulaelektrodi, joka seuraa lihaskuiduissa tapahtuvaa sähkövirtaa tai käytetään iholle laitettavia elektrode- ja. (Mills, K, 2005)
Elektromyografiassa olennaista tietojärjestelmätieteen tutkimukselle on myös sen mahdollisuudet kasvojen lihaksiston seuraamisessa ja näin ollen emootioi- den seuraamisessa. Tätä metodiikkaa on hyödynnetty esimerkiksi tutkimukses- sa, jossa tutkittiin koehenkilöiden suhtautumista sähköpostien lähettämiseen.
Tutkimuksessa huomattiin, että koehenkilöt reagoivat sähköposteihin negatiivi- semmin kuin ääniviesteihin. (Wells, TM & Dennis, AR, 2012) Elektromyografian hyödyntäminen tietojärjestelmätieteessä voisi olla mahdollista esimerkiksi lii-
kuntateknologiaan liittyvissä tutkimuksissa isoa lihaksistoa analysoitaessa tai teknostressiin tai päätöksentekoon liittyvässä tutkimuksessa kasvojen lihaksis- toa analysoitaessa.
Kuva 8: Kasvojen elektromyografia (imotions.com) 2.2.4 Elektrokardiogrammi
Elektrokardiogrammia (EKG) (kuva 9) käytetään sydämen sähköisen toiminnan vaihtelun ja sydämen sykkeen seuraamisessa. Kun kardiomyosyytit depolari- soivatuvat ja levittävät toimintapotentiaalia sydämessä syntyy varauserotus.
Sydämen lähistölle sijoitettujen elektrodien avulla voidaan mitata sydämen toiminnasta aiheutuvan sähkökentän muutoksia, potentiaaleiden eroja, kun sydän depolarisoituu ja repolarisoituu. Tätä sydämen sähköistä toimintaa ku- vaa sydämen sähkökäyrä, joka koostuu P-aallosta (eteisen depolarisointi), QRS- kompleksista (kammion depolarisaatio) ja T-aallosta (kammion repolarisaatio).
Sydämen sähkökäyrä, EKG, on kliinisissä olosuhteissa yksi tärkeimmistä moni- toreista potilaiden sydän- ja verisuonitilan seuraamiseen. (Dupre, A. et. al, 2005) Elektrokardiogrammia on käytetty yleisesti psykofyysisenä työkaluna esimer- kiksi mitattaessa ahdistusta, stressiä, vaivaa ja kiihtymistä. Sitä on hyödynnetty myös tutkimuksissa, joissa on tutkittu emootioiden vaikutusta päätöksentekoon.
(Dimoka, A. et. al, 2012) Elektrokardiogrammia hyödynnettiin tutkimuksessa,
jossa huomattiin, että ahdistus vaikeuttaa päätöksentekoa. Tutkimus suoritet- tiin seuraamalla koehenkilöitä, jotka osallistuivat kokeessa Iowa- uhkapelitehtävään. (Miu, AC et. al, 2007)
Kuva 9: Elektrokardiogrammi (www.chsbuffalo.org)
2.2.5 Toiminnallinen magneettikuvaus
Toiminnallisella magneettikuvauksella (kuva 10) seurataan aivojen veren hape- tuksen paikallista kasvua, joka todennäköisesti johtuu aivojen välittäjäaineiden toiminnasta ja näin ollen heijastaa paikallisten hermosolujen signalointia. Me- todi mahdollistaa aivojen toiminnan lokalisoinnin neliömillimetrien säteelle ja sitä voidaan käyttää yksittäisillä koehenkilöillä sarjatutkimukseen (Matthews, PM & Jezzard, P, 2004). Fysiologisella tasolla toiminnallinen magneettikuvaus toimii seuraavasti. Suurin osa energiasta hermosolutoiminnassa käytetään post- synaptiseen hermosolujen depolarisointiin ja vähemmässä määrin toimintapo- tentiaalien luontiin. Näin ollen energiaa kuluu tiedon siirtoon ja sen postsynap- tiseen integrointiin. Kun paikallinen verenkierto kasvaa aivoissa, kasvaa myös substraattitoimitus energia-aineenvaihduntaan, mutta itse energian käyttö ei itsessään kasvata verenkierron määrää. Kasvanut paikallinen verenkierto vai- kuttaa johtuvan välittäjäaineiden toiminnasta ja näin ollen heijastaa paikallista signalointia (Matthews, PM & Jezzard, P, 2004).
Toiminnallista magneettikuvausta on hyödynnetty esimerkiksi tutkimuksessa, jossa analysointiin koehenkilöiden preferenssiä Coca-Colan ja Pepsin välillä.
Tutkimuksessa huomattiin, että kun koehenkilölle kerrottiin, että hän nauttii Coca-Colaa koehenkilön dorsolateraalinen prefrontaalinen aivokuori aktivoitui, kyseisellä aivoalueella on implikaatioita kognitiivisen informaation käsittelyssä.
Tätä ei kuitenkaan tapahtunut, kun koehenkilölle kerrottiin, että hän nauttii Pepsiä. Tutkimuksessa todettiin, että Coca-Cola preferenssi johtuu todennäköi- sesti ennakkoasetelmasta kognitiivisen tiedon käsittelyssä. (McClure, SM, et. al, 2004) Toiminnallisen magneettikuvauksen hyödyntämismahdollisuuksia tieto-
järjestelmätieteen tutkimuksessa on esimerkiksi käyttäytymiseen liittyvässä tutkimuksessa.
Kuva 10: toiminnallinen magneettikuvaus (jameco.com) 2.2.6 Elektroenkefalogrammi
Elektroenkefalogrammi (kuva 11) mittaa aivojen sähköistä aktiivisuutta koe- henkilön pään pinnalta, menetelmän hyötynä on sen ei-invasiivisuus.
Elektroenkefalogrammin neurofysiologisena perusteena on sähkökentän poten- tiaali, joka aiheutuu sekundääreistä ionisista virroista, joita toimintapotentiaa- lien gradientit aiheuttavat. Nämä toimintapotentiaalit ovat kalvodepolarisaati- on pulsseja, jotka kulkevat hermosolujen aksoneja pitkin. Sarja pulsseja tai piik- kijunia voidaan nähdä hermoverkon koodattuina informaatioprosesseina.
Olennainen relaatio elektroenkefalografialle on piikkijunien ja elektroenkefalo- grafia kaavojen välillä (Schögl, A, 2000). Taajuksien tunnistamiseksi elektroen- kefalografiamalleista on tehtävä keskiarvoja, jos näin ei ole, vaaditaan hyvin pitkiä kiinteitä segmenttejä. Tämä olettamus pitkistä kiinteistä segmenteistä on haasteellinen saavuttaa. Kiinteyttä ei voida aina olettaa ja vaikka voitaisiin olet- taa kiinteyttä, segmenttien aikatarkkuus menetetään. Tämän takia keskiarvoa käytetään usein aikatarkkuden lisäämiseksi. Keskiarvoa käytettäessä on huo- mioitava useita tekijöitä kuten:
- Kypsyys - Ikä
- Sukupuoli
- Tajunnan tila (Esimerkiksi uni tai valveilla olo) - Psykiatriset tai neurologiset häiriöt
- Aivovammat - Aivohalvaukset
- Lääkkeiden vaikutukset - Mentaaliset tehtävät - Yms.
Elektroenkefalografia tutkimuksen tavoitteena on valaista näiden tekijöiden ja elektroenkefalografiamallien välisiä suhteita. Usein keskiarvojen käyttäminen piilottaa näitä suhteita ja voi siten toimia rajoittavana tekijänä elektroenkefalo- grafia-analyyseissä (Schögl, A, 2000).
Elektroenkefalografialla on useita hyötyjä suhteessa toiminnalliseen magneetti- kuvaukseen aivokuvantamismenetelmänä. Ensiksi se on halvempi ja sitä voi- daan käyttää useammissa ympäristöissä, se mahdollistaa liikkumisen, on hiljai- nen ja sillä on hyvin tarkka aikatarkkuus (Dimoka, A, et. al, 2012).
Elektroenkefalografian hyödyntämistä on tutkittu esimerkiksi liikuntarajoitteis- ten liikkumisen mahdollistamisessa. Esimerkkinä tällaisesta tutkimuksesta mainittakoon aivo-tietokoneyhteenliittymä tutkimus, jossa hyödynnettiin elektroenkefalografiaa lähettämään signaaleja koehenkilön aivoista alaraajojen ulkoiseen tukirankaan, joka mahdollisti alaraajahalvaantuneelle koehenkilölle kävelyn. (Kilicarslan, A, et. al, 2013) Elektroenkefalografialla on näin ollen po- tentiaalia tietokoneiden kontrollointimenetelmänä kosketuksen ja äänen rinnal- la. Sitä voidaan hyödyntää myös tiedonkeräysmenetelmänä aivokuvantamises- sa saman kaltaisesti kuin toiminnallista magneettikuvausta esimerkiksi päätök- senteko tai käyttäytymistutkimuksessa.
Kuva 11: Elektroenkefalogrammi (www.drugtargetreview.com)
2.3 Neurotieteen hyödyntäminen yhteiskuntatieteissä
Huomioiden yhteiskuntatieteissä vallalla olevan replikaatiokriisin ja alan tie- donkeräysmenetelmien epäluotettavuuden, neurotieteen tutkimusmenetelmillä voidaan täydentää olemassa olevia datan lähteitä. Data kerätään suoraan ih- miskehosta ja siksi se on saanut huomiota yhteiskuntatieteissä (J, Cromby, 2007).
Menetelmät mahdollistavat ihmisten reaktioiden mittaamisen erilaisissa aktivi- teeteissa, kuten päätöksen teossa tai reagoidessa erilaisiin ärsykkeisiin, kuten käyttäjäliittymiin ja tuovat näin luonnontieteellistä tietoa yhteiskuntatieteen subjektiivisiin tiedonkeräysmenetelmiin.
Kuten aikaisemmista esimerkeistä käy ilmi neurotiedettä on jo hyödynnetty yhteiskuntatieteissä kuten tietojärjestelmätieteessä. Esimerkiksi elektroenkefa- lografian ei-invasiivisuus ja muut aiemmin mainitut ominaisuudet mahdollis- tavat sen hyvänä menetelmänä.
2.4 Haasteet ja kritiikki
Neurotieteen haasteena on ollut yhdistää luonnontieteiden tarjoamia objektiivi- sia selityksiä aivojen toiminnasta havainnoitavaan käytökseen, nojaamatta teo- rioihin, jotka olisivat reduktioisia aivojen kompleksisuudelle ja deduktiivisia hyväksyen arkisia olettamuksia mentaalisista prosesseista.
3 Neurotietojärjestelmätiede
Käsiteltyämme itse neurotiedettä ja sen tutkimusmenetelmiä voimme siirtyä neurotietojärjestelmätieteen pariin. Avaan tulevissa kappaleissa neurotietojär- jestelmätiedettä tutkimusalana. Käsittelen tähän asti tietojärjestelmätieteessä tehtyä tutkimusta, joka lukeutuu neurotietojärjestelmätieteen piiriin sen käyt- tämien tutkimusmenetelmien perusteella. Tarkastelen myös neurotietojärjes- telmätieteen mahdollisia tutkimussuuntauksia ja lopuksi avaan mahdollisia ongelmia neurotietojärjestelmätieteelle.
3.1 Mitä on neurotietojärjestelmätiede ?
Neurotietojärjestelmätiede (NTJT) on poikkitieteellinen tutkimusalue, joka nojaa tutkimukseen, jota tehdään neurobiologiaan, käyttäytymiseen ja insinööritieteisiin liittyvissä tieteenaloissa. NTJT tavoittelee pääasiassa kahta tavoitetta:
- Edistää edistynyttä teoreettista ymmärrystä tieto- ja viestintäteknologioiden suunnittelusta, kehittämisestä, käytöstä ja vaikutuksesta
- Edistää tärkeitä positiivisia tulosmuuttujia, kuten terveyttä, hyvinvointia, tyytyväisyyttä, käyttöönottoa ja tuottavuutta tietojärjestelmien suunnittelussa ja kehittämisessä. (Riedl, R. et al, 2009)
Tutkimusalue perustettiin muodollisesti vuoden 2007 Kansainvälisessä Tietojärjestelmätieteiden Konferensissa (ICIS). (Riedl, R. et al, 2009)
Neurotietojärjestelmätieteellä on useita liittymäkohtia kognitiivisen neurotieteen kanssa käsittelyaiheidensa perusteella. Kognitiivisessa neurotieteessä keskitytään tutkimaan ihmisen tietoisen mielen käyttäytymistä,
joka on myös suurimmissa osin neurotietojärjestelmätieteen tavoitteena. (Riedl, R. et al, 2009)
3.2 Neurotietojärjestelmätieteellisen tutkimuksen hyödyntämis- mahdollisuudet
Neurotietojärjestelmätiedettä voidaan hyödyntää tietojärjestelmätieteen tutki- muksessa aiheissa kuten:
1. Tietojärjestelmistä aiheutuvien mentaalisten prosessien vaikutusten lokalisointi aivoalueisiin
2. Tietojärjestelmien käytössä esiintyyvien piilevien prosessien tunnistaminen
3. Olemassa olevien tietolähteiden täydentäminen datalla, jota on kerätty suoraan ihmiskehosta
4. Tietojärjestelmien käytön ja käyttöönoton seurauksien tutkiminen
5. Kausaalisten suhteiden esittäminen aivojen ajallisen toiminnan perusteella tietojärjestelmätieteessä
6. Tietojärjestelmätieteen olettamuksien haastaminen ja sen teorioiden vahvistaminen (Dimoka, A, et al, 2011.)
Avaan tarkemmin näitä tutkimusmahdollisuuksia mahdollisuuksia seuraavissa kappaleissa.
3.2.1 Tietojärjestelmistä aiheutuvien mentaalisten prosessien vaikutusten lokalisointi aivoalueisiin
Neurotieteen tutkimusmenetelmillä on mahdollista lokalisoida mitä aivoalueita mentaaliset prosessit hyödyntävät, joten neurotietojärjestelmätieteessä tulisi hyödyntää tätä metodiikkaa ja oppia erilaisten tietojärjestelmien vaikutuksista ihmisten aivoihin. Kognitiivisessa neurotieteessä tätä tutkimusta on jo tehty ja sen avulla on paikannettu aivoalueita, tätä tutkimusta kyettäisiin hyödyntä- mään tietojärjestelmätieteen tutkimuksessa. (Dimoka, A. et. al, 2010) On olen- naista huomioida, että mentaaliset prosessit eivät vaikuta kerrallaan pelkästään yhteen aivoalueeseen vaan tulee huomioida, että anatomiset alueet voivat koak- tivoitua (Price, CJ. & Friston, KJ., 2005.) ja näin ollen lokalisaatiotutkimusta ei tulisi yksinkertaistaa yksi-yksi yhteyksiin.
Mahdollinen tutkimus liittyen mentaalisten prosessien vaikutusten lokalisoin- tiin neurotietojärjestelmätieteessä voisi käsitellä sitä, miten teknostressin men- taaliset prosessit mahdollisesti poikkeavat aivoialueisiin lokalisoituessa esimer- kiksi sosiaalisten kanssakäymisten aiheuttaman stressin kanssa. Tällaisessa tut-
kimuksessa voitaisiin tutkia esimerkiksi chat-viestinnän, chat-bot keskustelun, puhelun, videopuhelun ja live-kanssakäymisen eroja.
3.2.2 Tietojärjestelmien käytössä esiintyvien piilevien prosessien tunnista- minen
Neurotieteen tutkimusmenetelmillä on mahdollista saada käsitystä ihmisten piilevistä mentaalisista prosesseista. Näistä ei ole mahdollisuutta saada tietoa esimerkiksi perinteisillä kyselytutkimuksilla tai käytettävyystutkimuksella.
(Dimoka, A. et. al, 2010) Esimerkkinä tällaisesta tutkimuksesta voidaan käyttää tutkimusta, jossa koehenkilöille esitettiin alitajuisia viestejä, jotka aiheuttivat aivoalueiden aktivointia, vaikka koehenkilöt eivät tietoisesti havainnoinneet näitä viestejä. (Naccache, L. & Stanislas, D, 2001)
Piilevien prosessien tunnistaminen avaa useita tutkimusmahdollisuuksia tieto- järjestelmätieteelle. Olennaisena tutkimusmahdollisuutena voidaan mainita, koehenkilöiden piilevien reaktioiden tunnistaminen käytettävyystutkimuksen aikana tai mahdollisten vaikeiden eettisten päätösten tai asioiden analysointi tietojärjestelmätieteen yhteydessä (esimerkkinä tekoälyn etiikan tutkimus).
3.2.3 Olemassa olevien tietolähteiden täydentäminen ihmiskehosta suoraan kerätyllä datalla
Neurotieteen menetelmillä kerättyä tietoa on mahdollista verrata tietoon, jota kerätään perinteisillä menetelmillä ja täydentää sitä. Kuluttajakäyttäytymisen tutkimuksessa on huomattu ongelmia itseraportointi-datassa erilaisten biaseiden johdosta ja näin ollen aivokuvantamista ollaan ehdotettu mahdolliseksi täydentäväksi metodiksi. (Mast, FW. & Zaltman, G., 2005) On myös huomattu, että kulutuspäätöksiä on mahdollista analysoida aivokuvantamisen avulla. (Knutson, B. & Bossaerts, P., 2007)
Näiden menetelmien avulla voidaan tuoda niin sanottu teorioiden varmenta- mismenetelmä tietojärjestelmätieteen alalla, joka mahdollistaisi aikaisimpien tutkimusten replikoinnin tarkemmilla metodeilla ja näin ollen tieteenalan suoje- lun käynnissä olevalta replikaatiokriisiltä.
3.2.4 Tietojärjestelmien käytön ja käyttöönoton seurauksien tutkiminen Neurotieteen menetelmillä voidaan nähdä, kuinka erilaiset informaatioteknologia-ärsykkeet vaikuttavat käyttäjien aivoalueiseen. Tämän perusteella voidaan testata esimerkiksi lisäisikö järjestelmän päivittäminen sen käytettävyyttä (Dimoka, A. et. al, 2010). Tietojärjestelmätieteen tutkimuksessa ollaan esimerkiksi huomattu, että intentiolla käyttää järjestelmää ja sen käyttämisellä on vain heikko yhteys. (Straub, D. et. al, 1995). On olennaista
huomioida, että koska neurotieteen menetelmillä saadaan enemmän dataa yhdestä koehenkilöstä tarvitaan vähemmän koehenkilöitä merkittävyyden todistamiseksi. (Desmon, JE. & Glover GH., 2002)
3.2.5 Kausaalisten suhteiden esittäminen aivojen ajallisen toiminnan perusteella tietojärjestelmätieteessä
Koska neurotieteen menetelmillä on hyvä aikatarkkuus, niillä pystytään esittä- mään kausaalisia suhteita tietojärjestelmätieteen kokeissa. Siten käytettävyys- kokeessa voitaisiin esimerkiksi huomata hyvin tarkasti, mikä vaihe kokeessa aiheutti koehenkilölle positiivisen tai negatiivisen reaktion. On kuitenkin huo- mioitava, että koska näillä menetelmillä saatu data ja sille tehty analyysi perus- tuu korrelaatioanalyysiin ei voida taata kausaalisuutta. (Dimoka, A. et. al, 2010) 3.2.6 Tietojärjestelmätieteen olettamuksien haastaminen ja sen teorioiden
vahvistaminen
Nykyisten olettamuksien haastaminen ja olemassa olevien teorioiden vahvis- taminen voidaan mielestäni nähdä kuitenkin olennaisimpana tutkimussuunta- na.
Oletetaan, että tietojärjestelmätieteessä on suoritettu tutkimusta kyselytutki- muksilla tai muilla mahdollisesti biasia sisältävillä menetelmillä. Voidaan olet- taa, että tälläisilla metodeilla saatu tutkimus voi toimia perustuksena myös muulle tutkimukselle tietojärjestelmätieteessä. Eikö olisi olennaista replikoida näitä kyseisiä tutkimuksia tarkemmilla menetelmillä kuten aivokuvantamisella?
Tällä tavoin tieteenalan olettamukset ja teoriat vahvistuisivat ja niiden päälle pystyisi rakentamaan lisää tutkimusta, joka vastaa paremmin nykyistä ymmär- rystä aivojen ja sitä kautta niiden luomien tietojärjestelmienkin toiminnasta.
3.3 Katsaus neurotietojärjestelmätieteen tutkimukseen
Neurotietojärjestelmätieteen neljäksi teoreettiseksi konstruktioksi ollaan ehdotettu seuraavia konstruktioita : Kognitiiviset-prosessit, emotionaaliset- prosessit, sosiaaliset-prosessit & päätöksenteko-prosessit. (Dimoka, A et al.
2011). Näitä konstruktioita voidaan hyödyntää korkeantason abstraktioina neurotietojärjestelmätieteen tutkimusta analysoitaessa. (Riedl, R & Leger, PM, 2016)
3.4 Haasteet neurotietojärjestelmätieteen tutkimuksessa
Ongelmaksi tutkimuksessa voi muodostua neurotieteen vaatima laaja osaami- nen luonnontieteen aloilta, sekä aivokuvantamislaitteiden käyttäminen niiden korkean hinnan ja käyttämiseen vaadittavan ammattitaidon vuoksi. Tietojärjes- telmätieteen alalla ja tutkijoiden keskuudessa voisi esiintyä mahdollista muu- tosvastarintaa uudenlaisia tutkimusmetodeja kohtaan.
4 Yhteenveto
Käsiteltyäni neurotietojärjestelmätieteen tutkimusta huomaan, että neurotieteen tutkimusmenetelmillä on paljon tarjottavaa tietojärjestelmätieteen tutkimukselle, etenkin sen tarkkojen luonnontieteellisten menetelmien ansiosta. Voidaan myös huomata, että näitä menetelmiä ollaan jo sovellettu tieteenalalla, mutta niiden laajamittainen käyttöönotto ei ole vielä tapahtunut. Käyttöönoton puute johtuu todennäköisesti laitteistojen ja tutkimusmenetelmien vaatimasta ammattitaidosta ja kalleudesta.
On myös mahdollista huomata neurotieteen metodien tuoma lisätarkkuus tieto- järjestelmätieteen tutkimukseen, sekä niiden mahdollistamat uudet teknologiset mahdollisuudet, kuten EEGn käyttäminen käyttöliittymänä.
Toivon myös, että tutkielmani toi lukijalle perustietoja neurotieteestä ja sen me- netelmistä, sekä herätti mieleenkintoa näiden metodien hyödyntämiseen tule- vaisuudessa.
LÄHTEET
Squire, L., Berg, D., Bloom, F. E., Du Lac, S., Ghosh, A., & Spitzer, N. C. (Eds.).
(2012). Fundamental neuroscience. Academic Press.
Dimoka, A., Davis, F. D., Gupta, A., Pavlou, P. A., Banker, R. D., Dennis, A. R., ...
& Kenning, P. H. (2012). On the use of neurophysiological tools in IS research: Developing a research agenda for NeuroIS. MIS quarterly, 679- 702.
Krafka, K., Khosla, A., Kellnhofer, P., Kannan, H., Bhandarkar, S., Matusik, W.,
& Torralba, A. (2016). Eye tracking for everyone. In Proceedings of the IEEE conference on computer vision and pattern recognition (pp. 2176- 2184).
Wang, Q., Yang, S., Liu, M., Cao, Z., & Ma, Q. (2014). An eye-tracking study of website complexity from cognitive load perspective. Decision support systems, 62, 1-10.
Figner, B., & Murphy, R. O. (2011). Using skin conductance in judgment and decision making research. A handbook of process tracing methods for decision research, 163-184.
Weinert, C., Maier, C., & Laumer, S. (2014). Technostress-Induced Skin Conductance Response Patterns and Performance.
Mills, K. R. (2005). The basics of electromyography. Journal of Neurology, Neurosurgery & Psychiatry, 76(suppl 2), ii32-ii35.
Wells, T. M., & Dennis, A. R. To Email or Not to Email: The Impact of Media and Task on Psychophysiological Responses and Messages. Positivity, 2, 0-109.
Dupre, A., Vincent, S., & Iaizzo, P. A. (2005). Basic ECG theory, recordings, and interpretation. In Handbook of cardiac anatomy, physiology, and devices (pp. 191-201). Humana Press.
Miu, A. C., Heilman, R. M., & Houser, D. (2008). Anxiety impairs decision- making: psychophysiological evidence from an Iowa Gambling Task.
Biological psychology, 77(3), 353-358.
Matthews, P. M., & Jezzard, P. (2004). Functional magnetic resonance imaging.
Journal of Neurology, Neurosurgery & Psychiatry, 75(1), 6-12.
McClure, S. M., Li, J., Tomlin, D., Cypert, K. S., Montague, L. M., & Montague, P.
R. (2004). Neural correlates of behavioral preference for culturally familiar drinks. Neuron, 44(2), 379-387.
Schlögl, A. (2000). The electroencephalogram and the adaptive autoregressive model: theory and applications. Aachen: Shaker.
Kilicarslan, A., Prasad, S., Grossman, R. G., & Contreras-Vidal, J. L. (2013, July).
High accuracy decoding of user intentions using EEG to control a lower- body exoskeleton. In 2013 35th annual international conference of the IEEE Engineering in Medicine and Biology Society (EMBC) (pp. 5606-5609).
IEEE.
Cromby, J. (2007). Integrating social science with neuroscience: Potentials and problems. BioSocieties, 2(2), 149-169.
Riedl, R., & Léger, P. M. (2016). Fundamentals of NeuroIS. Studies in Neuroscience, Psychology and Behavioral Economics. Springer, Berlin, Heidelberg.
Riedl, R., Banker, R. D., Benbasat, I., Davis, F. D., Dennis, A. R., Dimoka, A., ...
& Müller-Putz, G. (2010). On the foundations of NeuroIS: reflections on the Gmunden Retreat 2009. Communications of the Association for Information Systems, 27(1), 15.
Dimoka, A., Pavlou, P. A., & Davis, F. D. (2011). Research commentary—
NeuroIS: The potential of cognitive neuroscience for information systems research. Information Systems Research, 22(4), 687-702.
Price, C. J., & Friston, K. J. (2005). Functional ontologies for cognition: The systematic definition of structure and function. Cognitive Neuropsychology, 22(3-4), 262-275.
Dehaene, S., Naccache, L., Cohen, L., Le Bihan, D., Mangin, J. F., Poline, J. B., &
Rivière, D. (2001). Cerebral mechanisms of word masking and unconscious repetition priming. Nature neuroscience, 4(7), 752-758.
Mast, F. W., & Zaltman, G. (2005). A behavioral window on the mind of the market: An application of the response time paradigm. Brain Research Bulletin, 67(5), 422-427.
Knutson, B., & Bossaerts, P. (2007). Neural antecedents of financial decisions.
Journal of Neuroscience, 27(31), 8174-8177.
Straub, D., Limayem, M., & Karahanna-Evaristo, E. (1995). Measuring system usage: Implications for IS theory testing. Management science, 41(8), 1328- 1342.
Desmond, J. E., & Glover, G. H. (2002). Estimating sample size in functional MRI (fMRI) neuroimaging studies: statistical power analyses. Journal of neuroscience methods, 118(2), 115-128.
Shulman, R. G. (2013). Brain imaging: What it can (and cannot) tell us about consciousness. Oxford University Press.
https://fi.wikipedia.org/wiki/Aivot#/media/Tiedosto:Brain_090407.jpg https://fi.wikipedia.org/wiki/Hermosolu#/media/Tiedosto:Complete_neuro
n_cell_diagram_numbered_large_numbers.svg
https://fi.wikipedia.org/wiki/Synapsi#/media/Tiedosto:Synapse_diag1.svg http://galenoshaltuun.blogspot.com/2011/07/galenos-biologia-
aktiopotentiaali.html
https://www.researchgate.net/figure/Chemical-Structures-of- Neurotransmitters-Reproduced-from_fig1_323400992
https://www.tobiidynavox.com/about/about-us/how-eye-tracking-works/
https://imotions.com/blog/skin-conductance-response/
https://imotions.com/blog/facial-electromyography/
https://www.chsbuffalo.org/services/electrocardiogram
https://jameco.com/Jameco/workshop/HowItWorks/what-is-an-fmri-scan- and-how does-it-work.html
https://www.drugtargetreview.com/news/35763/eeg-brain-scans-early- diagnosis/
