NeuroSyntax
The Method of Multiple Working Hypotheses: With this method the dangers of parental affection for a favorite theory can be circumvented یکی از بهترین متن هایی که مطالعه کردم در زمینه رویکرد پژوهشی #article
صحبت کوتاه دیشب رو انجام دادم تا برسم به این مقاله. امیدوارم حداقل تعدادی از شما این مقاله رو خونده باشید یا بخونید. مقاله درباره این هست که بهترین رویکرد پژوهشی چی هست؟ سه رویکرد رو معرفی میکنه که شامل Ruling Theories، Single Hypothesis and Multiple Hypotheses
نویسنده مقاله توضیح میده که ما به دلیل خصوصیات انسانی ای که داریم زمانی که یک تئوری علمی مطرح میکنیم حسی والدینی به اون تئوری ایجاد میکنم. این باعث میشه که اون تئوی رو بسیار عزیز بداریم و به دنبال شواهدی بگردیم که اون تئوری رو حمایت میکنه و شواهدی که اون تئوری رو حمایت نمیکنه یا حتی نقض میکنه به کناری بزنیم. پرسش میکنه که چطور میشه این مسئله رو رفع کرد؟ پاسخ نویسنده این هست که باید بجای روش یک تئوری/یک فرضیه، روش چندین فرضیه رو اتخاذ کنیم. در واقع ما همواره در بررسی ها باید خانواده ای از فرضیه ها رو تولید کنیم و در روند پژوهشی تمامی این فرضیه ها رو تست کنیم. هر چند میدونیم که برخی از این فرضیه ها در روند پژوهش و تحلیل از میان خواهند رفت (چون مشاهدات اونها رو حمایت نمیکنن و یا نقض نمیکنن)، توضیح میگه که همین که مسیر بررسی چندین فرضیه رو بریم و هر کدوم رو به دقت بررسی کنیم و برای هر کدوم شواهد پیدا کنیم باعث میشه از بسیاری انکار ها و یا گرامیداشت های غیرضروری جلوگیری بشه. هر چند حتی زمانی که چندین فرضیه تشکیل بدیم باز حسی والدینی خواهیم داشت به اون فرضیه ها، ولی این حس چون میان چندین فرضیه هست میتونه از غرض ورزی ها جلوگیری کنه.
این مقاله سال 1965 چاپ شده. مسئله پاپر و هیوم رو هم از پست قبلی به یاد میارید. حال به رویکرد پژوهشی ما توجه کنید. افرادی که مقاله یا پایان نامه نوشتن این رو میدونن. در بحث ها ما بیشتر به سراغ مقالاتی هستیم که فرضیه ها یا یافته های مارو حمایت میکنه و کمتر مشاهداتی رو بحث میکنیم که کاملا مخالف مشاهده ما باشه. این دقیقا جایی هست که ما پیشرفت رو متوقف میکنیم. یافته هایی که با مطالعه و مشاهده ما همخوانی ندارن یا به صورت بنیادی در تضاد با مشاهدات ما هستند و یا تنها حمایت نمیکنند. در مثال اول که باید تئوری/فرضیه کنار گذاشته بشه یا مشاهده توضیح داده بشه (یا حتی مجدد تکرار بشه تا اگر خطایی رخ داده رفع بشه). اما اگر مشاهده لزوما به صورت بنیادی مشاهده ما رو به مخاطره نمیندازه باید همچنان سعی کنیم توضیح بدیم چرا همخوانی کامل بین مشاهدات و تئوری/فرضیه ما وجود نداره.
نویسنده مقاله توضیح میده که ما به دلیل خصوصیات انسانی ای که داریم زمانی که یک تئوری علمی مطرح میکنیم حسی والدینی به اون تئوری ایجاد میکنم. این باعث میشه که اون تئوی رو بسیار عزیز بداریم و به دنبال شواهدی بگردیم که اون تئوری رو حمایت میکنه و شواهدی که اون تئوری رو حمایت نمیکنه یا حتی نقض میکنه به کناری بزنیم. پرسش میکنه که چطور میشه این مسئله رو رفع کرد؟ پاسخ نویسنده این هست که باید بجای روش یک تئوری/یک فرضیه، روش چندین فرضیه رو اتخاذ کنیم. در واقع ما همواره در بررسی ها باید خانواده ای از فرضیه ها رو تولید کنیم و در روند پژوهشی تمامی این فرضیه ها رو تست کنیم. هر چند میدونیم که برخی از این فرضیه ها در روند پژوهش و تحلیل از میان خواهند رفت (چون مشاهدات اونها رو حمایت نمیکنن و یا نقض نمیکنن)، توضیح میگه که همین که مسیر بررسی چندین فرضیه رو بریم و هر کدوم رو به دقت بررسی کنیم و برای هر کدوم شواهد پیدا کنیم باعث میشه از بسیاری انکار ها و یا گرامیداشت های غیرضروری جلوگیری بشه. هر چند حتی زمانی که چندین فرضیه تشکیل بدیم باز حسی والدینی خواهیم داشت به اون فرضیه ها، ولی این حس چون میان چندین فرضیه هست میتونه از غرض ورزی ها جلوگیری کنه.
این مقاله سال 1965 چاپ شده. مسئله پاپر و هیوم رو هم از پست قبلی به یاد میارید. حال به رویکرد پژوهشی ما توجه کنید. افرادی که مقاله یا پایان نامه نوشتن این رو میدونن. در بحث ها ما بیشتر به سراغ مقالاتی هستیم که فرضیه ها یا یافته های مارو حمایت میکنه و کمتر مشاهداتی رو بحث میکنیم که کاملا مخالف مشاهده ما باشه. این دقیقا جایی هست که ما پیشرفت رو متوقف میکنیم. یافته هایی که با مطالعه و مشاهده ما همخوانی ندارن یا به صورت بنیادی در تضاد با مشاهدات ما هستند و یا تنها حمایت نمیکنند. در مثال اول که باید تئوری/فرضیه کنار گذاشته بشه یا مشاهده توضیح داده بشه (یا حتی مجدد تکرار بشه تا اگر خطایی رخ داده رفع بشه). اما اگر مشاهده لزوما به صورت بنیادی مشاهده ما رو به مخاطره نمیندازه باید همچنان سعی کنیم توضیح بدیم چرا همخوانی کامل بین مشاهدات و تئوری/فرضیه ما وجود نداره.
در اینجا میرسیم به مشاهده توماس کون از روند تکامل در یک فیلد علمی
کون به درستی مشاهده میکنه که آنچه پاپر ارائه میکنه در فیلدهای علمی انجام نمیشه. یک چرخه پژوهشی در هر فیلد برقرار هست. ما با دوران پیشاعلمی اون زمینه خاص آغاز میکنیم. جایی که هیچ درباره پرسش های اون فیلد نمیدونیم و یا با انسجام نمیدونیم. برای مثال علم اعصاب از یک نقطه ای در تاریخ زاده میشه و پیش از اون ما مشاهدات مسنجمی درباره پرسش های این فیلد نداریم. اما کم کم این مشاهدات گردآوری میشن، تئوری های زیادی شاید ارائه بشه ولی با مشاهدات زیاد معمولا تعدادی از اون تئوری ها باقی میمونن و تبدیل به نرم اون زمینه علمی خاص میشن. (برای مثال رویکرد تکاملی در بیولوژی از جایی آغاز میشه و الآن به یک تئوری نرم تبدیل شده.) در دوران نرمال افراد مختلف معمولا مشغول کار درباره جزئیات اون تئوری میشن و مشاهداتی رو در حمایت اون تئوری و بررسی اون تئوری ارائه میکنن اما اون حوزه تکون خاصی نمیخوره و بنیادی چیزی عوض نمیشه.
اما در روند جمع آوری مشاهدات گاهی به مشاهداتی برخورد میکنیم که قابل توضیح با تئوری نرمال موجود نیستن. در این حالت مشاهدات تکرار میشن و اگر خطایی رخ نداده باشه فیلد وارد یک بحران میشه. تعدادی از پژوهشگران سعی خواهد کرد مشاهده رو به هر روشی شده با مطالعات و تئوری های قبلی توضیح بدن ولی در نهایت این مشاهدات اگر غیر قابل توضیح باقی بمونن یک انقلاب در اون حوزه باید انجام بشه و تئوری جدیدی ایجاد میشه و پارادایم های اون حوزه علمی عوض میشن. دوباره تئوری های جدید تبدیل به نرم میشن و این چرخه تکرار میشه.
برای مثال این اتفاق در فیزیک با آزمایشی مثل Double Slit و یا مشاهدات دیگر رخ میده و منجر به زاده شدن فیزیک کوآنتوم میشه (پیش از اون بسیاری از پدیده ها توسط فیزیک نیوتنی توضیح داده میشد). یا در بیولوژی ساختار ژن مدلسازی میشه، پیشرفت های تکنولوژی باعث مشاهده ساختار پروتئین و ژن میشه و این باعث ایجاد یک حوزه جدید میشه و نگرش های جدید که بیولوژی مولکولی رو میسازه و حالا دوباره نرمال شده.
هر چند چرخه ای که کون معرفی میکنه در آکادمیای امروز هم مشاهده میشه پرسش این هست که چطور میشه به سیستم فشار آورد به صورتی که زودتر فهمید یک تئوری کامل نیست؟ برای اینکار طبق چرخه کون باید یک مشاهده ای انجام بشه که همخوانی نداشته باشه با تئوری های فعلی. اما چطور میشه اینو پیدا کرد؟ بهتر بپرسم، چطور میشه یافته شدن چنین مشاهده ای رو تسریع کرد؟
خیلی اوقات شاید چنین مشاهداتی حتی رخ بده ولی بهش توجه نشه. دلیل این هست که چون با تئوری فعلی همخوانی نداره شاید به کنار گذاشته بشه (بهش توجه نشه) یا حتی نویز شناخته بشه. برای اینکه این رویکرد عوض بشه باید نوع نگرش ما تغییر کنه. ذهن ما باید آماده انجام این مشاهدات باشه. برای مثال بجای اینکه همواره از خودمون بپرسیم چه مشاهداتی تئوری من رو حمایت میکنه، باید به صورت موازی این پرسش رو هم انجام بدیم که چه مشاهداتی ممکنه تئوری من رو نقض کنه؟ دقیقا چی باید بشه که تئوری من نقض بشه؟ و بعد دقیقا باید برم سراغ انجام اون آزمایشی که اون مشاهده رو احیانا ثبت کنه یا و جستجو کنم ببینم آیا چنین چیزی انجام شده یا نه. در واقع بخشی از رویکرد من باید این باشه که تئوری خودم رو نقض کنم. باید در این امر پافشاری کنم. هر چقدر بیشتر پافشاری کنم ولی تئوری من زیر چکش ها دوام بیاره یعنی تئوری بهتری هست.
دفعه بعدی که بحث مینویسید از خودتون بپرسید، اگر این تئوری/فرضیه ای که در ذهن دارم رو بذارم کنار چه تئوری ها/فرضیه های دیگری میتونه مشاهدات من رو توضیح بده؟ اگر چندین تئوری پیدا میکنم باید بپرسم چرا تئوری اولیه رو اولویت بخشیدم؟ چون بیشتر دوسش دارم یا چون براش شواهد نقض کمتری هست؟
برای اینکه به خودم بگم همه قوها قطعا سفید هستن فایده نداره همش تعداد قوهای سفیدی که میبینم رو بشمرم و با بالارفتن این عدد خوشحال بشم. باید این این جستار رو به صورت موازی آغاز کنم که بگم اگر قوی سیاهی وجود داره کجا زندگی میکنه؟ باید قوی سیاه رو پیدا کنم.
Neurosyntax
کون به درستی مشاهده میکنه که آنچه پاپر ارائه میکنه در فیلدهای علمی انجام نمیشه. یک چرخه پژوهشی در هر فیلد برقرار هست. ما با دوران پیشاعلمی اون زمینه خاص آغاز میکنیم. جایی که هیچ درباره پرسش های اون فیلد نمیدونیم و یا با انسجام نمیدونیم. برای مثال علم اعصاب از یک نقطه ای در تاریخ زاده میشه و پیش از اون ما مشاهدات مسنجمی درباره پرسش های این فیلد نداریم. اما کم کم این مشاهدات گردآوری میشن، تئوری های زیادی شاید ارائه بشه ولی با مشاهدات زیاد معمولا تعدادی از اون تئوری ها باقی میمونن و تبدیل به نرم اون زمینه علمی خاص میشن. (برای مثال رویکرد تکاملی در بیولوژی از جایی آغاز میشه و الآن به یک تئوری نرم تبدیل شده.) در دوران نرمال افراد مختلف معمولا مشغول کار درباره جزئیات اون تئوری میشن و مشاهداتی رو در حمایت اون تئوری و بررسی اون تئوری ارائه میکنن اما اون حوزه تکون خاصی نمیخوره و بنیادی چیزی عوض نمیشه.
اما در روند جمع آوری مشاهدات گاهی به مشاهداتی برخورد میکنیم که قابل توضیح با تئوری نرمال موجود نیستن. در این حالت مشاهدات تکرار میشن و اگر خطایی رخ نداده باشه فیلد وارد یک بحران میشه. تعدادی از پژوهشگران سعی خواهد کرد مشاهده رو به هر روشی شده با مطالعات و تئوری های قبلی توضیح بدن ولی در نهایت این مشاهدات اگر غیر قابل توضیح باقی بمونن یک انقلاب در اون حوزه باید انجام بشه و تئوری جدیدی ایجاد میشه و پارادایم های اون حوزه علمی عوض میشن. دوباره تئوری های جدید تبدیل به نرم میشن و این چرخه تکرار میشه.
برای مثال این اتفاق در فیزیک با آزمایشی مثل Double Slit و یا مشاهدات دیگر رخ میده و منجر به زاده شدن فیزیک کوآنتوم میشه (پیش از اون بسیاری از پدیده ها توسط فیزیک نیوتنی توضیح داده میشد). یا در بیولوژی ساختار ژن مدلسازی میشه، پیشرفت های تکنولوژی باعث مشاهده ساختار پروتئین و ژن میشه و این باعث ایجاد یک حوزه جدید میشه و نگرش های جدید که بیولوژی مولکولی رو میسازه و حالا دوباره نرمال شده.
هر چند چرخه ای که کون معرفی میکنه در آکادمیای امروز هم مشاهده میشه پرسش این هست که چطور میشه به سیستم فشار آورد به صورتی که زودتر فهمید یک تئوری کامل نیست؟ برای اینکار طبق چرخه کون باید یک مشاهده ای انجام بشه که همخوانی نداشته باشه با تئوری های فعلی. اما چطور میشه اینو پیدا کرد؟ بهتر بپرسم، چطور میشه یافته شدن چنین مشاهده ای رو تسریع کرد؟
خیلی اوقات شاید چنین مشاهداتی حتی رخ بده ولی بهش توجه نشه. دلیل این هست که چون با تئوری فعلی همخوانی نداره شاید به کنار گذاشته بشه (بهش توجه نشه) یا حتی نویز شناخته بشه. برای اینکه این رویکرد عوض بشه باید نوع نگرش ما تغییر کنه. ذهن ما باید آماده انجام این مشاهدات باشه. برای مثال بجای اینکه همواره از خودمون بپرسیم چه مشاهداتی تئوری من رو حمایت میکنه، باید به صورت موازی این پرسش رو هم انجام بدیم که چه مشاهداتی ممکنه تئوری من رو نقض کنه؟ دقیقا چی باید بشه که تئوری من نقض بشه؟ و بعد دقیقا باید برم سراغ انجام اون آزمایشی که اون مشاهده رو احیانا ثبت کنه یا و جستجو کنم ببینم آیا چنین چیزی انجام شده یا نه. در واقع بخشی از رویکرد من باید این باشه که تئوری خودم رو نقض کنم. باید در این امر پافشاری کنم. هر چقدر بیشتر پافشاری کنم ولی تئوری من زیر چکش ها دوام بیاره یعنی تئوری بهتری هست.
دفعه بعدی که بحث مینویسید از خودتون بپرسید، اگر این تئوری/فرضیه ای که در ذهن دارم رو بذارم کنار چه تئوری ها/فرضیه های دیگری میتونه مشاهدات من رو توضیح بده؟ اگر چندین تئوری پیدا میکنم باید بپرسم چرا تئوری اولیه رو اولویت بخشیدم؟ چون بیشتر دوسش دارم یا چون براش شواهد نقض کمتری هست؟
برای اینکه به خودم بگم همه قوها قطعا سفید هستن فایده نداره همش تعداد قوهای سفیدی که میبینم رو بشمرم و با بالارفتن این عدد خوشحال بشم. باید این این جستار رو به صورت موازی آغاز کنم که بگم اگر قوی سیاهی وجود داره کجا زندگی میکنه؟ باید قوی سیاه رو پیدا کنم.
Neurosyntax
جلسه چهاردهم کارگاه دینامیک مغز
مباحث:
Autoregressive Models
Granger Causality
Limitations And Common Problems Of Functional Connectivity Methods
Problem 1: Common Reference
Problem 2: Volume Conduction
Problem 3: Poor Signal-to-Noise Ratio
Problem 4: The Sample Size Bias
Problem 5: Common Input
#Video #Advanced_Neuroscience #BrainDynamicsWorkshop #Session14
مباحث:
Autoregressive Models
Granger Causality
Limitations And Common Problems Of Functional Connectivity Methods
Problem 1: Common Reference
Problem 2: Volume Conduction
Problem 3: Poor Signal-to-Noise Ratio
Problem 4: The Sample Size Bias
Problem 5: Common Input
#Video #Advanced_Neuroscience #BrainDynamicsWorkshop #Session14
Neurosyntax_Workshop_Ephys_Sess14.pdf
2.5 MB
اسلایدهای جلسه چهاردهم کارگاه دینامیک مغز: تئوری، آنالیز و تفسیر
سرفصل های این جلسه:
Autoregressive Models
Granger Causality
Limitations And Common Problems Of Functional Connectivity Methods
Problem 1: Common Reference
Problem 2: Volume Conduction
Problem 3: Poor Signal-to-Noise Ratio
Problem 4: The Sample Size Bias
Problem 5: Common Input
#Slide #Advanced_Neuroscience #BrainDynamicsWorkshop #Session14
سرفصل های این جلسه:
Autoregressive Models
Granger Causality
Limitations And Common Problems Of Functional Connectivity Methods
Problem 1: Common Reference
Problem 2: Volume Conduction
Problem 3: Poor Signal-to-Noise Ratio
Problem 4: The Sample Size Bias
Problem 5: Common Input
#Slide #Advanced_Neuroscience #BrainDynamicsWorkshop #Session14
من میخوام این کتاب رو بخونم و بدم نمیاد یک گروه باشیم که بحث کنیم. اگر گروهی جمع بشه جلسات رو جمعه صبح ساعتای ده، ده و نیم به بعد و یا شنبه یا یکشنبه صبح ساعتای نه صبح باید داشته باشیم (زمان های دیگر برای من مقدور نیست). اگر علاقه مند هستید زیر این پست در کامنت ها اعلام کنید. ساعت رو شاید بتونیم کمی جابجا کنیم.
من کتاب رو مطالعه کردم هنوز که دربارش نظری بدم ولی مصاحبه های Hacker رو شنیدم. کتاب درباره مفاهیمی هست که به صورت پیش فرض در پشت مطالعات علوم اعصاب وجود داره و شاید گاهی implicit هستن و نسبت بهشون آگاه نیستیم و این باعث میشه یا آزمایشات درستی طراحی نکنیم و یا در نتیجه گیری و تفسیر دچار خطا بشیم. کتاب به مهم ترین محققین علوم اعصاب حوزه های مختلف مثل ادراک، حافظه و ... اشاره میکنه و پیش فرض های کارهای اونها رو بررسی میکنه.
در پستی که قبلا منتشر کردم اعلام کردم که علوم آکسیوماتیک هستن. شما نمیتونید بدون داشتن یک ساختمانی از مفاهیم دست به کار تجربی بزنید. در واقع ما همیشه با پیشفرض آغاز میکنیم. به همین دلیل خوب هست که با پیشفرض هایی که به صورت بارز و یا غیربارز در فیلد وجود داره آشنا باشید تا از مغالطه های منطقی در تفسیر ها جلوگیری کنید.
کتاب بنظرم میاد از این جنبه مفید هست (حداقل اگر نسبتی با حرفای هکر داشته باشه.)
از طرفی جلسات بهانه ای خواهد بود برای گفتمان های جدی در همین راستا (یعنی صحبت ها نیاز نیست به کتاب محدود بشه هر چند محوریت سخن کتاب خواهد بود.)
در پستی که قبلا منتشر کردم اعلام کردم که علوم آکسیوماتیک هستن. شما نمیتونید بدون داشتن یک ساختمانی از مفاهیم دست به کار تجربی بزنید. در واقع ما همیشه با پیشفرض آغاز میکنیم. به همین دلیل خوب هست که با پیشفرض هایی که به صورت بارز و یا غیربارز در فیلد وجود داره آشنا باشید تا از مغالطه های منطقی در تفسیر ها جلوگیری کنید.
کتاب بنظرم میاد از این جنبه مفید هست (حداقل اگر نسبتی با حرفای هکر داشته باشه.)
از طرفی جلسات بهانه ای خواهد بود برای گفتمان های جدی در همین راستا (یعنی صحبت ها نیاز نیست به کتاب محدود بشه هر چند محوریت سخن کتاب خواهد بود.)
مغز، بدن و رفتار
طی صد سال اخیر کوشش بخشی از پژوهش های علوم اعصاب بر این بوده که ارتباط میان دینامیک سیستم عصبی و رفتار را در یابد. در واقع پرسش این است: سیستم عصبی چگونه رفتار را تولید میکند؟
اگر پرسش را اینگونه مطرح کنیم آنگاه برای پاسخ به پرسش باید سه قدم اصلی برداریم: 1) یک رفتار مشخص تعریف کنیم، 2) فعالیت عصبی را در زمان آن رفتار ثبت کنیم، 3) یک نقشه یک به یک میان فعالیت عصبی و متغیرهای رفتاری بیابیم.
چگونه رفتار را تعریف کنیم؟
اگر ارگانیسم مورد مطالعه خودمان را تفکیک کرده باشیم آنگاه میتوانیم رفتار ارگانیسم را هر گونه اثری تعریف کنیم که بر روی خود و یا محیط اطرافش میگذارد. با این تعریف فرآیند های شناختی نیز زیرمجموعه رفتار تعریف می شوند. اگر با این تعریف راحت نیستید میتوانید تعریف را اینگونه تغییر دهید: هر گونه اثری که سیستم بر محیط اطراف خودش میگذارد و با این تعریف فرآیندهای انتزاعی شناختی را از رفتار جدا کنید.
بیاید فرض کنیم که میخواهیم مکانیزم عصبی مرتبط با انقباض عضلات دست را پیدا کنیم. ابتدا باید بپرسیم چه چیزی را میخواهیم اندازه گیری کنیم؟ فرض کنید برای فعالیت عصبی ما سیگنال خارج سلولی را ثبت میکنیم و برای رفتار نیز میزان انقباض عضلات را اندازه گیری میکنیم. حالا باید تابعی میان انقباض عضلات (متغیر رفتاری) و فعالیت عصبی پیدا کنیم.
Neurosyntax
طی صد سال اخیر کوشش بخشی از پژوهش های علوم اعصاب بر این بوده که ارتباط میان دینامیک سیستم عصبی و رفتار را در یابد. در واقع پرسش این است: سیستم عصبی چگونه رفتار را تولید میکند؟
اگر پرسش را اینگونه مطرح کنیم آنگاه برای پاسخ به پرسش باید سه قدم اصلی برداریم: 1) یک رفتار مشخص تعریف کنیم، 2) فعالیت عصبی را در زمان آن رفتار ثبت کنیم، 3) یک نقشه یک به یک میان فعالیت عصبی و متغیرهای رفتاری بیابیم.
چگونه رفتار را تعریف کنیم؟
اگر ارگانیسم مورد مطالعه خودمان را تفکیک کرده باشیم آنگاه میتوانیم رفتار ارگانیسم را هر گونه اثری تعریف کنیم که بر روی خود و یا محیط اطرافش میگذارد. با این تعریف فرآیند های شناختی نیز زیرمجموعه رفتار تعریف می شوند. اگر با این تعریف راحت نیستید میتوانید تعریف را اینگونه تغییر دهید: هر گونه اثری که سیستم بر محیط اطراف خودش میگذارد و با این تعریف فرآیندهای انتزاعی شناختی را از رفتار جدا کنید.
بیاید فرض کنیم که میخواهیم مکانیزم عصبی مرتبط با انقباض عضلات دست را پیدا کنیم. ابتدا باید بپرسیم چه چیزی را میخواهیم اندازه گیری کنیم؟ فرض کنید برای فعالیت عصبی ما سیگنال خارج سلولی را ثبت میکنیم و برای رفتار نیز میزان انقباض عضلات را اندازه گیری میکنیم. حالا باید تابعی میان انقباض عضلات (متغیر رفتاری) و فعالیت عصبی پیدا کنیم.
Neurosyntax