Postdoctoral Researcher in Multimodal Human Sensing and Advanced Behavioral Data Analysis — EPFL

Descrizione completa

Missione

Progetto finanziato dalla Fondazione nazionale delle scienze (SNSF) sulla motivazione umana, la fisiologia dello stress, i test di tipo positivo del tipo di test e l'analisi dei dati multimodali

Il Laboratorio di Genetica Behaviorale dell'EPFL, guidato dal Prof. Carmen Sandi, sta cercando un ricercatore postdoctorale eccezionale con un forte profilo tecnico e quantitativo per unirsi a un progetto finanziato dalla SNSF che indaga la motivazione umana e la reattività allo stress.

Il progetto svilupperà e convalidarà compiti di behavioral calibrati individualmente in realta virtuale (VR) al fine di quantificare la motivazione basata sullo sforzo, il vigor, la persistenza e il controllo obbiettivo rispetto al controllo abituale. Verifichera' poi come lo stress acuto altera questi processi, combinando prestazioni di behavioral, monitoraggio fisiologico, fenotipizzazione basata sul movimento e analisi statistiche e computazionali avanzate.

Questa posizione fa parte di un più ampio reclutamento a due posizioni legato allo stesso progetto finanziato da SNSF. L'invito è rivolto alla posizione incentrata sul rilevamento multimodale, sistemi sperimentali, dati fisiologici e di movimento, e analisi avanzata dei dati di behavioral. Una seconda posizione complementare si concentrerà più specificamente sugli aspetti clinici e di attuazione del progetto.

Sebbene il progetto utilizzi la realtà virtuale come piattaforma sperimentale, non è necessaria l'esperienza VR. Siamo particolarmente interessati ai candidati con una forte esperienza in sistemi sperimentali, rilevamento fisiologico, elaborazione dei segnali, analisi del movimento umano, neuroscienze computazionali, ingegneria biomedica, scienza dei dati e/o ricerca quantitativa avanzata.

La posizione è finanziata per tre anni. In linea con le procedure standard EPFL, il contratto è rilasciato su base annuale di un anno e rinnovabile, fatte salve le procedure soddisfacenti e le norme istituzionali.

Contesto del progetto

La comprensione della motivazione umana richiede metodi che vadano oltre i questionari e le mansioni semplificate basate su computer. Questo progetto mira a sviluppare test più naturalistici, ma altamente controllati, Behavioral in cui i partecipanti prendono decisioni basate sullo sforzo e svolgono azioni calibrate mentre i dati fisiologici e di movimento vengono continuamente registrati.

I partecipanti completeranno i compiti di behavioral di cui al punto 66 per misurare la scelta, avviare l'azione, sostenere lo sforzo, adattarsi alle mutevoli contingenze e rispondere allo stress acuto. Il progetto raccoglierà flussi sincronizzati di dati behavioral a livello di prova, posizionamento testa/mano/corpo, traiettorie di movimento, variabili di tempo, frequenza cardiaca e variabilità della frequenza cardiaca derivata dall'ECG, attività elettrodermica, respirazione, salivario di cortisolo e misure individuali-differenze basate su questionari.

Un obiettivo centrale è quello di identificare solide firme behaviorali e fisiologiche di motivazione e risposta allo stress, compresi i singoli profili di risposta. Il candidato di successo svolgerà un ruolo chiave nel garantire che questi complessi flussi di dati siano acquisiti, sincronizzati, controllati in qualità, modellati e interpretati con il più alto livello di rigor tecnico e analitico.

Principali responsabilità

Il ricercatore postdottorale guiderà il nucleo tecnico e quantitativo del progetto. Le responsabilità comprendono:

• Sviluppo, implementazione, ottimizzazione e risoluzione dei problemi di attività behavioral di tipo n.68ve in stretta interazione con i membri del PI e del laboratorio.
• Integrazione di eventi di tipo behavioral con sistemi di acquisizione fisiologici, monitoraggio dei movimenti, dati di posizionamento e log sperimentali.
• Stabilire procedure di acquisizione, sincronizzazione, calibrazione e controllo qualità robuste attraverso flussi di dati multimodali.
• Software di risoluzione dei problemi, hardware, sensori, tempi, sincronizzazione, acquisizione dati e problemi di flusso di lavoro sperimentale.

• Estrazione e analisi di caratteristiche di comportamento multimodale da dati di tracciamento di testa, mano, corpo e posizione. - Elaborazione e analisi di segnali fisiologici, tra cui ECG / HRV, attività elettrodermica, respirazione e indici di stress di - Studio