Oszacuj obciążenie poznawcze za pomocą pomiaru elektrokardiograficznego: zadanie współpracy człowieka i AI
5 grudnia 2025
Protokół ten opisuje wykorzystanie wskaźników fizjologicznych do pomiaru zmienności obciążenia poznawczego na różnych poziomach trudności zadania w zadaniach współpracujących człowiek-AI. Wyniki sugerują, że ludzie dostosowują swoje procesy decyzyjne do trudności zadania, odzwierciedlając tym samym różne poziomy obciążenia poznawczego.
Badamy, jak zmienia się obciążenie poznawcze ludzi podczas pracy z AI w kontekście delegowania. Na początek przedstaw uczestnikowi procedurę eksperymentalną i upewnij się, że jest w pełni poinformowany o badaniu. Przygotuj system zbierania danych z elektrokardiogramu i zbierz wszystkie niezbędne materiały, w tym pre-żelowe, jednorazowe elektrody do elektrokardiogramu.
Podłącz system akwizycji danych do modułu odbiornika danych elektrokardiogramu. Za pomocą kabla męskiego na żeński nawiąż połączenie między systemem akwizycji danych a komputerem używanym do prezentacji bodźców. Za pomocą kabla ethernetowego nawiązujemy połączenie między systemem akwizycji danych a komputerem używanym do zapisu danych.
Podłącz system do stabilnego zasilania. Teraz wyczyść skórę uczestnika chusteczkami alkoholowymi w trzech miejscach. Pod lewym żebrem, pod prawym obojczykiem i na prawym odwłoku.
Przyklej jednorazowy plaster elektrody elektrokardiogramu do każdego oczyszczonego miejsca. Następnie mocno przymocuj złącze przewodu ołowiowego do nadajnika elektrokardiogramu i podłącz metalowy klips przewodu przewodowego do odpowiedniej elektrody. Przymocuj nadajnik elektrokardiogramu do ciała uczestnika za pomocą elastycznych pasków z haczykami i pętlami, regulując napięcie paska, aby nadajnik pozostał na miejscu i był wygodny dla uczestnika.
Włącz przełącznik nadajnika elektrokardiogramu i włącz system akwizycji danych elektrokardiogramowych. Sprawdź status połączenia bezprzewodowego między nadajnikiem a modułem odbiorczym systemu akwizycji danych. Teraz uruchom oprogramowanie do akwizycji danych z elektrokardiogramu.
Stwórz nowy plik grafu. Wybierz moduł odbiornika elektrokardiogramu z listy urządzeń. Wybierz odpowiedni kanał rejestracji elektrokardiogramu i kliknij "ok" w nowo wyświetlonym oknie stanu połączenia nadajnika.
Kliknij start w interfejsie oprogramowania do akwizycji danych, aby rozpocząć zbieranie danych z elektrokardiogramu. Sprawdź, czy przebieg elektrokardiogramu jest stabilny na ekranie. Teraz polec uczestnikowi rozpocząć zadanie eksperymentalne.
Po zakończeniu zadania kliknij stop w oprogramowaniu do akwizycji danych, aby zakończyć sesję nagrywania. Odłącz klamry przewodu od plastr elektrod. Poluzuj elastyczne paski zapinające i usuń nadajnik elektrokardiogramu z ciała uczestnika.
Instruuj i pomagaj uczestnikowi delikatnie ręcznie usuwać jednorazowe plastry elektrod. Następnie otwórz plik z nagranymi datami elektrokardiogramu w oprogramowaniu do analizy danych. Wybierz kanał elektrokardiogramu i zastosuj filtrowanie cyfrowe.
W pasku menu przejdź do transformacji, następnie do filtrów cyfrowych i zatrzymania grzebienia. Następnie w oknie dialogowym wybierz fixed at under base frequency. Wpisz 50 herców i kliknij OK, aby zastosować filtr.
Następnie kliknij przemień w pasku menu. Wybierz filtry cyfrowe, potem FIR, a następnie przejście pasmowe. W oknie dialogowym, w ustawieniach niskoczęstotliwościowego cutoff, wybierz stały na i wpisz jeden herc.
W przypadku cutoffu wysokich częstotliwości wybierz stały przy i wpisz 35 Hz. Teraz stwórz obszary fokusowe na podstawie projektu eksperymentu, generuj i eksportuj dane o tętnie, wybierając analizę, a następnie hemodynamikę i ekstrakcję interwału EKG z paska menu. W opcji analizy wybierz tylko obszary ostrości, a w wynikach wyświetlania wybierz tylko arkusz Excel.
Kliknij OK, aby potwierdzić i zakończyć eksport. Aby wygenerować dane o zmienności tętna, należy otworzyć analizę i wybrać HRV oraz RSA, a następnie wieloepicką statystykę HRV. W polu kanału EKG wybierz kanał przedprocesowanego elektrokardiogramu i w sekcji ekstrakt statystyk HRV wybierz obszary ostrości.
Przejdź do wyjścia wyników do, wybierz arkusz kalkulacyjny i kliknij OK, aby wygenerować i wyeksportować wyniki w dziedzinie czasu. Na koniec ponownie otwórz analizę i wybierz HRV i RSA, a następnie wieloepiskie HRV i RSA spektralne. W polu kanału EKG wybierz kanał elektrokardiogramu przygotowany przed zabiegiem.
W sekcji wyodrębniaj HRV i RSA dla wyborów obszarów skupienia się. W trybie typu wyjścia wybierz tylko arkusz Excel i kliknij OK, aby wyeksportować wyniki z domeny częstotliwości. Średnie tętno było znacząco niższe w trudnej sytuacji obrazowej w porównaniu do łatwej sytuacji.
Zmienność częstotliwość częstotliwość serca była znacząco wyższa podczas trudnego obrazu w porównaniu do warunków łatwych w obrazie. Średnia kwadratowa pierwiastka kolejnych różnic podążała podobnym trendem i była istotnie wyższa podczas trudnych warunków obrazu. Uczestnicy delegowali znacznie częściej w trudnych warunkach obrazu niż w łatwym w warunkach obrazu.
Zauważyliśmy, że ludzie dostosowują swoje obciążenie poznawcze delegując zadania podczas pracy z AI.In przyszłością, przyjrzymy się, jak różne podejścia do współuczenia się wpływają na wyniki nauki człowieka i AI.
Wyświetl pełny transkrypt i uzyskaj dostęp do tysięcy filmów naukowych
Przegląd
Niniejszy protokół opisuje wykorzystanie wskaźników fizjologicznych do pomiaru zmian obciążenia poznawczego w zależności od poziomu trudności zadań w ramach współpracy człowieka z AI. Wyniki sugerują, że ludzie dostosowują procesy podejmowania decyzji do trudności zadania, co odzwierciedla różne poziomy obciążenia poznawczego.
Kluczowe elementy badania
Dziedzina nauki
- Neuronauka
- Interakcja człowiek-AI
- Psychologia poznawcza
Wstęp
- Obciążenie poznawcze jest krytycznym czynnikiem w procesie podejmowania decyzji.
- Zrozumienie obciążenia poznawczego może usprawnić współpracę człowieka z AI.
- Wskaźniki fizjologiczne dostarczają obiektywnych miar obciążenia poznawczego.
- Trudność zadania może wpływać na procesy poznawcze.
Cel badania
- Pomiar zmian obciążenia poznawczego podczas zadań wspomaganych przez AI.
- Zbadanie, w jaki sposób trudność zadania wpływa na podejmowanie decyzji.
- Wykorzystanie wskaźników fizjologicznych do oceny obciążenia poznawczego.
Zastosowane metody
- Konfiguracja systemu akwizycji danych z elektrokardiogramu.
- Przygotowanie jednorazowych elektrod z żelem.
- Podłączenie systemu akwizycji danych do komputerów służących do prezentacji bodźców i rejestracji danych.
- Wprowadzenie uczestników w procedurę eksperymentalną.
Główne wyniki
- Zaobserwowano zmienność obciążenia poznawczego w zależności od poziomu trudności zadania.
- Uczestnicy dostosowali swoje procesy podejmowania decyzji do trudności zadania.
- Wskaźniki fizjologiczne skutecznie mierzyły zmiany obciążenia poznawczego.
- Wyniki przyczyniają się do zrozumienia dynamiki współpracy człowieka z AI.
Wnioski
- Trudność zadania ma istotny wpływ na obciążenie poznawcze w środowiskach kolaboracyjnych.
- Pomiary fizjologiczne mogą dostarczyć informacji na temat procesów poznawczych.
- Zrozumienie obciążenia poznawczego jest niezbędne do optymalizacji interakcji między ludźmi a sztuczną inteligencją.
Często zadawane pytania
Znaczenie dla przemysłu
Obiektywny pomiar obciążenia poznawczego w czasie rzeczywistym z wykorzystaniem danych elektrokardiograficznych pozwala zespołom badawczo-rozwojowym w sektorze biofarmaceutycznym optymalizować współpracę człowieka z AI w złożonych procesach roboczych. Kwantyfikacja wahań stanu poznawczego wspiera przewidywalną pewność w delegowaniu zadań i alokacji zasobów, co bezpośrednio wpływa na efektywność operacyjną i bezpieczeństwo w środowiskach regulowanych. Podejście to dostarcza informacji niezbędnych do projektowania systemów adaptacyjnych, które dopasowują wydajność człowieka do możliwości AI w ramach potoków badań odkrywczych i translacyjnych.
Strategiczne zastosowania w badaniach i rozwoju biofarmaceutycznym
Wstępna faza odkrywania i walidacja celu
- Umożliwia obiektywną ocenę obciążenia poznawczego podczas zadań walidacji celów wymagających intensywnego podejmowania decyzji.
- Wspiera mechanistyczne ograniczanie ryzyka poprzez ujawnianie dynamiki stanów wewnętrznych podczas testowania hipotez z wykorzystaniem wsparcia AI.
- Ułatwia segregację portfela poprzez identyfikację wąskich gardeł poznawczych w kolaboracyjnych przepływach pracy.
Przesiewy i opracowywanie testów
- Zapewnia zwalidowane wskaźniki fizjologiczne do standaryzacji protokołów przesiewowych z udziałem człowieka (human-in-the-loop).
- Poprawia powtarzalność poprzez ilościowe określanie obciążenia poznawczego operatora w różnych warunkach analizy.
- Umożliwia skalowalną ocenę strategii przydziału zadań między człowiekiem a AI w środowiskach wysokoprzepustowych.
Badania translacyjne i przedkliniczne
- Uzgadnia monitorowanie stanu poznawczego z opracowywaniem translacyjnych biomarkerów dla wykonywania złożonych zadań.
- Zapewnia ciągłość od etapu odkrycia do walidacji przedklinicznej poprzez integrację danych fizjologicznych z analityką przepływu pracy.
- Minimalizuje ryzyko decyzji dotyczących dalszego rozwoju poprzez korelację obciążenia poznawczego z wydajnością zadań przy różnych poziomach trudności.
Integracja potoku i przepływu pracy
Metoda ta integruje się z kontinuum od odkryć do badań przedklinicznych, zapewniając analitykę stanu poznawczego w czasie rzeczywistym podczas zadań realizowanych we współpracy człowieka z AI.
- Biologia odkrywcza: Wspiera testowanie hipotez i wyjaśnianie szlaków poprzez monitorowanie obciążenia poznawczego w punktach podejmowania decyzji.
- Przesiewanie: Dostarcza wyników ilościowych w celu zapewnienia powtarzalności i standaryzacji w procesach przesiewowych z udziałem człowieka i AI.
- Analityka: Generuje wskaźniki tętna oraz zmienności rytmu serca do analizy porównawczej w różnych warunkach wykonywania zadań.
- Badania translacyjne: Łączy wskaźniki fizjologiczne ze strategiami biomarkerów w kontekście wykonywania złożonych zadań.
- Ponowne wykorzystanie w przedsiębiorstwie: Tworzy reużywalne ramy monitorowania stanu poznawczego w zróżnicowanych środowiskach kolaboracyjnego B+R.
Wpływ operacyjny i przedsiębiorstwa
- Wartość naukowa: Zwiększa pewność predykcyjną i zmniejsza niejednoznaczność mechanistyczną w wspólnych przepływach pracy.
- Wartość operacyjna: Standaryzuje pomiar obciążenia poznawczego w celu zapewnienia powtarzalności i skalowalności.
- Wartość strategiczna: Dostarcza informacji do decyzji typu go/no-go i poprawia efektywność kapitałową poprzez optymalizację przydziału zadań między człowiekiem a AI.
- Wpływ na portfolio: Wspiera priorytetyzację skorygowaną o ryzyko oraz postępy w programach odkrywczych i translacyjnych.
Kwestie dotyczące wdrożenia
- Wymaga doświadczenia w akwizycji i analizie danych fizjologicznych.
- Konieczne jest zastosowanie niezawodnej aparatury EKG oraz infrastruktury do przetwarzania danych.
- Wymaga standaryzacji protokołów pomiaru obciążenia poznawczego pomiędzy zespołami.
- Możliwość adaptacji do różnych systemów modelowych przy odpowiedniej kalibracji.
- Zależność od zwalidowanych progów fizjologicznych w celu uzyskania praktycznych wniosków.
