Bilişsel Yükü Elektrokardiyografik Ölçüm Kullanarak Tahmin Edin: İnsan-Yapay Zeka İşbirliği Görevi
5 Aralık 2025
Bu protokol, insan-yapay zeka işbirliğine dayalı görevlerde farklı görev zorluk seviyelerinde bilişsel yük değişimlerini ölçmek için fizyolojik göstergelerin kullanımını açıklar. Bulgular, insanların karar alma süreçlerini görev zorluğuna göre uyarladığını ve böylece farklı bilişsel yük seviyelerini yansıttığını gösteriyor.
Delegasyon ortamında yapay zeka ile çalışırken insanların bilişsel yükünün nasıl değiştiğini inceliyoruz. Başlangıç olarak, katılımcıya deneysel süreci tanıtın ve çalışmadan tam olarak bilgi sahibi olduğundan emin olun. Elektrokardiyogram veri toplama sistemini hazırlayın ve önceden jellenmiş, tek kullanımlık elektrokardiyogram elektrotları dahil olmak üzere gerekli tüm malzemeleri toplayın.
Veri toplama sistemini elektrokardiyogram veri alıcı modülüne bağlayın. Erkekten dişiye kurdele kablosu kullanılarak, veri toplama sistemi ile uyarıcı sunumu için kullanılan bilgisayar arasında bir bağlantı kurun. Ethernet kablosu kullanarak, veri toplama sistemi ile veri kaydı için kullanılan bilgisayar arasında bir bağlantı kurulabilir.
Sistemi stabil bir güç kaynağına takın. Şimdi, katılımcının cildini üç noktada alkollü mendil ile temizleyin. Sol kaburganın altında, sağ köprücük köprücüğünün altında ve sağ karın bölgesinde yer alır.
Her temiz bölgeye tek kullanımlık elektrokardiyogram elektrot bandı takın. Sonra lead tel konnektörünü elektrokardiyogram vericisine sıkıca bağlayın ve lead telin metal klipsini ilgili elektrota bağlayın. Elektrokardiyogram vericisini katılımcının vücuduna esnek kancalı bağlantı kayışlarıyla sabitleyin ve vericinin yerinde kalmasını ve katılımcı için rahat kalmasını sağlamak için kayışın gerginliğini ayarlayın.
Elektrokardiyogram vericisinin anahtarını açın ve elektrokardiyogram veri toplama sistemini açın. Veri toplama sisteminin verici ile alıcı modülü arasındaki kablosuz bağlantı durumunu kontrol edin. Şimdi, elektrokardiyogram veri toplama yazılımını başlatın.
Yeni bir grafik dosyası oluşturun. Cihaz listesinden elektrokardiyogram alıcı modülünü seçin. Uygun elektrokardiyogram kayıt kanalını seçin ve yeni görüntülenen verici bağlantı durumu penceresinde Ok'a tıklayın.
Elektrokardiyogram veri toplamaya başlamak için veri toplama yazılımı arayüzünde başlat tuşuna tıklayın. Elektrokardiyogram dalga formunun ekranda stabil göründüğünü doğrulayın. Şimdi, katılımcıya deneysel göreve başlamasını söyleyin.
Görev tamamlandıktan sonra, kayıt oturumunu sonlandırmak için veri toplama yazılımında dur tuşuna tıklayın. Elektrot yamalarından lead tel klipslerini ayırın. Esnek kanca-halka bağlantı kayışlarını gevşetin ve elektrokardiyogram vericisini katılımcının vücudundan çıkarın.
Katılımcıya tek kullanımlık elektrot yamalarını elle nazikçe çıkarmasını öğretin ve yardımcı olun. Sonra, veri analiz yazılımında kaydedilmiş elektrokardiyogram veri dosyasını açın. Elektrokardiyogram kanalını seçin ve dijital filtreleme uygulayın.
Menü çubuğunda, dönüşüm bölümüne gidin, ardından dijital filtreler ve tarak bant durdurucu. Sonra diyalog kutusunda, temel frekansın altında sabit seçeneği seçin. 50 hertz girin ve filtreyi uygulamak için tamam'a tıklayın.
Sonra, menü çubuğunda dönüştür tuşuna tıklayın. Dijital filtreleri seçin, sonra FIR, ardından bant geçişi var. Diyalog kutusunda, düşük frekans kesme altında, sabit at seçeneğini seçip bir hertz girin.
Yüksek frekans kesme altında, sabit at seçip 35 hertz girin. Şimdi, deneysel tasarıma dayalı odak alanları oluşturun, analiz seçerek kalp atış hızı verisini üretin ve dışa çıkarın, ardından hemodinamik ve menü çubuğundan EKG aralığı çıkarımı yapın. Analiz seçeneğinde sadece odak alanlarını seçin ve sonuçları göstermek seçeneğinde sadece Excel tablosunu seçin.
Onaylamak ve ihracayı tamamlamak için Ok'a tıklayın. Kalp atış hızı değişkenliği verisi oluşturmak için, analiz açın ve HRV ile RSA seçin, ardından çoklu epik HRV istatistiklerini ekleyin. EKG kanal alanında, önceden işlenmiş elektrokardiyogram kanalını seçin ve odak alanları için HRV istatistiklerini çıkarın.
Sonuçları çıktı bölümüne gidin, elektronik tabloyu seçin ve zaman alanı sonuçlarını oluşturmak ve dışa aktarmak için ok'a tıklayın. Son olarak, tekrar açık analiz ve HRV ile RSA'yı seçin, ardından çoklu epik HRV ve RSA spektral gelin. EKG kanal alanında, önceden işlenmiş elektrokardiyogram kanalını seçin.
HRV ve RSA çıkarma altında odak alanlarını seçin. Çıktı tipinde sadece Excel tablosunu seçin ve frekans alanı sonuçlarını dışa aktarmak için Ok'a tıklayın. Zor görüntü koşullarında ortalama kalp atış hızı, kolay görüntü koşullarına kıyasla anlamlı derecede düşüktü.
Yüksek frekanslı kalp atış hızı değişkenliği, zor görüntü durumunda kolay görüntü koşullarına kıyasla anlamlı derecede yüksekti. Ardışık farkların kök ortalama kare kare benzer bir eğilimi takip etti ve zor görüntü koşullarında belirgin şekilde daha yüksekti. Katılımcılar, zor görüntü koşullarında, kolay görüntü koşullarına göre önemli ölçüde daha sık delegasyon yaptılar.
Gelecekle çalışırken insanların bilişsel yüklerini görevleri devrederek ayarladığını gördük; AI.In gelecekle birlikte öğrendiklerinde farklı ortak öğrenme yaklaşımlarının sonuçları nasıl etkilediğine bakacağız.
Tam transkripti görüntüleyin ve binlerce bilimsel videoya erişin
Genel Bakış
Bu protokol, insan-Yapay Zeka iş birliğine dayalı görevlerde, farklı görev zorluk seviyeleri boyunca bilişsel yükteki değişimleri ölçmek için fizyolojik göstergelerin kullanımını açıklamaktadır. Bulgular, kişilerin karar verme süreçlerini görev zorluğuna göre uyarladıklarını ve böylece farklı bilişsel yük seviyelerini yansıttıklarını göstermektedir.
Temel Çalışma Bileşenleri
Bilim Alanı
- Sinirbilim
- İnsan-Yapay Zeka etkileşimi
- Bilişsel psikoloji
Arka Plan
- Bilişsel yük, karar verme sürecinde kritik bir faktördür.
- Bilişsel yükün anlaşılması, insan-YZ iş birliğini geliştirebilir.
- Fizyolojik göstergeler, bilişsel yükün objektif ölçümlerini sağlar.
- Görev zorluğu bilişsel süreçleri etkileyebilir.
Çalışmanın Amacı
- Yapay zeka destekli görevler sırasında bilişsel yükteki değişimleri ölçmek.
- Görev zorluğunun karar verme sürecini nasıl etkilediğini araştırmak.
- Bilişsel yükü değerlendirmek için fizyolojik göstergelerden faydalanmak.
Kullanılan Yöntemler
- Elektrokardiyogram veri toplama sistemi kurulumu.
- Önceden jelleştirilmiş, tek kullanımlık elektrotların hazırlanması.
- Veri toplama sisteminin, uyaran sunumu ve veri kaydı için bilgisayarlara bağlanması.
- Katılımcılara deneysel prosedürün tanıtılması.
Ana Sonuçlar
- Görev zorluk seviyelerine göre bilişsel yükte farklılıklar gözlemlenmiştir.
- Katılımcılar, karar verme süreçlerini görev zorluğuna göre uyarlamışlardır.
- Fizyolojik göstergeler, bilişsel yük değişimlerini etkili bir şekilde ölçmüştür.
- Bulgular, insan-yapay zeka iş birliği dinamiklerinin anlaşılmasına katkı sağlamaktadır.
Sonuçlar
- Görev zorluğu, iş birlikli ortamlarda bilişsel yükü önemli ölçüde etkiler.
- Fizyolojik ölçümler, bilişsel süreçlere dair içgörüler sağlayabilir.
- Bilişsel yükü anlamak, insan-Yapay Zeka etkileşimlerini optimize etmek için temeldir.
Sıkça Sorulan Sorular
Sektörel Uygulama ve Uygunluk
Elektrokardiyografik veriler kullanılarak bilişsel yükün gerçek zamanlı ve objektif ölçümü, biyofarma Ar-Ge ekiplerinin karmaşık iş akışlarında insan-Yapay Zeka (AI) iş birliğini optimize etmelerine olanak tanır. Bilişsel durum dalgalanmalarının nicelleştirilmesi, görev delegasyonu ve kaynak tahsisinde öngörülebilir güveni destekleyerek, düzenlemelere tabi ortamlardaki operasyonel verimlilik ve güvenliği doğrudan etkiler. Bu yaklaşım, keşif ve translasyonel araştırma süreçleri boyunca insan performansını AI yetenekleriyle uyumlu hale getiren adaptif sistemlerin tasarımına temel oluşturur.
Biyofarma Ar-Ge'sinde Stratejik Uygulamalar
Erken Keşif ve Hedef Validasyonu
- Karar verme süreçlerinin yoğun olduğu hedef doğrulama görevleri sırasında bilişsel iş yükünün objektif değerlendirmesini sağlar.
- Yapay zeka destekli hipotez testi sırasında iç durum dinamiklerini ortaya çıkararak mekanistik risk azaltmayı destekler.
- İş birlikli iş akışlarındaki bilişsel darboğazları belirleyerek portföy önceliklendirmesini kolaylaştırır.
Tarama ve Analiz Geliştirme
- İnsan-döngüde (human-in-the-loop) tarama protokollerini standartlaştırmak için doğrulanmış fizyolojik metrikler sağlar.
- Farklı analiz koşulları boyunca operatör bilişsel yükünü nicelendirerek tekrarlanabilirliği artırır.
- Yüksek verimli ortamlarda, insan-Yapay Zeka görev dağılım stratejilerinin ölçeklenebilir değerlendirmesine olanak tanır.
Translasyonel ve Preklinik Araştırmalar
- Bilişsel durum izlemesini, karmaşık görev yürütme süreçleri için translasyonel biyobelirteç geliştirme ile uyumlu hale getirir.
- Fizyolojik verileri iş akışı analizlerine entegre ederek, keşif aşamasından preklinik doğrulamaya kadar olan sürekliliği destekler.
- Bilişsel yükü, değişken zorluk seviyelerindeki görev performansı ile ilişkilendirerek ilerleme kararlarındaki riskleri azaltır.
Boru Hattı ve İş Akışı Entegrasyonu
Bu yöntem, insan-Yapay Zeka iş birliğiyle yürütülen görevler sırasında gerçek zamanlı bilişsel durum analitiği sağlayarak, keşiften preklinik aşamaya kadar olan sürece entegre olur.
- Keşif Biyolojisi: Karar noktaları sırasında bilişsel yükü izleyerek hipotez testlerini ve yolak netleştirmelerini destekler.
- Tarama: İnsan-yapay zeka tarama iş akışlarında tekrarlanabilirlik ve standardizasyon için nicel çıktılar sağlar.
- Analitik: Görev koşulları arasında karşılaştırmalı analiz için kalp atım hızı ve kalp atım hızı değişkenliği metrikleri oluşturur.
- Translasyonel Araştırma: Fizyolojik göstergeleri, karmaşık görev yürütme süreçleri için biyomarker stratejileriyle ilişkilendirir.
- Kurumsal Yeniden Kullanım: Çeşitli iş birlikçi Ar-Ge ortamlarında bilişsel durum izlemesi için yeniden kullanılabilir bir çerçeve oluşturur.
Operasyonel ve Kurumsal Etki
- Bilimsel Değer: İş birliğine dayalı iş akışlarında öngörücü güveni artırır ve mekanistik belirsizliği azaltır.
- Operasyonel Değer: Tekrarlanabilirlik ve ölçeklenebilirlik için bilişsel yük ölçümünü standartlaştırır.
- Stratejik Değer: İnsan-Yapay Zeka görev dağılımını optimize ederek devam/tamamla kararlarına temel oluşturur ve sermaye verimliliğini artırır.
- Portföy Etkisi: Keşif ve translasyonel programlar genelinde riskle uyumlu önceliklendirmeyi ve ilerlemeyi destekler.
Uygulama Hususları
- Fizyolojik veri toplama ve analizi konusunda uzmanlık gerektirir.
- Güçlü EKG cihazlarına ve veri işleme altyapısına ihtiyaç duyar.
- Bilişsel yük ölçüm protokollerinin ekipler arası standardizasyonunu gerektirir.
- Uygun kalibrasyonla çeşitli model sistemlerine uyarlanabilir.
- Uygulanabilir içgörüler için valide edilmiş fizyolojik eşik değerlerine bağımlıdır.
