使用生理测量方法估计认知工作负载:一篇综述
Debashis Das Chakladar1, Partha Pratim Roy1
1Department of Computer Science and Engineering, Indian Institute of Technology Roorkee, Roorkee, Uttarakhand India.
Cognitive neurodynamics
|August 6, 2024
概括
本综述分析了用于估计认知工作负载的生理措施,这对于理解绩效影响至关重要. 它详细介绍了认知神经科学研究中的方法,数据集和挑战.
科学领域:
- 认知神经科学 认知神经科学
- 人与计算机的交互
- 生物医学工程 生物医学工程
背景情况:
- 认知工作负载估计至关重要,因为性能会受到过载/不足负载的影响.
- 脑电图,fMRI和眼睛活动等生理信号是关键指标.
- 现有的审查往往只关注像EEG这样的具体措施.
研究的目的:
- 为认知工作负载估计提供生理学措施的综合调查.
- 分析各种生理信号及其在工作负载评估中的有效性.
- 确定该领域的开放挑战和未来研究方向.
主要方法:
- 对工作负载估计的生理措施的文献进行系统审查.
- 对生理数据应用的机器学习和深度学习技术的分析.
- 对认知任务的开放访问数据集和实验范式的检查.
主要成果:
- 详细分析了脑电图 (EEG),fMRI,fNIRS,呼吸和眼睛活动.
- 不同机器学习分类器和多式联络融合方法的比较.
- 识别常见的实验范式和可用的数据集.
结论:
- 综合多种生理测量方法的整体方法对于准确的工作量估计至关重要.
- 在标准化,现实应用和数据可访问性方面仍然存在重大挑战.
- 未来的研究应该专注于开发强大的,可概括的模型,并探索新的生理标志物.
更多相关视频
10:45A Community-based Stress Management Program: Using Wearable Devices to Assess Whole Body Physiological Responses in Non-laboratory Settings
Published on: January 22, 2018
7.6K
13:57Assessing the Multiple Dimensions of Engagement to Characterize Learning: A Neurophysiological Perspective
Published on: July 1, 2015
12.5K
