一个被动的大脑-计算机接口,用于在单调的监控操作中估计操作员的精神疲劳:任务时间和性能标签问题

科学领域:

• 人与计算机的交互
• 认知科学 认知科学
• 生物医学工程 生物医学工程

背景情况:

• 搜索和救援任务中的视觉搜索依赖于人类操作员,使他们容易受到精神疲劳 (MF) 的影响.
• 准确检测MF对于提高运营安全和效率至关重要.
• 现有的MF检测方法,特别是任务时间 (TOT),在现实世界的应用性和与性能指标的直接比较方面存在局限性.

研究的目的:

• 用现实的视觉搜索任务来评估MF检测.
• 为了比较MF估计的任务时间 (TOT) 与行为绩效指标的有效性.
• 调查标签类型对参与者内部疲劳检测准确性的影响.

主要方法:

• 参与者执行了一小时单调的视觉搜索任务,分为四个15分钟的块.
• 记录了包括心脏活动,脑电图 (EEG) 和眼睛运动在内的生理数据.
• 使用机器学习算法检测MF,使用TOT和行为性能数据.

主要成果:

• 对于MF检测的机器学习模型性能高度依赖于使用的MF定义.
• 使用任务时间 (TOT) 实现了高分类准确率 (例如99.3%).
• 当基于行为表现指标估计MF时,分类准确度降至偶然水平 (52.2%).

结论:

• 虽然基于TOT的MF检测具有很高的准确性,但它忽视了MF的实际可用性和认知结构.
• 行为性能指标虽然在操作上更有价值,但导致检测准确度明显降低.
• 未来的系统需要对MF检测采取更细微的方法,以平衡准确性与现实世界的相关性和认知有效性.