大脑皮层区域的表征和基于机器学习的Rasmussen的S-R-K模型的测量
Daniele Amore1, Daniele Germano1, Gianluca Di Flumeri1,2
1Department of Molecular Medicine, Sapienza University of Rome, Piazzale Aldo Moro, 5, 00185 Rome, Italy.
Brain sciences
|September 27, 2025
概括
这项研究客观地使用大脑活动来测量人类的认知控制. 脑电图 (EEG) 数据有助于区分技能,规则和知识行为,以更好地进行性能分析.
科学领域:
- 神经科学是一个神经科学.
- 认知心理学 认知心理学
- 人类因素工程 人类因素工程
背景情况:
- 技能,规则和知识 (S-R-K) 模型根据认知控制需求对人类行为进行分类.
- 目前的SRK模型缺乏可量化的指标,阻碍了客观的绩效测量.
- 这项研究解决了对S-R-K模型的神经生理学表征的需求.
研究的目的:
- 通过分析操作员大脑皮质活动,以神经生理学描述S-R-K模型.
- 开发一种机器学习模型,用于估计认知控制行为.
- 建立客观的指标来区分技能,规则和知识水平.
主要方法:
- 参与者执行了模拟技能 (跟踪),规则 (导航) 和知识 (不熟悉) 条件的任务.
- 在执行任务时记录了脑电图 (EEG).
- 分析了EEG频段和布罗德曼区域 (BA) 的全球场功率 (GFP).
主要成果:
- 在大脑皮层活动中发现了明显的S-R-K模式.
- 机器学习模型是使用EEG特征和BA构建的.
- 这些模型成功估计了参与者的认知控制行为.
结论:
- 通过大脑激活分析,可以对S,R和K水平进行客观测量.
- 这些发现与现有的关于不同控制水平的认知功能的文献一致.
- 这项研究为S-R-K模型提供了神经生理学的基础.


