مقالة منهجية

تحفيز التيار المباشر عبر الجمجمة عالي الدقة فوق قشرة الفص الجبهي الظهري الجانبي الأيمن لتعزيز الحساسية ما وراء المعرفية

DOI:

10.3791/68824

⸱

سبتمبر 26, 2025

 ,  ,  ,  ,  ,  , 
1School of Economics and Management, Jiangsu University of Science and Technology, 2School of Management, Shanghai University, 3Business School, La Trobe University, 4Wuhan Marine Machinery Plant Co., Ltd., 5School of Artificial Intelligence, Xi'an Jiaotong University

في هذه المقالة

ملخص

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

اقترحت هذه الدراسة نموذجا تجريبيا يطبق تحفيز التيار المباشر عبر الجمجمة عالي الدقة (HD-tDCS) لتحسين ما وراء الإدراك البشري في مهام تفويض الذكاء الاصطناعي البشري. أظهرت النتائج فعالية HD-tDCS في تعزيز الحساسية ما وراء المعرفية.

الملخص

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

في التعاون بين الإنسان والذكاء الذكاء الاصطناعي ، يعد تفويض المهام مكونا حاسما. من الناحية المثالية ، إذا كان الشخص يعتقد أنه قادر على إكمال مهمة ما ، فيجب عليه القيام بذلك بنفسه. خلاف ذلك ، يجب تفويض المهمة إلى الطرف الآخر. تتأثر قرارات التفويض هذه بتقييمات الأفراد لقدراتهم الخاصة ، والتي تتشكل من خلال ما وراء الإدراك - القدرة على تقييم قدرات الفرد. تحفيز التيار المباشر عبر الجمجمة عالي الدقة (HD-tDCS) هو تقنية تحفيز الدماغ غير الغازية التي يمكنها تنظيم استثارة القشرة الدماغية لتحسين الأداء البشري. يقدم هذا البروتوكول طريقة تستخدم HD-tDCS للتحقيق في آثاره على ما وراء الإدراك البشري أثناء مهام تفويض الذكاء الاصطناعي البشري ، مع تفصيل إجراء تطبيق التحفيز الأنودي أو الكاثودي أو الوهمي على قشرة الفص الجبهي الظهري الجانبي (DLPFC). تم إجراء التحفيز باستخدام جهاز HD-tDCS محمول ، باستخدام ترتيب محيطي لخمسة أقطاب كهربائية ، بما في ذلك قطب كهربائي مستهدف واحد وأربعة أقطاب كهربائية عائدة. استمر التحفيز لمدة 21 دقيقة ، وكانت شدة التيار 2 مللي أمبير. من المتوقع أن توفر هذه الطريقة مسارا بحثيا جديدا لمزيد من الاستكشاف المتعمق للآليات العصبية والتنظيم السلوكي للبشر في عملية تفويض المهام التعاونية بين الإنسان الذكاء الاصطناعي وتوفير أساس نظري متين لمزيد من تحسين المهام التعاونية بين الإنسان الذكاء الاصطناعي.

المقدمة

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

أصبح الذكاء الاصطناعي (الذكاء الاصطناعي) متشابكا بشكل متزايد مع حياتنا اليومية ومكان العمل. ومع ذلك ، في العديد من سياقات العالم الحقيقي ، لم يكن الذكاء الاصطناعي قادرا بعد على أتمتة عمليات صنع القرار بالكامل1. لا تزال بعض المهام صعبة بشكل خاص بالنسبة الذكاء الاصطناعي بسبب القيود التكنولوجية الحالية ، فضلا عن الاعتبارات الأخلاقية والقانونية. نتيجة لذلك ، غالبا ما يكون منح الاستقلالية الكاملة الذكاء الاصطناعي في مجالات محددة غير عملي أو غير مستحسن2،3. لذلك ، يستمر البشر في لعب دور لا غنى عنه في مكان العمل ، ومن المتوقع أن يصبح التعاون بين الإنسان الذكاء الاصطناعي نمطا مهيمنا للإنتاج وتقديم الخدمات في المستقبل. أظهرت الأبحاث في مجالات مثل الرعاية الصحية والضيافة والموارد البشرية أن الجهود التعاونية بين البشر الذكاء الاصطناعي يمكن أن تقلل التكاليف ، وفي بعض الحالات ، تعزز الكفاءة4،5،6.

في التعاون بين الإنسان الذكاء الاصطناعي ، من المتوقع أن يقوم كل طرف بمهام تتوافق مع نقاط قوته ، مع تفويض المهام الأقل ملاءمة للآخر. لذلك ، يعد تفويض المهام الفعال أمرا ضروريا للتعاون الناجح ونتائج الأداء المثلى. وجد آدم وآخرون أنه عندما تكون عملية التفويض مؤتمتة بالكامل ويتم التعامل معها فقط بواسطة الذكاء الاصطناعي دون مشاركة بشرية ، يميل البشر إلى تجربة تصورات متزايدة للتهديد الذاتي7. Fuegener et al. أفاد كذلك أنه أثناء عملية تفويض المهام إلى الذكاء الاصطناعي ، غالبا ما يكافح الناس لتقييم قدراتهم بدقة أو تقييم صعوبة المهمة ، مما يعكس مستوى منخفضا من ما وراء المعرفة8. تسلط هذه النتائج الضوء على أهمية تعزيز ما وراء المعرفة في سيناريوهات تفويض الذكاء الاصطناعي البشري لتحسين كفاءة وجودة التعاون.

يشير ما وراء المعرفة إلى قدرة الفرد على تقييم قدراتهالخاصة 9. في سياق التفويض المتبادل بين البشر الذكاء الاصطناعي ، من الضروري ليس فقط تكوين فهم دقيق لقدرات الطرف الآخر ولكن أيضا تقييم قدرات الفرد لتحديد متى يكون التفويض مناسبا. وجد جوسوبو وآخرون أن التعاون بين الإنسان الذكاء الاصطناعي يكون أكثر فاعلية عندما يظهر البشر مستويات عالية من ما وراء الإدراك - أي عندما يمكنهم تقييم كل من قدراتهم الخاصة وقدرات الذكاء الاصطناعي10 بدقة. وبالمثل ، وجد Atchley et al. أن تعزيز ما وراء المعرفة في البيئات التعليمية يمكن أن يعزز تعاونا أعمق وأكثر فعالية بين البشر وأنظمة الذكاء الاصطناعي11. غالبا ما قامت الدراسات السابقة حول التعاون بين الإنسان الذكاء الاصطناعي بتقييم ما وراء المعرفة من خلال استبيانات التقرير الذاتي أو باستخدام تصنيفات الثقة البشرية كمقاييس غير مباشرة. ومع ذلك ، في البحث النفسي ، فإن المقياس الأكثر رسوخا وصرامة لما وراء المعرفة هو الحساسية ما وراء المعرفية (meta-d')12. في هذه الدراسة ، نستخدم meta-d '، باتباع النهج الذي وصفه Maniscalco et al. لتقييم الحساسية ما وراء المعرفية13.

تم استخدام تحفيز التيار المباشر عبر الجمجمة (tDCS) على نطاق واسع في الأبحاث التي تهدف إلى تعزيز ما وراء المعرفة14. ترتبط الجوانب الأساسية لما وراء المعرفة ارتباطا وثيقا بقشرة الفص الجبهي. يوفر tDCS تيارا مباشرا ضعيفا لمناطق معينة من الدماغ ، مما يعدل استثارة الخلايا العصبية واللدونة المشبكية بطريقة غير جراحية وغير تدخلية ، مما يسمح للباحثين بتحسين الوظائف المعرفية المختلفة15. وجد هارتي وآخرون أن التحفيز الأنودي على قشرة الفص الجبهي الظهرية الجانبية اليمنى (DLPFC) عزز أداء المشاركين في اكتشاف الأخطاء في مهمة التوعية بالخطأ ، وبالتالي تحسين مراقبتهم ما وراء المعرفي للأداء المعرفي16. أفاد بونا وسيلفانتو أن tDCS الأنودي أثر على التحيز ما وراء المعرفي في مهمة الذاكرة العاملة17. Mattes et al. أظهر أنه في حين أن tDCS أثرت على تقييمات ثقة المشاركين في كل من ما وراء المعرفة ومهام العقلية ، إلا أنها لم تغير حساسيتهم ما وراء المعرفية18. ثبت أن الاضطراب المؤقت أو الضرر الذي يلحق بقشرة الفص الجبهي - وتحديدا مناطق برودمان 46 و 10 - في كل من البشر يحفز تغييرات في العمليات ما وراء المعرفية14. بالإضافة إلى ذلك ، قدمت الدراسات السابقة أدلة سببية تربط تحفيز DLPFC بالقدرات ما وراء المعرفية19،20. يلعب DLPFC الصحيح ، على وجه الخصوص ، دورا رئيسيا داخل الشبكة العصبية الكامنة وراء التحكم المعرفي21،22 ، والذي يرتبط ارتباطا وثيقا بمتطلبات مهمتنا التجريبية. لذلك ، اخترنا DLPFC المناسب كموقع مستهدف للتحفيز. تمشيا مع البروتوكولات المعمول بها في دراسات tDCS حول ما وراء الإدراك ، قمنا بتطبيق تيار 2 مللي أمبير لمدة 21 دقيقة ، بما في ذلك مرحلة 1 دقيقة من التكثيف والمنحدر17،23. حاليا ، أعلى كثافة تيار مستخدمة في tDCS هي 4 مللي أمبير ، والتي ثبت أنها مقبولة للمشاركين في الدراسة التي أجراها Workman et al.24.

تحفيز التيار المباشر عبر الجمجمة عالي الدقة (HD-tDCS) هو تعديل عالي الدقة ل tDCS التقليدي ، مما يوفر تعديلا عصبيا أكثر استهدافا من خلال مونتاج الأقطاب الكهربائية المتخصصة. بالمقارنة مع tDCS التقليدي ، الذي يستخدم قطبين كهربائيين كبيرين ، يسمح HD-tDCS بتحفيز أكثر استهدافا وبؤرية لمناطق معينة من الدماغ ، مما يؤدي إلى تأثيرات أكثر استدامة25،26. على عكس تقنيات الارتجاع العصبي التي تهدف أيضا إلى تحسين الأداء المعرفي27 ، يوفر HD-tDCS العديد من المزايا العملية ، بما في ذلك فترة تنشيط أقصر ، وإجراءات تطبيق أبسط ، وتكاليف تنفيذ أقل28. من منظور تفويض مهام الذكاء الاصطناعي البشري ، يوفر HD-tDCS دقة مكانية أعلى وسهولة تشغيل وفعالية من حيث التكلفة. علاوة على ذلك ، فإنه يسمح للمشاركين بالمشاركة في مهام مستدامة تنطوي على التفويض والتفكير في سياقات تقترب من سيناريوهات الحياة الواقعية أو مكان العمل ، مما يجعلها مناسبة بشكل خاص لاستكشاف ما وراء المعرفة في تفويض الذكاء الاصطناعي البشري. في هذه الدراسة ، تم استخدام HD-tDCS لتقديم تحفيز أكثر استهدافا ل DLPFC.

التصميم التجريبي

تم الحصول على المواد التجريبية من تحدي التعرف البصري على نطاق واسع ImageNet (ILSVRC) 29. كان نموذج الذكاء الاصطناعي هو GoogLeNet Inception v3 ، وهو أحد أفضل النماذج أداء في مهام تصنيف الصور30.

كانت المهمة التجريبية مهمة تفويض الذكاء الاصطناعي الإنسان ، وتحديدا مهمة تصنيف الصور. يتضمن تصنيف الصور تعيين صورة مستهدفة لفئة ، وهي مهمة عامة لا تتطلب أي تدريب خاص بالمجال أو خبرة سابقة. قد تؤدي المهام القائمة على خلفيات ظرفية محددة إلى الإضرار بقابلية التعميم. على سبيل المثال ، في السيناريوهات عالية المخاطر التي تنطوي على خسارة محتملة ، يميل الناس إلى تفويض القرارات إلى الذكاء الاصطناعي31 ، مما يجعله فعليا كبش فداء للفريق32. تم تكييف المهمة المستخدمة في هذه الدراسة من نموذج التصنيف التعاوني بين الإنسان الذكاء الاصطناعي الذي طوره Fuegener et al. و Gass et al.8،33.

تم إجراء تجربة أولية لتقييم مستوى صعوبة الصورة. صعوبة الصورة هي متوسط دقة الصورة المقابلة في حالة الإنسان وحده. كما هو موضح في الشكل 1 ، تألفت كل تجربة من صورة مستهدفة وخمس مجموعات من خيارات الصور. طلب من المشاركين اختيار مجموعة الخيارات التي تطابق الصورة المستهدفة بشكل أفضل. أكمل ما مجموعه 217 مشاركا الدراسة الأولية. تم استبعاد جميع المشاركين في الدراسة الأولية من التوظيف للتجربة الرئيسية.

figure-introduction-1
الشكل 1: واجهة التجربة الأولية. تم عرض الواجهة للمشاركين في التجربة الأولية ، حيث اختاروا استجابة واحدة من خمسة خيارات. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم. 

في واجهة التجربة الرسمية (انظر الشكل 2) ، يتم عرض صورة مستهدفة في الجزء العلوي من الشاشة. بالإضافة إلى ذلك ، يتم تقديم خمسة خيارات لمجموعة الصور وخيار تفويض واحد (موجود في أعلى يمين الشاشة). يحتاج المشاركون إلى الاختيار بين تفويض المهمة إلى الذكاء الاصطناعي وإكمالها بأنفسهم. في الحالة الأخيرة ، يختارون أحد خيارات فئة الصور الخمسة التي تطابق الصورة المستهدفة بشكل أفضل. وبعد كل قرار، تنتقل الواجهة إلى الصفحة التالية، حيث يطلب من المشاركين تقييم ثقتهم في قرار وفدهم على مقياس من 1 إلى 4. قبل بدء التجربة الرسمية ، تم إبلاغ المشاركين أن نظام الذكاء الاصطناعي لديه متوسط دقة 76٪.

figure-introduction-2
الشكل 2: واجهة التجربة الرسمية. تظهر الواجهة الرئيسية للمشاركين أثناء المهمة. (أ) السطح البيني للمهام؛ (ب) السطح البيني لتصنيف الثقة. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

تم تجنيد ما مجموعه 62 مشاركا باليد اليمنى للتجربة الرئيسية. كان جميع المشاركين من طلاب الدراسات العليا الذين ليس لديهم خبرة سابقة في مهام تجريبية مماثلة. كانت معايير الاستبعاد على النحو التالي: يجب ألا يكون المشاركون قد تناولوا أي أدوية مهدئة ومنومة أو مواد ذات تأثير نفساني خلال 24 ساعة قبل التجربة ، ويجب ألا يكون لديهم عيوب في الجمجمة (مثل الثقوب أو الكسور) ، ويجب ألا يكون لديهم أي غرسات معدنية في الجمجمة (مثل الصفائح المعدنية). تم استبعاد مشاركين: أحدهما بسبب التهاب جلدي منع تحفيز HD-tDCS ، والآخر لتناول مشروب يحتوي على الكافيين قبل التجربة. أكمل المشاركون ال 60 الباقون (متوسط العمر = 22.68 ± 0.91 سنة) التجربة. تم تعيينهم عشوائيا في واحدة من ثلاث حالات تحفيز - أنودية أو كاثودية أو صورية - لكل منها 20 مشاركا. تظهر محاكاة المجال الكهربائي في الشكل 3. قام كل مشارك بمهمة تصنيف الصور مرة واحدة قبل التحفيز ومرة واحدة بعد التحفيز ، مما أدى إلى 120 مجموعة بيانات للتحليل. يتم توضيح إجراء HD-tDCS في الشكل 4 ، ويتم تلخيص سير العمل التجريبي في الشكل 5. أجرينا تحليلا للقوة بداهة باستخدام G * Power 3.134 ، بافتراض قوة 90٪ (1 - β = 0.90) ، وحجم تأثير f = 0.25 ، ومستوى ألفا 0.05. وأشار التحليل إلى أنه سيلزم ما لا يقل عن 18 مشاركا لكل مجموعة. حجم العينة النهائي لدينا استوفى هذا المطلب.

figure-introduction-3
الشكل 3: محاكاة المجال الكهربائي. منظر جانبي لتوزيع المجال الكهربائي (الجانب الأيمن). (أ) حالة التحفيز الأنودي. (ب) حالة التحفيز الكاثودي. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

figure-introduction-4
الشكل 4: الإعداد التجريبي HD-tDCS. صورة فوتوغرافية للإعداد التجريبي HD-tDCS ، توضح موضع القطب الكهربائي وموضع الجهاز أثناء التحفيز. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

figure-introduction-5
الشكل 5: مخطط انسيابي تجريبي. تألفت التجربة من ثلاث مراحل ، بما في ذلك مهام تصنيف الصور التي أجريت قبل التحفيز وبعده. الاختصارات: HD-tDCS = تحفيز التيار المباشر عبر الجمجمة عالي الوضوح. rDLPFC = قشرة الفص الجبهي الظهرية الجانبية اليمنى. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

البروتوكول

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

أجريت هذه الدراسة وفقا لمبادئ إعلان هلسنكي ووافق عليها مجلس المراجعة المؤسسية لجامعة جيانغسو للعلوم والتكنولوجيا. حصلنا على موافقة مستنيرة من المشاركين لاستخدام بياناتهم وإصدارها.

1. التحضير

  1. استعد لمهمة التجربة.
    1. قم بتنزيل بيانات الصور من موقع ImageNet (https://image-net.org/).
      ملاحظة: يتم تصنيف الصور التي تم تنزيلها ، وتحتوي كل فئة على صور متعددة.
    2. قم بتشغيل كود Python المتعلق بنموذج GoogLeNet Inception v3 لتصنيف الصور (راجع الملف التكميلي 1). احفظ الفئات الخمس الأولى المتوقعة لكل صورة، بالإضافة إلى دقة تصنيف Top-1.
      ملاحظة: يقوم رمز Python هذا بإجراء تصنيف الصور عن طريق تحميل نموذج Inception V3. لكل صورة مستهدفة ، يتم إخراج الفئات الخمس الأولى المتوقعة. يتم تقديم مجموعات الصور المقابلة لهذه الفئات الخمس المتوقعة للمشاركين كخيارات استجابة في التجربة. إذا لم تكن الفئة الصحيحة من بين التوقعات الخمسة الأولى ، استبدال إحدى الفئات المتوقعة بالفئة الصحيحة لضمان إدراجها بين الخيارات.
    3. استخدم Python أو أي برنامج أخذ عينات عشوائي لتحديد الصورة المستهدفة من الصور المصنفة حسب النموذج.
    4. لكل صورة مستهدفة ، استخرج 10 صور لكل فئة من الفئات الخمس لتكون بمثابة خيارات استجابة. قم بتغيير حجم جميع الصور لضمان أبعاد موحدة.
    5. قم بإجراء دراسة أولية ودعوة المشاركين للمشاركة في التجربة.
      ملاحظة: كانت الدراسة الأولية مشابهة للتجربة الرسمية ، باستثناء أنه طلب من المشاركين إكمال جميع التجارب بأنفسهم ، دون خيار التفويض وبدون عملية تصنيف الثقة.
    6. سجل دقة كل مشارك في الاستجابة لكل صورة وحساب معدل الدقة لكل صورة. استخدم درجات الدقة كمؤشر لصعوبة الصورة لتصنيف الصور وفقا لذلك.
      ملاحظة: يتم فرز جميع الصور حسب الدقة، مع دقة أعلى تشير إلى انخفاض الصعوبة. على سبيل المثال ، عندما يستجيب 10٪ من المشاركين بشكل صحيح لصورة ما ، يتم تعيين صعوبة تلك الصورة على 90٪.
    7. قسم الصور إلى مجموعتين من الصعوبة المماثلة بناء على درجات الصعوبة الخاصة بهم. استخدم مجموعتي الصور كمواد تجريبية لإنشاء البرنامج التجريبي الرسمي من خلال E-prime 3 (انظر الملف التكميلي 1).
      ملاحظة: تم تصميم هذا البرنامج التجريبي لتقديم مهمة تصنيف الصور.
  2. تأكد من أن المشارك ليس لديه موانع لعلاج HD-tDCS ولا يفي بأي معايير استبعاد. تقديم الإجراء التجريبي للمشاركين والحصول على موافقة خطية مستنيرة بعد تأكيد فهمهم للدراسة.
    ملاحظة: اسأل المشارك عن يده المهيمنة وأكدها من خلال ملاحظة اليد التي يستخدمونها للكتابة.
  3. قم بقياس محيط رأس المشارك باستخدام شريط قياس وحدد حجم غطاء رأس النيوبرين HD-tDCS المناسب (انظر جدول المواد) وفقا لذلك.
  4. تحقق من أن جهاز HD-tDCS مشحون بالكامل. تأكد من أن جميع الملحقات - بما في ذلك الأقطاب الكهربائية وهلام القطب الكهربائي والمحقنة المرفقة مع الجهاز وكابلات القطب الكهربائي والكمبيوتر المستخدم لتشغيل نظام HD-tDCS - جاهزة للاستخدام.
  5. حدد عشوائيا إحدى المهمتين التجريبيتين كشرط ما قبل الاختبار. اطلب من المشارك إكمال مهمة تصنيف الصور.
    ملاحظة: يمكن استخدام مولد أرقام عشوائية لتعيين الظروف التجريبية عشوائيا.
    1. افتح البرنامج.
    2. انقر فوق RUN ، وأدخل رقم الموضوع ورقم الجلسة ، وقم بتأكيد المعلومات ، وانقر فوق نعم لبدء المهمة التجريبية.

2. تحفيز HD-tDCS

  1. أدخل الأجزاء السفلية من الأقطاب الكهربائية الخمسة في المواضع المقابلة على غطاء رأس النيوبرين. هذه المواقف الخمسة بمثابة مواقع التحفيز.
    ملاحظة: لاستهداف DLPFC الصحيح، استخدم مواضع القطب الكهربائي الخمسة التالية: F4 وFp2 وFz وC4 وF8.
  2. اطلب من المشارك الجلوس بشكل مريح على كرسي. ضع الحافة الأمامية لغطاء رأس النيوبرين على ارتفاع 1-2 سم تقريبا فوق الحاجبين. تأكد من محاذاة Cz مع نقطة المنتصف بين نقطتي ما قبل الأذن. ضع الغطاء بإحكام على رأس المشارك ، مما يضمن المحاذاة المناسبة.
    ملاحظة: عند تركيب غطاء الرأس ، تأكد من تحديد موقع Cz ، والنقطة ، والناسيون ، والنقاط قبل الأذن اليمنى واليسرى واليمنى وفقا لنظام مخطط كهربية الدماغ الدولي 10-20.
  3. ضع جل القطب الكهربائي (انظرT able of Materials) على كل موقع تحفيز باستخدام المحقنة المرفقة مع الجهاز لتقليل المعاوقة بين الأقطاب الكهربائية وفروة الرأس.
    ملاحظة: جل القطب هو جل عالي التوصيل وقابل للذوبان في الماء.
    1. املأ المحقنة بهلام القطب.
    2. لكل قطب كهربائي ، قم بتقسيم الشعر بالمحقنة لكشف فروة الرأس.
    3. حقن كمية كافية من جل القطب الكهربائي على فروة الرأس المكشوفة داخل الأجزاء السفلية من جميع الأقطاب الكهربائية.
    4. قم بربط الأجزاء العلوية والسفلية من جميع الأقطاب الكهربائية معا.
  4. قم بتوصيل جهاز HD-tDCS.
    1. قم بتشغيل جهاز HD-tDCS وقم بتشغيل برنامج التحكم المقابل (انظر جدول المواد).
      ملاحظة: يجب أن يفي الكمبيوتر الذي يقوم بتشغيل برنامج التحكم بالمتطلبات التالية على الأقل: المعالج: 1.6 جيجاهرتز; ذاكرة الوصول العشوائي: 2 جيجابايت ؛ الواجهة: USB أو WiFi. دقة الشاشة: 1,280 × 768.
    2. قم بتمكين Bluetooth على الكمبيوتر. في برنامج التحكم ، حدد استخدام أجهزة Wi-Fi لبدء عملية الاتصال.
    3. انتظر حتى يظهر عنوان MAC الخاص بالجهاز في القائمة. بمجرد ظهوره ، حدد الجهاز.
    4. في إعداد Line Noise Filter ، حدد 50 هرتز للتخلص من التداخل الكهربائي.
      ملاحظة: يجب أن يتطابق التردد المحدد مع تردد طاقة التيار المتردد المستخدم في البلد الذي تجرى فيه التجربة.
    5. في الجزء السفلي من لوحة الإعدادات ، انقر فوق الزر استخدام هذا الجهاز . سيقوم البرنامج بعد ذلك بإنشاء اتصال بالجهاز.
  5. قم بتكوين بروتوكول تحفيز HD-tDCS.
    1. انقر فوق الرمز على شكل رأس على اللوحة اليسرى لبرنامج التحكم. ثم انقر فوق إضافة بروتوكول جديد لإنشاء بروتوكول تحفيز جديد.
    2. اضبط مدة البروتوكول على 21 دقيقة ، مع فترة تكثيف 30 ثانية و 30 ثانية للتسليم الحالي.
      ملاحظة: إذا كان البروتوكول عبارة عن تحفيز زائف، فقم بتمكين خيار الوهمية .
    3. اسحب القطب F4 إلى عمود التحفيز على اليمين. اضبط القناة على وضع التحفيز ، وأدخل شدة تيار تبلغ 2,000 ميكرو أمبير35 ، وحدد التحفيز الأنودي.
      ملاحظة: يعتمد تعيين الأنود والكاثود على نوع التحفيز المقصود.
    4. اسحب الأقطاب الكهربائية Fp2 وFz وC4 وF8 إلى عمود التحفيز. اضبط كل قناة على وضع العودة، مع تخصيص 25٪ من إجمالي التيار لكل قناة. احفظ البروتوكول.
    5. حدد بروتوكول التحفيز الذي تم تكوينه. قم بتوصيل جهاز HD-tDCS بحزام الفيلكرو الموجود في الجزء الخلفي من غطاء الرأس. استخدم كبلات القطب الكهربائي لتوصيل الجهاز بجهاز القطب.
      ملاحظة: تأكد من توصيل كل كبل بموضع القطب الكهربائي الصحيح، بما يتطابق مع التكوين في البرنامج.
    6. تأكد من توصيل جميع الكابلات بشكل صحيح. انقر فوق الزر LOAD PROTOCOL في الزاوية اليمنى السفلية.
  6. انقر فوق الزر CHECK IMPEDANCE لإجراء فحص المعاوقة.
    ملاحظة: تأكد من أن مؤشرات حالة الاتصال لجميع الأقطاب الكهربائية المحددة خضراء (0-10 كيلو أوم) أو برتقالية (10-15 كيلو أوم). إذا ظهر أي مؤشر باللون الأحمر (>15 كيلو أوم) ، أعد وضع جل القطب الكهربائي أو اضبط الشعر لتعريض المزيد من فروة الرأس لتقليل المعاوقة.
  7. انقر فوق زر البدء (أيقونة المثلث الذي يشير إلى اليمين) لبدء التحفيز.
  8. اطلب من المشاركين الإبلاغ عن أحاسيسهم في نقاط زمنية متعددة أثناء جلسة التحفيز.
    ملاحظة: إذا أبلغ أحد المشاركين عن عدم الراحة التي تتجاوز الأحاسيس العادية ، فانقر على الفور فوق الزر STOP في البرنامج ، وقم بإزالة الجهاز من المشارك ، وتحقق من حالة فروة رأسه.

3. ما بعد التحفيز

  1. قم بإيقاف تشغيل برنامج التحكم. افصل الكابلات عن الأقطاب الكهربائية وقم بإزالة جهاز HD-tDCS بعناية.
  2. قم بإزالة غطاء الرأس من رأس المشارك وافصل جميع الأقطاب الكهربائية.
  3. حدد البرنامج التجريبي الآخر الذي لم يكتمل بعد. اطلب من المشارك إكمال مهمة تصنيف الصور كاختبار لاحق.
  4. تزويد المشارك بالمستلزمات لتنظيف شعره.
  5. اطلب من المشاركين إكمال استبيان الإحساس بعد جلسة HD-tDCS36. استخدم الاستبيان لتقييم تحمل المشاركين وتجربتهم الذاتية لتحفيز HD-tDCS.
  6. نظف غطاء الرأس والأقطاب الكهربائية.
    1. اشطف غطاء الرأس جيدا بالماء. غطاء الرأس حتى يجف في الهواء.
    2. استخدم ماء الصنبور لشطف الجل برفق من الأقطاب الكهربائية.
      ملاحظة: استخدم الماء الدافئ لإذابة الجل بسرعة أكبر.
    3. اترك الأقطاب الكهربائية لتجف في الهواء على منشفة ورقية أو قطعة قماش بعيدا عن أشعة الشمس المباشرة. بمجرد أن تجف ، ضعها في عبواتها للتخزين طويل الأجل.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

النتائج

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تتضمن النتيجة الرئيسية لهذه الدراسة قياس الحساسية ما وراء المعرفية باستخدام meta-d. تم إجراء اختبار طبيعي على درجات الحساسية ما وراء المعرفية للمشاركين عبر أنواع التحفيز المختلفة ، وأظهرت النتائج أن الحالة الطبيعية قد تم استيفاؤها في جميع الظروف. تم إجراء ANOVA مقاييس متكررة لمقارنة الحساسية ما وراء المعرفية عبر أنواع التحفيز المختلفة ، مع النتائج الموضحة في الجدول 1. على الرغم من أن التأثيرات الرئيسية للوقت ونوع التحفيز لم تكن ذات دلالة ...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المناقشة

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

لضمان موثوقية النتائج التجريبية ، يجب مراعاة عدة عوامل أثناء الإجراء. أولا ، عند توصيل الكابلات بجهاز القطب الكهربائي HD-tDCS ، من الأهمية بمكان التحقق من أن كل كابل يتوافق بدقة مع موضع القطب الكهربائي المعين ، حيث قد تتسبب التوصيلات غير الصحيحة في حدوث تأثيرات فسيولوجية غير مقصودة. ثانيا ، نظرا لأن هذه دراسة أحادية التعمية تتضمن حالة تحفيز زائفة ، يجب ألا يتمكن المشاركون من عرض واجهة التشغيل أثناء إجراء HD-tDCS. ثالثا ، عند إعداد المواد لمهمة تفويض الإنسان الذكاء الاصطناعي ، يجب توحيد ج...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

الإفصاحات

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

ليس لدى المؤلفين ما يكشفون عنه.

شكر وتقدير

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تم دعم هذه الدراسة من قبل برنامج ابتكار البحث والممارسة للدراسات العليا في مقاطعة جيانغسو (KYCX25_4311) ، والمؤسسة الوطنية للعلوم الطبيعية في الصين (72374088 ، 72471105 ، 72472094 ، 72001096) ، 2024 المشروع الرئيسي لتخطيط أبحاث علوم التعليم العالي للجمعية الصينية للتعليم العالي (24XX0205 ، آليات استراتيجيات التعاون بين الذكاء الاصطناعي الإنسان في تعزيز نتائج التعلم) ، 2024 المشروع الرئيسي لتخطيط علوم التعليم في مقاطعة جيانغسو (B-b / 2024/01/162 ، بناء النموذج والبحث التجريبي حول التعلم متعدد الوسائط من منظور علم الأعصاب التربوي) ، منحة حكومة جيانغسو للدراسات الخارجية (JS-2024-69) وصندوق العلوم الإنسانية والاجتماعية التابع لوزارة التعليم الصينية (24YJCZH445).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسمالشركةرقم فهرسيالتعليقات
كابلات الأقطاب الكهربائيةالكهرباء العصبيةكابل 10 أقطاب كهربائيةيحتوي كابل القطب على 10 مقابس طبية كهربائية.
جل الأقطاب الكهربائيةمختبرات باركرلافتات 250g NE016bيستخدم لتقليل المعاوقة وتحسين جودة الإشارة.
اقطابالكهرباء العصبيةNG PISTIM NE029يتكون بيستيم NG من قطعتين: المثبت (الجزء العلوي) والغسالة الملولبة (الجزء السفلي).
البرمجيات التجريبيةأدوات برمجيات علم النفسإصدار E-prime3.0 3.0.31هذا هو البرنامج المستخدم لصنع البرنامج التجريبي.
جهاز HD-tDCSالكهرباء العصبيةستارستيم 8هذا هو الجهاز المستخدم لتقديم تحفيز HD-tDCS.
برامج HD-tDCSالكهرباء العصبيةNIC2 V2.1.3.6وهو التطبيق الذي يسمح للكمبيوتر بالتفاعل مع جهاز HD-tDCS.
لابتوبديلG5 5500هذا الكمبيوتر يشغل البرنامج المستخدم في التجربة.
غطاء رأس نيوبرينالكهرباء العصبيةMهو غطاء رأس لوضع الأقطاب الكهربائية بدقة على فروة الرأس. الأحجام: S (49 سم)، M (54 سم)، L (57 سم)، XL (60 سم)
أداة إحصائيةآي بي إمSPSS V26يستخدم لتحليل البيانات.
حقنة-NE014يستخدم لحقن جل الأقطاب.

المراجع

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Brynjolfsson, E., Mitchell, T., Rock, D. What can machines learn, and what does it mean for occupations and the economy? AEA Pap. Proc. 108. , 43-47 (2018).
  2. Gleasure Pieper, M., R, How AI helps to compile human intelligence: An empirical study of emerging augmented intelligence for medical image scanning. Inf Syst J. 35 (5), 1399-1421 (2025).
  3. Ling, B., Dong, B. W., Cai, F. Applicants' fairness perception of human and ai collaboration in resume screening. Int J Hum Comput Interact. 10, (2024).
  4. Ahsen, M. E., Ayvaci, M. U. S., Mookerjee, R., Stolovitzky, G. Economics of AI and human task sharing for decision making in screening mammography. Nat Commun. 16 (1), 2289(2025).
  5. Webster Ivanov, S., C, Automated decision-making: Hoteliers' perceptions. Technol Soc. 76, (2024).
  6. Radonjic, A., Duarte, H., Pereira, N. Artificial intelligence and HRM: HR managers' perspective on decisiveness and challenges. Eur Manag J. 42 (1), 57-66 (2024).
  7. Adam, M., Diebel, C., Goutier, M., Benlian, A. Navigating autonomy and control in human-ai delegation: User responses to technology- versus user-invoked task allocation. Decis Support Syst. 180, 114193(2024).
  8. Fuegener, A., Grahl, J., Gupta, A., Ketter, W. Cognitive challenges in human-artificial intelligence collaboration: Investigating the path toward productive delegation. Inf Syst Res. 33 (2), 678-696 (2022).
  9. Evans, J. A., Foster, J. G. Metaknowledge. Science. 331 (6018), 721-725 (2011).
  10. Jussupow, E., Spohrer, K., Heinzl, A., Gawlitza, J. Augmenting medical diagnosis decisions? An investigation into physicians' decision-making process with artificial intelligence. Inf Syst Res. 32 (3), 713-735 (2021).
  11. Atchley, P., Pannell, H., Wofford, K., Hopkins, M., Atchley, R. A. Human and AI collaboration in the higher education environment: Opportunities and concerns. Cogn Res Princ Implic. 9 (1), (2024).
  12. Lau Fleming, S. M., C, H. How to measure metacognition. Front Hum Neurosci. 8, (2014).
  13. Lau Maniscalco, B., H, A signal detection theoretic approach for estimating metacognitive sensitivity from confidence ratings. Conscious Cogn. 21 (1), 422-430 (2012).
  14. Fleming, S. M. Metacognition and confidence: A review and synthesis. Annu Rev Psychol. 75, 241-268 (2024).
  15. Kadosh Reed, T., C, R. Transcranial electrical stimulation (TES) mechanisms and its effects on cortical excitability and connectivity. J Inherit Metab Dis. 41 (6), 1123-1130 (2018).
  16. Harty, S., et al. Transcranial direct current stimulation over right dorsolateral prefrontal cortex enhances error awareness in older age. J Neurosci. 34 (10), 3646-3652 (2014).
  17. Silvanto Bona, S., J, Accuracy and confidence of visual short-term memory do not go hand-in-hand: Behavioral and neural dissociations. PLoS One. 9 (3), (2014).
  18. Soutschek Mattes, R. S., A, Brain stimulation over dorsomedial prefrontal cortex causally affects metacognitive bias but not mentalising. Cogn Affect Behav Neurosci. , (2025).
  19. Rahnev Shekhar, M., D, Distinguishing the roles of dorsolateral and anterior PFC in visual metacognition. J Neurosci. 38 (22), 5078-5087 (2018).
  20. Soutschek, A., Moisa, M., Ruff, C. C., Tobler, P. N. Frontopolar theta oscillations link metacognition with prospective decision making. Nat Commun. 12 (1), 3943(2021).
  21. Cho, S. S., et al. Effect of continuous theta burst stimulation of the right dorsolateral prefrontal cortex on cerebral blood flow changes during decision making. Brain Stimul. 5 (2), 116-123 (2012).
  22. Wout, V. an't, Kahn, M., S, R., Sanfey, A. G., Aleman, A. Repetitive transcranial magnetic stimulation over the right dorsolateral prefrontal cortex affects strategic decision-making. Neuroreport. 16 (16), 1849-1852 (2005).
  23. Han, L. T., et al. Establishing a causal role for left ventrolateral prefrontal cortex in value-directed memory encoding with high-definition transcranial direct current stimulation. Neuropsychologia. (181), e108489(2023).
  24. Workman, C. D., Kamholz, J., Rudroff, T. The tolerability and efficacy of 4 mA transcranial direct current stimulation on leg muscle fatigability. Brain Sci. 10 (1), (2020).
  25. Kuo, H. -I., et al. Comparing cortical plasticity induced by conventional and high-definition 4 x 1 ring tDCS: A neurophysiological study. Brain Stimul. 6 (4), 644-648 (2013).
  26. Parlikar, R., et al. High definition transcranial direct current stimulation (HD-tDCS): A systematic review on the treatment of neuropsychiatric disorders. Asian J Psychiatr. 56, 102542(2021).
  27. Enriquez-Geppert, S., Huster, R. J., Herrmann, C. S. Boosting brain functions: Improving executive functions with behavioral training, neurostimulation, and neurofeedback. Int J Psychophysiol. 88 (1), 1-16 (2013).
  28. Bjekic, J., Zivanovic, M., Filipovic, S. R. Transcranial direct current stimulation (tDCS) for memory enhancement. J Vis Exp. 175 (175), 62681(2021).
  29. Russakovsky, O., et al. Imagenet large scale visual recognition challenge. Int J Comput Vis. 115 (3), 211-252 (2015).
  30. Szegedy, C., Vanhoucke, V., Ioffe, S., Shlens, J., Wojna, Z. Rethinking the Inception Architecture for Computer Vision. IEEE Trans Vis Comput Graph. , IEEE. 2818-2826 (2016).
  31. Scherer Candrian, C., A, Rise of the machines: Delegating decisions to autonomous AI. Comput Human Behav. 134, 107308(2022).
  32. Parlangeli, O., Curro, F., Palmitesta, P., Guidi, S. Moral judgements of errors by AI systems and humans in civil and criminal law. Behav Inf Technol. 43 (9), 1718-1728 (2024).
  33. Gass, D. F. Exploring personality-based heterogeneity in metaknowledge and human-AI collaboration. in International Conference on Information Systems, ICIS. , (2023).
  34. Faul, F., Erdfelder, E., Lang, A. -G., Buchner, A. G*power 3: A flexible statistical power analysis program for the social, behavioral, and biomedical sciences. Behav Res Methods. 39 (2), 175-191 (2007).
  35. Reckow, J., et al. Tolerability and blinding of 4x1 high-definition transcranial direct current stimulation (HD-tDCS) at two and three milliamps. Brain Stimul. 11 (5), 991-997 (2018).
  36. Chen, W., Chen, R., He, Q. Stimulation location determination using a 3d digitizer with high-definition transcranial direct current stimulation. J Vis Exp. (154), e60263(2019).
  37. El Jamal, C., et al. Tolerability and blinding of high-definition transcranial direct current stimulation among older adults at intensities of up to 4 mA per electrode. Brain Stimul. 16 (5), 1328-1335 (2023).
  38. Mcintire, L. K., Mckinley, R. A., Goodyear, C., Nelson, J. A comparison of the effects of transcranial direct current stimulation and caffeine on vigilance and cognitive performance during extended wakefulness. Brain Stimul. 7 (4), 499-507 (2014).
  39. Meunier-Duperray, L., et al. Does age affect metacognition? A cross-domain investigation using a hierarchical Bayesian framework. Cognition. 258, 106089(2025).
  40. Filippi, R., Ceccolini, A., Periche-Tomas, E., Bright, P. Developmental trajectories of metacognitive processing and executive function from childhood to older age. Q J Exp Psychol. 73 (11), 1757-1773 (2020).
  41. Workman, C. D., Fietsam, A. C., Rudroff, T. Different effects of 2 mA and 4 mA transcranial direct current stimulation on muscle activity and torque in a maximal isokinetic fatigue task. Front Hum Neurosci. 14, (2020).
  42. Gnewuch, U., Morana, S., Hinz, O., Kellner, R., Maedche, A. More than a bot? The impact of disclosing human involvement on customer interactions with hybrid service agents. Inf Syst Res. 35 (3), 936-955 (2024).
  43. Shrestha, Y. R., Ben-Menahem, S. M., Von Krogh, G. Organizational decision-making structures in the age of artificial intelligence. Calif Manage Rev. 61 (4), 66-83 (2019).
  44. Gomez, C., Cho, S. M., Ke, S., Huang, C. M., Unberath, M. Human-ai collaboration is not very collaborative yet: A taxonomy of interaction patterns in AI-assisted decision making from a systematic review. Front Comput Sci. 6, 1521066(2024).
  45. Pinski, M., Haas, M. J., Benlian, A. AI literacy - towards measuring human competency in artificial intelligence. in Proc Annu Hawaii Int Conf Syst Sci. , 5164-5173 (2024).
  46. Mattioli, F., Maglianella, V., D'antonio, S., Trimarco, E., Caligiore, D. Non-invasive brain stimulation for patients and healthy subjects: Current challenges and future perspectives. J Neurol Sci. 456, 122825(2024).
  47. Rudroff, T., Rainio, O., Klen, R. Leveraging artificial intelligence to optimize transcranial direct current stimulation for long covid management: A forward-looking perspective. Brain Sci. 14 (8), (2024).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

إعادة الطباعة والأذونات

طلب إذن لإعادة استخدام النص أو الأشكال في مقالة JoVE هذه

طلب إذن

الوسوم

مقالات ذات صلة