مقالة منهجية

تقدير العبء المعرفي باستخدام مقياس تخطيط القلب الكهربائي: مهمة تعاونية بين الإنسان الذكاء الاصطناعي

DOI:

10.3791/69621

⸱

ديسمبر 5, 2025

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

في هذه المقالة

ملخص

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

يصف هذا البروتوكول استخدام المؤشرات الفسيولوجية لقياس التغيرات في الحمل المعرفي عبر مستويات صعوبة المهام المختلفة في المهام التعاونية بين الإنسان والذكاء الذكاء الاصطناعي. تشير النتائج إلى أن الناس يتكيفون مع عمليات اتخاذ القرار حسب صعوبة المهام، مما يعكس مستويات مختلفة من العبء المعرفي.

الملخص

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

في بيئة العمل، يرتبط العبء المعرفي للأفراد ارتباطا وثيقا بالأداء والسلامة. مع تزايد التعاون بين البشر والذكاء الاصطناعي (الذكاء الاصطناعي)، أصبحت القدرة على التقاط ديناميكيات الحمل المعرفي بشكل فوري وموضوعي خلال العمليات التعاونية أمرا بالغ الأهمية. تقليديا، كان يتم تقييم الحمل المعرفي من خلال استبيانات؛ ومع ذلك، فإن هذه الطرق الاستعادية محدودة في قدرتها على التقاط التقلبات اللحظية في الحمل المعرفي بدقة خلال تنفيذ المهمة. على النقيض من ذلك، تسمح الإشارات الفسيولوجية بالمراقبة المستمرة لحالة الفرد في الوقت الحقيقي، مما يوفر مقياسا أكثر موضوعية للعبء المعرفي. قد تؤثر صعوبة المهمة على توقعات المشاركين، والتي تؤثر لاحقا على سلوكياتهم وتؤثر في النهاية على العبء المعرفي. تنفذ هذه الدراسة مهمة تعاونية قابلة للتعميم بين الإنسان الذكاء الاصطناعي تتضمن مستويات متعددة من الصعوبة. تم الكشف عن متوسط دقة نظام الذكاء الاصطناعي للمشاركين قبل بدء المهمة. في كل تجربة، أعطي المشاركون خيار إما إكمال المهمة بأنفسهم أو تفويضها إلى الذكاء الاصطناعي. هدف هذا البروتوكول هو استخدام بيانات تخطيط القلب الكهربائي (ECG) كمؤشرات فسيولوجية لفحص كيف يتغير الحمل المعرفي للأفراد عندما يكون لديهم السلطة لتوزيع المهام والتعاون مع الذكاء الاصطناعي تحت مستويات صعوبة مختلفة. تستكشف هذه الدراسة بشكل أعمق ديناميكيات الحالة الداخلية التي تكشفها البيانات الفسيولوجية خلال التعاون بين الإنسان والذكاء الذكاء الاصطناعي. توفر النتائج أساسا علميا لتحسين نماذج التعاون، وتعزيز الكفاءة، والاستفادة من نقاط القوة التكميلية للبشر والالذكاء الاصطناعي لتحقيق تكامل أفضل للموارد في المهام المعقدة.

المقدمة

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

يشير العبء المعرفي إلى إجمالي النشاط الذهني المفروض على النظام المعرفي للفرد خلال فترة معينة من أداء المهمة1. الحمل المعرفي المرتفع يمكن أن يؤثر على الأداء البشري وهو أحد المساهمين الرئيسيين في حوادث مكان العمل.2. تؤثر حالات الحمل المعرفي العالي على النشاط القلبي من خلال تنشيط الجهاز العصبي الودي وتثبيط الجهاز العصبي اللاودي، مما يزيد من معدل ضربات القلب (HR) ويقلل من تباين معدل ضربات القلب (HRV)3. تشير معتقدات التوقع إلى مدى اعتقاد الأفراد بأنهم قادرون على إكمال مهمةأو نشاط معين بنجاح. تؤثر صعوبة المهام على معتقدات الأفراد حول التوقع، والتي بدورها تنظم تفاعلهم السلوكي وتخصيص الموارد المعرفية، مما يظهر في النهاية كمستويات مختلفة من الحمل المعرفي.

يوفر تخطيط القلب الكهربائي (ECG) سجلا عالي الدقة الزمنية للنشاط الكهربائي للقلب. مؤشرات معدل ضربات القلب ومعدل ضربات القلب (HRV) المستمدة من إشارات تخطيط القلب تلتقط جوانب مختلفة من نظم القلب وتعمل كمؤشرات نفسية فسيولوجية على التوتر الجسدي والنفسي للفرد5. يعكس معدل ضربات القلب التكرار العام لانقباضات القلب ويمكن استخدامه لتقييم الحالة الأساسية للجهاز القلبي الوعائي. يمثل HRV التفاوت الزمني بين نبضات القلب المتتالية ويعمل كمؤشر على تنظيم الجهاز العصبي الذاتي (ANS)، مما يعكس التوازن الديناميكي بين النشاط الودي والنشاطات اللاودي 6,7,8. يتم تنشيط الجهاز العصبي الودي تحت الضغط أو التهديد أو النشاط عالي الشدة، مما يؤدي غالبا إلى زيادة معدل ضربات القلب وانخفاض معدل ضربات القلب (HRV). وعلى العكس، يتم تنشيط الجهاز العصبي اللاودي أثناء الاسترخاء أو النوم أو حالات انخفاض الطاقة، مما يؤدي عادة إلى انخفاض معدل ضربات القلب وزيادة HRV.

تشمل الطرق الفسيولوجية الحالية لقياس الحمل المعرفي نشاط تخطيط القلب الكهربائي، ونشاط تخطيط الدماغ الكهربائي، والتنفس، وضغط الدم، ومؤشرات العين9. مقارنة بالاستبيانات التقليدية الاستعادية، توفر القياسات الفسيولوجية وسيلة أفضل لالتقاط الحالات الفورية للمشاركين، مما يتجنب تحيز الاستدعاء وتأثيرات التأخير الزمني الكامنة في أساليب التقرير الذاتي. تمكن أجهزة تخطيط القلب المحمولة من تقييم حالة المشاركين بشكل مستمر وغير ملحوظ أثناء انشغالهم بالمهام الجارية10. مقارنة بتقنيات القياس الفسيولوجية الأخرى، يمثل تخطيط القلب المحمول طريقة منخفضة التكلفة وغير جراحية تتيح للمشاركين أداء المهام بطريقة أكثر طبيعية ومرونة داخل بيئتهم11. يميل معدل ضربات القلب إلى الارتفاع مع ارتفاع صعوبة المهام الإدراكية12، وقد ثبت أن معدل ضربات القلب يستجيب بشدة لكل من المتطلبات الذهنية والجسدية13. وبالنظر إلى أن المهمة الحالية من المتوقع أن تفرض جهدا ذهنيا كبيرا ومستوى معتدلا من الحمل البدني، وبالنظر إلى الاحتياجات العملية لسيناريوهات تفويض المهام في التعاون بين الإنسان والذكاء الذكاء الاصطناعي، فإن معدل ضربات القلب وHRV هما مؤشران مناسبتان لقياس الحمل المعرفي.

تم تطبيق HR وHRV على نطاق واسع في دراسة الحمل المعرفي عبر عدة مجالات، بما في ذلك الطيران14، القيادة15، واتخاذ القرار الاقتصادي16، مما يوفر أدوات قوية للتقييم المستمر والموضوعي للحالات البشرية. مع تزايد دمج الذكاء الاصطناعي في مكان العمل، أصبح فهم التغيرات في العبء المعرفي أثناء التعاون بين الذكاء الاصطناعي البشر أهمية متزايدة. وجدت دراسة بحثت في اتخاذ القرارات بمساعدة الذكاء الاصطناعي أنه في ظروف الحمل المعرفي العالي، أظهر البشر اعتمادا غير عقلانيين على الاقتراحات التي يولدها الذكاء الاصطناعي17. في البيئات التعاونية، قد يمتد دور الذكاء الاصطناعي إلى ما هو أبعد من تقديم مدخلات استشارية، مما يمكن البشر الذكاء الاصطناعي من إكمال المهام بشكل مشترك. تركز الدراسة الحالية على نمط تعاون جديد يمتلك فيه البشر سلطة تخصيص المهام ويمكنهم اختيار، لكل مهمة، ما إذا كانوا سيكملونها بأنفسهم أو يفوضون بها إلى الذكاء الاصطناعي. ومع ذلك، في هذا السياق المحدد حيث يمتلك البشر سلطة تخصيص المهام، يبقى من غير الواضح كيف تؤثر صعوبة المهام على سلوك اتخاذ القرار، وبالتالي تعكس مستويات مختلفة من العبء المعرفي. لذلك، تهدف هذه الدراسة إلى استخدام أجهزة تخطيط القلب المحمولة لقياس معدل ضربات القلب وHRV بدقة، وبالتالي قياس التغيرات الديناميكية في الحمل المعرفي ضمن هذا النموذج التعاوني بشكل موضوعي.

المهمة التعاونية بين الذكاء الاصطناعي الإنسان المختارة لهذه التجربة هي مهمة عامة مقتبسة من النموذج المقترح من قبل فوغنر وآخرون. ميزة استخدام مثل هذه المهمة المعممة هي أنها لا تتطلب من المشاركين الخضوع لتدريب متخصص ويمكن نقلها بسهولة إلى مهام أكثر تخصصا في المجال. في الدراسة الموضحة هنا، تتضمن المهمة التجريبية تصنيف الصور، حيث يطلب من المشاركين تعيين صورة مستهدفة لإحدى مجموعات فئة الصور. يعتبر التصنيف صحيحا إذا كانت مجموعة الفئات المختارة تطابق الفئة الحقيقية للصورة المستهدفة. تم سحب الصور المستهدفة من قاعدة بيانات ImageNet، حيث تم التحقق من صحة الفئات بالفعل. لكل خيار من خيارات مجموعة الفئة، تم توفير عشر صور نموذجية للمشاركين لتقليل احتمال عدم معرفتهم ببعض الفئات19. استخدمنا GoogLeNet Inception v3 كنموذج الذكاء الاصطناعي20، الذي تم تدريبه على 1000 فئة محتملة من الصور وحقق متوسط دقة تصنيف بلغت 0.76.

أجرينا تجربة أولية لتحديد مستوى صعوبة الصور المستهدفة. في هذه التجربة الأولية، طلب من المشاركين تصنيف جميع الصور بأنفسهم. تم تحديد حجم العينة البالغ 217 مشاركا في هذه الدراسة بالإشارة إلى الحالة البشرية فقط التي أبلغ عنها فوغنر وآخرون. في مهمة تعاونية، من المرغوب عموما أن يتم تعيين كل مهمة للطرف الأنسب لأدائها. لتفعيل صعوبة المهمة، قارنا دقة كل صورة مع متوسط دقة الذكاء الاصطناعي. الصور التي تكون دقة الإنسان أقل من متوسط دقة الذكاء الاصطناعي تم تعريفها بأنها أكثر ملاءمة لإتمام الذكاء الاصطناعي — أي الصور التي تكون صعبة نسبيا على البشر. في التجربة الرسمية، اخترنا 32 صورة إجمالا، منها 16 صورة سهلة و16 صورة صعبة.

تم إجراء تحليل مسبق للقوة باستخدام G*Power 3.1 لاختبار تصنيف موقع ويلكوكسون21. افترضنا حجم تأثير متوسط، ومستوى α ذو ذيلين 0.05، وقوة مرغوبة 0.90. أشار التحليل إلى أن ما لا يقل عن 47 مشاركا مطلوب. قمنا بتجنيد 60 طالبا من الحرم الجامعي لم يشاركوا سابقا في مهام تجريبية مماثلة. كانت معايير الإدراج كما يلي: جميع المشاركين كانوا يميلون لليمين اليد، ولم يتناولوا أي دواء مؤخرا، وامتنعوا عن تناول الكافيين والكحول لمدة 24 ساعة قبل التجربة، ولم يمارسوا تمارينا بدنية قوية في اليوم السابق للتجربة، وحافظوا على نوم كاف في الليلة التي سبقت الجلسة، ولم يبلغوا عن وجود أمراض قلبية أو تنفسية. كان متوسط عمر المشاركين 22.77 ± 1.25 سنة. الإعداد التجريبي موضح في الشكل 1.

قبل بدء التجربة، تم إبلاغ المشاركين بأنهم سيقومون بمهمة تصنيف الصور مع الذكاء الاصطناعي. قيل لهم دقة الذكاء الاصطناعي المتوسطة، وطلبوا منهم أنه لكل صورة مستهدفة، يمكنهم تصنيفها بأنفسهم أو تفويض التصنيف إلى الذكاء الاصطناعي. إذا اختار المشاركون إكمال المهمة بأنفسهم، كانوا يستجيبون بالضغط على أحد المفاتيح الخمسة (A، B، C، D، أو E) على لوحة المفاتيح لاختيار إجابة من بين خيارات الصور الخمسة. الضغط على المفتاح المخصص (P) كان يشير إلى أن المهمة موكلة إلى الذكاء الاصطناعي، رغم أن المشاركين لم يتمكنوا من رؤية الإجابة التي اختارها الذكاء الاصطناعي. تم كتابة علامة عند بداية وبداية كل منبه للتحليل لاحقا. قبل بدء التجربة الرسمية، أكمل المشاركون 4 تجارب تدريبية، تلتها فترة راحة استمرت 120 ثانية. ثم انتقلوا إلى التجربة الرسمية التي تتكون من 32 تجربة. تم توفير فترة زمنية بين التجارب مدتها 10 ثوان بين كل تجربة. يتم توضيح الإجراء التجريبي في الشكل 2.

الشكل 1
الشكل 1: إعداد تجريبي. يوضح الشكل المعدات المستخدمة في التجربة ووضع أقطاب قياس تخطيط القلب الكهربائي. (أ) مخطط موقع أقطاب تخطيط القلب الكهربائي؛ (ب) إعداد تجريبي. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.

الشكل 2
الشكل 2: إجراء تجريبي. تضمنت جلسة التدريب 4 تجارب، وشملت التجربة الرسمية 32 تجربة. تم تطوير البرنامج التجريبي باستخدام E-Prime (انظر جدول المواد). الاختصار: تخطيط القلب = تخطيط القلب الكهربائي. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.

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 وتمت الموافقة عليها من قبل مجلس المراجعة المؤسسية في جامعة جيانغسو للعلوم والتكنولوجيا. تم الحصول على موافقة مستنيرة من جميع المشاركين، الذين وافقوا على استخدام ونشر بياناتهم. لا تتضمن هذه البروتوكول أي إجراءات حساسة للحرارة أو خطرة.

1. التحضير

  1. قدم الإجراء التجريبي للمشاركين، واحصل على موافقة مكتوبة ومستنيرة بعد أن يكونوا على علم كامل بالدراسة.
  2. جهز نظام جمع بيانات تخطيط القلب وجميع المواد المطلوبة، بما في ذلك جهاز الإرسال، المستقبل، أحزمة الفيلكرو المطاطية، مجموعة رصاص الأقطاب، كابل الطاقة، كابل شريط M/F، كابل الإيثرنت، مناديل الكحول، والشريط الطبي (انظر جدول المواد).
    1. جهز عددا كافيا من أقطاب تخطيط القلب القابلة للتخلص مسبقا من الجيلات.
    2. قم بتوصيل نظام جمع البيانات بوحدة استقبال بيانات ECG. ثم قم بتوصيل النظام بمصدر طاقة مستقر.
    3. استخدم كابل الشريط M/F لإنشاء اتصال بين نظام جمع البيانات والكمبيوتر المستخدم في عرض المحفزات.
    4. استخدم كابل إيثرنت لتوصيل كمبيوتر جمع البيانات بنظام أجهزة جمع البيانات.

2. إعداد الآلات

  1. نظف جلد المشارك باستخدام مناديل كحولية في المواقع التالية: أسفل الضلع الأيسر، أسفل الترقوة اليمنى، وعلى البطن الأيمن. ضع رقعة كهربائية كهربائية كهربائية قابلة للاستخدام مرة واحدة في كل موقع.
  2. وصل الأسلاك الرصاصية.
    1. ثبت موصل السلك الأسود بإحكام بجهاز إرسال تخطيط القلب.
    2. توصيل المشبك المعدني لسلك الرصاص الأحمر (الرصاص الموجب) بقطب تخطيط القلب المثبت الموضوع أسفل الضلع الأيسر؛ توصيل المشبك المعدني لسلك الرصاص الأبيض (السلك السالب) بقطب تخطيط القلب المثبت الموضوع أسفل الترقوة اليمنى؛ وتوصيل المشبك المعدني لسلك الرصاص الأسود (سلك الأرضي) بقطب تخطيط القلب المثبت على البطن الأيمن.
      ملاحظة: تأكد من أن كل مشبك مثبت بالكامل ولا يدور أو يرتخي بعد التثبيت. إذا كان السلك الأطول من اللازم، قم بتقسيمه وتثبيته على الجلد بشريط طبي لتقليل التشوهات الناتجة عن حركة الأسلاك.
  3. ثبت جهاز إرسال تخطيط القلب بجسم المشارك باستخدام أحزمة مثبتة مطاطية ذات شكل خطاف وحلقة. ضبط شد الحزام للحفاظ على استقرار جهاز الإرسال مع ضمان راحة المشاركين.
    ملاحظة: تجنب وضع الأحزمة مباشرة فوق رقع أقطاب تخطيط القلب لمنع تشويه الإشارة أو إزاحة الأقطاب.

3. جمع البيانات

  1. قم بتشغيل مفتاح إرسال تخطيط القلب وطاقة نظام جمع بيانات تخطيط الكهربائي (ECG)، وإنشاء اتصال لاسلكي بين جهاز إرسال تخطيط القلب وجهاز استقبال تخطيط القلب في نظام جمع البيانات.
    ملاحظة: يشير الضوء الأخضر إلى الاتصال الصحيح على كل من جهاز إرسال تخطيط القلب وجهاز استقبال تخطيط القلب.
  2. تشغيل برنامج جمع بيانات تخطيط القلب (انظر جدول المواد)، إنشاء ملف رسم بياني جديد، اختيار وحدة استقبال تخطيط القلب من قائمة الأجهزة، واختيار قناة تسجيل تخطيط القلب المناسبة.
    ملاحظة: قم بضبط لوحة اختيار القناة في جهاز استقبال تخطيط القلب للتأكد من أن قناة الأجهزة تطابق قناة البرمجيات المختارة.
  3. انقر على زر Start في واجهة برنامج جمع البيانات لبدء جمع بيانات تخطيط القلب الكهربائي. تحقق من أن شكل موجة تخطيط القلب تظهر مستقرة على الشاشة.
  4. وجه المشارك لبدء المهمة التجريبية.
    ملاحظة: ذكر المشاركين بأن يستندوا بظهورهم بشكل مريح على الكرسي والحفاظ على وضعية ثابتة طوال المهام.
  5. بعد الانتهاء من المهمة، اضغط على إيقاف في برنامج جمع البيانات لإنهاء جلسة التسجيل.
  6. افصل مشابك الأسلاك الرصاصية عن قطع الأقطاب. قم بفك أحزمة التثبيت المطاطية ذات الخطاف والحلقة وإزالة جهاز إرسال تخطيط القلب من جسم المشارك.
  7. قم بتوجيه ومساعدة المشاركين في إزالة رقع الأقطاب القابلة للتخلص يدويا بلطف.

4. معالجة البيانات

  1. افتح ملف بيانات تخطيط القلب المسجل في برنامج تحليل البيانات (انظر جدول المواد).
  2. اختر قناة تخطيط القلب وطبق التصفية الرقمية.
    1. في شريط القائمة العلوي، انتقل إلى تحويل > الفلاتر الرقمية > إيقاف نطاق المشط.
    2. في مربع الحوار، اختر ثابت عند تحت التردد الأساسي. أدخل 50 هرتز واضغط موافق لتطبيق الفلتر.
      ملاحظة: يجب أن يتوافق التردد المدخل مع تردد خط الطاقة في البلد الذي تجمع فيه البيانات.
    3. انقر على التحويل في القائمة العلوية. اختر الفلاتر الرقمية > FIR > المرور النطاقي. تحت إيقاف التردد، اختر ثابت عند ودخل 1 هرتز. تحت قطع التردد العالي، اختر ثابت عند ودخل 35 هرتز.
  3. أنشئ مناطق تركيز وفقا لتصميم التجربة.

5. تحليل البيانات

  1. توليد وتصدير بيانات الموارد البشرية. من شريط القوائم، اختر تحليل > ديناميكا الدم > استخراج فترات تخطيط القلب الكهربائي. في لوحة التحليل ، اختر مناطق التركيز فقط، وفي لوحة عرض النتائج اختر جدول بيانات إكسل فقط. اضغط موافق للتأكد.
    ملاحظة: تم إجراء اكتشاف ذروة R باستخدام خوارزمية كشف QRS المدمجة في برامج تحليل البيانات (AcqKnowledge 5).
  2. توليد بيانات HRV وتصدير نتائج المجال الزمني ونطاق التردد.
    1. التحليل المفتوح، اختر HRV وRSA > HRV متعدد الفترات - إحصائي. في حقل قناة تخطيط القلب (ECG)، اختر قناة ECG المعالجة مسبقا. تحت قسم استخراج إحصائيات HRV ل، اختر مناطق التركيز. في نتائج الإخراج إلى، اختر جدول البيانات. أخيرا، اضغط على موافق لتوليد وتصدير نتائج نطاق الوقت لHRV.
    2. التحليل المفتوح مرة أخرى، اختر HRV وRSA > HRV متعدد العصور وRSA - طيفي. في حقل قناة تخطيط القلب (ECG )، اختر قناة ECG المعالجة مسبقا. تحت قسم استخراج HRV و RSA ل، اختر مناطق التركيز. في نوع الإخراج، اختر جدول بيانات إكسل فقط. وأخيرا، اضغط موافق لتوليد وتصدير نتائج نطاق تردد HRV.

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

النتائج

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

في القياسات الفسيولوجية، ركزنا على مؤشرات معدل ضربات القلب وHRV في مجالي الزمن والتكرار. بالنسبة لمجال الزمن، اخترنا جذر متوسط تربيع الفروقات المتتالية (RMSSD)، والذي يعتبر مقياسا قويا22،23،24. بالنسبة لمجال التردد، رغم أن نسبة التردد المنخفض/التردد العالي (LF/HF) غالبا ما تفسر على أنها تعكس التوازن بين النشاط الودي والنشاطات اللاودي، إلا أن هذا التفسير لا يزال محل جدل25. لذلك، اخترنا LF و HF كمؤشرات مجال...

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

المناقشة

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

في هذه الدراسة، كانت جودة اكتساب إشارات تخطيط القلب حاسمة للتحليلات اللاحقة. خلال العملية التجريبية، كان وضع الأقطاب الكهربائي بشكل صحيح والاتصال الصحيح بالأسلاك شرطا أساسيا لتسجيل الإشارة بدقة. تم وضع جميع الأقطاب الكهربائية في المواقع المحددة لضمان تلامس الجلد جيدا لتقليل المقاومة. بالإضافة إلى ذلك، لتقليل تأثير العوامل الخارجية على الإشارات الفسيولوجية، تم توجيه المشاركين للامتناع عن الكافيين قبل التجربة وتجنب استخدام الأدوية المتعلقة بأمراض القلب والأوعية الدموية في الأيام السابقة. أ...

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

الإفصاحات

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

المؤلفون ليس لديهم ما يكشفون عنه.

شكر وتقدير

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

وقد دعمت هذه الدراسة برنامج الدراسات العليا للبحث والابتكار في الممارسة في مقاطعة جيانغسو (KYCX25_4311)، والمؤسسة الوطنية للعلوم الطبيعية في الصين (72374088، 72471105، 72472094، 72001096)، ومشروع التخطيط الرئيسي للبحوث العلمية للتعليم العالي لعام 2024 من جمعية التعليم العالي الصينية (24XX0205، آليات استراتيجيات التعاون بين الإنسان الذكاء الاصطناعي لتعزيز نتائج التعلم)، ومشروع رئيسي لتخطيط علوم التعليم في مقاطعة جيانغسو لعام 2024 (B-b/2024/01/162, بناء النماذج والبحث التجريبي في التعلم متعدد الوسائط من منظور علوم الأعصاب التربوية وصندوق العلوم الإنسانية والعلوم الاجتماعية 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
مناديل الكحول--يستخدم هذا لتنظيف وتعقيم البشرة.
AcqASK 5.0بيوباكهذا برنامج لجمع بيانات الإشارة وتحليلها.
الحاسوب المكتبيديلأوبتي بلكسيستخدم هذا الجهاز المكتبي لتشغيل البرنامج الخاص بجمع وتحليل تخطيط القلب الكهربائي.
جهاز اكتساب بيانات تخطيط القلببيوباكMP160يستخدم هذا الجهاز لتسجيل بيانات تخطيط القلب الكهربائي.
أقطاب تخطيط القلبشينفينغسلسلة Sهذا ملحق يستخدم لجمع إشارات تخطيط القلب الكهربائي.
مجموعة رصاص الأقطاببيوباكBN-EL45-LEAD3يستخدم هذا لتسجيل البيانات مع جهاز الإرسال.
كابل الإيثرنتبيوباك-يستخدم هذا لربط نظام MP160 وبرنامج جمع البيانات وتحليلها.
البرمجيات التجريبيةأدوات برمجيات علم النفسإصدار E-prime3.0 3.0.31هذا هو البرنامج المستخدم لصنع البرنامج التجريبي.
اللابتوبديلE5470يستخدم هذا اللابتوب لتشغيل البرنامج التجريبي وعرض المحفزات.
كابل الشريط M/FبيوباكCBL110Cيستخدم هذا لإرسال إشارات محددة.
شريط طبي--يستخدم هذا لتثبيت الأسلاك الطويلة.
كابل الطاقةبيوباك-يستخدم هذا لتشغيل الجهاز.
المستقبلبيوباكBN-RSPEC-Rهذا جهاز استقبال تخطيط القلب (ECG).
أحزمة فيلكرو مطاطيةبيوباكBN-STRAP-137 يستخدم هذا للمساعدة في إصلاح جهاز إرسال تخطيط القلب (ECG).
جهاز الإرسالبيوباكBN-RSPEC-Tهذا جهاز إرسال تخطيط كهربائي لاسلكي.

المراجع

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Sweller, J. Cognitive load during problem solving: Effects on learning. Cogn Sci. 12 (2), 257-285 (1988).
  2. Matthews, G., Reinerman-Jones, L. E., Barber, D. J., Abich, J. The psychometrics of mental workload: Multiple measures are sensitive but divergent. Hum Factors. 57 (1), 125-143 (2015).
  3. Delliaux, S., Delaforge, A., Deharo, J. C., Chaumet, G. Mental workload alters heart rate variability, lowering non-linear dynamics. Front Physiol. 10, (2019).
  4. Eccles, J. S., Wigfield, A. Motivational beliefs, values, and goals. Annu Rev Psychol. 53, 109-132 (2002).
  5. Carissoli, C., Negri, L., Bassi, M., Storm, F. A., Delle Fave, A. Mental workload and human-robot interaction in collaborative tasks: A scoping review. Int J Hum-Comput Interact. 40 (20), 6458-6477 (2024).
  6. Rajendra Acharya, U., Paul Joseph, K., Kannathal, N., Lim, C. M., Suri, J. S. Heart rate variability: A review. Med Biol Eng Comput. 44 (12), 1031-1051 (2006).
  7. Shaffer, F., Ginsberg, J. P. An overview of heart rate variability metrics and norms. Front Public Health. 5, 258(2017).
  8. Complexity modulation in functional brain-heart interplay series driven by emotional stimuli: an early study using fuzzy entropy. Catrambone, V., et al. Annu Int Conf IEEE Eng Med Biol Soc, , 2023-2026 (2022).
  9. Charles, R. L., Nixon, J. Measuring mental workload using physiological measures:A systematic review. Appl Ergon. 74, 221-232 (2019).
  10. Jorna, P. Spectral-analysis of heart-rate and psychological state:A review of its validity as a workload index. Biol Psychol. 34 (2-3), 237-257 (1992).
  11. Cinaz, B., Arnrich, B., La Marca, R., Tröster, G. Monitoring of mental workload levels during an everyday life office-work scenario. Pers Ubiquit Comput. 17 (2), 229-239 (2013).
  12. Alshanskaia, E. I., Zhozhikashvili, N. A., Polikanova, I. S., Martynova, O. V. Heart rate response to cognitive load as a marker of depression and increased anxiety. Front Psychiatry. 15, 1355846(2024).
  13. Eesee, A. K., Varga, V., Eigner, G., Ruppert, T. Impact of work instruction difficulty on cognitive load and operational efficiency. Sci Rep. 15 (1), 11028(2025).
  14. Wang, L., Gao, S., Tan, W., Zhang, J. Pilots' mental workload variation when taking a risk in a flight scenario: A study based on flight simulator experiments. Int J Occup Saf Ergon. 29 (1), 366-375 (2023).
  15. Radhakrishnan, V., et al. Physiological indicators of driver workload during car-following scenarios and takeovers in highly automated driving. Transp Res Part F Traffic Psychol Behav. 87, 149-163 (2022).
  16. Korosec-Serfaty, M., Riedl, R., Senecal, S., Leger, P. -M. Attentional and behavioral disengagement as coping responses to technostress and financial stress: An experiment based on psychophysiological, perceptual, and behavioral data. Front Neurosci. 16, 883431(2022).
  17. Zhang, Z. T., et al. Measuring the effect of mental workload and explanations on appropriate AI reliance using EEG. Behav Inf Technol. , (2024).
  18. Fügener, 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).
  19. Russakovsky, O., et al. Imagenet large scale visual recognition challenge. Int J Comput Vis. 115 (3), 211-252 (2015).
  20. Rethinking the inception architecture for computer vision. Szegedy, C., Vanhoucke, V., Ioffe, S., Shlens, J., Wojna, Z. 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Las Vegas, NV, USA, , 2818-2826 (2016).
  21. Faul, F., Erdfelder, E., Buchner, A., Lang, A. -G. Statistical power analyses using G*Power 3.1:Tests for correlation and regression analyses. Behav Res Methods. 41 (4), 1149-1160 (2009).
  22. Melo, H. M., Hoeller, A. A., Walz, R., Takase, E. Resting cardiac vagal tone is associated with long-term frustration level of mental workload: Ultra-short term recording reliability. Appl Psychophysiol Biofeedback. 45 (1), 1-9 (2020).
  23. Munoz, M. L., et al. Validity of (ultra-)short recordings for heart rate variability measurements. PLoS One. 10 (9), e0138921(2015).
  24. Laborde, S., Mosley, E., Thayer, J. F. Heart rate variability and cardiac vagal tone in psychophysiological research - recommendations for experiment planning, data analysis, and data reporting. Front Psychol. 8, 213(2017).
  25. Billman, G. E. The LF/HF ratio does not accurately measure cardiac sympatho-vagal balance. Front Physiol. 4, 26(2013).
  26. Lai, H. -M. Understanding what determines university students' behavioral engagement in a group-based flipped learning context. Comput Educ. 173, 104290(2021).
  27. Grassmann, M., Vlemincx, E., Von Leupoldt, A., Van Den Bergh, O. Individual differences in cardiorespiratory measures of mental workload: An investigation of negative affectivity and cognitive avoidant coping in pilot candidates. Appl Ergon. 59, 274-282 (2017).
  28. Han, L., Du, Z. G. Unraveling the complex interplay between curved tunnels and drivers' physiological responses: An HRV perspective. Transp Res Part F Traffic Psychol Behav. 108, 39-53 (2025).
  29. Goldstein, D. S., Bentho, O., Park, M. -Y., Sharabi, Y. Low-frequency power of heart rate variability is not a measure of cardiac sympathetic tone but may be a measure of modulation of cardiac autonomic outflows by baroreflexes. Exp Physiol. 96 (12), 1255-1261 (2011).
  30. Zimmermann-Viehoff, F., et al. Short-term effects of espresso coffee on heart rate variability and blood pressure in habitual and non-habitual coffee consumers: A randomized crossover study. Nutr Neurosci. 19 (4), 169-175 (2016).
  31. Saxena, M. P. K., Ganuthula, V. R. R. Relationship between feedback frequency and task performance: Evidence on the mediating role of heart rate. Front Psychol. 16, 1438865(2025).
  32. Longo, L., Wickens, C. D., Hancock, G., Hancock, P. A. Corrigendum: Human mental workload: A survey and a novel inclusive definition. Front Psychol. 13, 883321(2022).
  33. Arutyunova, K. R., et al. Heart rate dynamics for cognitive load estimation in a driving simulation task. Sci Rep. 14 (1), 31656(2024).
  34. Wittels, H. L., et al. Examining the influence of cognitive load and environmental conditions on autonomic nervous system response in military aircrew: A hypoxia-normoxia study. Biology (Basel). 13 (5), 343(2024).
  35. Pütz, S., Mertens, A., Chuang, L. L., Nitsch, V. Physiological predictors of operator performance: The role of mental effort and its link to task performance. Hum Factors. 67 (6), 595-615 (2025).
  36. Cheng, S., et al. Acute combined effects of concurrent physical activities on autonomic nervous activation during cognitive tasks. Front Physiol. 15, 1340061(2024).
  37. Bansal, A., Joshi, R. Portable out-of-hospital electrocardiography: A review of current technologies. J Arrhythmia. 34 (2), 129-138 (2018).
  38. Sridhar, A. R., et al. State of the art of mobile health technologies use in clinical arrhythmia care. Commun Med (Lond). 4 (1), 218(2024).
  39. Gupta, K., et al. CaEVR: Biosignals-driven context-aware empathy in virtual reality. IEEE Trans Vis Comput Graph. 30 (5), 2671-2681 (2024).
  40. Binsch, O., et al. The effect of virtual reality simulation on police officers' performance and recovery from a real-life surveillance task. Multimed Tools Appl. 82 (11), 17471-17492 (2023).
  41. Brunzini, A., Grandi, F., Peruzzini, M., Pellicciari, M. An integrated methodology for the assessment of stress and mental workload applied on virtual training. Int J Comput Integr Manuf. 37 (9), 1088-1106 (2024).
  42. Cardone, D., et al. Classification of drivers' mental workload levels: Comparison of machine learning methods based on ECG and infrared thermal signals. Sensors (Basel). 22 (19), 7300(2022).

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

Cognitive LoadElectrocardiogram DataHuman AI CollaborationHeart Rate VariabilityTask DelegationPhysiological SignalsReal Time MonitoringData Acquisition SystemHRV AnalysisExperimental Task Design

مقالات ذات صلة