方法文章

经右侧背外侧前额叶皮层的高分辨率经颅直流电刺激以增强元认知敏感性

DOI:

10.3791/68824

2025年9月26日

本文内容

摘要

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

本研究提出了一种实验范式,应用高分辨率经颅直流电刺激(HD-tDCS)以改善人类在人机协作任务中的元认知能力。结果表明,HD-tDCS在提升元认知敏感性方面具有显著效果。

摘要

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

在人机协作中,任务分配是一个关键环节。理想情况下,如果个体认为自己有能力完成某项任务,则应亲自完成;否则,应将任务委派给另一方。这种分配决策受到个体对自身能力评估的影响,而这种评估又由元认知——即评估自身能力的意识——所决定。高分辨率经颅直流电刺激(HD-tDCS)是一种非侵入性脑刺激技术,可通过调节大脑皮层的兴奋性来提升人类表现。本方案介绍了一种利用HD-tDCS研究其在人机协作任务分配过程中对人类元认知影响的方法,详细描述了对背外侧前额叶皮层(DLPFC)施加阳极、阴极或假刺激的操作流程。刺激使用便携式HD-tDCS设备进行,采用五个电极的环形排列方式,包括一个目标电极和四个回路电极。总刺激时长为21分钟,电流强度为2 mA。该方法有望为深入探索人类在人机协作任务分配过程中的神经机制与行为调控提供新的研究路径,并为进一步优化人机协作任务提供坚实的理论基础。

引言

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

人工智能(AI)正日益深入地融入我们的日常生活和工作场所。然而,在许多现实场景中,AI 尚无法完全实现决策过程的自动化1。由于当前技术的局限性以及伦理和法律方面的考量,某些任务对 AI 而言仍极具挑战性。因此,在特定领域赋予 AI 完全自主权往往不切实际或不可取2,3。人类因此在工作中继续发挥着不可或缺的作用,人机协同预计将逐渐成为未来生产与服务交付的主要模式。在医疗保健、酒店服务和人力资源等领域的研究表明,人类与 AI 的协作能够降低成本,并在某些情况下提升效率4,5,6

在人机协作中,各方应承担符合自身优势的任务,同时将不太适合的任务委派给对方。因此,有效的任务委派对于实现成功的协作和最优的绩效结果至关重要。Adam 等人发现,当委派过程完全自动化并由人工智能独立完成、无需人类参与时,人类往往会产生更强的自我威胁感7。Fuegener 等人进一步报告指出,在向人工智能委派任务的过程中,人们常常难以准确评估自身能力或判断任务难度,反映出元认知水平较低8。这些研究结果凸显了在人机任务委派情境中提升元认知能力的重要性,以提高协作的效率与质量。

元认知是指个体评估自身能力的一种能力9。在人类与人工智能相互委派任务的背景下,不仅需要准确理解对方的能力,还需评估自身能力,以判断何时适合进行任务委派。Jussupow 等人发现,当人类表现出较高水平的元认知——即能够准确评估自身能力以及人工智能的能力时——人机协作的效率最高10。同样,Atchley 等人发现,在教育环境中促进元认知的发展,有助于推动人类与人工智能系统之间更深入、更有效的协作11。以往关于人机协作的研究通常采用自我报告问卷,或以人类的信心评分为间接指标来评估元认知。然而,在心理学研究中,更为成熟且严谨的元认知测量指标是元认知敏感性(meta-d')12。在本研究中,我们采用 meta-d',并遵循 Maniscalco 等人所描述的方法来评估元认知敏感性13

经颅直流电刺激(tDCS)已广泛应用于旨在增强元认知的研究中14。元认知的核心方面与前额叶皮层密切相关。tDCS 以非侵入性和非侵扰性的方式向特定脑区输送微弱的直流电,调节神经元兴奋性和突触可塑性,从而帮助研究人员改善多种认知功能15。Harty 等人发现,在右侧背外侧前额叶皮层(DLPFC)施加阳极刺激可提高参与者在错误意识任务中的错误检测表现,从而改善其对认知表现的元认知监控能力16。Bona 和 Silvanto 报道,阳极 tDCS 会影响工作记忆任务中的元认知偏差17。Mattes 等人表明,尽管 tDCS 影响了参与者在元认知和心理化任务中的信心评分,但并未改变其元认知敏感性18。在人类和猴子中,前额叶皮层——特别是布罗德曼 46 区和 10 区——的暂时性干扰或损伤已被证明会引发元认知过程的变化14。此外,先前的研究已提供了因果证据,表明 DLPFC 的刺激与元认知能力相关19,20。特别是右侧 DLPFC,在支持认知控制的神经网络中起着关键作用21,22,而认知控制与本实验任务的需求密切相关。因此,我们选择右侧 DLPFC 作为刺激的目标位点。根据元认知领域 tDCS 研究中已建立的实验方案,我们施加了 2 mA 的电流,持续 21 分钟,其中包括 1 分钟的上升期和下降期17,23。目前,tDCS 中使用的最高电流强度为 4 mA,Workman 等人的研究已证明该强度在参与者中具有可耐受性24

高分辨率经颅直流电刺激(HD-tDCS)是传统经颅直流电刺激(tDCS)的一种高精度改良技术,通过特制的电极布局实现更精准的神经调控。与使用两个大面积贴片电极的传统tDCS相比,HD-tDCS能够对特定脑区进行更集中、更局灶性的刺激,从而产生更持久的效果25,26。与同样旨在提升认知功能的神经反馈技术相比27,HD-tDCS具有多项实际优势,包括更短的激活时间、更简便的操作流程以及更低的实施成本28。从人机任务分配的角度来看,HD-tDCS具有更高的空间精度、操作便捷性和成本效益。此外,它允许参与者在接近真实生活或工作场景的情境中持续进行任务分配与反思活动,因此特别适用于探究人机协作中的元认知过程。本研究采用HD-tDCS对背外侧前额叶皮层(DLPFC)进行更精准的刺激。

实验设计

实验材料来源于ImageNet大规模视觉识别挑战赛(ILSVRC)29。所使用的AI模型为GoogLeNet Inception v3,这是在图像分类任务中表现最优的模型之一30

实验任务为人类与人工智能(AI)协作决策任务,具体为图像分类任务。图像分类是指将目标图像归类到某一类别中,这是一种通用性任务,无需任何特定领域的训练或先验专业知识。基于特定情境背景的任务可能会影响结果的普适性。例如,在涉及潜在损失的高风险情境中,人们倾向于将决策权委托给AI31,从而使其成为团队的替罪羊32。本研究采用的任务改编自Fuegener等人以及Gass等人开发的人类与AI协作分类范式8,33

进行了一项预实验以评估图像的难度水平。图像难度是指在单独由人类判断的条件下,相应图像的平均准确率。如图1所示,每次试验包含一个目标图像和五组图像选项。要求参与者选择与目标图像最匹配的选项组。共有217名参与者完成了该预实验。所有参与预实验的人员均被排除在主实验的招募之外。

柑橘类水果分类练习,包含多个图像选项,重点在于水果识别。
图1 初步实验界面。 初步实验中向参与者展示的界面,参与者需从五个选项中选择一个答案。 请点击此处查看该图的放大版本。

在正式实验界面中(见图2),屏幕顶部会显示一个目标图像。此外,界面还提供五个图像组选项和一个委派选项(位于屏幕右上角)。参与者需要在将任务委派给人工智能或由自己完成之间做出选择。若选择自行完成,则需从五个图像类别选项中选择与目标图像最匹配的一项。每次做出决策后,界面将跳转至下一页,要求参与者在1到4的量表上评估其对委派决策的信心程度。在正式实验开始前,参与者已被告知该人工智能系统的平均准确率为76%。

包含不同图像类别和用于准确率的置信度评分系统的图像分类任务。
图 2:正式实验界面。 任务过程中向参与者展示的主要界面。(A)任务界面;(B)置信度评分界面。请点击此处查看此图的放大版本。

共有62名右利手参与者被招募参加主实验。所有参与者均为研究生,且此前无类似实验任务的经验。排除标准如下:参与者在实验前24小时内不得服用任何镇静催眠药物或精神活性物质,不得有颅骨缺陷(如孔洞或骨折),且颅内不得有金属植入物(如金属板)。两名参与者被排除:一名因皮肤炎症无法接受高分辨率经颅直流电刺激(HD-tDCS),另一名因实验前摄入含咖啡因饮料。其余60名参与者(平均年龄 = 22.68 ± 0.91岁)完成了实验。他们被随机分配至三种刺激条件之一——阳极刺激、阴极刺激或假刺激,每组各20人。电场模拟结果见图3。每位参与者在刺激前和刺激后各进行一次图像分类任务,共获得120组数据用于分析。HD-tDCS操作流程见图4,实验工作流程总结于图5。我们使用G*Power 3.134进行先验功效分析,设定功效为90%(1 - β = 0.90),效应量f = 0.25,显著性水平α = 0.05。分析结果表明,每组至少需要18名参与者。本研究最终样本量满足该要求。

脑电活动图、电压分布、地形图、神经科学分析。
图3:电场模拟。 电场分布的侧视图(右侧)。(A) 阳极刺激条件。(B) 阴极刺激条件。 请点击此处查看该图的放大版本。

神经科学实验中用于脑电波监测的EEG帽设置,参与者的顶部视图。
图 4:HD-tDCS 实验装置示意图。 HD-tDCS 实验装置的照片,展示了刺激过程中电极的放置位置和设备的摆放位置。请点击此处查看此图的放大版本。

HD-tDCS 刺激过程示意图;右侧背外侧前额叶皮层阳极/阴极/假刺激;图像分类任务。
图 5:实验流程图。实验包括三个阶段,其中图像分类任务在刺激前和刺激后进行。缩写:HD-tDCS = 高分辨率经颅直流电刺激;rDLPFC = 右侧背外侧前额叶皮层。请点击此处查看该图的放大版本。

访问受限。请登录或开始试用以查看此内容。

方案

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

本研究遵循赫尔辛基宣言的原则,并已获得江苏科技大学机构审查委员会的批准。我们已获得参与者同意使用和发布其数据的知情同意书。

1. 准备

  1. 准备实验任务。
    1. 从 ImageNet 网站(https://image-net.org/)下载图像数据。
      注意:下载的图像已按类别分类,每个类别包含多张图像。
    2. 运行与 GoogLeNet Inception v3 模型相关的 Python 代码以对图像进行分类(参见 补充文件 1)。保存每张图像的前五个预测类别,以及 Top-1 分类准确率。
      注意:该 Python 代码通过加载 Inception V3 模型实现图像分类。对于每张目标图像,输出前五个预测类别。实验中将这五个预测类别对应的图像集作为参与者的应答选项呈现。如果正确类别未出现在前五个预测结果中,则用正确类别替换其中一个预测类别,以确保正确类别包含在选项中。
    3. 使用 Python 或任意随机抽样程序,从模型已分类的图像中选取目标图像。
    4. 针对每张目标图像,从五个类别中各提取 10 张图像作为应答选项。调整所有图像尺寸,确保其大小一致。
    5. 开展预实验,邀请参与者参加实验。
      注意:预实验与正式实验类似,但参与者需自行完成所有试验,不可委托他人,且无需进行置信度评分。
    6. 记录每位参与者对每张图像的应答准确性,并计算每张图像的准确率。以准确率作为图像难度的指标,对图像进行相应分类。
      注意:所有图像按准确率排序,准确率越高表示难度越低。例如,当 10% 的参与者正确应答某张图像时,该图像的难度设为 90%。
    7. 根据图像的难度评分,将图像分为难度相当的两组。使用这两组图像作为实验材料,通过 E-prime 3 创建正式实验程序(参见 补充文件 1)。
      注意:该实验程序旨在呈现图像分类任务。
  2. 确认参与者无 HD-tDCS 使用禁忌症,且不符合任何排除标准。向参与者介绍实验流程,在确认其充分理解研究内容后,获取书面知情同意书。
    注意:询问参与者的惯用手,并通过观察其书写用手进行确认。
  3. 使用卷尺测量参与者的头围,并据此选择合适的 HD-tDCS 氯丁橡胶头帽尺寸(参见 材料表)。
  4. 确认 HD-tDCS 设备已充满电。确保所有配件——包括电极、电极凝胶、仪器附带的注射器、电极导线以及用于操作 HD-tDCS 系统的计算机——均已准备就绪。
  5. 随机选择两个实验任务中的一个作为前测条件。指导参与者完成图像分类任务。
    注意:可使用随机数生成器随机分配实验条件。
    1. 打开程序。
    2. 点击 RUN,输入受试者编号和 会话编号,确认信息后点击 YES 开始实验任务。

2. HD-tDCS 刺激

  1. 将五个电极的底部插入氯丁橡胶头帽上对应的五个位置。这五个位置作为刺激位点。
    注意:为精确定位右侧背外侧前额叶皮层(DLPFC),请使用以下五个电极位置:F4、Fp2、Fz、C4 和 F8。
  2. 指导受试者舒适地坐在椅子上。将氯丁橡胶材质的头帽前缘置于眉毛上方约1-2 cm处。确保Cz点与两侧耳前点之间的中点对齐。将头帽牢固地佩戴在受试者头部,确保位置正确对齐。
    注意:安装头帽时,应根据国际10-20脑电图系统准确定位Cz点、枕外隆凸、鼻根点以及左右耳前点。
  3. 涂抹电极凝胶(参见 T材料表使用仪器附带的注射器将导电膏涂抹于每个刺激位点,以降低电极与头皮之间的阻抗。
    注意:电极凝胶是一种高导电性且可溶于水的凝胶。
    1. 用注射器吸取电极凝胶。
    2. 对于每个电极,使用注射器分开头发以暴露头皮。
    3. 向所有电极底部内侧暴露的头皮上注入足量的电极凝胶。
    4. 将所有电极的上部和下部拧紧组装在一起。
  4. 连接HD-tDCS设备。
    1. 打开HD-tDCS设备并启动相应的控制软件(参见 材料表).
      注意:运行控制软件的计算机必须至少满足以下要求:处理器:1.6 GHz;内存:2 GB;接口:USB 或 WiFi;屏幕分辨率:1,280 x 768。
    2. 在计算机上启用蓝牙。在控制软件中选择 使用 Wi-Fi 设备 开始连接过程。
    3. 等待设备的 MAC 地址出现在列表中。一旦出现,选择该设备。
    4. 线 噪声滤波器 设置,选择 50 Hz 以消除电干扰。
      注意:所选频率应与实验所在国家使用的交流电源频率一致。
    5. 在设置面板底部,单击 使用此设备 按钮。软件将随即与设备建立连接。
  5. 配置HD-tDCS刺激方案。
    1. 单击控制软件左侧面板上的头像图标,然后单击 添加新方案 创建新的刺激方案。
    2. 设置 实验方案持续时间21 分钟,具有一个 30 秒内逐渐增加30 秒斜坡下降 电流传递持续时间
      注意:如果该实验方案为假刺激,则启用 假手术 选项
    3. 拖动 F4 电极 进入 刺激柱 右侧。设置 通道刺激模式,输入一个 电流强度2,000 µA35,选择 阳极刺激.
      注意:阳极和阴极的指定取决于预期的刺激类型。
    4. 拖拽电极 Fp2, Fz, C4,以及 F8 刺激列中。将每个通道设置为 返回模式,将总电流的25%分配给每个通道。保存该程序。
    5. 选择已配置的刺激方案。将HD-tDCS设备连接至头帽后部的魔术贴绑带上。使用电极导线将设备与电极硬件连接。
      注意:确保每根电缆均连接至正确的电极位置,并与软件中的配置相匹配。
    6. 确认所有电缆均已正确连接。点击 加载方案右下角的 L 按钮。
  6. 点击 检查阻抗 按钮以执行阻抗检查。
    注意:确保所有选定电极的连接状态指示灯为绿色(0-10 kΩ)或橙色(10-15 kΩ)。若任一指示灯显示红色(>15 kΩ),则需检查电极与头皮的接触情况,并重新固定或更换电极。>15 kΩ),请重新涂抹电极凝胶或调整头发以暴露更多头皮,从而降低阻抗。
  7. 单击启动按钮(向右指向的三角形图标)以开始刺激。
  8. 指导参与者在刺激过程中多个时间点报告其感受。
    注意:如果受试者报告的不适感超出正常感觉,应立即点击 停止 单击软件中的按钮,取下设备,检查受试者头皮状况。

3. 刺激后处理

  1. 关闭控制软件。断开电极上的电缆,并小心取下高分辨率经颅直流电刺激(HD-tDCS)设备。
  2. 从受试者头部取下头帽,并拆下所有电极。
  3. 选择另一个尚未完成的实验程序。指导受试者完成图像分类任务作为后测。
  4. 为受试者提供清洁头发所需的用品。
  5. 在HD-tDCS刺激结束后,指导受试者填写感觉问卷36。使用该问卷评估受试者对HD-tDCS刺激的耐受性及主观感受。
  6. 清洁头帽和电极。
    1. 用清水彻底冲洗头帽,并将其悬挂晾干。
    2. 用自来水轻轻冲洗电极上的凝胶。
      注意:使用温水可更快溶解凝胶。
    3. 将电极置于纸巾或布上,在避光处自然风干。干燥后,将其放回包装中以长期保存。

访问受限。请登录或开始试用以查看此内容。

结果

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

本研究的关键结果包括使用元认知敏感性指标 meta-d' 进行测量。对不同刺激类型下参与者的元认知敏感性得分进行了正态性检验,结果显示在所有条件下均满足正态分布。采用重复测量方差分析(ANOVA)比较不同刺激类型下的元认知敏感性,结果如表1所示。尽管时间与刺激类型的主效应均不显著(p > 0.05),但时间(前测、后测)与刺激类型(阳极、阴极、假刺激)之间的交互作用显著(F = 3.226,p = 0.047,偏η2 = 0.10)。这表明不同类型的刺激与时间因素共同影响人类的元认知敏感性。进一步进行简单效应分析,以考察在所有刺激类型下时间因素的影响。结果表明,在阳极刺激条件下,元认知敏感性随时间显著提高(F = 7.374,p = 0.009,偏η2 = 0.12)。该效应在经过邦弗罗尼(Bonferroni)校正后仍保持显著(校正后的显著性阈值:α / k = 0.05 / 3 ≈ 0.0167)。相比之下,在阴极刺激和假刺激条件下均未观察到元认知敏感性的显著提升。

访问受限。请登录或开始试用以查看此内容。

讨论

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

为确保实验结果的可靠性,在操作过程中需考虑多个因素。首先,在将电缆连接至高分辨率经颅直流电刺激(HD-tDCS)电极设备时,必须确认每根电缆准确对应指定的电极位置,因为连接错误可能导致非预期的生理效应。其次,由于本研究为涉及伪刺激条件的单盲实验,受试者在HD-tDCS操作过程中不得看到操作界面。第三,在准备人机协作决策任务材料时,每个选择组内的所有图像应统一尺寸,以避免视觉偏差。最后,咖啡因可能影响任务表现并改变情绪状态。已有研究表明,咖啡因与tDCS在改善疲劳和嗜睡等状态方面具有相似作用38。为更好地控制混杂变量,要求受试者在实验前避免摄入咖啡因。

本研究中使用的HD-tDCS设备是一种便携式装置,在刺激过程中通过魔术贴固定在刺激帽的背面。为防止设备脱落,建议受试者在整个刺激期间尽量减少头部活动。其次,本研究中使用的电极属于消耗品。经过长期使用后,电极表面的Ag/AgCl涂层可能会发生降解,导致阻抗水平超过可接受阈值,从而干扰刺激过程。建议每次使用后立即清洁电极,避光保存,并在累计使用约10 h后予以更换。

访问受限。请登录或开始试用以查看此内容。

披露

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

作者无任何利益冲突需要披露。

致谢

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

本研究由研究生研究项目资助 &江苏省研究生实践创新计划项目(KYCX25_4311)、国家自然科学基金(72374088, 72471105, 72472094, 72001096)、中国高等教育学会2024年高等教育科学研究规划重点课题(24XX0205,人机协同策略提升学习成效的机制研究)、江苏省2024年教育科学规划重点课题(B-b/2024/01/162,基于教育神经科学视角的多模态学习模型构建与实证研究)、江苏省政府留学奖学金(JS-2024-69)以及教育部人文社会科学研究基金(24YJCZH445)。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
电极导线Neuroelectrics10 electrode cable该电极导线配有10个电极医用插孔。
电极凝胶Parker LaboratoriesSignagel 250g NE016b用于降低阻抗并提高信号质量。
电极NeuroelectricsNG PISTIM NE029NG Pistim 由两部分组成:固定件(上部)和带螺纹的垫圈(下部)。
实验软件PSYCHOLOGY SOFTWARE TOOLSE-prime3.0 Build 3.0.3.31用于编制实验程序的软件。
HD-tDCS设备NeuroelectricsStarstim 8用于提供HD-tDCS刺激的设备。
HD-tDCS软件NeuroelectricsNIC2 V2.1.3.6该应用程序可使计算机与HD-tDCS设备进行交互。
笔记本电脑DellG5 5500用于运行实验所用软件的计算机。
氯丁橡胶头帽NeuroelectricsM用于精确定位头皮上的电极位置。尺寸:S(49 cm)、M(54 cm)、L(57 cm)、XL(60 cm)
统计工具IBMSPSS V26用于数据分析。
注射器-NE014用于注入电极凝胶。

参考文献

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  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).

访问受限。请登录或开始试用以查看此内容。

重印与许可

申请许可以重复使用本 JoVE 文章的文本或图表

申请许可

标签

相关文章