Name: Estima la carga cognitiva usando una medida electrocardiográfica: una tarea colaborativa humano-IA (Video) | JoVE Journal
Uploaded: 2025-12-05T14:45:00.000+00:00
Duration: 7 min 8 s
Description: Aprende a medir la carga cognitiva mediante electrocardiograma en tareas colaborativas humano-IA. Este método permite evaluar cómo la dificultad afecta la toma de decisiones y optimizar interacciones persona-inteligencia artificial.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

<ol><li>Sweller, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cognitive+load+during+problem+solving%3A+Effects+on+learning%5BTitle%5D)+AND+%22Cogn+Sci%22%5BJournal%5D)">Cognitive load during problem solving: Effects on learning.</a> Cogn Sci. 12 (2), 257-285 (1988).</li>
<li>Matthews, G., Reinerman-Jones, L. E., Barber, D. J., Abich, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+psychometrics+of+mental+workload%3A+Multiple+measures+are+sensitive+but+divergent%5BTitle%5D)+AND+%22Hum+Factors%22%5BJournal%5D)">The psychometrics of mental workload: Multiple measures are sensitive but divergent.</a> Hum Factors. 57 (1), 125-143 (2015).</li>
<li>Delliaux, S., Delaforge, A., Deharo, J. C., Chaumet, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mental+workload+alters+heart+rate+variability%2C+lowering+non-linear+dynamics%5BTitle%5D)+AND+%22Front+Physiol%22%5BJournal%5D)">Mental workload alters heart rate variability, lowering non-linear dynamics.</a> Front Physiol. 10, (2019).</li>
<li>Eccles, J. S., Wigfield, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Motivational+beliefs%2C+values%2C+and+goals%5BTitle%5D)+AND+%22Annu+Rev+Psychol%22%5BJournal%5D)">Motivational beliefs, values, and goals.</a> Annu Rev Psychol. 53, 109-132 (2002).</li>
<li>Carissoli, C., Negri, L., Bassi, M., Storm, F. A., Delle Fave, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mental+workload+and+human-robot+interaction+in+collaborative+tasks%3A+A+scoping+review%5BTitle%5D)+AND+%22Int+J+Hum-Comput+Interact%22%5BJournal%5D)">Mental workload and human-robot interaction in collaborative tasks: A scoping review.</a> Int J Hum-Comput Interact. 40 (20), 6458-6477 (2024).</li>
<li>Rajendra Acharya, U., Paul Joseph, K., Kannathal, N., Lim, C. M., Suri, J. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Heart+rate+variability%3A+A+review%5BTitle%5D)+AND+%22Med+Biol+Eng+Comput%22%5BJournal%5D)">Heart rate variability: A review.</a> Med Biol Eng Comput. 44 (12), 1031-1051 (2006).</li>
<li>Shaffer, F., Ginsberg, J. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+overview+of+heart+rate+variability+metrics+and+norms%5BTitle%5D)+AND+%22Front+Public+Health%22%5BJournal%5D)">An overview of heart rate variability metrics and norms.</a> Front Public Health. 5, 258(2017).</li>
<li>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).</li>
<li>Charles, R. L., Nixon, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Measuring+mental+workload+using+physiological+measures%3AA+systematic+review%5BTitle%5D)+AND+%22Appl+Ergon%22%5BJournal%5D)">Measuring mental workload using physiological measures:A systematic review.</a> Appl Ergon. 74, 221-232 (2019).</li>
<li>Jorna, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Spectral-analysis+of+heart-rate+and+psychological+state%3AA+review+of+its+validity+as+a+workload+index%5BTitle%5D)+AND+%22Biol+Psychol%22%5BJournal%5D)">Spectral-analysis of heart-rate and psychological state:A review of its validity as a workload index.</a> Biol Psychol. 34 (2-3), 237-257 (1992).</li>
<li>Cinaz, B., Arnrich, B., La Marca, R., Tröster, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Monitoring+of+mental+workload+levels+during+an+everyday+life+office-work+scenario%5BTitle%5D)+AND+%22Pers+Ubiquit+Comput%22%5BJournal%5D)">Monitoring of mental workload levels during an everyday life office-work scenario.</a> Pers Ubiquit Comput. 17 (2), 229-239 (2013).</li>
<li>Alshanskaia, E. I., Zhozhikashvili, N. A., Polikanova, I. S., Martynova, O. V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Heart+rate+response+to+cognitive+load+as+a+marker+of+depression+and+increased+anxiety%5BTitle%5D)+AND+%22Front+Psychiatry%22%5BJournal%5D)">Heart rate response to cognitive load as a marker of depression and increased anxiety.</a> Front Psychiatry. 15, 1355846(2024).</li>
<li>Eesee, A. K., Varga, V., Eigner, G., Ruppert, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Impact+of+work+instruction+difficulty+on+cognitive+load+and+operational+efficiency%5BTitle%5D)+AND+%22Sci+Rep%22%5BJournal%5D)">Impact of work instruction difficulty on cognitive load and operational efficiency.</a> Sci Rep. 15 (1), 11028(2025).</li>
<li>Wang, L., Gao, S., Tan, W., Zhang, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pilots%27+mental+workload+variation+when+taking+a+risk+in+a+flight+scenario%3A+A+study+based+on+flight+simulator+experiments%5BTitle%5D)+AND+%22Int+J+Occup+Saf+Ergon%22%5BJournal%5D)">Pilots' mental workload variation when taking a risk in a flight scenario: A study based on flight simulator experiments.</a> Int J Occup Saf Ergon. 29 (1), 366-375 (2023).</li>
<li>Radhakrishnan, V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Physiological+indicators+of+driver+workload+during+car-following+scenarios+and+takeovers+in+highly+automated+driving%5BTitle%5D)+AND+%22Transp+Res+Part+F+Traffic+Psychol+Behav%22%5BJournal%5D)">Physiological indicators of driver workload during car-following scenarios and takeovers in highly automated driving.</a> Transp Res Part F Traffic Psychol Behav. 87, 149-163 (2022).</li>
<li>Korosec-Serfaty, M., Riedl, R., Senecal, S., Leger, P. -M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Attentional+and+behavioral+disengagement+as+coping+responses+to+technostress+and+financial+stress%3A+An+experiment+based+on+psychophysiological%2C+perceptual%2C+and+behavioral+data%5BTitle%5D)+AND+%22Front+Neurosci%22%5BJournal%5D)">Attentional and behavioral disengagement as coping responses to technostress and financial stress: An experiment based on psychophysiological, perceptual, and behavioral data.</a> Front Neurosci. 16, 883431(2022).</li>
<li>Zhang, Z. T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Measuring+the+effect+of+mental+workload+and+explanations+on+appropriate+AI+reliance+using+EEG%5BTitle%5D)+AND+%22Behav+Inf+Technol%22%5BJournal%5D)">Measuring the effect of mental workload and explanations on appropriate AI reliance using EEG.</a> Behav Inf Technol. , (2024).</li>
<li>Fügener, A., Grahl, J., Gupta, A., Ketter, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cognitive+challenges+in+human-artificial+intelligence+collaboration%3A+Investigating+the+path+toward+productive+delegation%5BTitle%5D)+AND+%22Inf+Syst+Res%22%5BJournal%5D)">Cognitive challenges in human-artificial intelligence collaboration: Investigating the path toward productive delegation.</a> Inf Syst Res. 33 (2), 678-696 (2022).</li>
<li>Russakovsky, O., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Imagenet+large+scale+visual+recognition+challenge%5BTitle%5D)+AND+%22Int+J+Comput+Vis%22%5BJournal%5D)">Imagenet large scale visual recognition challenge.</a> Int J Comput Vis. 115 (3), 211-252 (2015).</li>
<li>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).</li>
<li>Faul, F., Erdfelder, E., Buchner, A., Lang, A. -G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Statistical+power+analyses+using+G%2APower+3.1%3ATests+for+correlation+and+regression+analyses%5BTitle%5D)+AND+%22Behav+Res+Methods%22%5BJournal%5D)">Statistical power analyses using G*Power 3.1:Tests for correlation and regression analyses.</a> Behav Res Methods. 41 (4), 1149-1160 (2009).</li>
<li>Melo, H. M., Hoeller, A. A., Walz, R., Takase, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Resting+cardiac+vagal+tone+is+associated+with+long-term+frustration+level+of+mental+workload%3A+Ultra-short+term+recording+reliability%5BTitle%5D)+AND+%22Appl+Psychophysiol+Biofeedback%22%5BJournal%5D)">Resting cardiac vagal tone is associated with long-term frustration level of mental workload: Ultra-short term recording reliability.</a> Appl Psychophysiol Biofeedback. 45 (1), 1-9 (2020).</li>
<li>Munoz, M. L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Validity+of+%28ultra-%29short+recordings+for+heart+rate+variability+measurements%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Validity of (ultra-)short recordings for heart rate variability measurements.</a> PLoS One. 10 (9), e0138921(2015).</li>
<li>Laborde, S., Mosley, E., Thayer, J. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Heart+rate+variability+and+cardiac+vagal+tone+in+psychophysiological+research+-+recommendations+for+experiment+planning%2C+data+analysis%2C+and+data+reporting%5BTitle%5D)+AND+%22Front+Psychol%22%5BJournal%5D)">Heart rate variability and cardiac vagal tone in psychophysiological research - recommendations for experiment planning, data analysis, and data reporting.</a> Front Psychol. 8, 213(2017).</li>
<li>Billman, G. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+LF%2FHF+ratio+does+not+accurately+measure+cardiac+sympatho-vagal+balance%5BTitle%5D)+AND+%22Front+Physiol%22%5BJournal%5D)">The LF/HF ratio does not accurately measure cardiac sympatho-vagal balance.</a> Front Physiol. 4, 26(2013).</li>
<li>Lai, H. -M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Understanding+what+determines+university+students%27+behavioral+engagement+in+a+group-based+flipped+learning+context%5BTitle%5D)+AND+%22Comput+Educ%22%5BJournal%5D)">Understanding what determines university students' behavioral engagement in a group-based flipped learning context.</a> Comput Educ. 173, 104290(2021).</li>
<li>Grassmann, M., Vlemincx, E., Von Leupoldt, A., Van Den Bergh, O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Individual+differences+in+cardiorespiratory+measures+of+mental+workload%3A+An+investigation+of+negative+affectivity+and+cognitive+avoidant+coping+in+pilot+candidates%5BTitle%5D)+AND+%22Appl+Ergon%22%5BJournal%5D)">Individual differences in cardiorespiratory measures of mental workload: An investigation of negative affectivity and cognitive avoidant coping in pilot candidates.</a> Appl Ergon. 59, 274-282 (2017).</li>
<li>Han, L., Du, Z. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Unraveling+the+complex+interplay+between+curved+tunnels+and+drivers%27+physiological+responses%3A+An+HRV+perspective%5BTitle%5D)+AND+%22Transp+Res+Part+F+Traffic+Psychol+Behav%22%5BJournal%5D)">Unraveling the complex interplay between curved tunnels and drivers' physiological responses: An HRV perspective.</a> Transp Res Part F Traffic Psychol Behav. 108, 39-53 (2025).</li>
<li>Goldstein, D. S., Bentho, O., Park, M. -Y., Sharabi, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((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%5BTitle%5D)+AND+%22Exp+Physiol%22%5BJournal%5D)">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.</a> Exp Physiol. 96 (12), 1255-1261 (2011).</li>
<li>Zimmermann-Viehoff, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Short-term+effects+of+espresso+coffee+on+heart+rate+variability+and+blood+pressure+in+habitual+and+non-habitual+coffee+consumers%3A+A+randomized+crossover+study%5BTitle%5D)+AND+%22Nutr+Neurosci%22%5BJournal%5D)">Short-term effects of espresso coffee on heart rate variability and blood pressure in habitual and non-habitual coffee consumers: A randomized crossover study.</a> Nutr Neurosci. 19 (4), 169-175 (2016).</li>
<li>Saxena, M. P. K., Ganuthula, V. R. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Relationship+between+feedback+frequency+and+task+performance%3A+Evidence+on+the+mediating+role+of+heart+rate%5BTitle%5D)+AND+%22Front+Psychol%22%5BJournal%5D)">Relationship between feedback frequency and task performance: Evidence on the mediating role of heart rate.</a> Front Psychol. 16, 1438865(2025).</li>
<li>Longo, L., Wickens, C. D., Hancock, G., Hancock, P. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Corrigendum%3A+Human+mental+workload%3A+A+survey+and+a+novel+inclusive+definition%5BTitle%5D)+AND+%22Front+Psychol%22%5BJournal%5D)">Corrigendum: Human mental workload: A survey and a novel inclusive definition.</a> Front Psychol. 13, 883321(2022).</li>
<li>Arutyunova, K. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Heart+rate+dynamics+for+cognitive+load+estimation+in+a+driving+simulation+task%5BTitle%5D)+AND+%22Sci+Rep%22%5BJournal%5D)">Heart rate dynamics for cognitive load estimation in a driving simulation task.</a> Sci Rep. 14 (1), 31656(2024).</li>
<li>Wittels, H. L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Examining+the+influence+of+cognitive+load+and+environmental+conditions+on+autonomic+nervous+system+response+in+military+aircrew%3A+A+hypoxia-normoxia+study%5BTitle%5D)+AND+%22Biology+%28Basel%29%22%5BJournal%5D)">Examining the influence of cognitive load and environmental conditions on autonomic nervous system response in military aircrew: A hypoxia-normoxia study.</a> Biology (Basel). 13 (5), 343(2024).</li>
<li>Pütz, S., Mertens, A., Chuang, L. L., Nitsch, V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Physiological+predictors+of+operator+performance%3A+The+role+of+mental+effort+and+its+link+to+task+performance%5BTitle%5D)+AND+%22Hum+Factors%22%5BJournal%5D)">Physiological predictors of operator performance: The role of mental effort and its link to task performance.</a> Hum Factors. 67 (6), 595-615 (2025).</li>
<li>Cheng, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Acute+combined+effects+of+concurrent+physical+activities+on+autonomic+nervous+activation+during+cognitive+tasks%5BTitle%5D)+AND+%22Front+Physiol%22%5BJournal%5D)">Acute combined effects of concurrent physical activities on autonomic nervous activation during cognitive tasks.</a> Front Physiol. 15, 1340061(2024).</li>
<li>Bansal, A., Joshi, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Portable+out-of-hospital+electrocardiography%3A+A+review+of+current+technologies%5BTitle%5D)+AND+%22J+Arrhythmia%22%5BJournal%5D)">Portable out-of-hospital electrocardiography: A review of current technologies.</a> J Arrhythmia. 34 (2), 129-138 (2018).</li>
<li>Sridhar, A. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((State+of+the+art+of+mobile+health+technologies+use+in+clinical+arrhythmia+care%5BTitle%5D)+AND+%22Commun+Med+%28Lond%29%22%5BJournal%5D)">State of the art of mobile health technologies use in clinical arrhythmia care.</a> Commun Med (Lond). 4 (1), 218(2024).</li>
<li>Gupta, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((CaEVR%3A+Biosignals-driven+context-aware+empathy+in+virtual+reality%5BTitle%5D)+AND+%22IEEE+Trans+Vis+Comput+Graph%22%5BJournal%5D)">CaEVR: Biosignals-driven context-aware empathy in virtual reality.</a> IEEE Trans Vis Comput Graph. 30 (5), 2671-2681 (2024).</li>
<li>Binsch, O., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+effect+of+virtual+reality+simulation+on+police+officers%27+performance+and+recovery+from+a+real-life+surveillance+task%5BTitle%5D)+AND+%22Multimed+Tools+Appl%22%5BJournal%5D)">The effect of virtual reality simulation on police officers' performance and recovery from a real-life surveillance task.</a> Multimed Tools Appl. 82 (11), 17471-17492 (2023).</li>
<li>Brunzini, A., Grandi, F., Peruzzini, M., Pellicciari, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+integrated+methodology+for+the+assessment+of+stress+and+mental+workload+applied+on+virtual+training%5BTitle%5D)+AND+%22Int+J+Comput+Integr+Manuf%22%5BJournal%5D)">An integrated methodology for the assessment of stress and mental workload applied on virtual training.</a> Int J Comput Integr Manuf. 37 (9), 1088-1106 (2024).</li>
<li>Cardone, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Classification+of+drivers%27+mental+workload+levels%3A+Comparison+of+machine+learning+methods+based+on+ECG+and+infrared+thermal+signals%5BTitle%5D)+AND+%22Sensors+%28Basel%29%22%5BJournal%5D)">Classification of drivers' mental workload levels: Comparison of machine learning methods based on ECG and infrared thermal signals.</a> Sensors (Basel). 22 (19), 7300(2022).</li>
</ol>

La carga cognitiva se refiere a la cantidad total de actividad mental impuesta al sistema cognitivo de una persona durante un periodo dado de realización de latarea 1. La carga cognitiva elevada puede afectar el rendimiento humano y es un factor importante en los accidenteslaborales. Los estados de carga cognitiva elevada afectan la actividad cardíaca al activar el sistema nervioso simpático e inhibir el sistema nervioso parasimpático, aumentando así la frecuencia cardíaca (FC) y disminuyendo la variabilidad de la frecuencia cardíaca (VFC)3. Las creencias expectativas se refieren al grado en que las personas creen que pueden completar con éxito una tarea o actividadespecífica 4. La dificultad de la tarea influye en las creencias de expectativa de los individuos, que a su vez regulan su compromiso conductual y la asignación de recursos cognitivos, manifestándose finalmente como diferentes niveles de carga cognitiva.
La electrocardiografía (ECG) proporciona un registro de alta resolución temporal de la actividad eléctrica del corazón. Los índices de HR y VFC derivados de las señales del ECG capturan diferentes aspectos del ritmo cardíaco y sirven como indicadores psicofisiológicos del estrés físico y mental de unapersona 5. La frecuencia cardíaca refleja la frecuencia general de las contracciones cardíacas y puede utilizarse para evaluar el estado básico del sistema cardiovascular. La VFC representa la variación temporal entre latidos sucesivos y sirve como indicador de la regulación del sistema nervioso autónomo (SNA), reflejando el equilibrio dinámico entre la actividad simpática y parasimpática 6,7,8. El sistema nervioso simpático se activa bajo estrés, amenaza o actividad de alta intensidad, lo que a menudo conduce a un aumento de la frecuencia cardíaca y una disminución de la VFC. Por el contrario, el sistema nervioso parasimpático se activa durante la relajación, el sueño o estados de baja demanda energética, lo que suele resultar en una disminución de la frecuencia cardíaca y un aumento de la VFC.
Los métodos fisiológicos actuales para medir la carga cognitiva incluyen la actividad del ECG, la actividad electroencefalográfica (EEG), la respiración, la presión arterial y los índicesoculares 9. En comparación con los cuestionarios retrospectivos tradicionales, las mediciones fisiológicas proporcionan un mejor medio para capturar los estados en tiempo real de los participantes, evitando así el sesgo de recuerdo y los efectos de retraso temporal inherentes a los enfoques de autoinforme. Los dispositivos portátiles de ECG permiten una evaluación continua y discreta del estado de los participantes mientras están ocupados en tareasen curso 10. En comparación con otras técnicas de medición fisiológica, el ECG portátil representa un método de bajo coste y no invasivo que permite a los participantes realizar tareas de manera más natural y flexible dentro de suentorno 11. La frecuencia cardíaca media tiende a aumentar cuando la dificultad de la tarea cognitiva sube12, y se ha demostrado que la VFC responde muy bien tanto a las demandas mentales comofísicas 13. Teniendo en cuenta que se espera que la tarea actual imponga un esfuerzo mental considerable y un nivel modesto de carga física, y dadas las necesidades prácticas de los escenarios de delegación de tareas en la colaboración humano-IA, la HR y la HRV son índices adecuados para medir la carga cognitiva.
Los RRHH y la VFC se han aplicado ampliamente al estudio de la carga cognitiva en múltiples dominios, incluyendoaviación 14, conducción15 y toma de decisioneseconómicas 16, proporcionando herramientas poderosas para la evaluación continua y objetiva de los estados humanos. Con la creciente integración de la IA en el lugar de trabajo, comprender los cambios en la carga cognitiva durante la colaboración humano-IA se ha vuelto cada vez más importante. Un estudio que investigó la toma de decisiones asistida por IA encontró que, en condiciones de alta carga cognitiva, los humanos mostraban una dependencia irracional de sugerencias generadas por IA17. En entornos colaborativos, el papel de la IA puede ir más allá de proporcionar asesoramiento y permitir que humanos e IA completen tareas conjuntamente. El presente estudio se centra en un modo novedoso de colaboración en el que los humanos tienen autoridad para asignar tareas y pueden elegir, para cada tarea, si completarla ellos mismos o delegarla a la IA. Sin embargo, en este contexto específico donde los humanos tienen autoridad para asignar tareas, sigue sin estar claro cómo la dificultad de la tarea influye en el comportamiento de toma de decisiones y, en consecuencia, refleja diferentes niveles de carga cognitiva. Por ello, este estudio pretende emplear dispositivos portátiles de ECG para medir la frecuencia cardíaca y la VFC con precisión, cuantificando objetivamente los cambios dinámicos en la carga cognitiva bajo este paradigma colaborativo.
La tarea colaborativa humano-IA seleccionada para este experimento es una tarea general adaptada del paradigma propuesto por Fügener et al.18. La ventaja de utilizar una tarea tan generalizable es que no requiere que los participantes pasen por una formación especializada y puede transferirse fácilmente a tareas más específicas de un dominio. En el estudio descrito aquí, la tarea experimental implica la clasificación de imágenes, en la que se pide a los participantes que asignen una imagen objetivo a uno de varios grupos de categorías de imágenes. Una clasificación se considera correcta si el grupo de categorías seleccionado coincide con la categoría verdadera de la imagen objetivo. Las imágenes objetivo se extrajeron de la base de datos ImageNet, donde las categorías ya han sido validadas. Para cada opción de grupo de categoría, se proporcionaron diez imágenes de ejemplo a los participantes para reducir la probabilidad de que no fueran conscientes de ciertascategorías 19. Empleamos GoogLeNet Inception v3 como modelo de IA20, que se había entrenado en 1.000 categorías potenciales de imagen y alcanzó una precisión media de clasificación de 0,76.
Realizamos un experimento preliminar para determinar el nivel de dificultad de las imágenes objetivo. En este experimento preliminar, los participantes debían clasificar todas las imágenes por sí mismos. El tamaño de la muestra de 217 participantes en el presente estudio se determinó en referencia a la condición solo humana reportada por Fügener et al.18. En una tarea colaborativa, generalmente es deseable asignar cada tarea a la parte más adecuada para realizarla. Para operacionalizar la dificultad de la tarea, comparamos la precisión de cada imagen con la precisión media de la IA. Las imágenes con una precisión humana inferior a la media de la IA se definieron como aquellas más adecuadas para la finalización de la IA, es decir, imágenes relativamente difíciles para humanos. En el experimento formal, seleccionamos un total de 32 imágenes, incluyendo 16 fáciles y 16 difíciles.
Se realizó un análisis de potencia a priori usando G*Power 3.1 para una prueba de rango21 con signos Wilcoxon. Asumimos un tamaño de efecto medio, un nivel de α de dos colas de 0,05 y una potencia deseada de 0,90. El análisis indicó que se requerían un mínimo de 47 participantes. Reclutamos a 60 estudiantes del campus que no habían participado previamente en tareas experimentales similares. Los criterios de inclusión fueron los siguientes: todos los participantes eran diestros, no habían tomado medicación recientemente, se habían abstenido de cafeína y alcohol durante 24 horas antes del experimento, no habían realizado ejercicio físico vigoroso el día anterior al experimento, habían mantenido un sueño adecuado la noche anterior a la sesión y no habían informado de enfermedades cardiovasculares ni respiratorias. La edad media de los participantes fue de 22,77 ± 1,25 años. El montaje experimental se muestra en la Figura 1.
Antes de que comenzara el experimento, se informó a los participantes de que realizarían una tarea de clasificación de imágenes junto con una IA. Se les informó de la precisión media de la IA y se les indicó que, para cada imagen objetivo, podían clasificarla ellos mismos o delegar la clasificación a la IA. Si los participantes decidían completar la tarea por sí mismos, respondían pulsando una de las cinco teclas (A, B, C, D o E) del teclado para seleccionar una respuesta entre las cinco opciones de imagen. Al pulsar la tecla designada (P) se indicaba que la tarea estaba delegada a la IA, aunque los participantes no podían ver la respuesta elegida por la IA. Se escribía un marcador tanto al inicio como al desplazamiento de cada estímulo para análisis posteriores. Antes de que comenzara el experimento formal, los participantes completaron 4 ensayos de práctica, seguidos de un periodo de descanso de 120 s. Luego procedieron al experimento formal de 32 ensayos. Se proporcionó un intervalo interensayos de 10 s entre cada ensayo. El procedimiento experimental se ilustra en la Figura 2.
<img alt="Figura 1" class="xfigimg" src="/files/ftp_upload/69621/69621fig1v2.jpg" data-altupdatedat="1783400419000" data-alt="Figure 1"> 
Figura 1: Montaje experimental. La figura muestra el equipo utilizado en el experimento y la colocación de los electrodos de medición del ECG. (A) Esquema de colocación de electrodos de ECG; (B) Montaje experimental. <a href="https://www.jove.com/files/ftp_upload/69621/69621fig1v2large.jpg" target="_blank">Por favor, haz clic aquí para ver una versión ampliada de esta figura.</a>
<img alt="Figura 2" class="xfigimg" src="/files/ftp_upload/69621/69621fig2.jpg" data-altupdatedat="1783400419000" data-alt="Figure 2"> 
Figura 2: Procedimiento experimental. La sesión de práctica constó de 4 ensayos, y el experimento formal incluyó 32 ensayos. El programa experimental se desarrolló utilizando E-Prime (véase Tabla de Materiales). Abreviatura: ECG = Electrocardiograma. <a href="https://www.jove.com/files/ftp_upload/69621/69621fig2large.jpg" target="_blank">Por favor, haz clic aquí para ver una versión ampliada de esta figura.</a>

<table><tbody><tr><td>Toallitas con alcohol</td><td>-</td><td>-</td><td>Esto se utiliza para limpiar y desinfectar la piel.</td></tr><tr><td>Acqknowledge 5.0</td><td>BIOPAC</td><td></td><td>Este es un software para adquisición y análisis de datos de señales.</td></tr><tr><td>Ordenador de sobremesa</td><td>Dell</td><td>OptiPlex</td><td>Este escritorio se utiliza para ejecutar el software de adquisición y análisis del ECG.</td></tr><tr><td>Dispositivo de adquisición de datos ECG</td><td>BIOPAC</td><td>MP160</td><td>Este dispositivo se utiliza para registrar datos de ECG.</td></tr><tr><td>Electrodos ECG</td><td>Shenfeng</td><td>Serie S</td><td>Este es un accesorio utilizado para recoger señales de ECG.</td></tr><tr><td>Conjunto de electrodos</td><td>BIOPAC</td><td>BN-EL45-LEAD3</td><td>Esto se utiliza para el registro de datos junto con el transmisor.</td></tr><tr><td>Cable Ethernet</td><td>BIOPAC</td><td>-</td><td>Esto se utiliza para conectar el sistema MP160 con el software de adquisición y análisis de datos.</td></tr><tr><td>Software experimental</td><td>HERRAMIENTAS DE SOFTWARE DE PSICOLOGÍA</td><td>E-prime3.0 Build 3.0.3.31</td><td>Este es el software utilizado para crear el programa experimental.</td></tr><tr><td>Portátil</td><td>Dell</td><td>E5470</td><td>Este portátil se utiliza para ejecutar el programa experimental y presentar los estímulos.</td></tr><tr><td>Cable plano M/F</td><td>BIOPAC</td><td>CBL110C</td><td>Esto se utiliza para transmitir señales específicas.</td></tr><tr><td>Cinta médica</td><td>-</td><td>-</td><td>Esto se usa para asegurar cables largos.</td></tr><tr><td>Cable de alimentación</td><td>BIOPAC</td><td>-</td><td>Esto se utiliza para alimentar el dispositivo.</td></tr><tr><td>Receptor</td><td>BIOPAC</td><td>BN-RSPEC-R</td><td>Este es un receptor de ECG.</td></tr><tr><td>Tiras de Velcro elástico</td><td>BIOPAC</td><td>BN-STRAP-137&nbsp;</td><td>Esto se utiliza para ayudar a fijar el transmisor de ECG.</td></tr><tr><td>Transmisor</td><td>BIOPAC</td><td>BN-RSPEC-T</td><td>Este es un transmisor inalámbrico de ECG.</td></tr></tbody></table>

estima la carga cognitiva usando una medida electrocardiográfica: una tarea colaborativa humano-ia

Estimate the Cognitive Load Using Electrocardiographic Measure: A Human-AI Collaborative Task

En las mediciones fisiológicas, nos centramos en los índices de frecuencia cardíaca y frecuencia cardíaca tanto en el dominio del tiempo como en la frecuencia. Para el dominio temporal, seleccionamos el Cuadrático Medio Raíz de Diferencias Sucesivas (RMSSD), que se considera una medida robusta 22,23,24. Para el dominio de la frecuencia, aunque la relación Baja Frecuencia/Alta Frecuencia (LF/HF) suele interpretarse como reflejo d...

Estima la carga cognitiva usando una medida electrocardiográfica: una tarea colaborativa humano-IA

In workplace settings, individuals' cognitive load is closely tied to both performance and safety. As collaboration between humans and artificial ...

estimate-cognitive-load-using-electrocardiographic-measure-human-ai

Research

Investigación

JoVE Journal

Behavior

Comportamiento

Este artículo tiene como objetivo describir las técnicas involucradas en la recopilación y sincronización de las múltiples dimensiones (conductual, afectiva y cognitiva) de la participación de los aprendices durante una tarea.

La evaluación de las múltiples dimensiones de compromiso para caracterizar aprendizaje: una perspectiva neurofisiológica

Este manuscrito describe un método para medir la actividad neuronal de los seres humanos, mientras que la solución de problemas de ingeniería espacialmente focalizadas. La metodología electroencefalograma ayuda a interpretar las mediciones de ondas cerebrales beta en términos de eficiencia neural, con el objetivo de hacer que finalmente permite comparaciones de rendimiento de las tareas entre ambos tipos de problemas y entre los participantes.

Utilizando mediciones Electroencefalografía para la comparación de eficiencia en las tareas específicas de los nervios: Tareas de Inteligencia Espacial

Este trabajo presenta un nuevo protocolo para la evaluación del trastorno de hiperactividad de déficit de atención (TDAH) al proporcionar un procedimiento de diagnóstico más objetivo para este trastorno del desarrollo basado en el uso de herramientas innovadoras. También analiza la relación entre medidas de activación y función ejecutiva.

Uso de activación cerebral (nir-HEG/Q-EEG) y medidas de ejecución (CPTs) en un protocolo de evaluación de TDAH

El protocolo actual describe cómo realizar grabaciones simultáneas DeEEG y fNIRS y cómo inspeccionar la relación entre los datos EEG y fNIRS.

Realización de electroencefalografía concurrente y grabaciones funcionales de espectroscopia de infrarrojo cercano con una tarea de flanqueador

Este estudio propuso un paradigma experimental que aplica la estimulación transcraneal de corriente continua de alta definición (HD-tDCS) para mejorar la metacognición humana en las tareas de delegación humano-IA. Los resultados demostraron la efectividad de HD-tDCS para mejorar la sensibilidad metacognitiva.

Estimulación transcraneal de corriente continua de alta definición sobre la corteza prefrontal dorsolateral derecha para mejorar la sensibilidad metacognitiva

Se demuestra cómo una medida objetiva se puede emplear en la goma de la mano paradigma ilusión ampliamente empleado. Esta medida se obtiene mediante la modificación de la tarea congruencia crossmodal bien establecida. Esta tarea permite la investigación de los procesos multisensoriales que son críticos para la modulación de las representaciones del cuerpo como en la mano ilusión de goma.

El Grupo de Congruencia crossmodal como medio para obtener una medida del comportamiento objetivo de la Guía Caucho mano Illusion Paradigm

Este protocolo describe la tarea de tiempo de reacción serial 5-elección, que es una tarea basada operante utilizado para estudiar la atención y control de impulsos en los roedores. Desafíos días de prueba, que son modificaciones de la tarea estándar, aumentar la flexibilidad de la tarea y se pueden combinar con otras manipulaciones para caracterizar más completamente el comportamiento.

El 5-Choice Reacción Serial Tiempo de tareas: una tarea de atención y control de los impulsos para Roedores

La potenciación del reflejo de sobresalto se mide mediante electromiografía del músculo orbicular de los ojos durante la amenaza de choque eléctrico de baja (incierta) y alta (cierta) probabilidad en la Tarea de Probabilidad de Amenaza. Esto proporciona una medida objetiva de los distintos estados emocionales negativos (miedo/ansiedad) para la investigación sobre la psicopatología, el uso/abuso de sustancias y la ciencia afectiva en general.

Usando el Grupo de probabilidad de amenaza para evaluar la ansiedad y el miedo durante una amenaza incierta y Certain

El objetivo de este protocolo es llevar a cabo un ensayo de comportamiento tales como el conjunto de atención el cambio de tareas (AST) para evaluar la flexibilidad cognitiva corteza prefrontal mediada en ratones.

El Grupo atencional Set Shifting: una medida de la flexibilidad cognitiva en ratones

El efecto Stroop emocional (ESE) es el resultado de latencias de nomenclatura más largas para entintar los colores de las palabras emocionales que las de las palabras neutras. Este informe se refiere a las posibles fuentes de confusión e incluye un experimento modal que proporciona los medios para controlarlas.

La tarea Stroop emocional: Evaluación del desempeño cognitivo bajo la exposición a contenido emocional

Aprende a medir la carga cognitiva mediante electrocardiograma en tareas colaborativas humano-IA. Este método permite evaluar cómo la dificultad afecta la toma de decisiones y optimizar interacciones persona-inteligencia artificial.

Estima la carga cognitiva usando una medida electrocardiográfica: una tarea colaborativa humano-IA

Explorar más videos