Name: Estimer la charge cognitive à l’aide d’une mesure électrocardiographique : une tâche collaborative humain-IA (Vidéo) | JoVE Journal
Uploaded: 2025-12-05T14:45:00.000+00:00
Duration: 7 min 8 s
Description: Découvrez comment mesurer la charge cognitive par électrocardiographie dans des tâches collaboratives humain-IA. Cette méthode permet d'évaluer objectivement les variations de l'effort mental selon la difficulté des tâches.

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 charge cognitive fait référence à la quantité totale d’activité mentale imposée au système cognitif d’un individu au cours d’une période donnée d’exécutionde la tâche 1. Une charge cognitive élevée peut altuer la performance humaine et est un facteur majeur d’accidents dutravail 2. Des états de charge cognitive élevée affectent l’activité cardiaque en activant le système nerveux sympathique et en inhibant le système nerveux parasympathique, augmentant ainsi la fréquence cardiaque (FC) et diminuant la variabilité de la fréquence cardiaque (VFC)3. Les croyances d’attente désignent la mesure dans laquelle les individus croient pouvoir accomplir avec succès une tâche ou une activitéspécifique 4. La difficulté de la tâche influence les croyances d’attente des individus, qui régulent à leur tour leur engagement comportemental et leur allocation des ressources cognitives, se manifestant finalement par différents niveaux de charge cognitive.
L’électrocardiographie (ECG) fournit un enregistrement à haute résolution temporelle de l’activité électrique du cœur. Les indices de HR et HRV dérivés des signaux ECG capturent différents aspects du rythme cardiaque et servent d’indicateurs psychophysiologiques du stress physique et mental d’unindividu 5. La FC reflète la fréquence globale des contractions cardiaques et peut être utilisée pour évaluer l’état de base du système cardiovasculaire. La VRFC représente la variation temporelle entre les battements successifs et sert d’indicateur de la régulation du système nerveux autonome (SNA), reflétant l’équilibre dynamique entre l’activité sympathique et parasympathique 6,7,8. Le système nerveux sympathique est activé sous stress, menace ou activité intense, ce qui conduit souvent à une augmentation de la fréquence cardiaque et à une diminution de la VRC. Inversement, le système nerveux parasympathique est activé lors de la relaxation, du sommeil ou des états de faible demande énergétique, ce qui entraîne généralement une diminution de la fréquence cardiaque et une augmentation de la VRC.
Les méthodes physiologiques actuelles pour mesurer la charge cognitive incluent l’activité ECG, l’activité électroencéphalographique (EEG), la respiration, la pression artérielle et les indicesoculaires 9. Comparées aux questionnaires rétrospectifs traditionnels, les mesures physiologiques offrent un meilleur moyen de capturer les états en temps réel des participants, évitant ainsi les biais de rappel et les effets de retard temporel inhérents aux approches d’auto-rapport. Les appareils ECG portables permettent une évaluation continue et discrète de l’état des participants pendant qu’ils sont engagés dans des tâches encours 10. Comparé à d’autres techniques de mesure physiologique, l’ECG portable représente une méthode peu coûteuse et non invasive qui permet aux participants d’effectuer des tâches de manière plus naturelle et flexible dans leurenvironnement 11. La fréquence cardiaque moyenne tend à augmenter lorsque la difficulté cognitive des tâchesaugmente de 12, et la VFC a montré une grande réactivité aux exigences mentales etphysiques 13. Étant donné que la tâche actuelle devrait imposer un effort mental substantiel et un niveau modeste de charge physique, et compte tenu des besoins pratiques des scénarios de délégation de tâches dans la collaboration humain-IA, les RH et la VFC sont des indices appropriés pour mesurer la charge cognitive.
Les RH et la VRC ont été largement appliquées à l’étude de la charge cognitive dans de multiples domaines, notamment l’aviation14,la conduite 15 et la prise de décision économique16, fournissant des outils puissants pour une évaluation continue et objective de l’état humain. Avec l’intégration croissante de l’IA sur le lieu de travail, comprendre les changements de charge cognitive lors de la collaboration humain-IA est devenu de plus en plus important. Une étude portant sur la prise de décision assistée par l’IA a révélé que, dans des conditions de forte charge cognitive, les humains présentaient une dépendance irrationnelle aux suggestions générées parl’IA 17. Dans les contextes collaboratifs, le rôle de l’IA peut aller au-delà de la fourniture de conseils consultatifs, permettant aux humains et à l’IA d’accomplir conjointement des tâches. La présente étude se concentre sur un mode de collaboration novateur dans lequel les humains disposent de l’autorité d’attribution des tâches et peuvent choisir, pour chaque tâche, de la réaliser eux-mêmes ou de la déléguer à l’IA. Cependant, dans ce contexte spécifique où les humains ont l’autorité d’attribution des tâches, il reste flou comment la difficulté de la tâche influence le comportement décisionnel et, par conséquent, reflète différents niveaux de charge cognitive. Par conséquent, cette étude vise à utiliser des dispositifs ECG portables pour mesurer la fréquence cardiaque et la VFC avec précision, quantifiant ainsi objectivement les changements dynamiques de la charge cognitive dans ce paradigme collaboratif.
La tâche collaborative humain-IA sélectionnée pour cette expérience est une tâche générale adaptée du paradigme proposé par Fügener et al.18. L’avantage d’utiliser une tâche aussi généralisable est qu’elle ne nécessite pas que les participants suivent une formation spécialisée et peut être facilement transférée à des tâches plus spécifiques à un domaine. Dans l’étude décrite ici, la tâche expérimentale implique la classification d’images, dans laquelle les participants doivent assigner une image cible à l’un des différents groupes de catégories d’images. Une classification est considérée comme correcte si le groupe de catégories sélectionné correspond à la véritable catégorie de l’image cible. Les images ciblées ont été tirées de la base de données ImageNet, où les catégories ont déjà été validées. Pour chaque option de groupe de catégorie, dix exemples d’images ont été fournies aux participants afin de réduire la probabilité qu’ils ignorent certaines catégories19. Nous avons utilisé GoogLeNet Inception v3 comme modèleIA 20, qui avait été entraîné sur 1 000 catégories d’images potentielles et a atteint une précision moyenne de classification de 0,76.
Nous avons mené une expérience préliminaire pour déterminer le niveau de difficulté des images ciblées. Dans cette expérience préliminaire, les participants devaient classifier toutes les images eux-mêmes. La taille de l’échantillon de 217 participants dans la présente étude a été déterminée en référence à la condition humaine uniquement rapportée par Fügener et al.18. Dans une tâche collaborative, il est généralement souhaitable d’attribuer chaque tâche à la partie la mieux placée pour l’accomplir. Pour mettre en œuvre la difficulté des tâches, nous avons comparé la précision de chaque image à la précision moyenne de l’IA. Les images avec une précision humaine inférieure à la moyenne de l’IA étaient définies comme celles plus adaptées à la complétion de l’IA — c’est-à-dire des images relativement difficiles pour l’humain. Dans l’expérience formelle, nous avons sélectionné 32 images au total, dont 16 images faciles et 16 images difficiles.
Une analyse de puissance a priori a été réalisée en utilisant G*Power 3.1 pour un test de rang signéWilcoxon 21. Nous avons supposé une taille d’effet moyenne, un niveau de α à deux queues de 0,05, et une puissance désirée de 0,90. L’analyse indiquait qu’un minimum de 47 participants était requis. Nous avons recruté 60 étudiants du campus qui n’avaient jamais participé auparavant à des tâches expérimentales similaires. Les critères d’inclusion étaient les suivants : tous les participants étaient droitiers, n’avaient pris aucun médicament récemment, s’étaient abstenus de caféine et d’alcool pendant 24 heures avant l’expérience, n’avaient pas pratiqué d’exercice physique vigoureux la veille de l’expérience, avaient maintenu un sommeil suffisant la nuit précédant la séance, et n’avaient signalé aucune maladie cardiovasculaire ou respiratoire. L’âge moyen des participants était de 22,77 ± 1,25 an. La configuration expérimentale est illustrée à la Figure 1.
Avant le début de l’expérience, les participants ont été informés qu’ils allaient effectuer une tâche de classification d’images avec une IA. On leur a indiqué la précision moyenne de l’IA et on leur a demandé que, pour chaque image cible, ils pouvaient soit la classifier eux-mêmes, soit déléguer la classification à l’IA. Si les participants choisissaient de réaliser eux-mêmes la tâche, ils répondaient en appuyant sur l’une des cinq touches (A, B, C, D ou E) du clavier pour sélectionner une réponse parmi les cinq options d’images. Appuyer sur la touche désignée (P) indiquait que la tâche était déléguée à l’IA, bien que les participants ne puissent pas voir la réponse choisie par l’IA. Un marqueur était écrit à la fois au début et au décalage de chaque stimulus pour une analyse ultérieure. Avant le début de l’expérience formelle, les participants ont effectué 4 essais pratiques, suivis d’une période de repos de 120 s. Ils ont ensuite procédé à l’expérience formelle de 32 essais. Un intervalle inter-essais de 10 s a été prévu entre chaque essai. La procédure expérimentale est illustrée à la Figure 2.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/69621/69621fig1v2.jpg" data-altupdatedat="1783400419000" data-alt="Figure 1"> 
Figure 1 : Installation expérimentale. La figure montre l’équipement utilisé dans l’expérience et le placement des électrodes de mesure ECG. (A) Schéma du placement des électrodes ECG ; (B) Installation expérimentale. <a href="https://www.jove.com/files/ftp_upload/69621/69621fig1v2large.jpg" target="_blank">Veuillez cliquer ici pour voir une version agrandie de cette figurine.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/69621/69621fig2.jpg" data-altupdatedat="1783400419000" data-alt="Figure 2"> 
Figure 2 : Procédure expérimentale. La séance d’entraînement comprenait 4 essais, et l’expérience formelle comprenait 32 essais. Le programme expérimental a été développé en utilisant E-Prime (voir Tableau des matériaux). Abréviation : ECG = Électrocardiogramme. <a href="https://www.jove.com/files/ftp_upload/69621/69621fig2large.jpg" target="_blank">Veuillez cliquer ici pour voir une version agrandie de cette figurine.</a>

<table><tbody><tr><td>Lingettes alcoolisées</td><td>-</td><td>-</td><td>Celle-ci sert à nettoyer et désinfecter la peau.</td></tr><tr><td>Acqknowledge 5.0</td><td>BIOPAC</td><td></td><td>Il s’agit d’un logiciel pour l’acquisition et l’analyse des données de signaux.</td></tr><tr><td>Ordinateur de bureau</td><td>Dell</td><td>OptiPlex</td><td>Ce bureau sert à exécuter le logiciel d’acquisition et d’analyse ECG.</td></tr><tr><td>Dispositif d’acquisition de données ECG</td><td>BIOPAC</td><td>MP160</td><td>Cet appareil est utilisé pour enregistrer les données ECG.</td></tr><tr><td>Électrodes ECG</td><td>Shenfeng</td><td>Série S</td><td>C’est un accessoire utilisé pour collecter les signaux ECG.</td></tr><tr><td>Ensemble de câbles d’électrodes</td><td>BIOPAC</td><td>BN-EL45-MÈNE3</td><td>Celle-ci est utilisée pour la journalisation des données en même temps que l’émetteur.</td></tr><tr><td>Câble Ethernet</td><td>BIOPAC</td><td>-</td><td>Celle-ci sert à connecter le système MP160 au logiciel d’acquisition et d’analyse des données.</td></tr><tr><td>Logiciels expérimentaux</td><td>OUTILS LOGICIELS DE PSYCHOLOGIE</td><td>E-prime3.0 Version 3.0.3.31</td><td>C’est le logiciel utilisé pour créer le programme expérimental.</td></tr><tr><td>Ordinateur portable</td><td>Dell</td><td>E5470</td><td>Cet ordinateur portable sert à exécuter le programme expérimental et à présenter les stimuli.</td></tr><tr><td>Câble ruban M/F</td><td>BIOPAC</td><td>CBL110C</td><td>Cela sert à transmettre des signaux spécifiques.</td></tr><tr><td>Bande médical</td><td>-</td><td>-</td><td>Cela sert à fixer de longs fils.</td></tr><tr><td>Câble d’alimentation</td><td>BIOPAC</td><td>-</td><td>Cela sert à alimenter l’appareil.</td></tr><tr><td>Récepteur</td><td>BIOPAC</td><td>BN-RSPEC-R</td><td>C’est un récepteur ECG.</td></tr><tr><td>Sangles velcro extensibles</td><td>BIOPAC</td><td>BN-STRAP-137&nbsp ;</td><td>Cela sert à aider à fixer l’émetteur ECG.</td></tr><tr><td>Émetteur</td><td>BIOPAC</td><td>BN-RSPEC-T</td><td>C’est un émetteur ECG sans fil.</td></tr></tbody></table>

estimer la charge cognitive à l’aide d’une mesure électrocardiographique : une tâche collaborative humain-ia

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

Dans les mesures physiologiques, nous nous sommes concentrés sur les indices de fréquence cardiaque et de VFC dans les domaines temps et fréquentiel. Pour le domaine temporel, nous avons sélectionné la Racine Carrée Moyenne des Différences Successives (RMSSD), considérée comme une mesurerobuste 22,23,24. Pour le domaine fréquentiel, bien que le rapport basse fréquence/haute fréquence (LF/HF) soit souvent interprété comme refléta...

Estimer la charge cognitive à l’aide d’une mesure électrocardiographique : une tâche collaborative humain-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

Recherche

JoVE Journal

Behavior

Comportement

Cet article vise à décrire les techniques impliquées dans la collecte et la synchronisation des multiples dimensions (comportementale, affective et cognitive) de l’engagement des apprenants au cours d’une tâche.

Évaluer les multiples dimensions de l&#39;engagement à caractériser l&#39;apprentissage: une perspective neurophysiologique

Ce manuscrit décrit une approche pour mesurer l'activité neuronale de l'homme tout en résolvant les problèmes d'ingénierie spatialement ciblées. La méthodologie de l'électroencéphalogramme aide à interpréter les mesures bêta des ondes cérébrales en termes d'efficacité de neurones, dans le but de permettre des comparaisons en fin de compte de l'exécution des tâches à la fois entre les types de problèmes et entre les participants.

Utilisant Mesures Électroencéphalographie pour la comparaison des tâches spécifiques aux efficacités Neurones: Tâches Spatial Intelligence

Cet ouvrage présente un nouveau protocole pour l’évaluation du trouble d’hyperactivité avec déficit de l’Attention (THADA) en prévoyant une procédure de diagnostic plus objective de ce trouble du développement basé sur l’utilisation d’outils innovants. Il analyse également la relation entre les mesures d’activation et de fonction exécutive.

À l’aide de l’Activation cérébrale (nir-HEG/Q-EEG) et les mesures d’exécution (CPTs) dans un protocole d’évaluation TDAH

Le présent protocole décrit comment effectuer des enregistrements simultanés de l’EEG et du FNIRS et comment inspecter la relation entre les données EEG et fNIRS.

Conduite d’électroencéphalographie simultanée et d’enregistrements fonctionnels de spectroscopie proche infrarouge avec une tâche de flanker

Cette étude a proposé un paradigme expérimental qui applique la stimulation transcrânienne à courant continu haute définition (HD-tDCS) pour améliorer la métacognition humaine dans les tâches de délégation homme-IA. Les résultats ont démontré l’efficacité de la HD-tDCS dans l’amélioration de la sensibilité métacognitive.

Stimulation transcrânienne à courant continu haute définition sur le cortex préfrontal dorsolatéral droit pour améliorer la sensibilité métacognitive

Nous démontrons comment une mesure objective peut être utilisé dans le caoutchouc main illusion paradigme largement utilisée. Cette mesure est obtenue en modifiant la tâche bien établie congruence intermodale. Cette tâche permet d'étudier des processus multi-sensoriels qui sont essentiels pour les modulations des représentations du corps comme dans la main illusion de caoutchouc.

Le groupe de congruence intermodale comme un moyen d&#39;obtenir une mesure comportementale objectif dans le caoutchouc main Illusion Paradigm

Ce protocole décrit la tâche de temps de réaction de série à 5 choix, ce qui est une tâche en fonction de opérant utilisée pour étudier l'attention et le contrôle des impulsions chez les rongeurs. défis de jour de test, qui sont des modifications de la tâche standard, d'accroître la flexibilité de la tâche et peuvent être combinés avec d'autres manipulations pour mieux caractériser le comportement.

Le 5-Choix réaction Série Durée de la tâche: Une équipe de l&#39;attention et du contrôle des impulsions pour rongeurs

La potentialisation du réflexe de sursaut est mesurée par électromyographie du muscle orbicularis oculi lors d’une menace de choc électrique à faible probabilité (incertaine) et élevée (certaine) dans la tâche de probabilité de menace. Il s’agit d’une mesure objective des états émotionnels négatifs distincts (peur/anxiété) pour la recherche sur la psychopathologie, la consommation et l’abus de substances et la science affective en général.

Utilisation de la tâche menace de probabilité pour évaluer l&#39;anxiété et la peur Pendant menace incertaine et certains

L'objectif de ce protocole est de réaliser un test de comportement tels que l'ensemble attentionnel transfert de tâches (AST) pour évaluer la flexibilité cognitive préfrontal cortex médiation chez la souris.

Le Groupe attentionnel Set Shifting: une certaine flexibilité cognitive chez la souris

L’effet Stroop émotionnel (ESE) est le résultat de latences de nommage plus longues pour les couleurs d’encre des mots émotionnels que celles des mots neutres. Ce rapport fait référence aux sources potentielles de confusion et comprend une expérience modale qui fournit les moyens de les contrôler.

Le Stroop Tâche émotionnelle: Évaluation de la performance cognitive sous exposition au contenu émotionnel

Découvrez comment mesurer la charge cognitive par électrocardiographie dans des tâches collaboratives humain-IA. Cette méthode permet d'évaluer objectivement les variations de l'effort mental selon la difficulté des tâches.

Estimer la charge cognitive à l’aide d’une mesure électrocardiographique : une tâche collaborative humain-IA

Explorer plus de vidéos