13 mars 2026
Cette étude utilise des ERP pour étudier comment le type d’agent (humain/IA) et le style de langage (humoristique/rationnel) influencent la satisfaction du service de récupération des services de covoiturage, visant à découvrir les mécanismes neurocognitifs.
Nous explorons les mécanismes neuronaux des types d’agents et des styles de langage lors de la satisfaction de récupération par covoiturage. Les approches traditionnelles conduisent à des preuves neuronales directes. Ce protocole capture l’activité cérébrale en temps réel pour examiner les mécanismes de traitement cognitif sous-jacents.
Pour commencer, effectuez un briefing préliminaire après l’arrivée du participant au laboratoire. Présentez l’équipement principal, les matériaux et la procédure expérimentale complète étape par étape. Expliquez également clairement les tâches expérimentales, la durée estimée et les précautions importantes.
Fournir un formulaire écrit de consentement éclairé au participant. Demandez au participant de lire attentivement le formulaire et de le signer avant le début de l’expérience. Demandez au participant de laver ses cheveux avec un shampooing neutre dans la zone désignée afin d’éliminer le sébum du cuir chevelu, la poussière et les impuretés pouvant affecter la conductivité des électrodes.
À l’aide du sèche-cheveux fourni par le laboratoire, séchez soigneusement les cheveux pour éviter toute zone humide. Ensuite, guidez le participant vers le laboratoire dédié à l’enregistrement EEG, maintenu à une température de 22 degrés Celsius avec un éclairage tamisé et équipé d’un blindage électromagnétique et d’une isolation phonique. Demandez au participant de s’asseoir sur la chaise confortable à environ un mètre du centre de l’écran.
À l’aide de boules de coton à 75 % d’alcool médical et d’un nettoyant visage non irritant, essuyez doucement les zones faciales spécifiées du patient. Positionner le bouchon d’électrode équipé de 64 électrodes en chlorure d’argent sur le cuir chevelu du participant selon le système international 10-20. Alignez la ligne médiane du chapeau avec la ligne nasion à la ligne d’inion.
Ensuite, placez l’électrode CZ au sommet. Vérifiez que FP1 et FP2 sont à environ deux centimètres au-dessus du nasion et que T3 et T4 sont à environ deux centimètres au-dessus du tragus de l’oreille. Remplissez tous les puits d’électrodes avec un gel conducteur.
Ensuite, fixez les électrodes externes avec du ruban médical. Placez l’électrode de référence sur le bout du nez. Positionnez les électrodes verticales d’électrooculogramme d’un centimètre au-dessus et en dessous de la douille orbitale gauche.
Ensuite, placez les électrodes électrooculogrammes horizontales d’un centimètre latéralement par rapport au canthus externe de chaque œil et les électrodes M1 et M2 sur les mastoïdes gauche et droite, respectivement. Ajustez maintenant la sangle mentonnière du bouchon de l’électrode pour qu’elle soit ajustée mais confortable. Vérifiez que le capuchon n’est pas tordu ou tourné et confirmez sa position finale.
Passez le logiciel d’enregistrement en mode vérification d’impédance. À l’aide d’une seringue à embout émoussé, remplissez les puits d’électrodes avec du gel conducteur. Séparez doucement les cheveux à chaque endroit pour assurer un contact complet avec le cuir chevelu.
Ajustez les électrodes jusqu’à ce que chaque impédance de canal descende en dessous de 10 kilo-ohms. Vérifiez que les valeurs acceptables sont indiquées par du bleu ou une couleur foncée sur le moniteur. Informez maintenant le participant que l’expérience aura lieu dans un environnement fermé et calme.
Instruisez-les à rester détendus, à maintenir une posture assise stable, à minimiser les mouvements du corps et à rester concentrés tout au long de la séance. Ensuite, présentez les stimuli sur un écran à cristaux liquides de 22 pouces. Réglez le taux de rafraîchissement de l’écran à 60 hertz.
Insérez la clé matérielle E-Prime dans un port de bus série universel de l’ordinateur. Double-cliquez sur l’icône E-Studio pour lancer le logiciel. Ensuite, sélectionnez fichier et choisissez ouvrir pour charger le fichier projet.
Sur l’interface de démarrage E-Run, saisissez le numéro de sujet, le numéro de session et d’autres informations requises. Cliquez maintenant sur Outils et E-Run. Ensuite, choisissez courir pour exécuter la séance d’entraînement.
Assurez-vous que le participant comprend les instructions et exécute les 10 essais pratiques identiques à l’expérience principale. Après avoir terminé, demandez si le participant a clairement lu et compris les stimuli. Passez à l’écran d’instruction après les essais d’entraînement une fois que le participant a confirmé qu’il est prêt.
Demandez au participant d’appuyer sur la barre d’espace pour commencer l’expérience principale, composée de 120 essais répartis en deux blocs de 60 essais chacun, avec un repos obligatoire de deux minutes entre les blocs. Suivez l’avancement de la session depuis une salle adjacente à l’aide d’un écran de surveillance. À la fin de la formation, assurez-vous que le logiciel sauvegarde automatiquement le fichier de données.
Maintenant, retirez le bouchon d’électrode du participant. Demandez au participant d’éliminer le gel conducteur résiduel de ses cheveux et de sa peau et de veiller à ne pas laisser de résidus. Confirmez que le participant ne ressent aucun inconfort après le nettoyage.
Concluez l’expérience et versez la rémunération. Inspectez visuellement les données EEG et excluez les époques présentant une dérive de base significative ou des artefacts sonores sévères. Réglez le canal vertical de l’électrooculolograme comme référence.
Appliquer l’algorithme de réduction des artefacts oculaires dans le logiciel de balayage pour corriger les artefacts de clignement et de mouvement oculaire. Ensuite, en utilisant des marqueurs d’événement insérés par le programme E-Prime, segmentez les données continues en époques verrouillées dans le temps d’apparition du stimulus. Définissez la fenêtre temporelle de moins 200 millisecondes à plus 800 millisecondes.
Définissez l’intervalle pré-stimulus de 200 millisecondes comme référence et appliquez la correction de base dans le logiciel de balayage. Rejetez les époques où l’amplitude du signal dépasse plus ou moins 100 microvolts dans la fenêtre d’analyse afin d’éliminer les artefacts. Calculez le signal moyen provenant des électrodes mastoïdes gauche et droite.
Reréférez tous les canaux hors ligne à cette moyenne mastoïde. Pour chaque participant, il faut faire la moyenne de toutes les époques sans artefacts dans la même condition de stimulus afin d’obtenir des formes d’onde potentielles liées à un événement spécifique à chaque condition. Ensuite, appliquez un filtre passe-bas de 30 hertz avec un ralentissement de 24 décibels par octave sur les formes d’onde moyennes.
Combinez les moyennes individuelles de tous les participants pour créer un potentiel grand moyen lié à l’événement pour chaque condition. Les notes de satisfaction ont montré un effet principal significatif de l’agent de service, la satisfaction pour l’agent humain étant plus élevée que pour l’agent IA. Un effet principal significatif du style linguistique a également été constaté, avec une satisfaction dans la condition humoristique plus élevée que dans la condition rationnelle.
Une interaction significative entre l’agent de service et le style linguistique a été observée. Dans la condition de langage humoristique, la satisfaction était plus élevée pour l’agent humain que pour l’agent IA. La composante N2 a montré un effet principal significatif du style linguistique, le style rationnel provoquant un N2 plus négatif que le style humoristique.
Une interaction significative entre l’agent de service et le style de langage a été observée pour le composant P300. Dans la condition de langage humoristique, l’agent humain a suscité un P300 plus positif que l’agent IA. Dans la condition agent IA, le style de langage rationnel a suscité un P300 plus positif que le style de langage humoristique.
Le protocole mesure la réponse neuronale et comportementale des utilisateurs aux types d’agents et aux styles de langage dans les stratégies de récupération des services de covoiturage. Le timing des stimulus effectué, le placement précis des électrodes, la faible impédance et un rejet rigoureux des artefacts sont essentiels pour obtenir des données EIP fiables. De futures recherches pourraient explorer les effets interculturels, l’influence de la personnalité et collaborer avec nous dans la communication de récupération humaine par IA.
Consultez la transcription complète et accédez à des milliers de vidéos scientifiques
Cette étude examine comment le type d'agent de service (humain ou IA) et le style de langage (humoristique ou rationnel) utilisés dans des scénarios de récupération de service de covoiturage influencent la satisfaction des passagers et les mécanismes neuronaux sous-jacents. À l'aide d'un protocole de potentiels liés à des événements (ERPs), la recherche combine des évaluations comportementales de satisfaction avec des données d'EEG haute résolution afin de révéler les processus cognitifs impliqués dans les réponses des clients aux stratégies de remédiation après un dysfonctionnement.
Des mesures quantitatives des réponses neuronales et comportementales de satisfaction des utilisateurs en fonction du type d'agent et du style linguistique fournissent des informations exploitables pour optimiser les stratégies de récupération des services numériques. Des mesures ERP haute résolution permettent une détection mécanistique des risques dans les modèles d'interaction homme-machine, renforçant la confiance prédictive en recherche et développement en neurosciences du consommateur et en gestion des services. Ce protocole renforce la continuité translationnelle entre les tests d'hypothèses cognitives et les interventions sur des plateformes évolutives.
Ce protocole ERP s'intègre dans le continuum allant de la découverte à la validation, pour l'optimisation des agents numériques et des styles de communication dans les scénarios de récupération de service.