Articolo metodologico

Stimolazione transcranica a corrente continua ad alta definizione sulla corteccia prefrontale dorsolaterale destra per migliorare la sensibilità metacognitiva

DOI:

10.3791/68824

⸱

26 settembre 2025

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

In questo articolo

Sommario

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

Questo studio ha proposto un paradigma sperimentale che applica la stimolazione transcranica a corrente continua ad alta definizione (HD-tDCS) per migliorare la metacognizione umana nelle attività di delega uomo-IA. I risultati hanno dimostrato l'efficacia della HD-tDCS nel migliorare la sensibilità metacognitiva.

Abstract

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

Nella collaborazione uomo-intelligenza artificiale, la delega dei compiti è una componente fondamentale. Idealmente, se una persona crede di essere in grado di portare a termine un compito, dovrebbe farlo da sola; in caso contrario, il compito dovrebbe essere delegato all'altra parte. Tali decisioni di delega sono influenzate dalle valutazioni degli individui sulle proprie capacità, che sono modellate dalla metacognizione, la capacità di valutare le proprie capacità. La stimolazione transcranica a corrente continua ad alta definizione (HD-tDCS) è una tecnologia di stimolazione cerebrale non invasiva in grado di regolare l'eccitabilità della corteccia cerebrale per migliorare le prestazioni umane. Questo protocollo presenta un metodo che impiega HD-tDCS per studiare i suoi effetti sulla metacognizione umana durante le attività di delega uomo-IA, descrivendo in dettaglio la procedura per applicare la stimolazione anodica, catodica o fittizia alla corteccia prefrontale dorsolaterale (DLPFC). La stimolazione è stata eseguita utilizzando un dispositivo HD-tDCS portatile, utilizzando una disposizione circonferenziale di cinque elettrodi, tra cui un elettrodo bersaglio e quattro elettrodi di ritorno. La stimolazione è durata per un totale di 21 minuti e l'intensità della corrente è stata di 2 mA. Si prevede che questo metodo fornisca un nuovo percorso di ricerca per un'ulteriore esplorazione approfondita dei meccanismi neurali e della regolazione comportamentale degli esseri umani nel processo di delega di compiti collaborativi uomo-IA e fornisca una solida base teorica per ottimizzare ulteriormente i compiti collaborativi uomo-IA.

Introduzione

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

L'intelligenza artificiale (AI) sta diventando sempre più intrecciata sia con la nostra vita quotidiana che con il posto di lavoro. Tuttavia, in molti contesti del mondo reale, l'IA non è ancora in grado di automatizzare completamente i processi decisionali1. Alcuni compiti rimangono particolarmente impegnativi per l'IA a causa delle attuali limitazioni tecnologiche, nonché di considerazioni etiche e legali. Di conseguenza, concedere piena autonomia all'IA in settori specifici è spesso impraticabile o sconsigliabile 2,3. Gli esseri umani, quindi, continuano a svolgere un ruolo indispensabile sul posto di lavoro e si prevede che la collaborazione uomo-intelligenza artificiale diventerà una modalità dominante di produzione e fornitura di servizi in futuro. La ricerca in settori come la sanità, l'ospitalità e le risorse umane ha dimostrato che gli sforzi collaborativi tra esseri umani e intelligenza artificiale possono ridurre i costi e, in alcuni casi, migliorare l'efficienza 4,5,6.

Nella collaborazione uomo-intelligenza artificiale, ci si aspetta che ciascuna parte svolga compiti in linea con i propri punti di forza, delegando all'altra compiti meno adatti. Pertanto, un'efficace delega delle attività è essenziale per una collaborazione di successo e risultati ottimali in termini di prestazioni. Adam et al. hanno scoperto che quando il processo di delega è completamente automatizzato e gestito esclusivamente dall'intelligenza artificiale senza il coinvolgimento umano, gli esseri umani tendono a sperimentare percezioni più elevate di auto-minaccia7. Fuegener et al. hanno inoltre riferito che durante il processo di delega dei compiti all'IA, le persone spesso faticano a valutare accuratamente le proprie capacità o a valutare la difficoltà del compito, riflettendo un basso livello di metacognizione8. Questi risultati evidenziano l'importanza di migliorare la metacognizione negli scenari di delega uomo-IA per migliorare l'efficienza e la qualità della collaborazione.

La metacognizione si riferisce alla capacità di un individuo di valutare le proprie capacità9. Nel contesto della delega reciproca tra esseri umani e IA, è essenziale non solo comprendere accuratamente le capacità dell'altra parte, ma anche valutare le proprie capacità per determinare quando la delega è appropriata. Jussupow et al. hanno scoperto che la collaborazione uomo-IA è più efficace quando gli esseri umani dimostrano alti livelli di metacognizione, cioè quando possono valutare con precisione sia le proprie capacità che quelle dell'IA10. Allo stesso modo, Atchley et al. hanno scoperto che promuovere la metacognizione in contesti educativi può promuovere una collaborazione più profonda ed efficace tra gli esseri umani e i sistemi di intelligenza artificiale11. Precedenti studi sulla collaborazione uomo-IA hanno spesso valutato la metacognizione attraverso questionari self-report o utilizzando le valutazioni di fiducia umana come misure indirette. Tuttavia, nella ricerca psicologica, una misura più consolidata e rigorosa della metacognizione è la sensibilità metacognitiva (meta-d')12. Nel presente studio, utilizziamo meta-d', seguendo l'approccio descritto da Maniscalco et al. per valutare la sensibilità metacognitiva13.

La stimolazione transcranica a corrente continua (tDCS) è stata ampiamente utilizzata nella ricerca volta a migliorare la metacognizione14. Gli aspetti fondamentali della metacognizione sono strettamente associati alla corteccia prefrontale. La tDCS eroga una debole corrente continua a specifiche regioni del cervello, modulando l'eccitabilità neuronale e la plasticità sinaptica in modo non invasivo e non intrusivo, consentendo così ai ricercatori di migliorare varie funzioni cognitive15. Harty et al. hanno scoperto che la stimolazione anodica sulla corteccia prefrontale dorsolaterale destra (DLPFC) ha migliorato le prestazioni di rilevamento degli errori dei partecipanti in un compito di consapevolezza degli errori, migliorando così il loro monitoraggio metacognitivo delle prestazioni cognitive16. Bona e Silvanto hanno riferito che la tDCS anodica ha influenzato il bias metacognitivo in un compito di memoria di lavoro17. Mattes et al. hanno dimostrato che, mentre la tDCS ha influenzato le valutazioni di fiducia dei partecipanti sia nei compiti di metacognizione che in quelli di mentalizzazione, non ha alterato la loro sensibilità metacognitiva18. È stato dimostrato che l'interruzione temporanea o il danno alla corteccia prefrontale - in particolare le aree di Brodmann 46 e 10 - sia negli esseri umani che nelle scimmie inducono cambiamenti nei processi metacognitivi14. Inoltre, studi precedenti hanno fornito prove causali che collegano la stimolazione della DLPFC alle capacità metacognitive19,20. La DLPFC destra, in particolare, svolge un ruolo chiave all'interno della rete neurale alla base del controllo cognitivo21,22, che è strettamente correlato alle esigenze del nostro compito sperimentale. Pertanto, abbiamo selezionato la DLPFC giusta come sito target per la stimolazione. Coerentemente con i protocolli stabiliti negli studi tDCS sulla metacognizione, abbiamo applicato una corrente di 2 mA per 21 minuti, inclusa una fase di ramp-up e ramp-down di 1 minuto17,23. Attualmente, la massima intensità di corrente utilizzata nella tDCS è di 4 mA, che ha dimostrato di essere tollerabile per i partecipanti allo studio condotto da Workman et al.24.

La stimolazione transcranica a corrente continua ad alta definizione (HD-tDCS) è una modifica ad alta precisione della tDCS convenzionale, che offre una neuromodulazione più mirata attraverso montaggi di elettrodi specializzati. Rispetto alla tDCS convenzionale, che utilizza due grandi elettrodi a pad, la HD-tDCS consente una stimolazione più mirata e focale di specifiche regioni cerebrali, con conseguenti effetti più sostenuti25,26. A differenza delle tecniche di neurofeedback che mirano anche a migliorare le prestazioni cognitive27, la HD-tDCS offre diversi vantaggi pratici, tra cui un periodo di attivazione più breve, procedure di applicazione più semplici e minori costi di implementazione28. Dal punto di vista della delega dei compiti uomo-intelligenza artificiale, HD-tDCS offre una maggiore precisione spaziale, facilità d'uso ed economicità. Inoltre, consente ai partecipanti di impegnarsi in compiti sostenuti che coinvolgono la delega e la riflessione all'interno di contesti che si avvicinano a scenari di vita reale o sul posto di lavoro, rendendolo particolarmente adatto per sondare la metacognizione nella delega uomo-IA. In questo studio, la HD-tDCS è stata impiegata per fornire una stimolazione più mirata alla DLPFC.

Progettazione sperimentale

I materiali sperimentali provengono dall'ImageNet Large Scale Visual Recognition Challenge (ILSVRC)29. Il modello di intelligenza artificiale era GoogLeNet Inception v3, uno dei modelli più performanti nelle attività di classificazione delle immagini30.

L'attività sperimentale era un'attività di delega uomo-intelligenza artificiale, in particolare un'attività di classificazione delle immagini. La classificazione delle immagini comporta l'assegnazione di un'immagine di destinazione a una categoria ed è un'attività generale che non richiede alcuna formazione specifica del dominio o esperienza precedente. I compiti basati su specifici contesti situazionali possono compromettere la generalizzabilità. Ad esempio, in scenari ad alto rischio che comportano una potenziale perdita, le persone tendono a delegare le decisioni all'IA31, rendendola di fatto il capro espiatorio del team32. Il compito utilizzato in questo studio è stato adattato dal paradigma di classificazione collaborativa uomo-IA sviluppato da Fuegener et al. e da Gass et al.8,33.

È stato condotto un esperimento preliminare per valutare il livello di difficoltà dell'immagine. La difficoltà dell'immagine è l'accuratezza media dell'immagine corrispondente nella sola condizione umana. Come mostrato nella Figura 1, ogni prova consisteva in un'immagine target e cinque serie di opzioni di immagine. Ai partecipanti è stato chiesto di scegliere il set di opzioni che meglio corrispondeva all'immagine di destinazione. Un totale di 217 partecipanti ha completato lo studio preliminare. Tutti i partecipanti allo studio preliminare sono stati esclusi dal reclutamento per l'esperimento principale.

figure-introduction-1
Figura 1: Interfaccia dell'esperimento preliminare. Interfaccia mostrata ai partecipanti nell'esperimento preliminare, in cui hanno selezionato una risposta tra cinque opzioni. Clicca qui per visualizzare una versione più grande di questa figura. 

Nell'interfaccia formale dell'esperimento (vedi Figura 2), un'immagine di destinazione viene visualizzata nella parte superiore dello schermo. Inoltre, vengono presentate cinque opzioni di gruppo di immagini e un'opzione di delega (situata in alto a destra dello schermo). I partecipanti devono decidere tra delegare il compito all'IA e completarlo da soli. In quest'ultimo caso, selezionano una delle cinque opzioni di categoria dell'immagine che meglio corrisponde all'immagine di destinazione. Dopo ogni decisione, l'interfaccia passa alla pagina successiva, dove ai partecipanti viene chiesto di valutare la loro fiducia nella loro decisione di delega su una scala da 1 a 4. Prima dell'inizio dell'esperimento formale, i partecipanti sono stati informati che il sistema di intelligenza artificiale aveva una precisione media del 76%.

figure-introduction-2
Figura 2: Interfaccia dell'esperimento formale. Interfaccia principale mostrata ai partecipanti durante l'attività. (A) L'interfaccia delle attività; (B) l'interfaccia per la valutazione dell'attendibilità. Clicca qui per visualizzare una versione più grande di questa figura.

Un totale di 62 partecipanti destrimani sono stati reclutati per l'esperimento principale. Tutti i partecipanti erano studenti laureati che non avevano precedenti esperienze con compiti sperimentali simili. I criteri di esclusione erano i seguenti: i partecipanti non dovevano aver assunto farmaci sedativi-ipnotici o sostanze psicoattive nelle 24 ore precedenti l'esperimento, non dovevano avere difetti cranici (ad esempio, fori o fratture) e non dovevano avere impianti metallici nel cranio (ad esempio, placche metalliche). Due partecipanti sono stati esclusi: uno a causa di un'infiammazione dermatologica che ha impedito la stimolazione con HD-tDCS e uno per aver ingerito una bevanda contenente caffeina prima dell'esperimento. I restanti 60 partecipanti (età media = 22,68 ± 0,91 anni) hanno completato l'esperimento. Sono stati assegnati in modo casuale a una delle tre condizioni di stimolazione - anodica, catodica o fittizia - ciascuna con 20 partecipanti. Le simulazioni del campo elettrico sono mostrate nella Figura 3. Ogni partecipante ha eseguito il compito di classificazione delle immagini una volta prima e una volta dopo la stimolazione, producendo 120 set di dati per l'analisi. La procedura HD-tDCS è illustrata nella Figura 4 e il flusso di lavoro sperimentale è riassunto nella Figura 5. Abbiamo condotto un'analisi della potenza a priori utilizzando G*Power 3.134, assumendo una potenza del 90% (1 - β = 0.90), una dimensione dell'effetto di f = 0.25 e un livello alfa di 0.05. L'analisi ha indicato che sarebbe richiesto un minimo di 18 partecipanti per gruppo. La nostra dimensione finale del campione ha soddisfatto questo requisito.

figure-introduction-3
Figura 3: Simulazione del campo elettrico. Vista laterale del campo elettrico di distribuzione (lato destro). (A) Condizione di stimolazione anodica. (B) Condizione di stimolazione catodica. Clicca qui per visualizzare una versione più grande di questa figura.

figure-introduction-4
Figura 4: Configurazione sperimentale HD-tDCS. Fotografia della configurazione sperimentale HD-tDCS, che illustra il posizionamento dell'elettrodo e la posizione del dispositivo durante la stimolazione. Clicca qui per visualizzare una versione più grande di questa figura.

figure-introduction-5
Figura 5: Diagramma di flusso sperimentale. L'esperimento comprendeva tre fasi, comprese le attività di classificazione delle immagini condotte prima e dopo la stimolazione. Abbreviazioni: HD-tDCS = stimolazione transcranica a corrente continua ad alta definizione; rDLPFC = corteccia prefrontale dorsolaterale destra. Clicca qui per visualizzare una versione più grande di questa figura.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

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

Questo studio è stato condotto in conformità con i principi della Dichiarazione di Helsinki ed è stato approvato dall'Institutional Review Board dell'Università di Scienza e Tecnologia di Jiangsu. Abbiamo ottenuto il consenso informato dei partecipanti all'utilizzo e alla diffusione dei loro dati.

1. Preparazione

  1. Preparati per l'attività dell'esperimento.
    1. Scaricare i dati delle immagini dal sito Web ImageNet (https://image-net.org/).
      NOTA: le immagini scaricate sono classificate e ogni categoria contiene più immagini.
    2. Eseguire il codice Python correlato al modello GoogLeNet Inception v3 per classificare le immagini (vedere File supplementare 1). Salva le prime cinque categorie previste per ogni immagine, insieme alla precisione della classificazione Top-1.
      NOTA: questo codice Python esegue la classificazione delle immagini caricando il modello Inception V3. Per ogni immagine di destinazione, vengono restituite le prime cinque categorie previste. I set di immagini corrispondenti a queste cinque categorie previste vengono presentati ai partecipanti come opzioni di risposta nell'esperimento. Se la categoria corretta non è tra le prime cinque previsioni, una delle categorie previste viene sostituita con quella corretta per garantirne l'inclusione tra le opzioni.
    3. Usa Python o qualsiasi programma di campionamento casuale per selezionare l'immagine di destinazione tra le immagini classificate dal modello.
    4. Per ogni immagine di destinazione, estrai 10 immagini per ciascuna delle cinque categorie da utilizzare come opzioni di risposta. Ridimensiona tutte le immagini per garantire dimensioni uniformi.
    5. Condurre uno studio preliminare e invitare i partecipanti a prendere parte all'esperimento.
      NOTA: Lo studio preliminare era simile all'esperimento formale, tranne per il fatto che ai partecipanti è stato richiesto di completare tutti gli studi da soli, senza la possibilità di delegare e senza un processo di valutazione dell'affidabilità.
    6. Registra l'accuratezza di ogni partecipante nel rispondere a ciascuna immagine e calcola il tasso di accuratezza per ogni immagine. Utilizza i punteggi di accuratezza come indice della difficoltà dell'immagine per classificare le immagini di conseguenza.
      NOTA: Tutte le immagini sono ordinate in base alla precisione, con una precisione maggiore che indica una difficoltà inferiore. Ad esempio, quando il 10% dei partecipanti risponde correttamente a un'immagine, la difficoltà di quell'immagine viene impostata al 90%.
    7. Dividi le immagini in due serie di difficoltà comparabile in base ai loro punteggi di difficoltà. Utilizzare le due serie di immagini come materiali sperimentali per creare il programma sperimentale formale attraverso l'E-prime 3 (vedi File supplementare 1).
      NOTA: Questo programma sperimentale è stato progettato per presentare il compito di classificazione delle immagini.
  2. Assicurarsi che il partecipante non abbia controindicazioni alla HD-tDCS e non soddisfi alcun criterio di esclusione. Presentare la procedura sperimentale ai partecipanti e ottenere il consenso informato scritto dopo aver confermato la loro comprensione dello studio.
    NOTA: Chiedi al partecipante della sua mano dominante e confermalo osservando quale mano usa per scrivere.
  3. Misurare la circonferenza della testa del partecipante utilizzando un metro a nastro e selezionare di conseguenza la dimensione appropriata della cuffia in neoprene HD-tDCS (vedi Tabella dei materiali).
  4. Verificare che il dispositivo HD-tDCS sia completamente carico. Assicurarsi che tutti gli accessori, inclusi gli elettrodi, il gel per elettrodi, la siringa fornita con lo strumento, i cavi degli elettrodi e il computer utilizzato per far funzionare il sistema HD-tDCS, siano pronti per l'uso.
  5. Seleziona casualmente una delle due attività sperimentali come condizione pre-test. Chiedi al partecipante di completare l'attività di classificazione delle immagini.
    NOTA: Un generatore di numeri casuali può essere utilizzato per assegnare in modo casuale le condizioni sperimentali.
    1. Apri il programma.
    2. Fare clic su ESEGUI, inserire il numero dell'oggetto e il numero della sessione, confermare le informazioni e fare clic su SÌ per avviare l'attività sperimentale.

2. Stimolazione HD-tDCS

  1. Inserire le parti inferiori dei cinque elettrodi nelle posizioni corrispondenti sul copricapo in neoprene. Queste cinque posizioni fungono da siti di stimolazione.
    NOTA: Per puntare il DLPFC corretto, utilizzare le seguenti cinque posizioni degli elettrodi: F4, Fp2, Fz, C4 e F8.
  2. Chiedi al partecipante di sedersi comodamente su una sedia. Posizionare il bordo anteriore del copricapo in neoprene a circa 1-2 cm sopra le sopracciglia. Assicurarsi che Cz sia allineato con il punto medio tra i due punti preauricolari. Montare saldamente il cappuccio sulla testa del partecipante, assicurandosi che il gioco sia allineato correttamente.
    NOTA: Quando si monta il copricapo, assicurarsi di individuare Cz, l'inion, la nasion e i punti preauricolari sinistro e destro secondo il sistema EEG internazionale 10-20.
  3. Applicare il gel per elettrodi (vederela sezione Materiali) su ciascun sito di stimolazione utilizzando la siringa fornita con lo strumento per ridurre l'impedenza tra gli elettrodi e il cuoio capelluto.
    NOTA: Il gel per elettrodi è un gel altamente conduttivo e solubile in acqua.
    1. Riempire la siringa con gel per elettrodi.
    2. Per ogni elettrodo, separare i capelli con la siringa per esporre il cuoio capelluto.
    3. Iniettare una quantità sufficiente di gel per elettrodi sul cuoio capelluto esposto all'interno delle parti inferiori di tutti gli elettrodi.
    4. Avvitare insieme la parte superiore e inferiore di tutti gli elettrodi.
  4. Collegare il dispositivo HD-tDCS.
    1. Accendere il dispositivo HD-tDCS e avviare il software di controllo corrispondente (vedere la tabella dei materiali).
      NOTA: Il computer su cui è in esecuzione il software di controllo deve soddisfare almeno i seguenti requisiti: Processore: 1,6 GHz; RAM: 2 GB; Interfaccia: USB o WiFi; Risoluzione dello schermo: 1.280 x 768.
    2. Abilita il Bluetooth sul computer. Nel software di controllo, selezionare USA dispositivi Wi-Fi per iniziare il processo di connessione.
    3. Attendi che l'indirizzo MAC del dispositivo appaia nell'elenco. Una volta visualizzato, seleziona il dispositivo.
    4. Nell'impostazione Filtro rumore di linea, selezionare 50 Hz per eliminare le interferenze elettriche. 
      NOTA: La frequenza selezionata deve corrispondere alla frequenza di alimentazione CA utilizzata nel paese in cui viene condotto l'esperimento.
    5. Nella parte inferiore del pannello delle impostazioni, fai clic sul pulsante Usa questo dispositivo . Il software stabilirà quindi una connessione con il dispositivo.
  5. Configurare il protocollo di stimolazione HD-tDCS.
    1. Fare clic sull'icona a forma di testa nel pannello di sinistra del software di controllo. Quindi, fare clic su AGGIUNGI NUOVO PROTOCOLLO per creare un nuovo protocollo di stimolazione.
    2. Impostare la durata del protocollo su 21 minuti, con un periodo di ramp-up e 30 s ramp-down per la consegna corrente.
      NOTA: Se il protocollo è una stimolazione fittizia, abilitare l'opzione Sham .
    3. Trascinare l'elettrodo F4 nella colonna Stimolazione a destra. Impostare il canale in modalità di stimolazione, inserire un'intensità di corrente di 2.000 μA35, selezionare la stimolazione anodica.
      NOTA: La designazione dell'anodo e del catodo dipende dal tipo di stimolazione prevista.
    4. Trascinare gli elettrodi Fp2, Fz, C4 e F8 nella colonna di stimolazione. Impostare ciascun canale in modalità di ritorno, assegnando a ciascuno il 25% della corrente totale. Salva il protocollo.
    5. Selezionare il protocollo di stimolazione configurato. Fissare il dispositivo HD-tDCS alla cinghia in velcro sul retro del copritesta. Utilizzare i cavi degli elettrodi per collegare il dispositivo all'hardware dell'elettrodo.
      NOTA: Assicurarsi che ogni cavo sia collegato alla posizione corretta dell'elettrodo, in modo che corrisponda alla configurazione nel software.
    6. Verificare che tutti i cavi siano collegati correttamente. Fare clic sul pulsante CARICA PROTOCOL nell'angolo in basso a destra.
  6. Fare clic sul pulsante CONTROLLA IMPEDENZA per eseguire un controllo dell'impedenza.
    NOTA: Assicurarsi che gli indicatori di stato della connessione per tutti gli elettrodi selezionati siano verdi (0-10 kΩ) o arancioni (10-15 kΩ). Se un indicatore appare rosso (>15 kΩ), riapplicare il gel per elettrodi o regolare i capelli in modo da esporre più cuoio capelluto per ridurre l'impedenza.
  7. Fare clic sul pulsante di avvio (icona del triangolo che punta a destra) per avviare la stimolazione.
  8. Istruisci i partecipanti a riportare le loro sensazioni in più punti temporali durante la sessione di stimolazione.
    NOTA: Se un partecipante segnala un disagio oltre le normali sensazioni, fare immediatamente clic sul pulsante STOP nel software, rimuovere il dispositivo dal partecipante e controllare le condizioni del cuoio capelluto.

3. Post stimolazione

  1. Spegnere il software di controllo. Scollegare i cavi dagli elettrodi e rimuovere con cautela il dispositivo HD-tDCS.
  2. Rimuovere il copricapo dalla testa del partecipante e staccare tutti gli elettrodi.
  3. Selezionare l'altro programma sperimentale che non è stato ancora completato. Chiedi al partecipante di completare l'attività di classificazione delle immagini come post-test.
  4. Fornire al partecipante il materiale per pulire i capelli.
  5. Istruire i partecipanti a completare un questionario sulle sensazioni dopo la sessione HD-tDCS36. Utilizza il questionario per valutare la tolleranza dei partecipanti e l'esperienza soggettiva della stimolazione HD-tDCS.
  6. Pulire il copricapo e gli elettrodi.
    1. Sciacquare accuratamente il copricapo con acqua. Appendere il copricapo ad asciugare all'aria.
    2. Utilizzare l'acqua del rubinetto per sciacquare delicatamente il gel dagli elettrodi.
      NOTA: Utilizzare acqua tiepida per sciogliere il gel più rapidamente.
    3. Lasciare asciugare gli elettrodi all'aria su un tovagliolo di carta o un panno, lontano dalla luce solare diretta. Una volta asciutti, riporli nella loro confezione per la conservazione a lungo termine.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

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

Il risultato chiave di questo studio include la misurazione della sensibilità metacognitiva utilizzando il meta-d'. È stato condotto un test di normalità sui punteggi di sensibilità metacognitiva dei partecipanti in diversi tipi di stimolazione e i risultati hanno mostrato che la normalità è stata raggiunta in tutte le condizioni. È stata eseguita un'ANOVA a misure ripetute per confrontare la sensibilità metacognitiva tra diversi tipi di stimolazione, con...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

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

Per garantire l'affidabilità dei risultati sperimentali, durante la procedura devono essere considerati diversi fattori. Innanzitutto, quando si collegano i cavi all'hardware dell'elettrodo HD-tDCS, è fondamentale verificare che ogni cavo corrisponda esattamente alla posizione dell'elettrodo designata, poiché collegamenti errati possono causare effetti fisiologici indesiderati. In secondo luogo, poiché si tratta di uno studio in singolo cieco che coinvolge una condizione di stimolazione ...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

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

Gli autori non hanno nulla da rivelare.

Ringraziamenti

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

Questo studio è stato supportato dal Programma di Innovazione Post-Laurea e Pratica di Ricerca della Provincia di Jiangsu (KYCX25_4311), dalla Fondazione Nazionale di Scienze Naturali della Cina (72374088, 72471105, 72472094, 72001096), 2024 Progetto Chiave di Pianificazione della Ricerca Scientifica dell'Istruzione Superiore dell'Associazione Cinese dell'Istruzione Superiore (24XX0205, Meccanismi di Strategie di Collaborazione Uomo-IA nel Miglioramento dei Risultati di Apprendimento), 2024 Progetto Chiave di Pianificazione delle Scienze dell'Educazione nella Provincia di Jiangsu (B-b/2024/01/162, Costruzione di modelli e ricerca empirica sull'apprendimento multimodale dal punto di vista delle neuroscienze educative), borsa di studio del governo di Jiangsu per gli studi all'estero (JS-2024-69) e Fondo per le scienze umane e sociali del Ministero dell'Istruzione della Cina (24YJCZH445).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Materiali

Elenco dei materiali utilizzati in questo articolo
NomeAziendaNumero di catalogoCommenti
Cavi elettrodiNeuroelettricitàCavo a 10 elettrodiIl cavo dell'elettrodo ha 10 prese mediche per elettrodi.
Gel per elettrodiLaboratori ParkerSignagel 250g NE016bViene utilizzato per ridurre l'impedenza e migliorare la qualità del segnale.
ElettrodiNeuroelettricitàNG PISTIM NE029Il NG Pistim è composto da due pezzi: il fissaggio (parte superiore) e la rondella filettata (parte inferiore).
Software sperimentaleSTRUMENTI SOFTWARE PER LA PSICOLOGIAE-prime3.0 Build 3.0.3.31Questo è il software utilizzato per creare il programma sperimentale.
Dispositivo HD-tDCSNeuroelettricitàStarstim 8Questo è il dispositivo utilizzato per fornire la stimolazione HD-tDCS.
Software HD-tDCSNeuroelettricitàNIC2 V2.1.3.6È l'applicazione che permette a un computer di interagire con il dispositivo HD-tDCS.
PortatileVallettaG5 5500Questo computer esegue il software utilizzato nell'esperimento.
Copricapo in neopreneNeuroelettricitàMÈ un copricapo per posizionare con precisione gli elettrodi sul cuoio capelluto. Dimensioni: S (49 cm), M (54 cm), L (57 cm), XL (60 cm)
Strumento statisticoIBMSPSS V26Viene utilizzato per l'analisi dei dati.
Siringa-NE014Viene utilizzato per iniettare il gel degli elettrodi.

Riferimenti

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

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Richiedi il permesso di riutilizzare il testo o le figure di questo articolo JoVE

Richiedi permesso

Tag

tDCS ad alta definizionecollaborazione uomo IAdelega dei compitistimolazione anodicastimolazione catodicastimolazione shamcompito di classificazione di immaginiANOVA a misure ripetute

Articoli correlati