Name: Stima del carico cognitivo usando misura elettrocardiografica: un compito collaborativo umano-IA (Video) | JoVE Journal
Uploaded: 2025-12-05T14:45:00.000+00:00
Duration: 7 min 8 s
Description: Scopri come misurare il carico cognitivo durante compiti collaborativi uomo-IA utilizzando l'elettrocardiogramma. Questo metodo permette di analizzare le variazioni fisiologiche in base alla difficoltà del compito.

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>

Il carico cognitivo si riferisce alla quantità totale di attività mentale imposta al sistema cognitivo di un individuo entro un dato periodo di esecuzione delcompito 1. Un carico cognitivo elevato può compromettere le prestazioni umane ed è un fattore importante che contribuisce agli incidenti sullavoro 2. Gli stati di carico cognitivo elevato influenzano l'attività cardiaca attivando il sistema nervoso simpatico e inibendo il sistema nervoso parasimpatico, aumentando così la frequenza cardiaca (FC) e diminuendo la variabilità della frequenza cardiaca (HRV)3. Le credenze di aspettativa si riferiscono alla misura in cui gli individui credono di poter portare a termine con successo un compito o un'attivitàspecifica 4. La difficoltà del compito influenza le convinzioni di aspettativa degli individui, che a loro volta regolano il loro coinvolgimento comportamentale e l'allocazione delle risorse cognitive, manifestandosi infine come diversi livelli di carico cognitivo.
L'elettrocardiografia (ECG) fornisce una registrazione ad alta risoluzione temporale dell'attività elettrica del cuore. Gli indici HR e HRV derivati dai segnali ECG catturano diversi aspetti del ritmo cardiaco e fungono da indicatori psicofisiologici dello stress fisico e mentaledi un individuo 5. La frequenza cardiaca riflette la frequenza complessiva delle contrazioni cardiache e può essere utilizzata per valutare lo stato di base del sistema cardiovascolare. La HRV rappresenta la variazione temporale tra battiti cardiaci successivi e funge da indicatore della regolazione del sistema nervoso autonomo (SNA), riflettendo l'equilibrio dinamico tra attività simpatica eparasimpatica 6,7,8. Il sistema nervoso simpatico viene attivato sotto stress, minaccia o attività ad alta intensità, spesso portando a un aumento della frequenza cardiaca e una diminuzione della HRV. Al contrario, il sistema nervoso parasimpatico viene attivato durante stati di rilassamento, sonno o bassa domanda energetica, tipicamente con conseguente diminuzione della frequenza cardiaca e aumento della HRV.
I metodi fisiologici attuali per misurare il carico cognitivo includono l'attività ECG, l'attività elettroencefalografica (EEG), la respirazione, la pressione sanguigna e gli indicioculari 9. Rispetto ai tradizionali questionari retrospettivi tradizionali, le misurazioni fisiologiche offrono un mezzo migliore per catturare gli stati in tempo reale dei partecipanti, evitando così il bias di ricordo e gli effetti di ritardo temporale insiti negli approcci di auto-segnalazione. I dispositivi ECG portatili consentono una valutazione continua e discreta dello stato dei partecipanti mentre sono impegnati in attivitàin corso 10. Rispetto ad altre tecniche di misurazione fisiologica, l'ECG portatile rappresenta un metodo a basso costo e non invasivo che consente ai partecipanti di svolgere compiti in modo più naturale e flessibile all'interno del loroambiente 11. La frequenza cardiaca media tende ad aumentare quando la difficoltà del compito cognitivo aumentadi 12, e la HRV si è dimostrata altamente reattiva sia alle esigenze mentali chefisiche 13. Considerando che il compito attuale dovrebbe imporre uno sforzo mentale sostanziale e un livello modesto di carico fisico, e considerando le esigenze pratiche degli scenari di delega di compiti nella collaborazione umano-IA, HR e HRV sono indici appropriati per misurare il carico cognitivo.
HR e HRV sono state ampiamente applicate allo studio del carico cognitivo in molteplici ambiti, tra cui aviazione14, guida15 e decisionieconomiche 16, fornendo strumenti potenti per la valutazione continua e oggettiva degli stati umani. Con la crescente integrazione dell'IA nel mondo del lavoro, comprendere i cambiamenti nel carico cognitivo durante la collaborazione umano-IA è diventato sempre più importante. Uno studio che ha indagato il processo decisionale assistito dall'IA ha rilevato che, in condizioni di alto carico cognitivo, gli esseri umani mostravano una dipendenza irrazionale da suggerimenti generati dall'IA17. In contesti collaborativi, il ruolo dell'IA può andare oltre il fornire input consultivo, permettendo a umani e IA di completare congiuntamente compiti. Il presente studio si concentra su una nuova modalità di collaborazione in cui gli esseri umani hanno l'autorità di assegnazione dei compiti e possono scegliere, per ogni compito, se completarlo da soli o delegarlo all'IA. Tuttavia, in questo contesto specifico in cui gli esseri umani hanno autorità di assegnazione dei compiti, rimane incerto come la difficoltà del compito influenzi il comportamento decisionale e, di conseguenza, rifletta diversi livelli di carico cognitivo. Pertanto, questo studio mira a impiegare dispositivi ECG portatili per misurare con precisione frequenza cardiaca e HRV, quantificando così oggettivamente i cambiamenti dinamici del carico cognitivo sotto questo paradigma collaborativo.
Il compito collaborativo umano-IA selezionato per questo esperimento è un compito generale adattato dal paradigma proposto da Fügener et al.18. Il vantaggio di utilizzare un compito così generalizzabile è che non richiede ai partecipanti una formazione specializzata e può essere facilmente trasferito a compiti più specifici per il dominio. Nello studio descritto qui, il compito sperimentale prevede la classificazione delle immagini, in cui ai partecipanti viene chiesto di assegnare un'immagine target a uno dei diversi gruppi di categorie di immagini. Una classificazione è considerata corretta se il gruppo di categorie selezionato corrisponde alla vera categoria dell'immagine target. Le immagini target sono state prelevate dal database ImageNet, dove le categorie sono già state validate. Per ogni opzione di gruppo di categoria, sono state fornite dieci immagini di esempio ai partecipanti per ridurre la probabilità che non fossero a conoscenza di certe categorie19. Abbiamo impiegato GoogLeNet Inception v3 come modello AI20, che era stato addestrato su 1.000 potenziali categorie di immagini e aveva raggiunto una precisione media di classificazione di 0,76.
Abbiamo condotto un esperimento preliminare per determinare il livello di difficoltà delle immagini bersaglio. In questo esperimento preliminare, i partecipanti dovevano classificare tutte le immagini autonomamente. La dimensione del campione di 217 partecipanti nel presente studio è stata determinata facendo riferimento alla condizione esclusivamente umana riportata da Fügener et al.18. In un compito collaborativo, generalmente è auspicabile assegnare ogni compito alla parte più adatta a svolgerlo. Per operativizzare la difficoltà del compito, abbiamo confrontato l'accuratezza di ogni immagine con la precisione media dell'IA. Le immagini con accuratezza umana inferiore alla media dell'IA sono state definite come quelle più adatte al completamento dell'IA — cioè immagini relativamente difficili per gli esseri umani. Nell'esperimento formale, abbiamo selezionato in totale 32 immagini, incluse 16 immagini facili e 16 immagini difficili.
Un'analisi di potenza a priori è stata condotta utilizzando G*Power 3.1 per un test di rango Wilcoxonfirmato 21. Abbiamo assunto una dimensione dell'effetto media, un livello di α a due code di 0,05 e una potenza desiderata di 0,90. L'analisi ha indicato che erano necessari almeno 47 partecipanti. Abbiamo reclutato 60 studenti dal campus che non avevano precedentemente partecipato a compiti sperimentali simili. I criteri di inclusione erano i seguenti: tutti i partecipanti erano destrimani, non avevano assunto alcun farmaco recentemente, avevano astenuto caffeina e alcol per 24 ore prima dell'esperimento, non avevano svolto esercizio fisico vigoroso il giorno precedente all'esperimento, avevano mantenuto un sonno adeguato la notte precedente alla sessione e non avevano riportato malattie cardiovascolari o respiratorie. L'età media dei partecipanti era di 22,77 anni ± 1,25 anni. La configurazione sperimentale è mostrata nella Figura 1.
Prima dell'inizio dell'esperimento, ai partecipanti è stato informato che avrebbero svolto un compito di classificazione delle immagini insieme a un'IA. Veniva comunicata loro la precisione media dell'IA e gli era stato istruito che, per ogni immagine bersaglio, potevano classificarla personalmente o delegare la classificazione all'IA. Se i partecipanti sceglievano di completare il compito da soli, rispondevano premendo uno dei cinque tasti (A, B, C, D o E) della tastiera per selezionare una risposta tra le cinque opzioni di immagini. Premendo il tasto designato (P) indicava che il compito era delegato all'IA, anche se i partecipanti non potevano vedere la risposta scelta dall'IA. Un marker veniva scritto sia all'inizio che allo spostamento di ogni stimolo per un'analisi successiva. Prima dell'inizio dell'esperimento formale, i partecipanti hanno completato 4 prove pratiche, seguite da un periodo di riposo di 120 secondi. Successivamente proseguirono con l'esperimento formale di 32 prove. Tra ogni tentativo è stato previsto un intervallo inter-trial di 10 s. La procedura sperimentale è illustrata nella Figura 2.
<img alt="Figura 1" class="xfigimg" src="/files/ftp_upload/69621/69621fig1v2.jpg" data-altupdatedat="1783400419000" data-alt="Figure 1"> 
Figura 1: Configurazione sperimentale. La figura mostra l'attrezzatura utilizzata nell'esperimento e la posizione degli elettrodi di misura ECG. (A) Schema del posizionamento degli elettrodi ECG; (B) Configurazione sperimentale. <a href="https://www.jove.com/files/ftp_upload/69621/69621fig1v2large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figura 2" class="xfigimg" src="/files/ftp_upload/69621/69621fig2.jpg" data-altupdatedat="1783400419000" data-alt="Figure 2"> 
Figura 2: Procedura sperimentale. La sessione di prova consisteva in 4 prove, e l'esperimento formale ne comprendeva 32. Il programma sperimentale è stato sviluppato utilizzando E-Prime (vedi Tabella dei Materiali). Abbreviazione: ECG = Elettrocardiogramma. <a href="https://www.jove.com/files/ftp_upload/69621/69621fig2large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>

<table><tbody><tr><td>Salviette alcolici</td><td>-</td><td>-</td><td>Questo viene utilizzato per pulire e disinfettare la pelle.</td></tr><tr><td>Acqknowledge 5.0</td><td>BIOPAC</td><td></td><td>Questo è un software per l'acquisizione e l'analisi dei dati dei segnali.</td></tr><tr><td>Computer desktop</td><td>Dell</td><td>OptiPlex</td><td>Questo desktop viene utilizzato per eseguire il software per l'acquisizione e l'analisi dell'ECG.</td></tr><tr><td>Dispositivo per l'acquisizione dati ECG</td><td>BIOPAC</td><td>MP160</td><td>Questo dispositivo viene utilizzato per registrare i dati ECG.</td></tr><tr><td>Elettrodi ECG</td><td>Shenfeng</td><td>Serie S</td><td>Si tratta di un accessorio utilizzato per raccogliere i segnali ECG.</td></tr><tr><td>Set di elettrodi a pioli</td><td>BIOPAC</td><td>BN-EL45-LEAD3</td><td>Questo viene utilizzato per la registrazione dei dati insieme al trasmettitore.</td></tr><tr><td>Cavo Ethernet</td><td>BIOPAC</td><td>-</td><td>Questo viene utilizzato per collegare il sistema MP160 al software di acquisizione e analisi dati.</td></tr><tr><td>Software sperimentale</td><td>STRUMENTI SOFTWARE PER LA PSICOLOGIA</td><td>E-prime3.0 Build 3.0.3.31</td><td>Questo è il software utilizzato per creare il programma sperimentale.</td></tr><tr><td>Laptop</td><td>Dell</td><td>E5470</td><td>Questo portatile viene utilizzato per eseguire il programma sperimentale e presentare gli stimoli.</td></tr><tr><td>Cavo a nastro M/F</td><td>BIOPAC</td><td>CBL110C</td><td>Questo viene utilizzato per trasmettere segnali specifici.</td></tr><tr><td>Nastro medico</td><td>-</td><td>-</td><td>Questo viene usato per fissare fili lunghi.</td></tr><tr><td>Cavo di alimentazione</td><td>BIOPAC</td><td>-</td><td>Questo viene utilizzato per alimentare il dispositivo.</td></tr><tr><td>Ricevitore</td><td>BIOPAC</td><td>BN-RSPEC-R</td><td>Questo è un ricevitore ECG.</td></tr><tr><td>Cinturini in Velcro Elasticizzati</td><td>BIOPAC</td><td>BN-STRAP-137&nbsp;</td><td>Questo viene utilizzato per aiutare a fissare il trasmettitore ECG.</td></tr><tr><td>Trasmettitore</td><td>BIOPAC</td><td>BN-RSPEC-T</td><td>Questo è un trasmettitore ECG wireless.</td></tr></tbody></table>

stima del carico cognitivo usando misura elettrocardiografica: un compito collaborativo umano-ia

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

Nelle misurazioni fisiologiche, ci siamo concentrati sugli indici di frequenza cardiaca e frequenza cardiaca sia nel dominio temporale che in quello della frequenza. Per il dominio temporale, abbiamo selezionato la Radice Quadratica Media delle Differenze Successive (RMSSD), che è considerata una misurarobusta 22,23,24. Per il dominio della frequenza, sebbene il rapporto Bassa Frequenza/Alta Frequenza (LF/HF) sia spesso interpre...

Stima del carico cognitivo usando misura elettrocardiografica: un compito collaborativo umano-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

Ricerca

JoVE Journal

Behavior

Comportamento

Questo articolo mira a descrivere le tecniche coinvolte nella raccolta e sincronizzazione delle molteplici dimensioni (comportamentale, affettiva e cognitiva) del coinvolgimento degli studenti durante un compito.

Valutare le molteplici dimensioni di ingaggio per caratterizzare Learning: una prospettiva neurofisiologica

Questo manoscritto descrive un approccio per misurare l'attività neurale di esseri umani e risolvere i problemi di ingegneria spaziale mirati. La metodologia elettroencefalogramma aiuta a interpretare le misurazioni delle onde cerebrali beta in termini di efficienza neurale, con l'obiettivo di consentire in ultima analisi, il confronto di prestazioni compito sia tra i tipi di problemi e tra i partecipanti.

Utilizzando Elettroencefalografia Misure per il confronto della Task-specifici neurali efficienze: compiti spaziali Intelligenza

Questo lavoro presenta un nuovo protocollo per la valutazione di disordine di iperattività di Deficit di attenzione (ADHD) fornendo una procedura diagnostica più oggettiva per questo disordine inerente allo sviluppo, basato sull'uso di strumenti innovativi. Analizza anche il rapporto tra misure di attivazione e funzione esecutiva.

Utilizzando l'attivazione del cervello (nir-HEG/Q-EEG) e misure di esecuzione (TTC) in un protocollo di valutazione di ADHD

Il protocollo attuale descrive come eseguire registrazioni EEG e fNIRS simultanee e come controllare la relazione tra i dati EEG e fNIRS.

Condurre l'elettroencefalografia simultanea e le registrazioni della spettroscopia funzionale vicino all'infrarosso con un compito Flanker

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.

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

Si dimostra come una misura oggettiva può essere impiegato in gomma mano paradigma illusione largamente impiegato. Questa misura è ottenuto modificando il compito congruenza crossmodali ben consolidata. Questa attività permette lo studio dei processi multisensoriali che sono critici per modulazioni di rappresentazioni del corpo come nella illusione della mano di gomma.

La Task Congruenza crossmodali come un mezzo per ottenere una misura comportamentale Obiettivo della mano di gomma Illusion Paradigma

Questo protocollo descrive l'attività 5-scelta tempo di reazione di serie, che è un compito basato operante utilizzato per studiare l'attenzione e il controllo degli impulsi nei roditori. Sfide giornata di test, che sono modificazioni della task standard, aumentare la flessibilità del compito e possono essere combinati con altre manipolazioni per caratterizzare più pienamente il comportamento.

Il 5-Choice reazione Serial Attività temporizzata: un lavoro di Attenzione e Impulse controllo per roditori

Il potenziamento del riflesso di trasalimento viene misurato tramite elettromiografia del muscolo orbicolare dell'occhio durante la minaccia di scosse elettriche a bassa (incerta) e alta (certa) probabilità nel compito di probabilità di minaccia. Ciò fornisce una misura oggettiva di stati emotivi negativi distinti (paura/ansia) per la ricerca sulla psicopatologia, l'uso/abuso di sostanze e la scienza affettiva in generale.

Utilizzando la Task minaccia Probabilità per valutare ansia e paura durante Threat incerto e Certain

L'obiettivo di questo protocollo è quello di effettuare un test comportamentale, come il set attenzionale spostamento compito (AST) per valutare prefrontale flessibilità cognitiva cortex-mediata nei topi.

La Task attenzionale Set Shifting: una certa flessibilità cognitiva nei topi

L'effetto Stroop emotivo (ESE) è il risultato di latenze di denominazione più lunghe per inchiostrare i colori delle parole emotive rispetto a quelle delle parole neutre. Questo rapporto fa riferimento a potenziali fonti di confusione e include un esperimento modale che fornisce i mezzi per controllarle.

La emotivo Stroop Task: Valutare la performance cognitiva in esposizione al contenuto emotivo

Scopri come misurare il carico cognitivo durante compiti collaborativi uomo-IA utilizzando l'elettrocardiogramma. Questo metodo permette di analizzare le variazioni fisiologiche in base alla difficoltà del compito.

Stima del carico cognitivo usando misura elettrocardiografica: un compito collaborativo umano-IA

Esplora altri video