心電図測定を用いた認知負荷の推定:人間とAIの共同課題

私たちは、委任の場でAIを扱う際の認知負荷の変化を研究しています。まずは、実験手順を参加者に紹介し、研究について十分に理解させてください。心電図データ取得システムを準備し、必要な材料をすべて収集してください。事前にゲル化された使い捨て心電極も含まれます。

データ取得システムを心電図データ受信モジュールに接続します。オス対メスのリボンケーブルを使い、データ取得システムと刺激提示に使われるコンピュータとの接続を確立します。イーサネットケーブルを使って、データ取得システムとデータ記録に使用されるコンピュータとの接続を確立します。

システムを安定した電源に接続してください。次に、アルコールワイプで3か所を肌を洗浄します。左肋骨の下、右鎖骨の下、そして右腹部に。

心電図送信機のスイッチを入れ、心電図データ取得システムの電源を入れてください。データ取得システムの送信機と受信モジュール間の無線接続状況を確認してください。さあ、心電図データ取得ソフトを起動しろ。

新しいグラフファイルを作成します。デバイスリストから心電図受信モジュールを選択します。適切な心電図記録チャンネルを選択し、新たに表示される送信機接続ステータスウィンドウで「OK」をクリックします。

データ取得ソフトウェアインターフェースの開始ボタンをクリックして心電図のデータ収集を開始します。心電図の波形が画面上で安定しているか確認してください。次に、参加者に実験課題を始めるよう指示します。

使い捨て電極パッチを手で優しく外すよう指導し、支援してください。次に、データ解析ソフトで記録された心電図データファイルを開きます。心電図チャンネルを選択し、デジタルフィルタリングを適用します。

メニューバーで変形に切り替え、その後デジタルフィルターとコームバンドストップを選びます。ダイアログボックスで「固定」をベース周波数の下で選択します。50ヘルツを入力して「OK」をクリックしてフィルターを適用してください。

次に、メニューバーの「トランスフォーム」をクリックします。デジタルフィルターを選択し、次にFIR、バンドパスを選択します。ダイアログボックスの低周波カットオフの「fixed at」を選択し、1ヘルツを入力してください。

高周波カットオフで「固定」を選択し、35ヘルツを入力してください。次に、実験デザインに基づいてフォーカスエリアを作成し、解析を選択して心拍数データを生成・エクスポートし、メニューバーから血行動態と心電図の間隔抽出を行います。分析オプションで「フォーカスエリアのみ」を選択し、結果表示のオプションで「Excelスプレッドシートのみ」を選択してください。

「OK」をクリックして確認し、エクスポートを完了してください。心拍変動データを作成し、オープン解析を行い、HRVおよびRSAを選択し、その後マルチEPIC HRV統計を行います。心電図チャネル欄で、事前処理済み心電図チャネルを選択し、HRV統計を抽出して焦点領域を選択してください。

出力結果のところに行き、スプレッドシートを選択し、OKをクリックしてタイムドメインの結果を生成しエクスポートします。最後に再度解析を開き、HRVとRSAを選択し、その後マルチエピックHRVとRSAスペクトルを行います。心電図チャネル欄で、事前処理済み心電図チャネルを選択します。

抽出するHRVとRSAの項目で、重点分野を選択してください。出力タイプでは「Excelスプレッドシートのみ」を選択し、「OK」をクリックして周波数領域の結果をエクスポートします。難易度画像条件では、簡単な画像条件と比べて平均心拍数が有意に低かった。

難易度画像条件下では、高周波心拍変動が容易な画像条件下よりも有意に高かった。連続差分の平均二乗根も同様の傾向をたどり、困難な画像条件下では有意に高かった。参加者は難しい画像条件の方が簡単な画像条件よりもはるかに頻繁に委任しました。

私たちは、人々が将来 AI.In と仕事をする際にタスクを委任することで認知負荷を調整することを発見しました。今後、人間とAIが共に学習した際の異なる共学習アプローチが成果にどのような影響を与えるかを見ていきます。