ユーモアか合理性か?エージェントの種類や言語スタイルがライドシェアサービス失敗回復における満足度に与える神経メカニズム

私たちは、ライドハリングの回復満足度に寄与するエージェントタイプや言語スタイルの神経メカニズムを探ります。従来のアプローチは直接的な神経エビデンスを導きます。このプロトコルはリアルタイムの脳活動を捉え、基礎となる認知処理機構を検証します。

まず、参加者がラボに到着した後に予備ブリーフィングを行います。コア機器、材料、そして実験手順を段階的に紹介します。また、実験課題、推定期間、重要な注意事項を明確に説明してください。

参加者に対して書面によるインフォームドコンセントフォームを提供してください。参加者に、実験開始前にフォームを注意深く読み、署名するよう指示してください。参加者には、指定された場所で中性シャンプーで髪を洗い、頭皮の油分やほこり、電極の伝導性に影響を与える不純物を除去するよう指示します。

ラボ提供のヘアドライヤーを使って、湿った部分が残らないようしっかりと乾燥させてください。その後、参加者を22度の温度で薄暗い照明で管理され、電磁シールドと防音材を備えた専用の脳波記録ラボへ案内します。参加者に画面の中心から約1メートル離れた快適な椅子に座るよう指示します。

75%の医療用アルコール用コットンボールと刺激のない洗顔料を使い、参加者の指定した顔の部分を優しく拭き取ります。国際的な10-20システムに従い、64個の銀塩化銀電極を備えた電極キャップを参加者の頭皮に位置付けます。キャップの中央線をナシオンからイニオンラインに合わせます。

次に、CZ電極を頂点に置きます。FP1とFP2が耳の上約2センチ、T3とT4が耳耳管の約2センチ上にあることを確認してください。すべての電極井戸に導電性ゲルを充填してください。

次に医療用テープで外部電極を固定します。基準電極を鼻先に置きます。垂直眼電極を左眼窩ソケットの上下1センチに位置させます。

次に、水平の眼電極を各眼の外眼角から1センチ外側に、M1およびM2電極をそれぞれ左と右乳様突起に配置します。次に、電極キャップのあごストラップをぴったりつきつつも快適なフィット感に調整してください。キャップがねじれていないか、回転していないか確認し、最終的な位置を確認してください。

録音ソフトをインピーダンスチェックモードに切り替えてください。鈍い先端の注射器を使って、電極ウェルに導電性ゲルを充填します。各部位の髪を優しく分けて、頭皮がしっかり接触するようにします。

各チャネルのインピーダンスが10キロオーム以下になるまで電極を調整します。モニター上で青色または暗色で許容値が示されているか確認してください。さて、実験が閉鎖的で静かな環境で行われることを参加者に伝えてください。

リラックスし、安定した座り方を保ち、体の動きを最小限に抑え、セッション中は集中力を保つよう指示してください。次に、刺激を22インチ液晶ディスプレイモニターに映します。画面のリフレッシュレートを60ヘルツに設定してください。

E-Primeのハードウェアキーをコンピュータのユニバーサルシリアルバスポートに差し込みます。E-Studioのアイコンをダブルクリックするとソフトウェアを起動できます。次にファイルを選択し、プロジェクトファイルを読み込むために「開く」を選びます。

E-Runの起動インターフェースで、件名番号、セッション番号、その他必要な情報を入力します。次に「ツール」と「E-Run」をクリックしてください。次に「走る」を選択して練習セッションを実行してください。

参加者が指示を理解し、メインの実験と同じ10回の模擬試験を行うことを確認してください。回答後、参加者が刺激を明確に読み理解したかどうかを尋ねます。練習トライアル終了後、参加者が準備完了を確認したら、指示画面に進みます。

参加者にスペースバーを押すよう指示し、メインの実験を始めるよう指示します。この実験は120の試行で構成され、2つのブロックに分かれ、各ブロックは60回ずつ、ブロックの間に2分間の休憩が必須です。隣の部屋からモニター画面を使ってセッションの進行状況を監視します。終了後は、ソフトウェアが自動的にデータを保存するようにしてください。

次に、参加者から電極キャップを外します。参加者に髪や皮膚から残留した導電性ジェルを除去し、残留物が残っていないことを確認するよう指示します。清掃後に不快感がないか確認してください。

実験を終了し、報酬を支払う。EEGデータを目視で確認し、著しいベースラインドリフトや重度のノイズアーティファクトがあるエポックを除外します。垂直眼電図チャネルを基準に設定します。

スキャンソフトウェアの眼部アーティファクト削減アルゴリズムを適用して、まばたきや眼球運動のアーティファクトを修正します。次に、E-Primeプログラムで挿入されたイベントマーカーを使い、連続データを刺激開始にタイムロックされたエポックに分割します。時間の窓をマイナス200ミリ秒からプラス800ミリ秒まで定義します。

刺激前の200ミリ秒間隔を基準線として定義し、スキャンソフトウェアで基準補正を適用します。解析ウィンドウ内で信号振幅がプラスマイナス100マイクロボルトを超えるエポックは除外し、アーティファクトを除去します。左右乳様突起電極の平均信号を計算します。

すべてのチャンネルをオフラインでこの乳様突き平均に再参照してください。各参加者について、同じ刺激条件内のアーティファクトなしエポッシウムをすべて平均して、条件特異のイベント関連ポテンシャル波形を得ます。次に、平均波形に24デシベル/オクターブのロールオフを持つ30ヘルツのローパスフィルターを適用します。

すべての参加者の個別平均を組み合わせて、各状態のイベント関連のグランドアベレーティブを算出します。満足度評価では、サービスエージェントの主要な効果が有意であり、人間のエージェントの満足度はAIエージェントよりも高かった。言語スタイルの主要な効果も見られ、ユーモラスな状態の満足度が合理的条件よりも高かった。

サービスエージェントと言語スタイルの間に有意な相互作用が観察されました。ユーモラスな言語条件では、人間のエージェントの満足度がAIエージェントよりも高かった。N2成分は言語スタイルの主効果が有意で、理性的な言語スタイルはユーモラスな言語スタイルよりもネガティブなN2を引き起こしました。

P300コンポーネントでは、サービスエージェントと言語スタイルの間に有意な相互作用が観察されました。ユーモラスな言語条件では、人間のエージェントがAIエージェントよりもポジティブなP300を誘発しました。AIエージェント条件では、合理的な言語スタイルの方がユーモラスな言語スタイルよりもポジティブなP300を誘発しました。

このプロトコルは、ライドシェアサービス復旧戦略におけるエージェントタイプや言語スタイルに対するユーザーの神経および行動反応を測定します。発生刺激タイミング、正確な電極配置、低インピーダンス、厳格なアーティファクト除去は、信頼できるEIPデータを得るために不可欠です。今後の研究では、異文化間効果や性格の影響、AIによる人間回復コミュニケーションの取り組みが検討されるかもしれません。