Methodenartikel

High-definition transcraniële gelijkstroomstimulatie via de rechter dorsolaterale prefrontale cortex om de metacognitieve gevoeligheid te verbeteren

DOI:

10.3791/68824

26 september 2025

In dit artikel

Samenvatting

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

Deze studie stelde een experimenteel paradigma voor dat High-Definition Transcranial Direct Current Stimulation (HD-tDCS) toepast om de menselijke metacognitie in mens-AI-delegatietaken te verbeteren. De resultaten toonden de effectiviteit van HD-tDCS aan bij het verbeteren van de metacognitieve gevoeligheid.

Samenvatting

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

Bij de samenwerking tussen mens en AI is taakdelegatie een cruciaal onderdeel. Idealiter, als een persoon denkt dat hij in staat is om een taak te voltooien, zou hij dat zelf moeten doen; Anders moet de taak worden gedelegeerd aan de andere partij. Dergelijke delegatiebeslissingen worden beïnvloed door de inschattingen van individuen van hun eigen capaciteiten, die worden gevormd door metacognitie - het vermogen om de eigen capaciteiten te evalueren. High-Definition Transcraniële Gelijkstroomstimulatie (HD-tDCS) is een niet-invasieve hersenstimulatietechnologie die de prikkelbaarheid van de hersenschors kan reguleren om de menselijke prestaties te verbeteren. Dit protocol presenteert een methode die gebruik maakt van HD-tDCS om de effecten ervan op menselijke metacognitie tijdens mens-AI-delegatietaken te onderzoeken, waarbij de procedure voor het toepassen van anodische, kathodale of schijnstimulatie op de dorsolaterale prefrontale cortex (DLPFC) wordt beschreven. Stimulatie werd uitgevoerd met behulp van een draagbaar HD-tDCS-apparaat, met behulp van een omtrekopstelling van vijf elektroden, waaronder één doelelektrode en vier retourelektroden. De stimulatie duurde in totaal 21 minuten en de huidige intensiteit was 2 mA. Deze methode zal naar verwachting een nieuw onderzoekspad bieden voor verdere diepgaande verkenning van de neurale mechanismen en gedragsregulatie van mensen in het proces van gezamenlijke taakdelegatie tussen mens en AI en een solide theoretische basis bieden voor het verder optimaliseren van samenwerkingstaken tussen mens en AI.

Inleiding

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

Kunstmatige intelligentie (AI) raakt steeds meer verweven met zowel ons dagelijks leven als de werkplek. In veel contexten in de echte wereld is AI echter nog niet in staat om besluitvormingsprocessen volledig te automatiseren1. Bepaalde taken blijven bijzonder uitdagend voor AI vanwege de huidige technologische beperkingen, maar ook vanwege ethische en juridische overwegingen. Als gevolg hiervan is het vaak onpraktisch of niet raadzaam om AI in specifieke domeinen volledige autonomie te verlenen 2,3. Mensen blijven daarom een onmisbare rol spelen op de werkvloer en de samenwerking tussen mens en AI zal naar verwachting in de toekomst een dominante manier van productie en dienstverlening worden. Onderzoek op gebieden als gezondheidszorg, gastvrijheid en human resources heeft aangetoond dat gezamenlijke inspanningen tussen mensen en AI de kosten kunnen verlagen en, in sommige gevallen, de efficiëntie kunnen verbeteren 4,5,6.

Bij de samenwerking tussen mens en AI wordt van elke partij verwacht dat ze taken uitvoeren die aansluiten bij hun respectieve sterke punten, terwijl ze minder geschikte taken aan de ander delegeren. Daarom is effectieve taakdelegatie essentieel voor een succesvolle samenwerking en optimale prestatieresultaten. Adam et al. ontdekten dat wanneer het delegatieproces volledig geautomatiseerd is en uitsluitend door AI wordt afgehandeld zonder menselijke tussenkomst, mensen de neiging hebben om een verhoogde perceptie van zelfdreiging te ervaren7. Fuegener et al. meldden verder dat mensen tijdens het delegeren van taken aan AI vaak moeite hebben om hun eigen capaciteiten nauwkeurig te beoordelen of de moeilijkheidsgraad van taken te evalueren, wat een laag niveau van metacognitie weerspiegelt8. Deze bevindingen benadrukken het belang van het verbeteren van metacognitie in scenario's voor mens-AI-delegatie om de efficiëntie en kwaliteit van de samenwerking te verbeteren.

Metacognitie verwijst naar het vermogen van een individu om zijn eigen capaciteiten te evalueren9. In de context van wederzijdse delegatie tussen mens en AI is het niet alleen essentieel om een nauwkeurig begrip te krijgen van de capaciteiten van de andere partij, maar ook om de eigen capaciteiten te evalueren om te bepalen wanneer delegeren gepast is. Jussupow et al. ontdekte dat samenwerking tussen mens en AI het meest effectief is wanneer mensen een hoge mate van metacognitie vertonen, dat wil zeggen, wanneer ze zowel hun eigen capaciteiten als die van de AI nauwkeurig kunnen beoordelen10. Evenzo ontdekten Atchley et al. dat het bevorderen van metacognitie in onderwijsomgevingen een diepere en effectievere samenwerking tussen mensen en AI-systemen kan bevorderen11. Eerdere studies over de samenwerking tussen mens en AI hebben metacognitie vaak beoordeeld door middel van zelfrapportagevragenlijsten of door menselijke vertrouwensbeoordelingen als indirecte maatstaven te gebruiken. In psychologisch onderzoek is metacognitieve gevoeligheid (meta-d')12 echter een meer gevestigde en rigoureuze maatstaf voor metacognitie. In de huidige studie gebruiken we meta-d', volgens de benadering beschreven door Maniscalco et al. om metacognitieve gevoeligheidte beoordelen 13.

Transcraniële gelijkstroomstimulatie (tDCS) is veel gebruikt in onderzoek gericht op het verbeteren van metacognitie14. Kernaspecten van metacognitie zijn nauw verbonden met de prefrontale cortex. tDCS levert een zwakke gelijkstroom naar specifieke hersengebieden, waardoor neuronale prikkelbaarheid en synaptische plasticiteit op een niet-invasieve en niet-opdringerige manier worden gemoduleerd, waardoor onderzoekers verschillende cognitieve functies kunnen verbeteren15. Harty et al. ontdekten dat anodische stimulatie over de rechter dorsolaterale prefrontale cortex (DLPFC) de foutdetectieprestaties van deelnemers verbeterde in een foutbewustzijnstaak, waardoor hun metacognitieve monitoring van cognitieve prestaties verbeterde16. Bona en Silvanto rapporteerden dat anodische tDCS de metacognitieve bias in een werkgeheugentaak beïnvloedde17. Mattes et al. toonden aan dat hoewel tDCS de zelfvertrouwensbeoordelingen van de deelnemers beïnvloedde in zowel metacognitie- als mentaliserende taken, het hun metacognitieve gevoeligheid niet veranderde18. Tijdelijke verstoring of schade aan de prefrontale cortex - met name Brodmann-gebieden 46 en 10 - bij zowel mensen als apen heeft aangetoond dat het veranderingen in metacognitieve processen induceert14. Bovendien hebben eerdere studies causaal bewijs geleverd dat stimulatie van de DLPFC koppelt aan metacognitieve vaardigheden19,20. Met name de rechter DLPFC speelt een sleutelrol binnen het neurale netwerk dat ten grondslag ligt aan cognitieve controle21,22, dat nauw verwant is aan de eisen van onze experimentele taak. Daarom hebben we de juiste DLPFC geselecteerd als onze doellocatie voor stimulatie. In overeenstemming met gevestigde protocollen in tDCS-onderzoeken naar metacognitie, pasten we een stroom van 2 mA toe gedurende 21 minuten, inclusief een opstart- en afbouwfase van 1 minuut17,23. Momenteel is de hoogste stroomintensiteit die bij tDCS wordt gebruikt 4 mA, wat aanvaardbaar is gebleken voor deelnemers aan het onderzoek van Workman et al.24.

High-definition transcraniële gelijkstroomstimulatie (HD-tDCS) is een uiterst nauwkeurige modificatie van conventionele tDCS en biedt meer gerichte neuromodulatie door middel van gespecialiseerde elektrodemontages. Vergeleken met conventionele tDCS, die twee grote pad-elektroden gebruikt, zorgt HD-tDCS voor meer gerichte en focale stimulatie van specifieke hersengebieden, wat resulteert in meer aanhoudende effecten25,26. In tegenstelling tot neurofeedbacktechnieken die ook gericht zijn op het verbeteren van cognitieve prestaties27, biedt HD-tDCS verschillende praktische voordelen, waaronder een kortere activeringsperiode, eenvoudigere toepassingsprocedures en lagere implementatiekosten28. Vanuit het perspectief van taakdelegatie tussen mens en AI biedt HD-tDCS een hogere ruimtelijke precisie, bedieningsgemak en kosteneffectiviteit. Bovendien stelt het deelnemers in staat om deel te nemen aan langdurige taken met betrekking tot delegeren en reflectie binnen contexten die real-life of werkplekscenario's benaderen, waardoor het bijzonder geschikt is voor het onderzoeken van metacognitie bij het delegeren van mens en AI. In deze studie werd HD-tDCS gebruikt om meer gerichte stimulatie aan de DLPFC te geven.

Experimenteel ontwerp

Het experimentele materiaal was afkomstig van de ImageNet Large Scale Visual Recognition Challenge (ILSVRC)29. Het AI-model was GoogLeNet Inception v3, een van de best presterende modellen in beeldclassificatietaken30.

De experimentele taak was een mens-AI-delegatietaak, met name een beeldclassificatietaak. Afbeeldingsclassificatie omvat het toewijzen van een doelafbeelding aan een categorie, en het is een algemene taak waarvoor geen domeinspecifieke training of voorafgaande expertise vereist is. Taken op basis van specifieke situationele achtergronden kunnen de generaliseerbaarheid in gevaar brengen. In scenario's met een hoge inzet met mogelijk verlies hebben mensen bijvoorbeeld de neiging om beslissingen te delegeren aan AI31, waardoor het in feite de zondebok van het team wordt32. De taak die in deze studie werd gebruikt, is aangepast aan het collaboratieve classificatieparadigma tussen mens en AI ontwikkeld door Fuegener et al. en door Gass et al.8,33.

Er werd een voorbereidend experiment uitgevoerd om de moeilijkheidsgraad van het beeld te beoordelen. De moeilijkheidsgraad van het beeld is de gemiddelde nauwkeurigheid van het overeenkomstige beeld in de toestand van alleen de mens. Zoals te zien is in figuur 1, bestond elke proef uit een doelafbeelding en vijf sets afbeeldingsopties. Deelnemers werd gevraagd de optieset te kiezen die het beste overeenkwam met de doelafbeelding. In totaal hebben 217 deelnemers het vooronderzoek afgerond. Alle deelnemers aan het vooronderzoek werden uitgesloten van rekrutering voor het hoofdexperiment.

figure-introduction-1
Figuur 1 :Interface voor voorbereidend experiment. Interface getoond aan deelnemers aan het voorlopige experiment, waar ze één antwoord selecteerden uit vijf opties. Klik hier om een grotere versie van deze figuur te bekijken. 

In de formele experimentinterface (zie afbeelding 2) wordt een doelafbeelding bovenaan het scherm weergegeven. Daarnaast worden vijf opties voor afbeeldingsgroepen en één delegatieoptie (rechtsboven in het scherm) gepresenteerd. Deelnemers moeten kiezen tussen het delegeren van de taak aan de AI en het zelf voltooien ervan. In het laatste geval selecteren ze een van de vijf opties voor afbeeldingscategorieën die het beste bij de doelafbeelding passen. Na elke beslissing gaat de interface naar de volgende pagina, waar de deelnemers wordt gevraagd hun vertrouwen in hun delegatiebeslissing te beoordelen op een schaal van 1 tot 4. Voordat het formele experiment begon, kregen de deelnemers te horen dat het AI-systeem een gemiddelde nauwkeurigheid van 76% had.

figure-introduction-2
Figuur 2: Formele experimentinterface. Hoofdinterface die tijdens de taak aan de deelnemers wordt getoond. (A) De taakinterface; (B) de interface voor betrouwbaarheidsclassificatie. Klik hier om een grotere versie van deze figuur te bekijken.

In totaal werden 62 rechtshandige deelnemers gerekruteerd voor het hoofdexperiment. Alle deelnemers waren afgestudeerde studenten die geen eerdere ervaring hadden met soortgelijke experimentele taken. De uitsluitingscriteria waren als volgt: deelnemers mogen binnen 24 uur voorafgaand aan het experiment geen sedatieve-hypnotica of psychoactieve stoffen hebben ingenomen, mogen geen schedeldefecten hebben (bijv. gaten of breuken) en mogen geen metalen implantaten in de schedel hebben (bijv. metalen platen). Twee deelnemers werden uitgesloten: één vanwege dermatologische ontsteking die HD-tDCS-stimulatie verhinderde, en één voor het innemen van een cafeïnehoudende drank voorafgaand aan het experiment. De overige 60 deelnemers (gemiddelde leeftijd = 22,68 ± 0,91 jaar) voltooiden het experiment. Ze werden willekeurig toegewezen aan een van de drie stimulatiecondities - anodaal, kathodaal of schijn - elk met 20 deelnemers. De simulaties van elektrische velden worden weergegeven in figuur 3. Elke deelnemer voerde de beeldclassificatietaak één keer uit voor en één keer na stimulatie, wat 120 datasets opleverde voor analyse. De HD-tDCS-procedure wordt geïllustreerd in Figuur 4 en de experimentele workflow wordt samengevat in Figuur 5. We voerden een a priori poweranalyse uit met behulp van G*Power 3.134, uitgaande van een macht van 90% (1 - β = 0,90), een effectgrootte van f = 0,25 en een alfaniveau van 0,05. De analyse gaf aan dat een minimum van 18 deelnemers per groep vereist zou zijn. Onze uiteindelijke steekproefomvang voldeed aan deze eis.

figure-introduction-3
Figuur 3: Simulatie van elektrische velden. Zijaanzicht van de elektrische veldverdeling (rechterkant). (A) Anodische stimulatie conditie. (B) Kathodale stimulatie conditie. Klik hier om een grotere versie van deze figuur te bekijken.

figure-introduction-4
Figuur 4: HD-tDCS experimentele opstelling. Foto van de experimentele opstelling van HD-tDCS, ter illustratie van de plaatsing van de elektrode en de positie van het apparaat tijdens de stimulatie. Klik hier om een grotere versie van deze figuur te bekijken.

figure-introduction-5
Figuur 5: Experimenteel stroomschema. Het experiment bestond uit drie fasen, waaronder beeldclassificatietaken die voor en na de stimulatie werden uitgevoerd. Afkortingen: HD-tDCS = high-definition transcraniële gelijkstroomstimulatie; rDLPFC = rechter dorsolaterale prefrontale cortex. Klik hier om een grotere versie van deze figuur te bekijken.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Protocol

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

Deze studie werd uitgevoerd in overeenstemming met de principes van de Verklaring van Helsinki en werd goedgekeurd door de Institutional Review Board van de Jiangsu University of Science and Technology. We hebben de geïnformeerde toestemming van de deelnemers verkregen om hun gegevens te gebruiken en vrij te geven.

1. Voorbereiding

  1. Bereid je voor op de experimenttaak.
    1. Download afbeeldingsgegevens van de ImageNet-website (https://image-net.org/).
      OPMERKING: De gedownloade afbeeldingen zijn gecategoriseerd en elke categorie bevat meerdere afbeeldingen.
    2. Voer de Python-code uit die betrekking heeft op het GoogLeNet Inception v3-model om afbeeldingen te classificeren (zie aanvullend bestand 1). Sla de top vijf van voorspelde categorieën voor elke afbeelding op, samen met de nauwkeurigheid van de Top-1-classificatie.
      OPMERKING: Deze Python-code voert afbeeldingsclassificatie uit door het Inception V3-model te laden. Voor elk doelbeeld worden de top vijf van voorspelde categorieën weergegeven. De beeldsets die overeenkomen met deze vijf voorspelde categorieën worden aan de deelnemers gepresenteerd als responsopties in het experiment. Als de juiste categorie niet in de top vijf van voorspellingen staat, wordt een van de voorspelde categorieën vervangen door de juiste om ervoor te zorgen dat deze in de opties wordt opgenomen.
    3. Gebruik Python of een ander willekeurig bemonsteringsprogramma om de doelafbeelding te selecteren uit de afbeeldingen die door het model zijn geclassificeerd.
    4. Extraheer voor elke doelafbeelding 10 afbeeldingen voor elk van de vijf categorieën om als antwoordopties te dienen. Wijzig het formaat van alle afbeeldingen om uniforme afmetingen te garanderen.
    5. Voer een vooronderzoek uit en nodig deelnemers uit om deel te nemen aan het experiment.
      OPMERKING: De voorbereidende studie was vergelijkbaar met het formele experiment, behalve dat de deelnemers alle onderzoeken zelf moesten voltooien, zonder de mogelijkheid om te delegeren en zonder een proces voor betrouwbaarheidsbeoordeling.
    6. Registreer de nauwkeurigheid van elke deelnemer bij het reageren op elke afbeelding en bereken de nauwkeurigheid voor elke afbeelding. Gebruik de nauwkeurigheidsscores als een index van de moeilijkheidsgraad van de afbeelding om de afbeeldingen dienovereenkomstig te classificeren.
      OPMERKING: Alle afbeeldingen zijn gesorteerd op nauwkeurigheid, waarbij een hogere nauwkeurigheid een lagere moeilijkheidsgraad aangeeft. Wanneer bijvoorbeeld 10% van de deelnemers correct reageert op een afbeelding, wordt de moeilijkheidsgraad van die afbeelding ingesteld op 90%.
    7. Verdeel de afbeeldingen in twee sets van vergelijkbare moeilijkheidsgraden op basis van hun moeilijkheidsgraden. Gebruik de twee sets afbeeldingen als experimenteel materiaal om het formele experimentele programma te maken via de E-prime 3 (zie aanvullend bestand 1).
      OPMERKING: Dit experimentele programma is ontworpen om de taak voor het classificeren van afbeeldingen weer te geven.
  2. Zorg ervoor dat de deelnemer geen contra-indicaties heeft voor HD-tDCS en niet voldoet aan uitsluitingscriteria. Introduceer de experimentele procedure aan de deelnemers en verkrijg schriftelijke geïnformeerde toestemming nadat ze hun begrip van het onderzoek hebben bevestigd.
    OPMERKING: Vraag de deelnemer naar zijn dominante hand en bevestig deze door te observeren welke hand hij gebruikt om te schrijven.
  3. Meet de hoofdomtrek van de deelnemer met behulp van een meetlint en selecteer dienovereenkomstig de juiste HD-tDCS neopreen hoofdkapmaat (zie materiaaltabel).
  4. Controleer of het HD-tDCS-apparaat volledig is opgeladen. Zorg ervoor dat alle accessoires, inclusief elektroden, elektrodegel, spuit die bij het instrument is geleverd, elektrodekabels en de computer die wordt gebruikt om het HD-tDCS-systeem te bedienen, klaar zijn voor gebruik.
  5. Selecteer willekeurig een van de twee experimentele taken als de pretest-voorwaarde. Instrueer de deelnemer om de afbeeldingsclassificatietaak te voltooien.
    OPMERKING: Een generator voor willekeurige getallen kan worden gebruikt om willekeurig experimentele omstandigheden toe te wijzen.
    1. Open het programma.
    2. Klik op UITVOEREN, voer het onderwerpnummer en het sessienummer in, bevestig de informatie en klik op JA om de experimentele taak te starten.

2. HD-tDCS-stimulatie

  1. Steek de onderste delen van de vijf elektroden in de overeenkomstige posities op de neopreen hoofdkap. Deze vijf posities dienen als stimulatieplaatsen.
    NOTITIE: Gebruik de volgende vijf elektrodeposities om de juiste DLPFC te targeten: F4, Fp2, Fz, C4 en F8.
  2. Instrueer de deelnemer om comfortabel in een stoel te zitten. Plaats de voorkant van de neopreen hoofdkap ongeveer 1-2 cm boven de wenkbrauwen. Zorg ervoor dat Cz is uitgelijnd met het middelpunt tussen de twee preauriculaire punten. Plaats de dop stevig op het hoofd van de deelnemer en zorg voor een goede uitlijning.
    NOTITIE: Zorg er bij het monteren van de hoofdkap voor dat u Cz, de inion, nasion en linker en rechter preauriculaire punten lokaliseert volgens het internationale 10-20 EEG-systeem.
  3. Breng elektrodegel (zie Materialen aan) aan op elke stimulatieplaats met behulpvan de spuit die bij het instrument is geleverd om de impedantie tussen de elektroden en de hoofdhuid te verminderen.
    OPMERKING: De elektrodegel is een sterk geleidende en in water oplosbare gel.
    1. Vul de spuit met elektrodegel.
    2. Maak voor elke elektrode een scheiding van het haar met de spuit om de hoofdhuid bloot te leggen.
    3. Injecteer een voldoende hoeveelheid elektrodegel op de blootgestelde hoofdhuid in de onderste delen van alle elektroden.
    4. Schroef de bovenste en onderste delen van alle elektroden aan elkaar.
  4. Sluit het HD-tDCS-apparaat aan.
    1. Schakel het HD-tDCS-apparaat in en start de bijbehorende besturingssoftware (zie materiaaltabel).
      OPMERKING: De computer waarop de besturingssoftware draait, moet ten minste aan de volgende vereisten voldoen: Verwerker: 1,6 GHz; RAM-geheugen: 2 GB; Interface: USB of WiFi; Schermresolutie: 1.280 x 768.
    2. Schakel Bluetooth in op de computer. Selecteer in de besturingssoftware de optie GEBRUIK Wi-Fi-apparaten om het verbindingsproces te starten.
    3. Wacht tot het MAC-adres van het apparaat in de lijst verschijnt. Zodra het verschijnt, selecteert u het apparaat.
    4. Selecteer in de instelling Lijnruisfilter 50 Hz om elektrische interferentie te elimineren. 
      OPMERKING: De geselecteerde frequentie moet overeenkomen met de wisselstroomfrequentie die wordt gebruikt in het land waar het experiment wordt uitgevoerd.
    5. Klik onder aan het instellingenpaneel op de knop Dit apparaat gebruiken . De software maakt dan een verbinding met het apparaat.
  5. Configureer het HD-tDCS-stimulatieprotocol.
    1. Klik op het hoofdvormige pictogram in het linkerdeelvenster van de besturingssoftware. Klik vervolgens op NIEUW PROTOCOL TOEVOEGEN om een nieuw stimulatieprotocol te maken.
    2. Stel de protocolduur in op 21 minuten, met een opstartperiode van 30 s en een afbouwperiode van 30 s voor de huidige levering.
      OPMERKING: Als het protocol een schijnstimulatie is, schakelt u de schijnoptie in .
    3. Sleep de F4-elektrode naar de stimulatiekolom aan de rechterkant. Zet het kanaal in de stimulatiemodus, voer een stroomintensiteit van 2.000 μA35 in, selecteer anodische stimulatie.
      OPMERKING: De aanduiding van anode en kathode is afhankelijk van het beoogde stimulatietype.
    4. Sleep de elektroden Fp2, Fz, C4 en F8 naar de stimulatiekolom. Zet elk kanaal in de retourmodus en wijs 25% van de totale stroom toe aan elk kanaal. Sla het protocol op.
    5. Selecteer het geconfigureerde stimulatieprotocol. Bevestig het HD-tDCS-apparaat aan de klittenband aan de achterkant van de hoofdkap. Gebruik de elektrodekabels om het apparaat aan te sluiten op de elektrodehardware.
      NOTITIE: Zorg ervoor dat elke kabel is aangesloten op de juiste elektrodepositie, die overeenkomt met de configuratie in de software.
    6. Controleer of alle kabels goed zijn aangesloten. Klik op de knop LOAD PROTOCOL in de rechterbenedenhoek.
  6. Klik op de knop IMPEDANTIE CONTROLEREN om een impedantiecontrole uit te voeren.
    NOTITIE: Zorg ervoor dat de verbindingsstatusindicatoren voor alle geselecteerde elektroden groen (0-10 kΩ) of oranje (10-15 kΩ) zijn. Als een indicator rood lijkt (>15 kΩ), breng dan de elektrodegel opnieuw aan of pas het haar aan om meer hoofdhuid bloot te leggen om de impedantie te verminderen.
  7. Klik op de startknop (driehoekig pictogram met de rechterkant) om de stimulatie te starten.
  8. Instrueer de deelnemers om hun gewaarwordingen op meerdere tijdstippen tijdens de stimulatiesessie te melden.
    OPMERKING: Als een deelnemer ongemak meldt dat verder gaat dan normale gewaarwordingen, klik dan onmiddellijk op de STOP-knop in de software, verwijder het apparaat van de deelnemer en controleer de toestand van zijn hoofdhuid.

3. Nastimulatie

  1. Schakel de besturingssoftware uit. Koppel de kabels los van de elektroden en verwijder het HD-tDCS-apparaat voorzichtig.
  2. Verwijder de hoofdkap van het hoofd van de deelnemer en maak alle elektroden los.
  3. Selecteer het andere experimentele programma dat nog niet is voltooid. Instrueer de deelnemer om de afbeeldingsclassificatietaak te voltooien als de post-test.
  4. Voorzie de deelnemer van benodigdheden om zijn haar schoon te maken.
  5. Instrueer de deelnemers om een sensatievragenlijst in te vullen na de HD-tDCS-sessie36. Gebruik de vragenlijst om de tolerantie en subjectieve ervaring van de deelnemers met de HD-tDCS-stimulatie te beoordelen.
  6. Reinig de hoofdkap en elektroden.
    1. Spoel de headcap grondig af met water. Hang de hoofdkap aan de lucht te drogen.
    2. Gebruik kraanwater om de gel voorzichtig van de elektroden te spoelen.
      OPMERKING: Gebruik warm water om de gel sneller op te lossen.
    3. Laat de elektroden aan de lucht drogen op een papieren handdoek of doek, uit de buurt van direct zonlicht. Eenmaal droog, plaats je ze in de verpakking voor langdurige opslag.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Resultaten

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

Het belangrijkste resultaat van dit onderzoek is het meten van metacognitieve gevoeligheid met behulp van de meta-d'. Er werd een normaliteitstest uitgevoerd op de metacognitieve gevoeligheidsscores van deelnemers bij verschillende soorten stimulatie, en de resultaten toonden aan dat onder alle omstandigheden aan normaliteit werd voldaan. Een ANOVA met herhaalde metingen werd uitgevoerd om de metacognitieve gevoeligheid van verschillende soorten stimulati...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Discussie

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

Om de betrouwbaarheid van de experimentele resultaten te garanderen, moet tijdens de procedure met verschillende factoren rekening worden gehouden. Ten eerste is het bij het aansluiten van de kabels op de HD-tDCS-elektrodehardware van cruciaal belang om te controleren of elke kabel precies overeenkomt met de aangegeven elektrodepositie, aangezien onjuiste aansluitingen onbedoelde fysiologische effecten kunnen veroorzaken. Ten tweede, aangezien dit een enkelblind onderzoek is met een schi...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Openbaarmakingen

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

De auteurs hebben niets te onthullen.

Dankbetuigingen

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

Deze studie werd ondersteund door het Postgraduate Research & Practice Innovation Program van de provincie Jiangsu (KYCX25_4311), de National Natural Science Foundation of China (72374088, 72471105, 72472094, 72001096), 2024 Key Project of Higher Education Science Research Planning of China Association of Higher Education (24XX0205, Mechanisms of Human-AI Collaboration Strategies in Enhancing Learning Outcomes), 2024 Key Project of Education Science Planning in Jiangsu Province (B-b/2024/01/162, Modelconstructie en empirisch onderzoek naar multimodaal leren vanuit het perspectief van educatieve neurowetenschappen), Jiangsu Government Scholarship for Overseas Studies (JS-2024-69) en het Humanities and Social Science Fund van het Ministerie van Onderwijs van China (24YJCZH445).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
Elektrode kabelsNeuroelectrics10 elektrode kabelDe elektrodekabel heeft 10 medische elektrode aansluitingen.
Elektrode gelParker LaboratoriesSignagel 250g NE016bHet wordt gebruikt om de impedantie te verlagen en de signaalkwaliteit te verbeteren.
ElektrodenNeuroelectricsNG PISTIM NE029De NG Pistim bestaat uit twee delen: de bevestiging (bovenste deel) en de getrapte sluiter (onderste deel).
Experimentele softwarePSYCHOLOGY SOFTWARE TOOLSE-prime3.0 Build 3.0.3.31Dit is de software die wordt gebruikt om het experimentele programma te maken.
HD-tDCS apparaatNeuroelectricsStarstim 8Dit is het apparaat dat wordt gebruikt om HD-tDCS stimulatie te leveren.
HD-tDCS softwareNeuroelectricsNIC2 V2.1.3.6Het is de applicatie die het mogelijk maakt dat een computer communiceert met het HD-tDCS apparaat.
LaptopDellG5 5500Deze computer draait de software die wordt gebruikt in het experiment.
Neopreen hoofdkapNeuroelectricsMHet is een hoofdkap om de elektroden nauwkeurig op de hoofdhuid te plaatsen. Maten: S (49 cm), M (54 cm), L (57 cm), XL (60 cm)
Statistisch hulpmiddelIBMSPSS V26Het wordt gebruikt voor gegevensanalyse.
Spuit-NE014Het wordt gebruikt om elektrode gel te injecteren.

Referenties

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

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Herprints en machtigingen

Toestemming aanvragen om de tekst of afbeeldingen van dit JoVE-artikel te hergebruiken

Toestemming aanvragen

Trefwoorden

High Definition tDCSMens AI samenwerkingTaakdelegatieAnodale stimulatieKathodale stimulatieSham stimulatieBeeldclassificatietaakANOVA voor herhaalde metingen

Gerelateerde artikelen