Name: Estimar a Carga Cognitiva Usando Medida Eletrocardiográfica: Uma Tarefa Colaborativa Humano-IA (Vídeo) | JoVE Journal
Uploaded: 2025-12-05T14:45:00.000+00:00
Duration: 7 min 8 s
Description: Aprenda a medir a carga cognitiva em tarefas colaborativas humano-IA usando eletrocardiografia. Este método permite analisar como a dificuldade da tarefa afeta os processos decisórios e a interação com sistemas de inteligência artificial.

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>

Carga cognitiva refere-se à quantidade total de atividade mental imposta ao sistema cognitivo de um indivíduo dentro de um determinado período de execução datarefa 1. A carga cognitiva elevada pode prejudicar o desempenho humano e é um dos principais fatores que contribuem para acidentes de trabalho2. Estados de alta carga cognitiva afetam a atividade cardíaca ao ativar o sistema nervoso simpático e inibir o sistema nervoso parassimpático, aumentando assim a frequência cardíaca (FC) e diminuindo a variabilidade da frequência cardíaca (VFC)3. Crenças de expectativa referem-se ao grau em que os indivíduos acreditam que podem completar com sucesso uma tarefa ou atividade específica4. A dificuldade na tarefa influencia as crenças de expectativa dos indivíduos, que por sua vez regulam seu engajamento comportamental e a alocação de recursos cognitivos, manifestando-se, em última análise, como diferentes níveis de carga cognitiva.
A eletrocardiografia (ECG) fornece um registro de alta resolução temporal da atividade elétrica do coração. Índices de HR e HRV derivados dos sinais de ECG capturam diferentes aspectos do ritmo cardíaco e servem como indicadores psicofisiológicos do estresse físico e mental doindivíduo 5. A FC reflete a frequência geral das contrações cardíacas e pode ser usada para avaliar o estado básico do sistema cardiovascular. A VFC representa a variação temporal entre batimentos cardíacos sucessivos e serve como indicador da regulação do sistema nervoso autônomo (SNA), refletindo o equilíbrio dinâmico entre a atividade simpática eparassimpática 6,7,8. O sistema nervoso simpático é ativado sob estresse, ameaça ou atividade de alta intensidade, frequentemente levando ao aumento da frequência cardíaca cardíaca e à diminuição da VFC. Por outro lado, o sistema nervoso parassimpático é ativado durante estados de relaxamento, sono ou baixa demanda energética, normalmente resultando em diminuição da frequência cardíaca e aumento da VFC.
Os métodos fisiológicos atuais para medir a carga cognitiva incluem atividade no ECG, atividade eletroencefalográfica (EEG), respiração, pressão arterial e índicesoculares 9. Comparados aos questionários retrospectivos tradicionais, as medições fisiológicas oferecem um meio melhor de capturar os estados em tempo real dos participantes, evitando assim o viés de recordação e os efeitos de atraso temporal inerentes às abordagens de autorrelato. Dispositivos portáteis de ECG permitem uma avaliação contínua e discreta do estado dos participantes enquanto estão ocupados em tarefascontínuas 10. Comparado a outras técnicas de medição fisiológica, o ECG portátil representa um método de baixo custo e não invasivo, permitindo que os participantes realizem tarefas de maneira mais natural e flexível dentro do ambiente11. A frequência cardíaca média tende a aumentar à medida que a dificuldade cognitiva das tarefas sobe12, e a VFC demonstrou ser altamente responsiva tanto a demandas mentais quantofísicas 13. Considerando que a tarefa atual deve exigir um esforço mental substancial e um nível modesto de carga física, e dadas as necessidades práticas de cenários de delegação de tarefas na colaboração humano-IA, RH e HRV são índices apropriados para medir a carga cognitiva.
O RH e a HRV têm sido amplamente aplicados ao estudo da carga cognitiva em múltiplos domínios, incluindo aviação14, direção15 e tomada de decisão econômica16, fornecendo ferramentas poderosas para a avaliação contínua e objetiva dos estados humanos. Com a crescente integração da IA no ambiente de trabalho, compreender as mudanças na carga cognitiva durante a colaboração entre humanos e IA tornou-se cada vez mais importante. Um estudo que investigou a tomada de decisão assistida por IA descobriu que, sob condições de alta carga cognitiva, os humanos apresentavam uma dependência irracional de sugestões geradas pela IA17. Em ambientes colaborativos, o papel da IA pode ir além de fornecer conselhos, permitindo que humanos e IA completem tarefas conjuntamente. O presente estudo foca em um novo modo de colaboração no qual os humanos têm autoridade de alocação de tarefas e podem escolher, para cada tarefa, se a completam sozinhos ou a delegam à IA. No entanto, neste contexto específico, onde os humanos têm autoridade para alocar tarefas, permanece incerto como a dificuldade da tarefa influencia o comportamento de tomada de decisão e, consequentemente, reflete diferentes níveis de carga cognitiva. Portanto, este estudo visa empregar dispositivos portáteis de ECG para medir a frequência cardíaca e a VFC com precisão, quantificando objetivamente as mudanças dinâmicas na carga cognitiva sob esse paradigma colaborativo.
A tarefa colaborativa humano-IA selecionada para este experimento é uma tarefa geral adaptada do paradigma proposto por Fügener et al.18. A vantagem de usar uma tarefa tão generalizável é que ela não exige que os participantes passem por treinamento especializado e pode ser facilmente transferida para tarefas mais específicas de cada domínio. No estudo descrito aqui, a tarefa experimental envolve a classificação de imagens, na qual os participantes são convidados a atribuir uma imagem-alvo a um dos vários grupos de categorias de imagens. Uma classificação é considerada correta se o grupo de categorias selecionado corresponder à verdadeira categoria da imagem alvo. As imagens alvo foram extraídas do banco de dados ImageNet, onde as categorias já foram validadas. Para cada opção de grupo de categoria, dez imagens de exemplo foram fornecidas aos participantes para reduzir a probabilidade de que eles não tivessem conhecimento de certascategorias 19. Empregamos o GoogLeNet Inception v3 como modelo de IA20, que foi treinado em 1.000 categorias potenciais de imagem e alcançou uma precisão média de classificação de 0,76.
Realizamos um experimento preliminar para determinar o nível de dificuldade das imagens-alvo. Neste experimento preliminar, os participantes foram obrigados a classificar todas as imagens por conta própria. O tamanho da amostra de 217 participantes no presente estudo foi determinado com referência à condição exclusivamente humana relatada por Fügener et al.18. Em uma tarefa colaborativa, geralmente é desejável atribuir cada tarefa à parte mais adequada para executá-la. Para operacionalizar a dificuldade da tarefa, comparamos a precisão de cada imagem com a precisão média da IA. Imagens com precisão humana inferior à média da IA foram definidas como aquelas mais adequadas para a conclusão da IA — ou seja, imagens relativamente difíceis para humanos. No experimento formal, selecionamos 32 imagens no total, incluindo 16 fáceis e 16 difíceis.
Uma análise de potência a priori foi realizada usando G*Power 3.1 para um teste de rank21 assinado por Wilcoxon. Assumimos um tamanho de efeito médio, um nível de α de duas caudas de 0,05 e uma potência desejada de 0,90. A análise indicou que era necessário um mínimo de 47 participantes. Recrutamos 60 estudantes do campus que não haviam participado anteriormente de tarefas experimentais semelhantes. Os critérios de inclusão foram os seguintes: todos os participantes eram destros, não haviam tomado nenhum medicamento recentemente, haviam abstido cafeína e álcool por 24 horas antes do experimento, não haviam realizado exercícios físicos vigorosos no dia anterior ao experimento, mantido sono adequado na noite anterior à sessão e não relataram doenças cardiovasculares ou respiratórias. A idade média dos participantes foi de 22,77 ± 1,25 anos. A configuração experimental é mostrada na Figura 1.
Antes do início do experimento, os participantes foram informados de que realizariam uma tarefa de classificação de imagens junto com uma IA. Eles foram informados sobre a precisão média da IA e instruídos a que, para cada imagem alvo, poderiam classificar eles mesmos ou delegar a classificação à IA. Se os participantes optassem por completar a tarefa por conta própria, respondiam pressionando uma das cinco teclas (A, B, C, D ou E) do teclado para selecionar uma resposta entre as cinco opções de imagem. Pressionar a tecla designada (P) indicava que a tarefa estava delegada à IA, embora os participantes não pudessem ver a resposta escolhida pela IA. Um marcador era escrito tanto no início quanto no deslocamento de cada estímulo para análise subsequente. Antes do início formal do experimento, os participantes completaram 4 testes práticos, seguidos por um período de descanso de 120 s. Em seguida, prosseguiram para o experimento formal de 32 ensaios. Um intervalo entre ensaios de 10 s foi fornecido entre cada ensaio. O procedimento experimental é ilustrado na Figura 2.
<img alt="Figura 1" class="xfigimg" src="/files/ftp_upload/69621/69621fig1v2.jpg" data-altupdatedat="1783400419000" data-alt="Figure 1"> 
Figura 1: Configuração experimental. A figura mostra o equipamento utilizado no experimento e a colocação dos eletrodos de medição de ECG. (A) Esquema da colocação de eletrodos no ECG; (B) Configuração experimental. <a href="https://www.jove.com/files/ftp_upload/69621/69621fig1v2large.jpg" target="_blank">Por favor, clique aqui para ver uma versão ampliada desta figura.</a>
<img alt="Figura 2" class="xfigimg" src="/files/ftp_upload/69621/69621fig2.jpg" data-altupdatedat="1783400419000" data-alt="Figure 2"> 
Figura 2: Procedimento experimental. A sessão de prática consistiu em 4 testes, e o experimento formal incluiu 32 testes. O programa experimental foi desenvolvido usando E-Prime (veja Tabela de Materiais). Abreviação: ECG = Eletrocardiograma. <a href="https://www.jove.com/files/ftp_upload/69621/69621fig2large.jpg" target="_blank">Por favor, clique aqui para ver uma versão ampliada desta figura.</a>

<table><tbody><tr><td>Lenços alcoólicos</td><td>-</td><td>-</td><td>Isso é usado para limpar e desinfetar a pele.</td></tr><tr><td>Acqknowledge 5.0</td><td>BIOPAC</td><td></td><td>Este é um software para aquisição e análise de dados de sinais.</td></tr><tr><td>Computador desktop</td><td>Dell</td><td>OptiPlex</td><td>Essa área de trabalho é usada para rodar o software de aquisição e análise de ECG.</td></tr><tr><td>Dispositivo de aquisição de dados ECG</td><td>BIOPAC</td><td>MP160</td><td>Este dispositivo é usado para registrar dados de ECG.</td></tr><tr><td>Eletrodos de ECG</td><td>Shenfeng</td><td>Série S</td><td>Este é um acessório usado para coletar sinais de ECG.</td></tr><tr><td>Conjunto de eletrodos de eletrodos</td><td>BIOPAC</td><td>BN-EL45-LÍDER3</td><td>Isso é usado para registro de dados junto com o transmissor.</td></tr><tr><td>Cabo Ethernet</td><td>BIOPAC</td><td>-</td><td>Isso é usado para conectar o sistema MP160 ao software de aquisição e análise de dados.</td></tr><tr><td>Software experimental</td><td>FERRAMENTAS DE SOFTWARE DE PSICOLOGIA</td><td>E-prime3.0 Build 3.0.3.31</td><td>Esse é o software usado para criar o programa experimental.</td></tr><tr><td>Laptop</td><td>Dell</td><td>E5470</td><td>Este laptop é usado para rodar o programa experimental e apresentar os estímulos.</td></tr><tr><td>Cabo Fita M/F</td><td>BIOPAC</td><td>CBL110C</td><td>Isso é usado para transmitir sinais específicos.</td></tr><tr><td>Fita médica</td><td>-</td><td>-</td><td>Isso é usado para fixar fios longos.</td></tr><tr><td>Cabo de energia</td><td>BIOPAC</td><td>-</td><td>Isso é usado para alimentar o dispositivo.</td></tr><tr><td>Receptor</td><td>BIOPAC</td><td>BN-RSPEC-R</td><td>Este é um receptor de ECG.</td></tr><tr><td>Tiras de Velcro elásticas</td><td>BIOPAC</td><td>BN-STRAP-137&nbsp;</td><td>Isso é usado para ajudar a fixar o transmissor de ECG.</td></tr><tr><td>Transmissor</td><td>BIOPAC</td><td>BN-RSPEC-T</td><td>Este é um transmissor de ECG sem fio.</td></tr></tbody></table>

estimar a carga cognitiva usando medida eletrocardiográfica: uma tarefa colaborativa humano-ia

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

Nas medições fisiológicas, focamos nos índices de FC e VFC tanto no domínio do tempo quanto da frequência. Para o domínio do tempo, selecionamos a Raiz Quadrática Média das Diferenças Sucessivas (RMSSD), que é considerada uma medidarobusta 22,23,24. Para o domínio da frequência, embora a razão Baixa Frequência/Alta Frequência (LF/HF) seja frequentemente interpretada como refletindo o equilíbrio entre atividade simpática e parass...

Estimar a Carga Cognitiva Usando Medida Eletrocardiográfica: Uma Tarefa Colaborativa Humano-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

JoVE Journal

Behavior

Comportamento

Este artigo tem como objetivo descrever as técnicas envolvidas na coleta e sincronização das múltiplas dimensões (comportamental, afetiva e cognitiva) do engajamento dos alunos durante uma tarefa.

Avaliando as múltiplas dimensões do noivado a Caracterizar Aprendizagem: uma perspectiva neurofisiológica

Este manuscrito descreve uma abordagem para medir a atividade neural dos seres humanos ao mesmo tempo resolver problemas de engenharia espacialmente focalizados. A metodologia eletroencefalograma ajuda a interpretar as medições de ondas cerebrais beta em termos de eficiência neural, com o objectivo de permitir, em última instância comparações de desempenho da tarefa, tanto entre os tipos de problemas e entre os participantes.

Utilizando Medidas Eletroencefalografia para Comparação de Eficiência Neurais Task-específicos: Tarefas Spatial Intelligence

Este trabalho apresenta um novo protocolo para a avaliação do déficit de atenção e hiperatividade transtorno (TDAH), fornecendo um procedimento diagnóstico mais objetivo para este transtorno do desenvolvimento baseado na utilização de ferramentas inovadoras. Também analisa a relação entre as medidas de ativação e função executiva.

Usando a ativação cerebral (nir-HEG/Q-EEG) e medidas de execução (TTC) em um protocolo de avaliação do TDAH

O presente protocolo descreve como realizar gravações eEG simultâneas e fNIRS e como inspecionar a relação entre os dados de EEG e fNIRS.

Realização de Eletroencefalografia simultânea e gravações de espectroscopia quase infravermelha funcional com uma tarefa flanker

Este estudo propôs um paradigma experimental que aplica a Estimulação Transcraniana por Corrente Contínua de Alta Definição (HD-tDCS) para melhorar a metacognição humana em tarefas de delegação humano-IA. Os resultados demonstraram a eficácia da HD-tDCS no aumento da sensibilidade metacognitiva.

Estimulação transcraniana de corrente contínua de alta definição sobre o córtex pré-frontal dorsolateral direito para aumentar a sensibilidade metacognitiva

Demonstramos como uma medida objectiva pode ser empregue no paradigma ilusão da mão de borracha largamente utilizado. Esta medida é obtida por modificação da tarefa bem estabelecida congruência crossmodal. Esta tarefa permite a investigação de processos multissensoriais que são críticos para modulações de representações do corpo, como na ilusão da mão de borracha.

A Task Congruência Crossmodal como um meio para se obter uma medida comportamental Objetivo no Rubber Mão Illusion Paradigm

Este protocolo descreve a tarefa de tempo de reacção de série 5-escolha, o que é uma tarefa operante base utilizada para estudar a atenção e controlo de impulsos em roedores. Desafios dias de teste, que são modificações da tarefa padrão, aumentar a flexibilidade da tarefa e pode ser combinada com outras manipulações para caracterizar mais profundamente o comportamento.

A reação de série 5-Choice Tempo Tarefa: A tarefa de atenção e controle de impulso para Roedores

A potenciação do reflexo de sobressalto é medida por meio de eletromiografia do músculo orbicular do olho durante a ameaça de choque elétrico de baixa (incerta) e alta (certa) probabilidade na Tarefa de Probabilidade de Ameaça. Isso fornece uma medida objetiva de estados emocionais negativos distintos (medo / ansiedade) para pesquisas sobre psicopatologia, uso / abuso de substâncias e ciência afetiva ampla.

Usando o Task Threat Probabilidade para avaliar a ansiedade eo medo Durante Threat incerto e Certain

O objetivo deste protocolo é a realização de um ensaio comportamental, tais como o conjunto de atenção transferência de tarefas (AST) para avaliar a flexibilidade cognitiva prefrontal mediada pelo córtex em camundongos.

A Task Attentional Set Shifting: uma certa flexibilidade cognitiva em ratos

O efeito Stroop emocional (ESE) é o resultado de latências de nomenclatura mais longas para cores de tinta de palavras emocionais do que para palavras neutras. Este relatório refere-se a fontes potenciais de confusão e inclui um experimento modal que fornece os meios para controlá-las.

O emocional Stroop Task: Avaliação de Desempenho Cognitivo sob exposição a conteúdo emocional

Aprenda a medir a carga cognitiva em tarefas colaborativas humano-IA usando eletrocardiografia. Este método permite analisar como a dificuldade da tarefa afeta os processos decisórios e a interação com sistemas de inteligência artificial.

Estimar a Carga Cognitiva Usando Medida Eletrocardiográfica: Uma Tarefa Colaborativa Humano-IA

Explorar mais vídeos