5 декабря 2025 г.
Этот протокол описывает использование физиологических индикаторов для измерения вариаций когнитивной нагрузки на разных уровнях сложности задач в совместных задачах человека и ИИ. Результаты показывают, что люди адаптируют процессы принятия решений в зависимости от сложности задачи, тем самым отражая разные уровни когнитивной нагрузки.
Мы изучаем, как меняется когнитивная нагрузка людей при работе с ИИ в условиях делегирования. Для начала познакомите участника с экспериментальной процедурой и убедитесь, что он полностью осведомлён об исследовании. Подготовьте систему сбора данных для электрокардиограммы и соберите все необходимые материалы, включая предварительно засушенные одноразовые электроды для электрокардиограммы.
Подключите систему сбора данных к модулю приёмника электрокардиограммы. Используя ленточный кабель между мужчиной и женщиной, установите связь между системой сбора данных и компьютером, используемым для презентации стимулов. Используя Ethernet-кабель, установите соединение между системой сбора данных и компьютером, используемым для записи данных.
Подключите систему к стабильному блоку питания. Теперь очистите кожу участника спиртовыми салфетками в трёх местах. Ниже левого ребра, под правой ключицей и на правом брюшке.
К каждому чистому участку прикрепите по одному одноразовому электрокардиограммному электродному пластырю. Затем надёжно подключите разъём провода к электрокардиограммному передатчику и подключите металлический клипс провода к соответствующему электроду. Закрепите электрокардиограммный передатчик на теле участника с помощью эластичных ремней с крючком и петлей и отрегулируйте натяжение ремня, чтобы передатчик оставался на месте и оставался комфортным для участника.
Включите переключатель передатчика электрокардиограммы и включите систему сбора данных по электрокардиограмме. Проверьте состояние беспроводного соединения между передатчиком и приёмным модулем системы сбора данных. Теперь запускайте программное обеспечение для сбора данных по электрокардиограмме.
Создайте новый графовый файл. Выберите приемник электрокардиограммы из списка устройств. Выберите подходящий канал для записи электрокардиограммы и нажмите OK в недавно отображаемом окне статуса подключения передатчика.
Нажмите «Старт» в программном интерфейсе сбора данных, чтобы начать сбор данных электрокардиограммы. Проверьте, что форма электрокардиограммы на экране стабильна. Теперь поручите участнику приступить к экспериментальной задаче.
После завершения задачи нажмите стоп в программном обеспечении для сбора данных, чтобы завершить сессию записи. Отсоедините зажимы провода от электродных нашивок. Ослабьте эластичные ремни с крючком и петлей и уберите электрокардиограммный передатчик с тела участника.
Обучайте и помогайте участнику аккуратно вручную снимать одноразовые электродные пластыри. Далее откройте записанный файл данных электрокардиограммы в программном обеспечении для анализа данных. Выберите канал электрокардиограммы и примените цифровую фильтрацию.
В строке меню перейдите к трансформации, затем цифровые фильтры и остановка ленты гребня. Затем в диалоговом окне выберите фиксированное под базовой частотой. Введите 50 герц и нажмите OK, чтобы применить фильтр.
Далее нажмите «Трансформировать» в строке меню. Выберите цифровые фильтры, затем FIR, затем полосный проход. В диалоговом окне, при низкочастотном отсечении, выберите фиксированное на и введите один герц.
В разделе отсечения высокой частоты выберите фиксированную точку и введите 35 герц. Теперь создайте области фокуса на основе экспериментального дизайна, генерируйте и экспортируйте данные о пульсе, выбирая анализ, затем извлекайте гемодинамику и экстракцию интервалов ЭКГ из строки меню. В опции анализа выберите только области фокуса, а в варианте отображения результатов выберите только таблицу Excel.
Нажмите OK, чтобы подтвердить и завершить экспорт. Для получения данных о вариабельности сердечного ритма открывайте анализ и выбирайте HRV и RSA, затем мультиэпическую статистику HRV. В поле канала ЭКГ выберите предварительно обработанный канал электрокардиограммы и в разделе извлечь статистику ВРС для выбора зон фокуса.
Перейдите к выводу результатов, выберите таблицу и нажмите OK, чтобы сгенерировать и экспортировать результаты временной области. Наконец, снова открыть анализ и выбрать HRV и RSA, затем мультиэпические HRV и RSA-спектры. В поле канала ЭКГ выберите заранее обработанный канал электрокардиограммы.
В разделе extract HRV и RSA выберите области фокуса. В типе вывода выберите только таблицу Excel и нажмите OK, чтобы экспортировать результаты частотной области. Средний пульс был значительно ниже при условии сложного изображения по сравнению с лёгким изображением.
Вариабельность сердечных сокращений на высокой частоте была значительно выше в условиях сложного изображения по сравнению с лёгким изображением. Средний квадрат корня последовательных различий следовал схожей тенденции и был значительно выше при сложном условии изображения. Участники делегировали значительно чаще в условиях сложного изображения, чем в условиях лёгкого изображения.
Мы обнаружили, что люди корректируют свою когнитивную нагрузку, делегируя задачи при работе с AI.In будущим в будущем; мы рассмотрим, как разные подходы к совместному обучению влияют на результаты, когда человек и ИИ учатся вместе.
Просмотрите полный транскрипт и получите доступ к тысячам научных видео
Этот протокол описывает использование физиологических индикаторов для измерения изменений когнитивной нагрузки на различных уровнях сложности задач в коллаборативных задачах человек-ИИ. Результаты исследования показывают, что люди адаптируют свои процессы принятия решений в зависимости от сложности задачи, тем самым отражая различные уровни когнитивной нагрузки.
Real-time, objective measurement of cognitive load using electrocardiographic data enables biopharma R&D teams to optimize human-AI collaboration in complex workflows. Quantifying cognitive state fluctuations supports predictive confidence in task delegation and resource allocation, directly impacting operational efficiency and safety in regulated environments. This approach informs the design of adaptive systems that align human performance with AI capabilities across discovery and translational research pipelines.
This method integrates into the discovery-to-preclinical continuum by providing real-time cognitive state analytics during human-AI collaborative tasks.