MétaCan
Menu
Retour à la cohorte
Enregistrement W1996056581 · doi:10.1115/detc2010-28477

Analysis of Design Activities Using EEG Signals

2010· article· en· W1996056581 sur OpenAlexafffund
Thanh An Nguyen, Yong Zeng

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueDesign Education and Practice
Établissements canadiensConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésElectroencephalographyComputer scienceProcess (computing)Task (project management)Conceptual designBrain activity and meditationHuman–computer interactionArtificial intelligencePsychologyEngineeringSystems engineeringNeuroscience

Résumé

récupéré en direct d'OpenAlex

It plays a significant role in developing of design theory and methodology to understand designer’s thinking and cognitive process during design activities. The most dominant method to conduct this kind of study is protocol analysis. However, this method is prone to subjective factors. Therefore, other approaches are emerging, which can measure the brain activities directly. With the advances in technologies, brain scanner and brain recorder systems such as EEG, fMRI, PET have become more affordable. In the present research, we used EEG to record designer’s brain electrical signals when s/he was working on a design task. Six channels of the EEG signals were recorded, including Fp1, Fp2, Fz, Cz, Pz, Oz, based on which the power spectral density for each EEG band (delta, theta, alpha and beta) was calculated. The results showed that, for the given design problem, the subject spent more effort in visual thinking during the solution generation than that in solution evaluation. The preliminary success in identifying regularity underlying a single designer’s design process through EEG signals lays a foundation for further investigation of designers’ general mental efforts during the conceptual design process.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,048
Tête enseignante GPT0,305
Écart entre enseignants0,256 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations45
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetDesign Education and PracticeTravaux en français237 207