High Cognitive Load Assessment in Drivers Through Wireless Electroencephalography and the Validation of a Modified <i>N</i>-Back Task
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper explores the influence of high cognitive load on vehicle driver's electroencephalography (EEG) signals collected from two channels (Fp1, Fp2) using a wireless consumer-grade system. Although EEG has been used in driving-related research to assess cognitive load, only a few studies focused on high load, and they used research-grade systems. Recent advancements allow for less intrusive and more affordable systems. As an exploration, we tested the feasibility of one such system to differentiate among three levels of cognitive taskload in a simulator study. Thirty-seven participants completed a baseline drive with no secondary task and two drives with a modified version of the n-back task (1-back and 2-back). The modification removed the verbal response required during task presentation to prevent EEG-signal degradation, with the 2-back task expected to impose higher load than that by the 1-back task. Another objective of this study is to validate that this modified task increased the cognitive load in the expected manner. The modified task led to significant trends from baseline to 1-back, and from 1-back to 2-back in participants' heart rate, galvanic skin response, respiration, horizontal gaze position variability, and pupil diameter, all in line with the previous driving-related studies on cognitive load. Furthermore, the EEG system was observed to be sensitive to the modified task, with the power of alpha band decreasing significantly with increasing n-back levels (baseline versus 1-back: 0.092 Bels on Fp1, 0.179 on Fp2; 1-back versus 2-back: 0.209 on Fp1, 0.147 on Fp2). Thus, a consumer-grade EEG system has the potential to capture high levels of cognitive load experienced by drivers.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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