Distinguishing cognitive effort and working memory load using scale-invariance and alpha suppression in EEG
Notice bibliographique
Résumé
Despite being intuitive, cognitive effort has proven difficult to define quantitatively. Here, we proposed to study cognitive effort by investigating the degree to which the brain deviates from its default state, where brain activity is scale-invariant. Specifically, we measured such deviations by examining changes in scale-invariance of brain activity as a function of task difficulty and posited suppression of scale-invariance as a proxy for exertion of cognitive effort. While there is some fMRI evidence supporting this proposition, EEG investigations on the matter are scant, despite the EEG signal being more suitable for analysis of scale invariance (i.e., having a much broader frequency range). In the current study we validated the correspondence between scale-invariance (H) of cortical activity recorded by EEG and task load during two working memory (WM) experiments with varying set sizes. Then, we used this neural signature to disentangle cognitive effort from the number of items stored in WM within participants. Our results showed monotonic decreases in H with increased set size, even after set size exceeded WM capacity. This behavior of H contrasted with behavioral performance and an oscillatory indicator of WM load (i.e., alpha-band desynchronization), both of which showed a plateau at difficulty levels surpassing WM capacity. This is the first reported evidence for the suppression of scale-invariance in EEG due to task difficulty, and our work suggests that H suppression may be used to quantify changes in cognitive effort even when working memory load is at maximum capacity.
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 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 | 0,000 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».