MétaCan
Menu
Retour à la cohorte
Enregistrement W4312983521 · doi:10.1177/1071181322661481

Using Signal-to-Noise Ratio to Explore The Cognitive Cost of The Detection Response Task

2022· article· en· W4312983521 sur OpenAlexaff
Prarthana Pillai, Balakumar Balasingam, Francesco Biondi

Notice bibliographique

RevueProceedings of the Human Factors and Ergonomics Society Annual Meeting · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueHuman-Automation Interaction and Safety
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésTask (project management)CognitionCognitive loadComputer scienceSensitivity (control systems)Noise (video)Measure (data warehouse)Effects of sleep deprivation on cognitive performanceSignal-to-noise ratio (imaging)Pupil sizeElementary cognitive taskPupil diameterPupilPupillary responsePsychologyArtificial intelligenceElectronic engineeringEngineeringTelecommunicationsData miningImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

The Detection Response Task (DRT) is a standardized measure of cognitive load requiring manual responses to intermittent stimuli. Given its simplicity, it is hypothesized that its completion will not interfere with the primary task. However, recent studies challenge this assumption showing a definite cost of DRT performance. In this study we adopt signal-to-noise ratio (SNR), a measure commonly used in communication engineering: 1) to explore the cognitive cost of DRT 2) to compare the sensitivity of DRT performance and pupil size in measuring cognitive load. SNR was calculated using the data from a study wherein DRT performance and pupil size were recorded while participants completed increasingly difficult mental tasks. We conclude that DRT completion interfered with the overall cognitive task demand and showed pupil size’s greater sensitivity to changes in cognitive load. Though exploratory, our study advances using SNR as a powerful tool for data integration in HF/E research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,294
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,060
Tête enseignante GPT0,330
Écart entre enseignants0,270 · 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 tête enseignante, pas un consensus.

Devis d'étudeQualitatif
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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Human Factors and Ergonomics Society Annual MeetingMême sujetHuman-Automation Interaction and SafetyTravaux en français237 207