Using Cardiac and Electrodermal Activity as Cognitive Markers for Interruptions and Distraction in a Surveillance Simulation
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
Security surveillance is frequently used to increase public safety. Characteristics of the surveillance rooms, however, pose many cognitive challenges pertaining to distraction and interruptions, which may affect surveillance performance. Affective computing could represent a potential solution. It involves the recognition and the interpretation of human states using, for instance, different psychophysiological measures. As a first step toward this goal, the present study aimed at assessing whether cardiac and electrodermal activity, could be used as potential markers of interruptions and distraction during a surveillance simulation. A total of 126 participants went through a simulation involving four 8-min scenarios using a high-fidelity urban security surveillance microworld. Task interruption in the form of a realistic secondary task to perform and distraction in the form of background noise representative of a busy operational centre were also implemented into the simulation. Different features of the electrocardiographic (ECG) signal varied with the presence of distraction, but also as a function of time on task. Electrodermal (EDA) features mainly varied as a function of time. These results suggest that distraction and time on task specifically impacted cognitive functioning, potentially increasing sympathetic activity through cognitive workload, and that EDA and ECG measures may represent relevant markers to use from an affective computing perspective to particularly pinpoint periods of distraction and hypovigilance. Implications for the development of user-adaptive systems are discussed.
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 | 0,001 |
| 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 découle