SANS TRACAS: Design and Evaluation of a Cross-Platform Tool for Conducting Online EEG Experiments
Notice bibliographique
Résumé
For nearly a century, electroencephalography (EEG) research has been a crucial tool in the study of brain activity, and this valuable research technique is becoming increasingly accessible due to recent advancements in technology. In this article, we report on a collaborative effort between cognitive neuroscientists and human–computer interaction (HCI) researchers to design, develop, and evaluate Sans Tracas – a cross-platform web application for running EEG experiments online. Using a multidisciplinary and user-centric iterative design approach, Sans Tracas was designed to be easy to use by researchers and study participants alike. To evaluate the feasibility of Sans Tracas for conducting online EEG experiments for people with varying EEG and Brain Computer Interface (BCI) knowledge, we conducted a study with 55 participants, followed by a semi-structured interview with 11 participants to uncover more qualitative insights into the usability and people’s perception of the platform. Results showed that the average number of trials to connect the Muse with Sans Tracas was 2.55 (SD = 3.42). The average time to complete the entire study was 17 minutes (SD = 4 minutes). Participants also found Sans Tracas fun to participate in EEG experiments independently and reported more interest in EEG and BCI research than before the study. We conclude that Sans Tracas is a usable platform for conducting online EEG studies and offers an alternative to traditional in-lab settings.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,018 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».