核心概念
本研究では、参加者の生理学的データと視線データを用いて、リアルタイムの認知負荷を評価するための新しい多様なデータセットを提案する。
摘要
本研究では、24人の参加者から、心電図(ECG)、皮膚電気活動(EDA)、脳波(EEG)、視線追跡データを収集した。参加者は、様々な認知負荷レベルを持つMATB-IIタスクを行い、10秒ごとに自己報告の認知負荷スコアを提供した。
データセットの分析から以下の知見が得られた:
- 参加者によって認知負荷の報告に幅がある
- 課題の複雑さと報告された認知負荷スコアには「逆S字」の関係がある
- 10分割交差検証では、ECG、EDA、視線データを用いたCNNモデルが最高の分類性能を示した
- 被験者間交差検証では、ECG、EDA、EEGデータを用いた深層学習モデルが最高の性能を示した
本データセットは、リアルタイムの認知負荷推定研究を促進し、この分野に貢献することを目的としている。
統計資料
課題の複雑さが高い場合、ほとんどの参加者が認知負荷スコア3から7の範囲を報告している。
課題の複雑さが低い場合、多くの参加者が認知負荷スコア1から5を報告している。