Seguimiento de la Carga Mental con un Sensor EEG Móvil
Compartir:
Resumen
El objetivo de la presente investigación fue evaluar si un dispositivo móvil de electroencefalografía (EEG) puede ser utilizado para rastrear la carga mental, que es un aspecto importante del rendimiento de aprendizaje y la motivación, y que por lo tanto puede representar una valiosa fuente de información en la evaluación de enfoques de entrenamiento cognitivo.
Veinticinco sujetos sanos realizaron una prueba N-back de tres niveles utilizando un dispositivo móvil completamente portátil, que incluía la presentación basada en tabletas de la tarea y la recolección de datos de EEG con un dispositivo de EEG móvil auto-montado en dos momentos de evaluación. Se eligió un enfoque de análisis doble que incluía un análisis de varianza estándar y una red neuronal artificial para distinguir los niveles de carga cognitiva. Nuestros hallazgos indican que la configuración es factible para detectar cambios en la carga cognitiva, como se refleja en las alteraciones a través de los lóbulos en diferentes bandas de frecuencia. En particular, observamos una disminución de la banda de frecuencia alfa occipital y un aumento en las bandas theta frontal, parietal y occipital con el aumento de la carga cognitiva. Los niveles más distintivos de carga cognitiva pudieron ser discriminados por los modelos de aprendizaje automático integrados con una precisión del 86%.
Conclusiones
En la investigación actual, probamos un dispositivo móvil completamente portátil para tareas de entrenamiento cognitivo combinado con grabación de EEG para detectar la carga cognitiva. La configuración se basó en un dispositivo de EEG móvil combinado con una tableta para mostrar la tarea cognitiva y permitir un fácil montaje y auto-evaluación. El análisis de los datos conductuales confirmó diferencias en el rendimiento de la tarea dependiendo de la dificultad de la tarea. Además, encontramos una disminución de la potencia de la banda de frecuencia alfa occipital y un aumento de la potencia de la banda de frecuencia theta frontal al aumentar la dificultad de la tarea, confirmando nuestra hipótesis principal. Además, la clasificación automática del esfuerzo cognitivo reveló que el enfoque de aprendizaje automático discrimina entre los niveles más distintivos de carga cognitiva con una precisión del 86%. Nuestros hallazgos sugieren la factibilidad de la configuración móvil completamente portátil para detectar distintos niveles de carga cognitiva, como se refleja en los cambios de potencia de las bandas. Además, la usabilidad evaluada subjetivamente es adecuada con una sesión inicial de entrenamiento en persona para la colocación de los electrodos. Se necesitan futuras investigaciones para evaluar resultados en muestras más diversas, incluyendo un rango de edad más amplio y grupos de pacientes.
Resumen
El objetivo de la presente investigación fue evaluar si un dispositivo móvil de electroencefalografía (EEG) puede ser utilizado para rastrear la carga mental, que es un aspecto importante del rendimiento de aprendizaje y la motivación, y que por lo tanto puede representar una valiosa fuente de información en la evaluación de enfoques de entrenamiento cognitivo.
Veinticinco sujetos sanos realizaron una prueba N-back de tres niveles utilizando un dispositivo móvil completamente portátil, que incluía la presentación basada en tabletas de la tarea y la recolección de datos de EEG con un dispositivo de EEG móvil auto-montado en dos momentos de evaluación. Se eligió un enfoque de análisis doble que incluía un análisis de varianza estándar y una red neuronal artificial para distinguir los niveles de carga cognitiva. Nuestros hallazgos indican que la configuración es factible para detectar cambios en la carga cognitiva, como se refleja en las alteraciones a través de los lóbulos en diferentes bandas de frecuencia. En particular, observamos una disminución de la banda de frecuencia alfa occipital y un aumento en las bandas theta frontal, parietal y occipital con el aumento de la carga cognitiva. Los niveles más distintivos de carga cognitiva pudieron ser discriminados por los modelos de aprendizaje automático integrados con una precisión del 86%.
Conclusiones
En la investigación actual, probamos un dispositivo móvil completamente portátil para tareas de entrenamiento cognitivo combinado con grabación de EEG para detectar la carga cognitiva. La configuración se basó en un dispositivo de EEG móvil combinado con una tableta para mostrar la tarea cognitiva y permitir un fácil montaje y auto-evaluación. El análisis de los datos conductuales confirmó diferencias en el rendimiento de la tarea dependiendo de la dificultad de la tarea. Además, encontramos una disminución de la potencia de la banda de frecuencia alfa occipital y un aumento de la potencia de la banda de frecuencia theta frontal al aumentar la dificultad de la tarea, confirmando nuestra hipótesis principal. Además, la clasificación automática del esfuerzo cognitivo reveló que el enfoque de aprendizaje automático discrimina entre los niveles más distintivos de carga cognitiva con una precisión del 86%. Nuestros hallazgos sugieren la factibilidad de la configuración móvil completamente portátil para detectar distintos niveles de carga cognitiva, como se refleja en los cambios de potencia de las bandas. Además, la usabilidad evaluada subjetivamente es adecuada con una sesión inicial de entrenamiento en persona para la colocación de los electrodos. Se necesitan futuras investigaciones para evaluar resultados en muestras más diversas, incluyendo un rango de edad más amplio y grupos de pacientes.
Resumen
El objetivo de la presente investigación fue evaluar si un dispositivo móvil de electroencefalografía (EEG) puede ser utilizado para rastrear la carga mental, que es un aspecto importante del rendimiento de aprendizaje y la motivación, y que por lo tanto puede representar una valiosa fuente de información en la evaluación de enfoques de entrenamiento cognitivo.
Veinticinco sujetos sanos realizaron una prueba N-back de tres niveles utilizando un dispositivo móvil completamente portátil, que incluía la presentación basada en tabletas de la tarea y la recolección de datos de EEG con un dispositivo de EEG móvil auto-montado en dos momentos de evaluación. Se eligió un enfoque de análisis doble que incluía un análisis de varianza estándar y una red neuronal artificial para distinguir los niveles de carga cognitiva. Nuestros hallazgos indican que la configuración es factible para detectar cambios en la carga cognitiva, como se refleja en las alteraciones a través de los lóbulos en diferentes bandas de frecuencia. En particular, observamos una disminución de la banda de frecuencia alfa occipital y un aumento en las bandas theta frontal, parietal y occipital con el aumento de la carga cognitiva. Los niveles más distintivos de carga cognitiva pudieron ser discriminados por los modelos de aprendizaje automático integrados con una precisión del 86%.
Conclusiones
En la investigación actual, probamos un dispositivo móvil completamente portátil para tareas de entrenamiento cognitivo combinado con grabación de EEG para detectar la carga cognitiva. La configuración se basó en un dispositivo de EEG móvil combinado con una tableta para mostrar la tarea cognitiva y permitir un fácil montaje y auto-evaluación. El análisis de los datos conductuales confirmó diferencias en el rendimiento de la tarea dependiendo de la dificultad de la tarea. Además, encontramos una disminución de la potencia de la banda de frecuencia alfa occipital y un aumento de la potencia de la banda de frecuencia theta frontal al aumentar la dificultad de la tarea, confirmando nuestra hipótesis principal. Además, la clasificación automática del esfuerzo cognitivo reveló que el enfoque de aprendizaje automático discrimina entre los niveles más distintivos de carga cognitiva con una precisión del 86%. Nuestros hallazgos sugieren la factibilidad de la configuración móvil completamente portátil para detectar distintos niveles de carga cognitiva, como se refleja en los cambios de potencia de las bandas. Además, la usabilidad evaluada subjetivamente es adecuada con una sesión inicial de entrenamiento en persona para la colocación de los electrodos. Se necesitan futuras investigaciones para evaluar resultados en muestras más diversas, incluyendo un rango de edad más amplio y grupos de pacientes.
