基于脑电图的声学参数认知负荷估计用于数据可听化
人机交互
2024-01-17 v1
摘要
可听化是一种数据可视化技术，通过心理声学参数（即用于传递信息的非语音音频信号）来表达数据属性。本文研究了通过脑电图（EEG）嵌入对传递天文图像聚焦程度的心理声学参数所诱导的认知负荷进行二元估计。运用机器学习和深度学习方法，我们证明 EEG 信号对于以下任务是可靠的：(a) 认知负荷的二元估计，(b) 区分容易与困难的视觉-听觉感知映射，以及 (c) 捕捉心理声学参数之间的感知相似性。我们的关键发现揭示：(1) EEG 嵌入能够可靠地测量认知负荷，达到峰值 F1 分数 0.98；(2) 极端聚焦程度比中间程度更容易通过听觉映射检测；(3) 诱导可比认知负荷水平的心理声学参数倾向于生成相似的 EEG 编码。
引用
@article{arxiv.2401.08164,
title = {EEG-based Cognitive Load Estimation of Acoustic Parameters for Data Sonification},
author = {Gulshan Sharma and Surbhi Madan and Maneesh Bilalpur and Abhinav Dhall and Ramanathan Subramanian},
journal= {arXiv preprint arXiv:2401.08164},
year = {2024}
}