基于 EEG 的数据声化中声学参数所诱发认知工作负荷的评估
人机交互
2018-08-21 v1
摘要
数据可视化近来受到越来越多的关注， ubiquitous 智能设备旨在以多种方式呈现信息。然而，尽管针对视觉工具可解释性与直观性的评估已十分常见，但针对其他数据呈现形式（例如声化）的研究却很少。本工作是首个自动估计先前研究中考虑用于声化的不同声学参数所诱发认知负荷的工作。我们通过以下方式考察认知负荷：(a) 用户对不同声学参数的感知数据-声音映射准确度，(b) 用户明确报告的认知工作负荷印象，以及 (c) 映射任务期间采集的用户隐式 EEG 响应。我们的主要发现是：(i) 诱发低认知负荷（即更直观）的声学参数对应更高的映射准确度，(ii) EEG 频谱功率分析显示低认知负荷参数下 频带功率更高，意味着用户显式与隐式响应间存在一致关系，以及 (iii) 利用 EEG 特征进行认知负荷分类达到峰值 F1-score 为 0.64，证实使用可穿戴传感器采集的用户 EEG 数据可实现可靠的工作负荷估计。
引用
@article{arxiv.1808.06055,
title = {EEG-based Evaluation of Cognitive Workload Induced by Acoustic Parameters for Data Sonification},
author = {Maneesh Bilalpur and Mohan Kankanhalli and Stefan Winkler and Ramanathan Subramanian},
journal= {arXiv preprint arXiv:1808.06055},
year = {2018}
}
备注
Accepted for publication in the proceedings of the 20th ACM International Conference on Multimodal Interaction, Colorado, USA