Elisabeth Städler

Advisors
Maximilian Oppelt (M.Sc.), Dr.-Ing Stefan Gradl, Prof. Dr. Nicolas Rohleder, Prof. Dr. Björn Eskofier

Duration
07/2021 – 12/2021

Abstract
Die Fortschritte in der Digitalisierung und der Einzug neuer Technologien im Alltag, stellen große Herausforderungen an die menschliche Aufmerksamkeit. Diese Aufmerksamkeit ist jedoch eine begrenzte Ressource [1], die anhand des Konzepts von Cognitive Load genauer untersucht werden soll. Cognitive Load beschreibt die Auslastung der mentalen Ressourcen, die einer Person zu einem bestimmten Zeitpunkt für die Erledigung von Aufgaben zur Verfügung stehen [2]. Es handelt sich um ein multidimensionales Konzept, da die Aufgabenstellung, sowie die individuellen Unterschiede, Umwelt und soziale Faktoren den Cognitive Load beeinflussen [3].

Vergangene Studien haben verschiedene Reaktionen des vegetativen Nervensystems auf Cognitive Load festgestellt [4–6]. Ziel dieser Arbeit ist die Untersuchung der damit einhergehenden Veränderungen von Biosignalen verschiedener Modalitäten. Dazu werden zwei verschiedene Versuchszenarien zur Stimulation von Cognitive Load bewertet: (1) Der N-Back-Test, ein rechnergestützter psychologischer Test, wird in Single- und Dual-Task Form durchgeführt [7]. (2) Der anwendungsspezifische Test wurde zur Bewertung mentaler Anforderungen während das hochautomatisierten Fahrens entwickelt. Hier wird parallel zur Hauptaufgabe, der Überwachung des Verkehrsgeschehens, eine Sekundäraufgabe durchgeführt. Cognitive Load wird in diesem Szenario durch geteilte Aufmerksamkeit auf das Verkehrsgeschehen und die zeitgleiche Bedienung eines Tablets hervorgerufen.

References:
[1] Eija Haapalainen, SeungJun Kim, Jodi F. Forlizzi, and Anind K. Dey. Psycho-physiological measures for assessing cognitive load. In Proceedings of the 12th ACM International Conference on Ubiquitous Computing, UbiComp ’10, page 301–310, New York, NY, USA, 2010. Association for Computing Machinery.
[2] Eija Ferreira, Denzil Ferreira, SeungJun Kim, Pekka Siirtola, Juha Röning, Jodi F. Forlizzi, and Anind K. Dey. Assessing real-time cognitive load based on psycho-physiological measures for younger and older adults. In 2014 IEEE Symposium on Computational Intelligence, Cognitive Algorithms, Mind, and Brain (CCMB), pages 39–48, 2014.
[3] Sharon Oviatt. Human-centered design meets cognitive load theory: Designing interfaces that help people think. In Proceedings of the 14th ACM International Conference on Multimedia, MM ’06, page 871–880, New York, NY, USA, 2006. Association for Computing Machinery.
[4] Ronglong Xiong, Fanmeng Kong, Xuehong Yang, Guangyuan Liu, and Wanhui Wen. Pattern recognition of cognitive load using eeg and ecg signals. Sensors, 20(18), 2020.
[5] Bryan Reimer, Bruce Mehler, Joseph F. Coughlin, Kathryn M. Godfrey, and Chuanzhong Tan. An on-road assessment of the impact of cognitive workload on physiological arousal in young adult drivers. In Proceedings of the 1st International Conference on Automotive User Interfaces and Interactive Vehicular Applications, AutomotiveUI ’09, page 115–118, New York, NY, USA, 2009. Association for Computing Machinery.
[6] Cornelia Setz, Bert Arnrich, Johannes Schumm, Roberto La Marca, Gerhard Tröster, and Ulrike Ehlert. Discriminating stress from cognitive load using a wearable eda device. IEEE Transactions on Information Technology in Biomedicine, 14(2):410–417, 2010.
[7] Susanne M. Jaeggi, Martin Buschkuehl, Walter J. Perrig, and Beat Meier. The concurrent validity of the n-back task as a working memory measure. Memory, 18(4):394–412, 2010. PMID: 20408039.