Cognitive Load-Driven VR Memory Palaces: Personalizing Focus and Recall Enhancement
本研究提出认知负荷驱动的VR记忆宫殿方法，通过EEG监测和多项式回归动态调整VR空间变量，实验显示8/10参与者Beta波活动提升，验证了个性化VR环境对专注力和记忆的增强效果。
2025-06-03 cs.HC
True or false? Cognitive load when reading COVID-19 news headlines: an eye-tracking study
错误信息是信息检索（IR）背景下的一个重要课题，并具有系统为中心和以用户为中心的IR的影响。虽然它已被确立，在识别错误信息的性能是由一个人的认知负荷的影响，在判断新闻的真实性认知负荷的变化是不太了解。为了了解阅读与COVID-19声明相关的新闻标题所带来的认知负荷的变化，在事实核查系统的背景下，我们进行了一项受试者内、基于实验室的准实验（N=40），使用眼动追踪。我们的研究结果表明，当新闻标题为索赔提供了不正确的证据并且与该人先前的信念不一致时，检查真实的索赔会对参与者施加更高的认知负荷。相比之下，当新闻标题为一个说法提供了正确的证据，并且与参与者的先前信念一致时，检查错误的说法会带来更高的认知负荷。然而，在检查一个声明后改变信念与阅读新闻标题时的认知负荷没有显着关系。研究结果表明，在事实核查语境中阅读与真实和虚假声明相关的新闻标题会产生不同程度的认知负荷。我们的研究结果表明，用户参与识别错误信息的工具需要考虑到可能的变化，在不同的信息背景下所涉及的精神努力。
2023-02-16 cs.HC
EEG-based Cognitive Load Estimation of Acoustic Parameters for Data Sonification
本文利用EEG嵌入和机器学习方法，研究数据可听化中心理声学参数诱导的认知负荷二分类估计，证明EEG信号能可靠测量认知负荷并捕捉参数间的感知相似性。
2024-01-16 cs.HC
Investigating the generalizability of EEG-based Cognitive Load Estimation Across Visualizations
我们研究了基于EEG的认知负荷（CL）估计是否可推广到nback~任务的字符，空间模式，条形图和饼图可视化。CL通过两种最近的方法估计：（a）深度卷积神经网络，和（b）近端支持向量机。实验表明，CL估计遭受跨可视化激励需要有效的机器学习技术基准视觉界面可用性为给定的分析任务。
2018-09-12 cs.HC
Using Pupil Diameter to Measure Cognitive Load
Heriot-Watt University（赫瑞-瓦特大学）
在本文中，我们将介绍一种使用Tobii Pro 2眼动仪测量认知负荷和在线实时反馈的方法。该系统被设想为能够估计高认知负荷状态和情况，并根据用户的需要调整人机界面。该系统正在使用众所周知的指标，如随着时间的推移平均瞳孔大小。我们的系统可以提供17 - 18 Hz的认知负荷反馈。我们将详细说明我们的HRI研究结果使用此工具来显示它的功能。
2018-11-29 cs.HC cs.RO
C-LISTEN: Cognitive Load Impacts of Sensory-Triggered Environmental Navigation in Virtual Reality
Kennesaw State University（肯尼索州立大学）
本研究通过初步实验探讨VR中方向性听觉提示的策略设计，旨在降低认知负荷并提升用户体验，统计证实其有效性（p=.0011），同时分析姿势平衡与瞳孔直径同认知负荷的关联，并为可访问性提供设计指南。
2026-10-01 cs.HC
From Driver to Supervisor: Comparing Cognitive Load and EEG-based Attentional Resource Allocation across Automation Levels
本研究通过脑电P3a振幅和NASA-TLX测量，比较手动、SAE 2级和3级驾驶中的注意力资源分配与认知负荷，发现自动驾驶降低主观负荷但减少环境注意力处理，为自动化安全设计提供实证依据。
2023-11-10 cs.HC
GazeMind: A Gaze-Guided LLM Agent for Personalized Cognitive Load Assessment
Meta Reality Labs Research（Meta现实实验室）；Northwestern University（西北大学）；HarmonEyes
本文提出GazeMind，一种基于注视的LLM代理框架，用于智能眼镜上的认知负荷评估。该框架通过编码注视数据为结构化表示，提供可解释的认知负荷预测，并通过新颖的任务引导推理方法实现跨场景泛化，同时利用用户特定特征和历史参考实现个性化适应。
2026-05-07 cs.HC
Cognitive Load and Productivity Implications in Human-Chatbot Interaction
人工智能和相应的机器学习技术的不断进步促进了聊天机器人的扩散，今天它们被嵌入到各种人机交互任务中。在企业环境中，聊天机器人的使用旨在降低劳动力成本，从而提高生产力。对于简单的、重复的客户服务任务来说，这已经证明是有益的，但更复杂的协作知识工作似乎需要更好地了解如何最好地集成该技术。特别是，伴随着使用这些基于自然语言的人工助理的额外的精神负担，往往仍然被忽视。为此，认知负荷理论认为，不必要的技术使用会导致额外的外在负荷，从而可能对用户的生产力产生相反的影响。因此，本文中提出的研究报告了一项评估人类聊天机器人在现实企业环境中交互的认知负荷和生产力影响的研究。A/B测试仅软件与软件+聊天机器人交互，以及NASA TLX用于评估和比较两个用户组的认知负荷。结果表明，聊天机器人用户的认知负荷更少，比纯软件用户的生产力更高。此外，尽管他们的平均任务完成时间稍长，但他们表现出较低的挫折感和更好的整体表现（即任务质量）。
2021-11-02 cs.HC
A critical analysis of cognitive load measurement methods for evaluating the usability of different types of interfaces: guidelines and framework for Human-Computer Interaction
本文通过系统性综述76篇文献，分析了评估计算机软件、VR等不同用户界面可用性的认知负荷测量方法的使用占比与优缺点，并提出框架指导测试人员选择合适方法。
2024-02-19 cs.HC
Which Experimental Design is Better Suited for VQA Tasks? Eye Tracking Study on Cognitive Load, Performance, and Gaze Allocations
本文通过13人眼动实验比较五种VQA实验设计，发现刺激—问题顺序显著影响认知负荷与任务表现，问题模态显著影响任务表现。
2024-04-05 cs.HC
Listening to the Mind: Earable Acoustic Sensing of Cognitive Load
University College London（伦敦大学学院）；University of Melbourne（墨尔本大学）；Nokia Bell Labs（诺基亚贝尔实验室）
本研究利用可穿戴声学设备通过听觉感知实现认知负荷推断，发现听觉敏感度变化与认知负荷显著相关，并揭示了个性化感知的潜力。
2025-12-20 cs.HC
CogniDot: Vasoactivity-based Cognitive Load Monitoring with a Miniature On-skin Sensor
本文提出 CogniDot，一种基于血管活动、佩戴于颞区的小型皮肤传感器，通过单像素颜色传感器以97%的用户内准确率区分三级认知负荷，适用于长期心理状态监测。
2024-03-28 cs.HC
Impact of Cognitive Load on Human Trust in Hybrid Human-Robot Collaboration
Harbin Institute of Technology（哈尔滨工业大学）；Northeast Forestry University（东北林业大学）；Nanjing University of Information Science & Technology（南京信息工程大学）
本研究通过混合人机协作搭塔实验，揭示认知负荷对人类信任的多样化影响，发现高认知负荷下信任增加且绩效奖励更高，为优化协作目标选择和人机界面设计提供依据。
2024-12-30 cs.HC cs.RO
The Impact of Simple, Brief, and Adaptive Instructions within Virtual Reality Training: Components of Cognitive Load Theory in an Assembly Task
本研究通过VR形状装配实验操纵内在、外在和相关认知负荷，发现自适应培训可在不增加工作量或损害保持的情况下缩短培训时间。
2025-07-28 cs.HC
Why Combining Text and Visualization Could Improve Bayesian Reasoning: A Cognitive Load Perspective
使用可视化来改善贝叶斯推理和推进风险沟通的调查产生了混合的结果，这表明认知能力可能会影响用户使用不同演示格式的表现。我们的工作探讨了认知负荷时，解决贝叶斯问题，使用图标阵列，文本，并置的文本和图标阵列。我们使用了一种三管齐下的方法来捕捉认知需求的细微差别，并测量工作记忆容量的差异，使用双任务范式的分散注意力下的表现，以及自我报告努力的主观评级。我们发现，与单独的文本相比，当问题包含图标阵列时，工作记忆容量低的人犯的错误更少，主观工作量也更少，这表明可视化可以提高准确性，同时减少认知需求。我们相信这些发现可以大大影响可访问的风险沟通，特别是对于工作记忆能力低的人。
2023-02-01 cs.HC
Does Cognitive Load Affect Human Accuracy in Detecting Voice-Based Deepfakes?
Bauhaus-Universität Weimar（魏玛包豪斯大学）；GESIS - Leibniz Institute for the Social Sciences（GESIS - 莱布尼茨社会科学研究所）
本文研究了认知负荷对人类检测语音深度伪造准确性的影响，发现低认知负荷不损害检测能力，同时暴露于次要刺激可提高检测效果。
2026-01-15 cs.HC
Towards Intelligent VR Training: A Physiological Adaptation Framework for Cognitive Load and Stress Detection
本研究提出三阶段生理自适应VR框架，利用眼动追踪和心率变异性检测认知负荷与压力，并通过Stroop任务训练模型、微调集成及隐私感知方法实现训练难度动态调整，推动情感计算与自适应VR在教育、训练和医疗中的应用。
2025-04-08 cs.ET cs.HC
Exploring Eye Tracking to Detect Cognitive Load in Complex Virtual Reality Training
Northeastern University（东北大学）
本文研究在复杂VR训练中利用眼动追踪和机器学习检测认知负荷，通过冷喷涂VR系统实验验证了MLP与随机森林基于瞳孔扩张和注视时长的预测可行性。
2024-11-18 cs.HC cs.LG
Predicting cognitive load in immersive driving scenarios with a hybrid CNN-RNN model
Institute for Intelligent Systems Research and Innovation（智能系统研究与创新研究所）；Faculty of Computing and Information Technology (FoCIT)（计算与信息科技学院）；Swinburne University of Technology（斯威丁大学）
本文提出混合CNN-RNN模型，通过融合fNIRS、眼动追踪和驾驶行为数据，准确预测三种认知负荷水平，提升预测精度。
2026-06-23 cs.HC cs.LG
EEG-Based Cognitive Load Classification During Landmark-Based VR Navigation
本研究利用VR导航数据集和嵌套交叉验证框架分析EEG信号，发现任务复杂性对认知负荷分类准确率的影响显著大于个体差异，证明了任务自适应导航系统的潜力。
2025-09-17 cs.HC
Beyond Cognitive Load: AI-Based Estimation of Cognitive Effort Using Brain Signals During Digital Tasks
University of Delaware（特拉华大学）
本文研究了在数字任务中不同任务段的认知努力变化，并利用脑信号数据和机器学习估计个体层面的认知努力，发现任务结构影响集体认知效率，且机器学习模型能有效预测任务表现。
2026-04-09 cs.HC
The Effectiveness of Haptic Properties Under Cognitive Load: An Exploratory Study
随着可穿戴设备的兴起，触觉接口越来越倾向于以环境方式传达信息。尽管有这种期望，现有的指导方针是在研究中制定的，参与者的重点完全是触觉任务。在这项工作中，我们系统地研究了触觉信号的属性所施加的认知负荷。参与者在前臂上佩戴触觉设备，并被要求执行1-back任务。每个实验条件隔离触觉信号的个体属性（例如，振幅、波形、节律），并且要求参与者识别数据的梯度。我们评估了16名参与者的每种情况，测量参与者的响应时间、出错率，以及定性和定量调查（例如，NASA TLX）。我们的研究结果表明，性别和语言差异可能会影响偏好的一些属性，参与者更喜欢的属性，可以快速识别，幅度施加最低的认知负荷。
2020-06-03 cs.HC
Cognitive Load Estimation Using Brain Foundation Models and Interpretability for BCIs
Microsoft Research（微软研究院）
本文提出利用脑基础模型提取通用EEG特征以提高认知负荷估计的准确性，并通过Partition SHAP分析特征重要性，展示了其在BCI中的应用潜力。
2026-01-29 cs.HC
Comparison and Analysis of Cognitive Load under 2D/3D Visual Stimuli
本研究利用脑电图数据比较2D与3D视频在不同认知任务下的认知负荷，提出认知负荷指数（CLI），发现3D视频在简单观察任务中诱发更高认知负荷，而在计算任务中差异不明显。
2026-09-18 cs.HC q-bio.NC
Organize, Then Vote: Exploring Cognitive Load in Quadratic Survey Interfaces
针对二次型调查认知负荷高阻碍其应用的问题，提出“先整理后投票”两阶段界面，实验证实其能降低认知过载、提升偏好构建深度，为集体决策偏好获取工具的人本设计提供参考。
2025-05-16 cs.HC
Towards Cognitive Load Assessment Using Electrooculography Measures
本研究结合主观、绩效与眼动指标，考察任务类型和时间限制对认知负荷的影响，并验证眨眼、眼跳和注视频率与负荷的相关性。
2023-12-18 cs.HC eess.SP
CLAd-VR: Cognitive Load-based Adaptive Training for Machining Tasks in Virtual Reality
针对现有VR培训系统静态不适应性，提出CLAd-VR，利用EEG和LSTM实时分类认知负荷，动态调整任务难度与指导，提升制造业技能培训效果。
2025-10-06 cs.HC
Eye-Tracking and Biometric Feedback in UX Research: Measuring User Engagement and Cognitive Load
本研究探讨眼动追踪和生物特征反馈在UX研究中的应用，通过测量注视行为和身体反应客观评估用户参与度与认知负荷，为传统定性方法提供补充，并分析2023-2025年的实验数据、方法论及伦理挑战，推动复杂数字环境下的UX设计。
2025-05-28 cs.HC
Beyond Productivity: Measuring Developers' Cognitive Load During GenAI-Supported Software Development
Hasso Plattner Institute, University of Potsdam（波茨坦大学哈索·普拉特纳研究所）；SAP Labs（SAP实验室）
本研究通过四天工业现场实验，发现GenAI使用和任务背景与开发者感知认知负荷相关，生理数据仅提供有限补充信息，建议结合工作背景评估认知负荷。
2026-09-30 cs.HC cs.SE
EEG-based Evaluation of Cognitive Workload Induced by Acoustic Parameters for Data Sonification
数据可视化最近受到越来越多的关注，无处不在的智能设备旨在以各种方式呈现信息。然而，虽然他们的可解释性和直观性的视觉工具的评价已经司空见惯，没有太多的研究一直致力于其他形式的数据渲染，例如，声化。这项工作是第一个自动估计认知负荷所引起的不同的声学参数考虑在以前的研究中的发音。我们通过（a）用户对不同声学参数的感知数据-声音映射准确性，（b）用户明确报告的认知工作负荷印象，以及（c）映射任务期间编译的隐式EEG响应来检查认知负荷。我们的主要发现是：（i）低认知负荷诱导（即，更直观的）声学参数对应于更高的映射精度，（ii）EEG谱功率分析揭示了低认知负荷参数的更高的$α$频带功率，这意味着显式和隐式用户响应之间的一致关系，以及（iii）具有EEG特征的认知负荷分类实现了0.64的峰值F1分数，确认使用可穿戴传感器编译的用户EEG数据可实现可靠的工作负荷估计。
2018-08-18 cs.HC
The Transparency Paradox in Explainable AI: A Theory of Autonomy Depletion Through Cognitive Load
University of Central Florida（中佛罗里达大学）
本文提出通过认知负荷动态影响自主性耗尽的理论，揭示透明度对决策的影响取决于实时认知资源状态，提出动态调整透明度的适应性AI设计原则。
2026-01-20 cs.HC
Hearing Loss, Cognitive Load and Dementia: An Overview of Interrelation, Detection and Monitoring Challenges with Wearable Non-invasive Microwave Sensors
本文概述了听力损失对神经功能和进展性疾病的影响，并探讨了认知负荷监测在检测痴呆症中的作用。它还调查了利用助听器技术扭转老年人认知能力下降和延迟痴呆症发作的前景。讨论了听力损失、认知负荷和痴呆之间的相互关系。还探讨了在更广泛的临床实践中，在稳健的诊断、以用户为中心、设备准确性和隐私方面的未来改进考虑。最后，本文讨论了设计实用的可穿戴微波技术的未来范围和潜力，并评估了它们在智能护理家居环境中的应用。
2022-02-08 cs.HC cs.SY eess.SY
Theoretical basis for code presentation: A case for cognitive load
University of Mary Washington（玛丽华盛顿大学）
本研究针对盲及低视力开发者的无障碍编程工具未系统考量认知负荷的问题，依托心理学理论明确编程场景中影响表现的认知负荷维度，提出可降低该群体认知负荷的代码呈现设计建议。
2025-11-18 cs.HC
Cheetah Experimental Platform Web 1.0: Cleaning Pupillary Data
最近，研究人员开始在各种环境中使用认知负荷，例如，教育心理学、认知负荷理论或人机交互。认知负荷是指任务对大脑有限的信息处理能力的要求。眼动追踪设备的广泛采用导致人们越来越关注通过瞳孔扩张来客观地测量认知负荷。然而，这种方法需要标准化的数据处理程序来可靠地测量认知负荷。本技术报告介绍了CEP-Web，这是一个开源平台，可提供最先进的数据处理例程，用于清理瞳孔数据，并结合图形用户界面，从而实现研究和受试者的管理。未来的发展将包括对分析清洁数据的支持以及对任务诱发瞳孔反应（TEPR）研究的支持。
2018-04-21 cs.HC
Exploring the Impact of an LLM-Powered Teachable Agent on Learning Gains and Cognitive Load in Music Education
本研究基于LBT教学法引入LLM驱动的可教代理，通过28名大学生的在线实验发现，该代理显著提升了学生的音乐理论后测成绩并降低了认知负荷，验证了AI脚手架在音乐教育中的应用潜力。
2025-04-01 cs.HC
Exploring the Optimal Time Window for Predicting Cognitive Load Using Physiological Sensor Data
本研究针对生理信号预测认知负荷缺乏最优时间窗口指导的问题，实证测试60-210秒窗口，发现最优窗口多超90秒，且不同分类器最优窗口有差异，为教育技术开发提供新依据。
2024-06-19 cs.HC
AVCAffe: A Large Scale Audio-Visual Dataset of Cognitive Load and Affect for Remote Work
Queen’s University（女王大学）；Vector Institute（向量研究所）
我们介绍AVCAffe，第一个视听数据集组成的认知负荷和情感属性。我们通过视频会议平台模拟远程工作场景来记录AVCAffe，在视频会议平台上，受试者合作完成许多认知参与任务。AVCAffe是最大的原始收集（而不是从互联网上收集）的英语情感数据集。我们招募了来自18个不同国家的106名参与者，年龄范围从18岁到57岁，男女比例平衡。AVCAffe总共包含108小时的视频，相当于超过58，000个片段，以及基于任务的自我报告的唤醒，效价和认知负荷属性（如心理需求，时间需求，努力等）的地面真相标签。我们相信AVCAffe将是深度学习研究界的一个具有挑战性的基准，因为对情感和认知负荷进行分类存在固有的困难。此外，我们的数据集通过促进创建学习系统以更好地自我管理远程工作会议，以及进一步研究远程工作对认知负荷和情感状态的影响的假设，填补了现有的及时差距。
2022-11-25 cs.CV cs.HC cs.LG
Precision Proactivity: Measuring Cognitive Load in Real-World AI-Assisted Work
College of Engineering, UC Santa Barbara（加州大学圣芭芭拉分校工程学院）；School of Computing, KAIST（韩国科学技术院计算机科学学院）
本文研究了在真实世界中AI辅助工作中的认知负荷测量，通过任务分解和知识图谱开发了评估框架，发现外在负荷对质量影响最大，任务切换是性能下降的最强预测因素。
2026-03-07 cs.AI cs.HC
Classification of Cognitive Load and Expertise for Adaptive Simulation using Deep Multitask Learning
Queen's University（女王大学）
模拟是一种教学手段，使医疗从业者能够以无风险的方式学习，保持或提高他们的知识和技能。这种模拟应该为学习者提供最佳的认知负荷，并根据他们的专业知识水平进行调整。然而，大多数当前的模拟是一种通用的工具，用于训练不同的学习者，而不管他们现有的技能，专业知识和处理认知负荷的能力。为了解决这个问题，我们提出了一个端到端的创伤模拟框架，积极分类参与者的认知负荷和专业知识的发展动态自适应模拟的水平。为了促进这一解决方案，创伤模拟被开发用于收集新手和专家从业者的心电图（ECG）信号。开发了一个多任务深度神经网络来利用这些数据，并对高认知负荷和低认知负荷以及专家和新手参与者进行分类。一个留一主题（LOSO）验证被用来评估我们的模型的有效性，实现了89.4%和96.6%的认知负荷和专业知识的分类，分别为。
2019-07-31 cs.HC cs.LG
EEG-based Cognitive Load Classification using Feature Masked Autoencoding and Emotion Transfer Learning
Queen’s University（女王大学）
本文提出一种基于transformer架构的EEG认知负荷分类方法，通过在情感数据集上进行自监督掩蔽自编码预训练与迁移学习，显著优于传统单阶段全监督学习。
2023-08-01 cs.AI cs.HC cs.LG
Physiological and Behavioral Modeling of Stress and Cognitive Load in Web-Based Question Answering
LMU Munich（慕尼黑大学）；HU Berlin（柏林洪堡大学）；University of Mannheim（曼海姆大学）
本文通过多模态数据建模，探索基于网络问答的应激与认知负荷的快速检测方法，为更适应的调查界面提供可行性证明。
2026-01-25 cs.HC
Impact Of Explainable AI On Cognitive Load: Insights From An Empirical Study
University of Würzburg（维尔茨堡大学）
本文通过271名准医生的COVID-19用例实证研究，发现不同XAI解释类型显著影响终端用户的认知负荷、任务表现和时间，并基于心理效率指标推荐局部解释类型为最佳。
2023-04-18 cs.AI cs.HC
Quantifying Visual Properties of GAM Shape Plots: Impact on Perceived Cognitive Load and Interpretability
University of Regensburg（雷根斯堡大学）；Leipzig University（莱比锡大学）
本研究通过57名参与者和144个图，量化GAM形状图的视觉属性，发现拐点数量最能预测认知负荷（解释86.4%方差），并据此构建了无需用户参与的认知负荷预测模型，以辅助评估GAM可解释性。
2024-09-25 cs.HC cs.LG
The Double-Edged Sword of Open-Ended Interaction: How LLM-Driven NPCs Affect Players' Cognitive Load and Gaming Experience
School of Animation and Digital Arts, Communication University of China（中国传媒大学动画与数字艺术学院）；School of Information Engineering, Lanzhou City University（兰州城市学院信息工程学院）
研究探讨LLM驱动NPC对玩家认知负荷和游戏体验的影响，揭示心理机制、任务场景差异及个体特质作用，发现NPC显著增加认知负荷但未提升整体体验，且效果随任务场景变化。
2026-10-20 cs.HC
Shifting Focus with HCEye: Exploring the Dynamics of Visual Highlighting and Cognitive Load on User Attention and Saliency Prediction
Saarland University（萨尔大学）
本文通过 HCEye 眼动实验研究视觉高亮与认知负荷对用户注意力的联合影响，发现动态高亮在认知负荷下仍能吸引注意力，并证明考虑认知负荷可提升显著性模型性能。
2024-05-02 cs.AI cs.HC
Bringing Cognitive Augmentation to Web Browsing Accessibility
Politecnico di Milano（米兰理工大学）；University of Claude Bernard Lyon 1（里昂第一大学（克洛德·贝尔纳大学））
在本文中，我们将探讨认知增强带来的机会，以提供更自然和更方便的Web浏览体验。我们探索这些机会，通过\textit{conversational web browsing}，一个新兴的互动模式，使盲人和视障用户（BVIP），以及普通用户，通过会话代理访问网站的内容和功能。通知的文献，我们以前的工作和原型设计练习，我们得到一个概念框架，支持BVIP会话的Web浏览需求，然后专注于自动提供这种支持的挑战，描述我们的早期工作和原型，利用只考虑结构和内容功能的算法。
2020-12-07 cs.AI cs.CY cs.HC
An Online Framework for Cognitive Load Assessment in Assembly Tasks
Istituto Italiano di Tecnologia（意大利技术研究院）；Politecnico di Milano（米兰理工大学）
工业4.0的发展趋势已经彻底改变了普通工作场所，深刻改变了人类在生产链中所扮演的角色。人机工程学在工业环境中的研究主要集中在减少操作人员的身体疲劳和不适，以提高吞吐量和避免安全隐患。然而，随着生产复杂性的增加，认知资源的需求和心理负荷可能会损害操作员的性能和车间工作场所的效率。认知科学中最先进的方法离线工作和/或涉及难以在工业环境中部署的庞大设备。本文提出了一种新的方法，在线评估的认知负荷的制造业，主要是装配，通过检测人体运动的模式直接从立体摄像机的输入图像。头部姿态估计和骨骼跟踪被用来调查工人的注意力，并评估多动和不可预见的运动。试点实验表明，我们的因素评估工具提供了显着的洞察工人的心理工作量，甚至证实了与生理和性能测量的相关性。根据这项研究中收集的数据，基于视觉的认知负荷评估有可能被整合到机电一体化系统的开发中，以提高制造业的认知人机工程学。
2021-10-19 cs.HC cs.RO
Explainability and AI Confidence in Clinical Decision Support Systems: Effects on Trust, Diagnostic Performance, and Cognitive Load in Breast Cancer Care
本研究探讨了临床决策支持系统中AI可解释性与置信度对乳腺癌诊疗中信任、认知负荷和诊断表现的影响，发现高置信度增加信任但导致过度依赖，低置信度引发谨慎行为，强调需平衡透明度、可用性与认知需求。
2025-01-28 cs.HC
Visual Accessibility in a Virtual Kitchen: Effects of Open Shelving on Performance, Cognitive Load, and Experience in Older Adults with and without MCI
研究探讨了虚拟厨房中橱柜设计对老年人任务表现、认知负荷、体力活动水平和体验的影响，发现开放式储物柜能提高效率并降低体力需求，但主观和客观认知负荷指标存在差异。
2026-04-25 cs.HC
Multimodal Brain-Computer Interface for In-Vehicle Driver Cognitive Load Measurement: Dataset and Baselines
本文提出多模态脑机接口数据集CL-Drive，用于测量车内驾驶员认知负荷，并提供了多种机器学习与深度学习模型的基准分类结果。
2023-12-21 cs.HC cs.LG eess.SP
Effects of Shared Control on Cognitive Load and Trust in Teleoperated Trajectory Tracking
The University of Melbourne（墨尔本大学）
该研究针对遥操作任务中操作员易负荷过载的问题，通过24人用户实验探究共享控制下机器人自主性与人类认知负荷、信任的关系，发现二者无明确交互而是独立运作，为开发更适配的辅助机器人系统提供关键依据。
2024-12-06 cs.HC cs.RO
Functional near-infrared spectroscopy (fNIRS) and Eye tracking for Cognitive Load classification in a Driving Simulator Using Deep Learning
Deakin University（迪肯大学）；Sohar University（索哈尔大学）
本研究利用fNIRS和眼动追踪数据，结合CNN-LSTM深度学习模型，在低能见度驾驶模拟中预测认知负荷，达到99%准确率，为实时评估驾驶员心理状态和开发安全自适应系统提供支持。
2026-06-23 cs.HC
Augmented Reality Indoor Wayfinding in Hospital Environments An Empirical Study on Navigation Efficiency, User Experience, and Cognitive Load
University of Michigan School of Information（密歇根大学信息学院）；University of Michigan School of Nursing（密歇根大学护理学院）；University of Michigan School for Environment and Sustainability（密歇根大学环境可持续发展学院）；University of Michigan Medical School（密歇根大学医学院）
本研究通过实证分析比较了增强现实导航系统与传统纸质地图在医院环境中的导航效率、用户体验和认知负荷，发现AR在实时导航性能上更优，但纸质地图在长期空间记忆方面表现更佳。
2025-09-29 cs.HC
