Both Generic Design and Different Forms of Designing
本文提出了一个增强的认知导向的“通用设计假设”：在不同情境下实施的设计活动之间存在着显著的相似性，而这些设计活动与其他认知活动之间存在着重大的差异;然而，设计情境的特征（即，与设计者、人工制品和影响这两者的其他任务变量有关）在相应的设计活动和所使用的认知结构中引入了特殊性。因此，我们结合了通用设计假设与不同的“形式”的设计。在本文中，概述了一些需要进一步阐述的方向，我们提出了一系列候选尺寸的设计形式。
2006-12-04 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
On Measuring Cognition and Cognitive Augmentation
我们正处于一个新时代的开端，在这个时代，人工实体将进行大量的高级认知处理，与人类思维相媲美，甚至超越人类思维。未来属于那些能够与人工认知实体进行最佳合作，实现高度认知增强的人。然而，我们目前缺乏能够描述人类或人工认知的理论基础的基本指标，更不用说增强和组合认知了。我们如何以一种独立于实现的方式来衡量思维、认知、信息和知识？我们如何知道一个人工实体做了多少思考，而人类做了多少？我们如何衡量人类与智能人工实体合作的综合效应甚至可能出现的效应？这是该领域研究人员面临的一些挑战。我们首先将认知过程定义为数据、信息、知识和智慧的转化。然后，我们回顾了几个现有的和新兴的信息度量的基础上熵，处理工作，量子物理，涌现能力，和人类的概念学习。然后，我们讨论了这些未能回答上述问题，并为未来的研究提供指导方针。
2022-11-11 cs.HC
Gotta Go Fast: Measuring Input/Output Latencies of Virtual Reality 3D Engines for Cognitive Experiments
本文在Unity与Unreal Engine中构建VR测试环境，量化认知实验设置下刺激输出至HMD显示及行为输入注册的延迟，为实验设计提供时序依据。
2023-06-05 cs.HC
Measuring Cognitive Conflict in Virtual Reality with Feedback-Related Negativity
随着虚拟现实（VR）成为主流平台，设计师们开始尝试新的交互技术来增强用户体验。这是一项具有挑战性的任务，因为设计师不仅要努力提供具有良好性能的设计，还要仔细确保不会破坏用户的沉浸式体验。迫切需要一种新的评估工具，超越传统的定量测量，以帮助设计师在设计过程中。我们提出了一个基于EEG的实验框架，通过测量有意引发的认知冲突来评估VR中的交互技术。通过对反馈相关负性（FRN）以及其他定量测量的分析，该框架允许设计人员评估感兴趣的变量的影响。我们通过将其应用于使用直接3D输入的3D对象选择的基本任务来研究该框架，即在VR中跟踪手。认知冲突是通过操纵目标物体的选择半径来有意引发的。我们的第一个行为实验验证了该框架，与其他经典心理学实验范式中报告的冲突诱导行为调整的发现一致。我们的第二个基于EEG的实验研究了虚拟手出现的影响。我们发现FRN的幅度与虚拟手的真实感水平相关，这与恐怖谷理论一致。
2017-03-16 cs.HC
Exploring Conversational Agents as an Effective Tool for Measuring Cognitive Biases in Decision-Making
University College Dublin（都柏林大学学院）
本文研究利用对话智能体自动测量决策中的认知偏差，提出融合现有实验设计的偏差测量机制，并通过初步实验验证其在测量框架效应和损失厌恶偏差上的有效性。
2024-01-08 cs.AI cs.HC
Investigating the Day-to-Day Experiences of Users with Traumatic Brain Injury with Conversational Agents
本研究通过为9名创伤性脑损伤患者提供四周家庭对话代理，发现其能力与用户无障碍需求存在差距，并识别出14项相关活动，归类为四组，提出改进设计建议。
2023-10-10 cs.HC
Designing as Construction of Representations: A Dynamic Viewpoint in Cognitive Design Research
本文提出了一种认知导向的设计观。它侧重于实际设计的认知，动态方面，即，设计师在从事专业设计项目时所进行的实际认知活动。而不是设想设计作为解决问题-西蒙的符号信息处理（SIP）的方法-或作为一种反思性的实践或其他形式的情境活动-情境性（SIT）的方法-我们认为，从认知的角度来看，设计是最恰当的特点是作为一个建设的表征。在对SIP和SIT的设计方法进行了批判性的讨论之后，我们提出了我们的观点。本演示文稿关注的是关于抽象层次和精确度的表征的演变性质，外部表征的功能，以及集体设计中表征的特定品质。设计是在三个层次上描述的：活动的组织，其策略，以及其设计表示构建活动（不同的方式来生成，转换形式和评估表示）。即使我们采取“通用设计”的立场，我们声称，设计可以采取不同的形式取决于人工制品的性质，我们提出了一些候选人的尺寸，允许这些形式的设计之间的区别。我们讨论了人机交互设计的潜在特殊性，以及缺乏认知设计研究的设计质量。我们结束我们的讨论代表性的结构和活动的一些方向纲要有关其职能联系。
2007-11-08 cs.HC
Measuring the impact of cognitive distractions on driving performance using time series analysis
使用当前的传感技术，通过车辆传感器和驾驶员生理传感器（心率、呼吸率、皮肤温度等）的组合，可以获得大量驾驶会话数据。我们的假设是，应该可以利用驾驶过程中多个传感器产生的时间序列的组合，以便（i）学习正常驾驶行为的模型，以及（ii）使用这些模型实时检测与规范的重要和潜在危险的偏差，从而能够生成适当的警报。至关重要的是，我们认为，这些模型和干预措施应该而且可以为每个驾驶员量身定制。作为实现这一目标的第一步，在本文中，我们提出了基于简单时间序列分析评估认知注意力分散对驾驶员影响的技术。我们已经在一个丰富的驾驶会议数据集上测试了我们的方法，该数据集在一个专业模拟器中进行，涉及一组志愿者司机。每个会话包括不同类型的认知干扰，并导致来自各种车载传感器以及驾驶员佩戴的传感器的多个时间序列。至关重要的是，每个司机还记录了一个没有分心的初始会话。在我们的模型中，这样的初始会话提供了基线时间序列，使得有可能定量评估驾驶员在分心条件下的表现。
2014-08-24 cs.HC
Cognitive Interpretation of Everyday Activities: Toward Perceptual Narrative Based Visuo-Spatial Scene Interpretation
University of Bremen（不来梅大学）
我们定位一个叙事为中心的计算模型，高层次的知识表示和推理的范围内的辅助技术与“视觉空间感知和认知”的任务。我们提出的叙事模型包括\emph{space, events, actions, change, and interaction}等方面，从常识推理和大规模认知系统中的学习的观点。本文的广泛重点是在智能环境，环境智能等领域的“人类活动的解释”的背景下，“智能会议摄影”域，我们的位置提出的叙事模型，感性叙事的初步工作，并立即展望构建通用的开源工具感性叙事。ACM分类：I.2人工智能：I.2.0一般-认知模拟，I.2.4知识表示形式和方法，I.2.10视觉和场景理解：架构和控制结构，运动，感知推理，形状，视频分析一般关键词：认知系统;人机交互;空间认知和计算;常识推理;空间和时间推理;辅助技术
2013-06-22 cs.AI cs.CV cs.HC
Measuring Cognitive Workload Using Multimodal Sensors
University of Canberra（堪培拉大学）；Human-Centred Technology Research Centre（人本技术研究中心）
本研究的目的是确定一套指标，估计认知工作负荷使用多模态传感方法和机器学习。一组三个认知测试进行了诱导认知工作量在两个级别的任务难度（容易和困难）的12名参与者。使用四种传感器测量受试者的生理变化，包括心电图（ECG）、皮肤电活动（EDA）、呼吸（RESP）和血氧饱和度（SpO 2）。为了了解认知负荷，在每次测试后使用NASA-TLX，并使用卡方检验进行分析。三个众所周知的分类器（LDA，SVM和DT）的训练和测试独立使用的生理数据。统计分析表明，被试感知认知负荷在两次测试之间存在显著差异（p<0.001），证明了实验条件诱导不同认知水平的有效性。分类结果表明，ECG和EDA的融合呈现出良好的区分能力（acc=0.74）的认知负荷检测。这项研究提供了初步的结果，在识别一组可能的指标认知工作量。今后需要开展工作，使用更现实的情景和更多的人口来验证指标。
2022-05-05 cs.AI cs.HC q-bio.NC
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
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
Measuring the perception of the personalized activities with CloudIA robot
University of Florence（佛罗伦萨大学）；Scuola Superiore Sant’Anna（圣安娜高等研究院）
本文介绍非拟人化的 CloudIA 社交辅助机器人，经多学科团队与护理人员设计后，在两家护理机构由15名老人测试，验证其辅助护理及活动个性化的可行性。
2023-12-11 cs.HC cs.RO
From Consumption to Collaboration: Measuring Interaction Patterns to Augment Human Cognition in Open-Ended Tasks
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
针对生成式AI在开放式任务中可能导致人类认知退化的问题，提出一个从认知活动与参与双维度分析人机交互模式的框架，以评估LLM作为思维工具的有效性，为增强人类认知的AI系统提供理论与实践指导。
2025-04-03 cs.AI cs.HC
Towards Understanding and Measuring COGNITIVE ATROPHY in LLM Behaviour
York University（约克大学）；Vector Institute（向量研究所）；Rotman Research Institute（罗特曼研究学院）；Dalhousie University（达尔豪斯大学）；Centre for Addiction & Mental Health（成瘾与心理健康中心）；KITE Research Institute（KITE研究机构）
针对LLM在心理健康支持中缺乏过程行为评估的问题，提出认知萎缩概念及基准，通过临床标注和专家评估揭示模型普遍存在中度至高度萎缩行为。
2026-06-17 cs.AI cs.HC
Understanding EEG signals for subject-wise Definition of Armoni Activities
本文提出基于 EEG 头环反馈情感状态变化的 Armoni 闭环认知训练方法，通过各频段均值与标准差定义活动，并在 6 类不同年龄和认知水平系统中验证。
2023-04-26 cs.HC eess.SP q-bio.NC
Measuring Effects of Spatial Visualization and Domain on Visualization Task Performance: A Comparative Study
了解您的受众是创建高影响力可视化设计的基础。然而，个体差异和认知能力也会影响与信息可视化的交互。不同的用户需求和能力表明，一个人的背景可能会影响认知性能和互动的视觉系统的方式。本研究建立在当前特定领域的可视化和认知研究的基础上，以解决领域和空间可视化能力是否会影响信息可视化任务的表现。我们测量了那些受过高等教育的人和商业，法律和政治科学，数学和计算机科学专业人士之间的空间可视化和视觉任务表现。我们进行了一项在线研究，90名参与者使用一个既定的心理测试，以评估空间可视化能力，并沿笛卡尔和极坐标旋转的条形图布局，以评估性能的空间旋转数据。准确性和响应时间随图表类型和任务难度的不同而变化。研究发现，空间视觉化水平与准确度和时间相关，数学和计算机科学的教育程度可以指示较高的空间视觉化水平。此外，我们发现不同的动机会影响绩效，因为更高的动机可能有助于提高准确性水平。我们的研究结果表明，纪律不仅影响用户需求和与数据可视化的交互，而且还影响认知特征。我们的研究结果可以推进可视化设计中的包容性实践，并增加特定领域视觉研究的知识，使跨学科的设计师能够创建有效的可视化。
2022-09-11 cs.HC
On the Place of Text Data in Lifelogs, and Text Analysis via Semantic Facets
INRIA（法国国家信息与自动化研究所）；University of Nairobi（内罗毕大学）
目前生活日志数据的研究还没有足够的重视分析的认知活动相比，身体活动。我们认为，展望未来，可穿戴设备将变得更便宜、更普遍，文本数据将发挥更重要的作用。生活记录设备捕获的数据将越来越多地包括语音和文本，这可能有助于分析智力活动。通过分析一个人听到、读到和看到的内容，我们应该能够衡量一个学习者对某个主题或科目的认知活动的程度。基于测试的生活日志记录可以受益于为自然语言处理开发的语义分析工具。我们展示了如何通过使用分类主题方面，这些方面可能是有用的量化认知活动，致力于在一个人的一天中的各种主题，可以实现这样的文本数据的语义分析。我们目前正在开发一种方法来自动创建分类主题词汇表，可以应用于这种检测的智力活动。
2016-06-08 cs.CL cs.CY cs.HC
Measuring Cognitive Engagement in Collaborative Discourse with an Extended ICAP Framework: Comparing Human Annotation, In-Context Learning, and Reflective LLM Agents
Tufts University（塔夫茨大学）
本研究用扩展7点ICAP框架测量协作对话认知投入度，对比人类标注、ICL及反思型LLM智能体，发现人类标注信度更高，智能体方法具潜力，需强化人类标注与LLM方法的交互。
2026-08-03 cs.CL cs.CY 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
Changing our view on design evaluation meetings methodology: a study of software technical review meetings
与设计会议相比，设计评估会议（DEM）通常被认为是一种情况，根据DEM方法，设计活动是相当边缘的。在软件开发中的DEM研究中，即在特定评审方法之后的技术评审会议中，我们表明：（i）设计活动作为论证过程的一部分的发生;（ii）认知同步作为评估的先决条件的相对重要性;（iii）通过明确潜在设计原理（DR）的论证在评估中发挥的重要作用。我们的研究结果的基础上，我们讨论了在这种会议中使用DR方法的潜力。
2007-02-01 cs.HC
The Affect of Software Developers: Common Misconceptions and Measurements
情感的研究（即，在过去的15年里，工作场所的情绪（情绪，情绪）受到了很多关注。尽管事实上，软件开发已被证明是智力的，创造性的，并由认知活动驱动，影响有很深的影响认知活动，软件工程的研究缺乏对软件开发人员的影响的理解。本说明提供了（1）在处理工作满意度，动机，承诺，幸福感和幸福感时对影响的常见误解;（2）用于影响测量的有效测量工具;以及（3）我们在测量软件开发人员的影响时的建议。
2015-05-18 cs.HC cs.SE
Understanding the Affect of Developers: Theoretical Background and Guidelines for Psychoempirical Software Engineering
情感--情绪和心境--对个体的认知加工活动和工作绩效有影响。已经确定，软件开发任务是通过认知处理活动进行的。因此，我们提出将心理学理论和测量方法引入软件工程研究中。我们称之为“心理经验主义软件工程”。然而，我们发现，现有的SE研究往往陷入误解的影响，开发人员，缺乏背景理论和如何成功地采用心理测量的研究。本文的贡献有三个方面。(1)它强调了进行适当的心理学与情感相关的研究的挑战;（2）它提供了一个全面的文献综述在情感理论;（3）它提出了指导方针进行心理经验软件工程。
2015-09-17 cs.HC cs.SE
Artificial Intelligence Quotient (AIQ): A Novel Framework for Measuring Human-AI Collaborative Intelligence
针对AI融入各领域后传统人类智力衡量标准需更新的问题，本研究提出人工智能商数（AIQ）框架，基于认知评估方法与AI交互研究，量化个体与AI（尤其是LLMs）的协作智能，满足教育与职业场景中AI增强认知能力标准化评估的需求。
2025-02-13 cs.HC econ.GN q-fin.EC
EyeBrain: Left and Right Brain Lateralization Activity Classification Through Pupil Diameter and Fixation Duration
RPTU Kaiserslautern-Landau \& DFKI GmbH Kaiserslautern Germany；Osaka Metropolitan University \& DFKI Lab Japan Osaka Japan；RPTU Kaiserslautern-Landau \& DFKI GmbH；Osaka Metropolitan University \& DFKI Lab Japan
本文通过瞳孔直径和注视持续时间有效区分左右脑活动，达到0.894的F1分数，表明眼动指标可用于认知监测和神经康复。
2026-04-26 cs.AI cs.HC q-bio.NC
Enhancing operations management through smart sensors: measuring and improving well-being, interaction and performance of logistics workers
目的-本研究的目的是进行探索性调查的材料处理活动的意大利物流中心。可穿戴传感器和其他智能工具用于在工作活动期间收集人类和环境特征。这些因素与工人的绩效和幸福感相关。设计/方法/途径人和环境因素在运营管理活动中发挥着重要作用，因为它们显著影响员工的绩效、福祉和安全。令人惊讶的是，关于这些方面对物流运作的影响的实证研究仍然非常有限。为了填补这一空白，该研究从经验上探讨了影响物流工人利用智能工具的绩效的人为和环境因素。结果-结果表明，人类的态度，互动，情绪和环境条件显着影响工人的工作表现和幸福感，但是，根据每个工人的个人特点，表现出不同的关系。实用意义-作者的研究开辟了新的途径，剖析员工和采用个性化的人力资源管理，提供管理人员能够潜在地检查和改善工人的福祉和业绩的操作系统。独创性/价值-独创性的研究来自于深入探索的人和环境因素，在工作活动中使用身体佩戴的传感器，通过记录个人，协作和环境数据的实时。据作者所知，目前的论文是第一次在现实世界的物流业务中进行了如此详细的分析。
2022-02-22 cs.HC cs.LG physics.soc-ph
Mazed and Confused: A Dataset of Cybersickness, Working Memory, Mental Load, Physical Load, and Attention During a Real Walking Task in VR
The University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校）；University of Missouri-Columbia（密苏里大学哥伦比亚分校）；University of Missouri（密苏里大学）
本研究发布了含39名受试者VR真实行走场景下多模态数据与认知、生理负荷及晕动症标注的开放数据集，经实验验证其可支撑高准确率的晕动症分类，为相关模型开发与VR体验优化提供数据基础。
2024-09-10 cs.HC cs.LG
Classification of Upper Arm Movements from EEG signals using Machine Learning with ICA Analysis
MNIT（马尔维亚国家理工学院）
脑-机接口系统是运动活动实验的一个正在深入发展的领域，它对认知活动的解码起着至关重要的作用。从脑电信号中对认知运动想象活动进行分类是一项重要的任务。提出了一种利用多层感知器神经网络对左右手动作进行分类的算法。手工统计时域和功率谱密度频域特征提取，并获得了96.02%的综合准确率。结果与深度学习框架进行了比较。除了准确性，精度，F1分数和召回被认为是性能指标。多余信号的干扰会污染脑电信号，影响算法的性能。因此，提出了一种新的方法来消除使用独立分量分析，提高了性能的文物。在选择提供可接受精度的适当特征向量之后。对所有9名受试者使用了相同的方法。结果，9例受试者的受试者内准确度为94.72%。实验结果表明，该方法能够对上肢运动进行准确分类。
2021-07-18 cs.HC cs.LG eess.SP
Enabling Basic Normative HRI in a Cognitive Robotic Architecture
Tufts University（塔夫茨大学）
人类协作活动以社会和道德规范为基础，人类有意识和无意识地使用这些规范来指导和约束他们的决策和行为，从而加强他们的互动，防止情感和身体伤害。这种类型的基于范数的处理对于许多人机交互场景中的机器人也是至关重要的（例如，在辅助生活设施中帮助老年人和残疾人，或在工厂甚至空间站中帮助人类完成装配任务时）。在本立场文件中，我们将简要描述如何使用集成认知架构中的几个组件来实现规范的人机交互所需的过程，特别是在协作任务中，行动和情况可能被视为威胁，因此需要改变行动过程以减轻感知到的威胁。
2016-02-11 cs.AI cs.HC cs.RO
Creativity Support in the Age of Large Language Models: An Empirical Study Involving Emerging Writers
Columbia University（哥伦比亚大学）；New York University（纽约大学）；Allen Institute for Artificial Intelligence（艾伦人工智能研究所）
该研究通过30名专业作家参与的实证实验，探究大语言模型在创意写作中的辅助作用，发现其在转译和审阅环节更具效用，为相关研究指明了方向。
2024-01-30 cs.AI cs.CL cs.CY
How Do You Feel, Developer? An Explanatory Theory of the Impact of Affects on Programming Performance
情感--情绪和心情--对个人的认知活动和工作绩效有影响。开发任务是通过认知过程进行的，然而软件工程研究缺乏关于情感及其对软件开发活动的影响的理论。在本文中，我们报告了一个解释性的研究，旨在扩大我们的理解心理学的编程方面的经验，影响，而编程，和影响编程性能。我们进行了一个定性的解释性研究的基础上：面对面的开放式访谈，在现场观察，和电子邮件交流。这使我们能够构建一个新的解释性理论的影响，发展业绩。该理论是使用一个既定的分类框架来解释的。所提出的理论建立在事件，影响，吸引，焦点，目标和性能的概念。理论和实践的影响。
2015-09-17 cs.CY cs.HC cs.SE
Measuring and identifying factors of individuals' trust in Large Language Models
University of Trento（特伦托大学）；National University of Singapore（新加坡国立大学）；University of Virginia（弗吉尼亚大学）
本文提出TILLMI框架测量个体对LLMs的信任，通过心理测量量表与因子分析验证其双因子结构，并揭示信任与人格特质及使用经验的相关性，为AI信任研究提供实证基础。
2025-03-05 cs.AI cs.HC
Measuring and mitigating overreliance to build human-compatible AI
本文研究了大型语言模型过度依赖的风险，探讨了测量和缓解过度依赖的方法，以确保AI能增强而非削弱人类能力。
2026-05-20 cs.AI cs.CL cs.CY
