XiaoMi-AI文件搜索系统
World File Search System脑力
护士脑力负荷及相关因素分析...
在过去的二十年里，由于患者意识的增强和住院时间的减少，护理强度和护理工作量增加[1]。工作量增加是医疗保健领域最重要的问题之一，尤其是重症监护病房 (ICU)，会对护士和患者产生负面影响 [2]。工作量是影响患者安全和护理质量的因素之一 [3]。如今，由于现代技术的进步，工作环境发生了变化，因此，许多工作环境对个人的认知需求比身体需求更多。因此，根据职业类型，人体工程学中使用一个称为“心理工作量”的概念作为一般概念。护理是可以使用此概念的职业之一。工作量不仅限于护士的体力任务，其认知任务（脑力工作量）也是护士整体工作量的一个复杂组成部分 [3, 4] 。
护士脑力负荷及其相关因素...
在过去的二十年里，由于患者意识的增强和住院时间的减少，护理强度和护理工作量有所增加[1]。工作量增加是医疗保健领域尤其是重症监护病房（ICU）中最重要的问题之一，可能会对护士和患者产生负面影响[2]。工作量是影响患者安全和护理质量的因素之一[3]。如今，由于现代科技的进步，工作环境发生了变化，因此，许多工作环境对个人的认知需求超过了身体需求。因此，根据职业类型的不同，人体工程学中有一个称为“心理工作量”的概念作为一般概念使用。护理是可以使用这一概念的职业之一。工作量不仅限于护士的体力任务；他们的认知任务（心理工作量）也是护士整体工作量的一个复杂部分[3，4]。
虚拟现实中脑力负荷的利用
这三年以极快的速度过去了，其中一些重要的时刻将铭刻在我的心中，特别是感谢这份手稿。这是我向所有以某种方式为这一结果做出贡献的人表示感谢的机会。我首先要感谢评审团的所有成员：Catherine Pelachaud 博士，她让我有幸主持了我的论文答辩，Daniel Mestre 博士和 Mark Billinghurst 教授。我还要感谢安东尼·斯蒂德教授，他在国际交流的背景下慷慨地接受了我在伦敦大学学院的接待，尽管不幸的是，由于大流行，这并没有发生。这对我来说是一种荣幸和高兴，我希望在未来几年有机会参观虚拟环境和计算机图形小组。每个人都花了很多宝贵的时间来阅读我的作品。我很荣幸也很高兴能够得到高素质研究人员的评估，我特别感谢他们提出的相关、丰富和建设性的评论。不用说，我接下来要感谢我的主管，没有他们，这一切都是不可能的。在我论文的这三年里，我有难得的机会被才华横溢、在场且充满爱心的导师包围。非常感谢你所做的一切，阿纳托尔。您不断的鼓励、您的经验以及您对孩子福祉的重视
金钱如何帮助增强脑力
本副本仅供您个人、非商业用途使用。本材料的分发和使用受我们的订户协议和版权法的约束。如需非个人用途或订购多份副本，请致电 1-800-843-0008 联系 Dow Jones Reprints 或访问 www.djreprints.com。
成功应对高强度的脑力劳动和压力
图 3 与心理工作量相关的大脑激活和停用。（a）统计参数图说明了 TNT 中心理工作量的主要影响。彩色条表示激活高度的 t 值（+ 10 至 � 10）。展示了在 2-back 与 0-back 期间激活增加（红色）和减少（蓝色）的皮质区域。为了便于说明，地图的阈值为 p < .001 FWE 校正。激活叠加在受试者的解剖 T1 扫描上，并标准化为标准 MNI 空间。ACC，前扣带皮层；PCC，后扣带皮层；DLPFC，背外侧前额叶皮层；DMPFC，背内侧前额叶皮层；PC，顶叶皮层（顶上回和顶下小叶）；SMA，辅助运动区； VMPFC，腹内侧前额皮质。（b）条形图显示相对于静止条件，0-back 和 2-back 条件下峰值体素处 BOLD 信号增加/减少的百分比。标明了 MNI 坐标。该百分比是针对每个任务难度级别的所有区块（即安全和威胁）计算的。误差线为 SEM。浅灰色 = 0-back，中灰色 = 2-back
自动化和脑力劳动：为什么获得... 很重要
很容易假设将自动化引入任务会减少操作员的心理工作量——毕竟，如果他们做的少，那么任务一定更容易。从直觉上讲，更简单的任务应该更有效地完成。然而，这两个假设都不一定正确。自相矛盾的是，自动化有可能增加或减少心理工作量，具体取决于具体情况。此外，减少工作量实际上会使操作员处于欠载状态，这对性能的影响与超载一样糟糕。我们在航空业和最近的汽车业都学到了这些教训；正如事故报告所显示的那样，随着自动列车运行和其他自动化系统的引入，我们现在开始看到它们对铁路的影响。帮助操作员发挥最佳状态的关键是找到一种优化他们心理工作量的方法——这可能意味着对自动化有不同的看法。
重新审查“脑力流失”效应 - 奖学金@Western
本研究是Ward等人的预先注册的直接复制。的（2017）第二个实验（OSF预注册，网址为：https：//osf.io/5fq4r）。此复制分配了智能手机位置（在桌子上，口袋/袋子或测试室外）和智能手机电源（打开或关闭），总共六个条件。参与者完成了自动操作跨度（OSPAN）任务，依赖提示的GO/NO-GO任务以及智能手机附件和依赖性清单。假设，对于那些与智能手机（在桌子上）更接近的人（在桌子上），越来越多的注意力（即OSPAN任务）的表现会更糟，并且具有更大智能手机附件和依赖性的人会产生更大的“脑力流失”效果。使用与Ward等人相同的任务和条件。的（2017）第二个实验，本研究发现“脑部排水”效应没有复制：智能手机位置条件在O-SPAN任务或GO/NO-GO任务上的性能之间没有差异。这些发现表明，仅仅存在一个人的智能手机可能不足以影响认知表现。在智能手机是基本必需品的时候，了解这些效果至关重要。
脑力负荷分类的敏感通道选择
摘要：心理负荷（MW）评估在各类人机交互任务中得到广泛研究。现有的MW分类研究大多使用非侵入式脑电图（EEG）帽采集脑电信号并识别MW水平。但MW任务刺激的大脑激活区域对于每个受试者来说并不相同。使用来自所有电极通道的EEG信号来识别MW可能并不合适。本文首先建立EEG节律能量热图，直观展示四种EEG节律能量随时间、EEG通道和MW水平的变化趋势。从所呈现的热图中可以看出，这种变化趋势因受试者、节律和通道而异。在此基础上，提出了一种双阈值方法来选择MW评估的敏感通道。使用个性化选择通道的EEG信号，分别称为正敏感通道（PSC）和负敏感通道（NSC），并使用支持向量机（SVM）算法进行MW分类。结果表明，个性化敏感通道的选择普遍有助于提高MW分类的性能。
成功应对高强度脑力负荷和压力 - oatao
图 3 与心理工作量相关的大脑激活和停用。（a）统计参数图说明了 TNT 中心理工作量的主要影响。彩色条表示激活高度的 t 值（+ 10 至 � 10）。展示了在 2-back 与 0-back 期间激活增加（红色）和减少（蓝色）的皮质区域。为了便于说明，地图的阈值为 p < .001 FWE 校正。激活叠加在受试者的解剖 T1 扫描上，并标准化为标准 MNI 空间。ACC，前扣带皮层；PCC，后扣带皮层；DLPFC，背外侧前额叶皮层；DMPFC，背内侧前额叶皮层；PC，顶叶皮层（顶上回和顶下小叶）；SMA，辅助运动区； VMPFC，腹内侧前额皮质。（b）条形图显示相对于静止条件，0-back 和 2-back 条件下峰值体素处 BOLD 信号增加/减少的百分比。标明了 MNI 坐标。该百分比是针对每个任务难度级别的所有区块（即安全和威胁）计算的。误差线为 SEM。浅灰色 = 0-back，中灰色 = 2-back