XiaoMi-AI文件搜索系统
World File Search System精神疲劳
基于心理状态的自适应界面案例
多个领域（例如航空、汽车和核电行业）复杂系统的操作员需要长时间连续地执行任务。长时间连续使用会导致精神疲劳以及认知灵活性、注意力和情境意识的下降，危及复杂操作的安全性和效率。基于心理状态的自适应系统可能是解决此问题的方法。这些系统根据一系列指标推断操作员的当前心理状态，这些指标包括操作员独立测量（例如天气和一天中的时间）、行为（例如反应时间和车道偏差）以及生理标记（例如脑电图和心脏活动）。然后可以采用多种方式之一调整操作员与系统之间的交互，以减轻检测到的任何认知状态下降，从而确保持续的安全性和效率。根据手头的任务及其具体问题，可能的调整（通常基于机器学习估计）包括修改信息、呈现方式或刺激显著性以及任务调度。自适应系统的研究涉及多个领域，包括神经工效学、人为因素以及应用和生态背景下的人机交互，因此需要仔细考虑上述每个方面。本文概述了一些关键
基于心理状态的自适应界面的案例
跨多个领域（例如航空、汽车和核电行业）的复杂系统操作员需要长时间连续地执行任务。长时间连续使用会导致精神疲劳以及认知灵活性、注意力和情境意识的下降，从而危及复杂操作的安全性和效率。基于心理状态的自适应系统可能是解决此问题的方法。这些系统根据一系列指标推断操作员的当前心理状态，这些指标包括操作员独立测量（例如天气和一天中的时间）、行为（例如反应时间和车道偏差）以及生理标记（例如脑电图和心脏活动）。然后可以以多种方式之一调整操作员与系统之间的交互，以减轻任何检测到的认知状态下降，从而确保持续的安全性和效率。根据手头的任务及其具体问题，可能的调整（通常基于机器学习估计）例如包括修改信息、呈现方式或刺激显着性以及任务调度。自适应系统研究涉及多个领域，包括神经工效学、人为因素以及应用和生态背景下的人机交互，因此需要仔细考虑上述每个方面。本文概述了研究人员在设计基于心理状态的自适应系统时需要考虑的一些关键问题和方面，同时也促进了它们在长期连续使用过程中的应用，为更安全、更高效的人机交互铺平了道路。
学业负担对心理疲劳的影响... - IEOM
摘要 本研究定量研究了学业负担对菲律宾玛普阿大学本科生感知心理疲劳的影响之间的关系。当前的全球疫情以及从面对面授课到远程学习的突然转变影响了学生的心理健康。研究人员使用了从包含疲劳评估量表和 NASA-任务负荷指数的数字调查中获得的 104 名受访者样本数据，然后使用描述性和推断性统计数据进行分析。结果显示，在线课程期间的学业负担因素与学生整体心理疲劳水平之间存在密切的关系。因此，结果表明，这些因素显著增加了大学生心理疲劳的强度。根据结论，结果表明 FAS 受到每个维度的极大影响——无论是精神上还是身体上。此外，分配给每个受访者的学业工作量表明，由于在线课程中分配给学生的工作量，所有认知因素（例如心理需求、身体需求、时间需求、努力和挫折感）都会受到显著影响。因此，学生必须付出更多的精神努力才能完成所需的输出。关键词 NASA-任务负荷指数、FAS、心理疲劳、在线课程 1.简介 心理疲劳通常被称为长期精神压力，这是一种由于认知活动而导致人经历认知压力和压倒性精神压力的精神状态（Maarten 等人，2008 年）。此外，自 Smith 等人以来，理论上它可以以生理或行为突然改变等各种形式表现出来。(2019) 指出，心理疲劳是具有挑战性的认知活动的产物。这种精神状态通常与疲劳和精力不足有关，而疲劳和精力不足对于健康成年人的日常最佳功能至关重要。精神疲劳可能与身体疲劳有相似的症状；然而，这两种疲劳的生物学功能是分开的，这意味着两者可能同时共存（疲劳科学，2019 年）。虽然身体疲劳源于过度的体力消耗，但个人的精神状态不会受到损害，只有在必须解决身体状态时才会恢复活力。然而，它对经历精神疲劳的不同个体仍然有不同的影响（Garikiparithi，2017 年）。2020 年 3 月 11 日，世界卫生组织 (WHO) 宣布肆虐的冠状病毒 (COVID-19) 疫情为大范围流行病，随着隔离协议和数字教育的大幅实施，精神疲劳急剧加剧。Labrague & Ballad (2021) 发表了一项研究，其中封锁引起的疲劳程度与疫情相符，包括其与菲律宾大学生的个人适应力、应对技巧和整体健康状况的相关性，这一点至关重要，因为在分析感知疲劳程度时要考虑认知因素。值得注意的是，在菲律宾的隔离限制期间，大学生的疲劳程度中等。然而，个人和认知特征被用作标识符，而不是与在线课程相关的学业工作量。此外，加利福尼亚州圣布鲁诺市的 Skyline College 发布了一项调查结果，该调查旨在解决在 COVID-19 大流行期间如何过渡到新常态的问题，统计数据显示，60% 的在校学生认为这种过渡在一定程度上具有挑战性——此外，这些挑战
肌电脑炎患者和健康志愿者的色氨酸代谢物的非靶向代谢组学和定量分析：使用高分辨率质谱法
摘要：肌腱脑脊髓炎/慢性疲劳综合征（ME/CFS）是一种慢性，复杂的疾病，其特征是严重且经常使身体和精神疲劳失败。到目前为止，科学家还没有完全指出疾病的生物学原因，但它影响了全球数百万的人。为了更好地了解ME/CFS，我们将38个ME/CFS患者血浆中的代谢网络与24名健康对照参与者进行了比较。除了测量包括色氨酸及其代谢产物在内的靶向物质以及酪氨酸，苯丙氨酸，B族维生素和harbosoxanthine的测量外，这涉及一种未靶向的代谢组学方法。我们观察到几种代谢途径的显着改变，包括维生素B3，精氨酸 - 丙啉和天冬氨酸 - 天冬酰胺途径，在未靶向的分析中。与对照组相比，有针对性的分析表明，ME/CFS患者中3-羟基氰酸，3-羟基基硝酸，低黄嘌呤和苯丙氨酸的水平变化。这些发现表明ME/CFS患者的免疫系统反应和氧化应激的潜在改变。关键词：高分辨率质谱，肌电脑脊髓炎（ME/CFS），神经退行性疾病，代谢组学，靶向分析，未靶向分析，生物标志物
社论：经济冲击对人类行为、精神生活和环境的影响：对后新冠疫情时代的影响
COVID-19 大流行给社会带来了根本性的经济冲击。事实上，COVID-19 大流行对个人健康和生存构成了威胁。它的爆发会在短期和长期内改变人类的行为。这个问题可能会导致人类行为的变化并影响精神生活。COVID-19 大流行期间的生活方式改变也增加了抑郁和自杀。COVID-19 大流行需要政府、机构、组织和社区的综合努力来应对这场健康危机。“CoVesity”问题将肥胖率的上升与各种措施（例如封锁、宵禁、社交疏远）混为一谈，这些措施显著减少了人类的活动、流动性，从而减少了锻炼（Zakka 等人，2021 年；Ertz 和 Le Bouhart，2022 年）。此外，一些研究试图进一步详细说明如何利用大流行来实现更可持续的社会。接下来，一个研究小组使用了几个理论框架来提出一个三层（系统性）的向更可持续社会转变的趋势：（1）随着时间的推移而得到资助的积极政治（决策者）；（2）敏捷且对社会负责的组织；（3）有行动力和被赋予权力的公民（消费者）（Trespeuch 等人，2021 年）。在这场全球大流行之后，世界各地的企业性质也在发生变化；例如，越来越多的公司希望降低固定成本并最大限度地降低组织风险，因此越来越多地采用在家在线办公。网络和社交互动也将发生重大变化。这些问题会影响工人的情绪、精神疲劳和压力。此外，在社会层面，人们对彼此的态度可能会发生变化，例如志愿团体为支持弱势社区成员而发展起来。例如，睦邻友好和利他主义对政府和企业的变革施加了压力，尤其是在自由市场经济体中，经济考虑
covid-19和对浓度的影响
后期的“心理雾”是一种以持续认知缺陷为特征的疾病，对公共卫生来说是一个日益严重的挑战。在Covid-19中幸存下来的患者，尤其是患有严重疾病的严重形式的患者，报告记忆困难，关注和精神疲劳，直接影响其日常能力。本研究修订了有关Covid-19的认知影响的科学文献，重点是指出“心理雾”的流行和可能原因的证据。评估了24篇文章，从PubMed，Scopus和Google Scholar数据库中搜索，并在2020年至2024年之间以英语或葡萄牙语进行了包括在2020年至2024年之间发表的研究的标准。未直接解决认知影响或未完全解决的文章被排除在外。该方法涉及对结果的批判性分析，重点是队列研究，系统审查和荟萃分析。的结果表明，后切记认知症状的患病率很高，高达50％的患者，尤其是那些面临严重疾病的患者。神经发作，血清脑障碍功能障碍和社会心理因素（例如焦虑和抑郁）通常被认为是“精神雾”发展的重要贡献者。此外，这种情况在女性，老年人和基本工人中更为普遍。结论指出，需要采用多学科方法来治疗“精神雾”以及对Covid-19对大脑的长期影响的新研究的紧迫性。该分析还指出，尽管症状的持续时间和治疗的有效性仍然是研究中存在差距，但认知和身体康复可以加速康复。此外，建议实施针对早期诊断和访问的公共卫生政策
广义的深度学习脑电图模型，用于跨参与者和交叉任务检测持续注意任务的警惕性降低
摘要：需要长时间需要持续关注的任务是几十年来认知疲劳研究的焦点，这些任务包括空中运输控制，手表保持，行李检查等。最近对精神疲劳生理标志物的研究表明，存在标记，这些标记范围延伸到所有个人和所有类型的警惕任务中。这表明可以构建一个脑电图模型，该模型检测到这些标记物以及随后的任何任务（即任务生成模型）和任何人（即跨派对模型）的随后警惕性降低。到目前为止，尚未构建或测试任务生成的脑电图跨参与模型。在这项研究中，我们探讨了任务生成脑电图跨参与模型的创建和应用，以检测看不见的任务和看不见的个体的警惕性降低。我们利用三种不同的模型来研究这种能力：多层感知神经网络（MLPNN），采用了从传统的EEG频率频段提取的光谱特征，临时卷积网络（TCN），以及TCN自动设备（TCN-ae），以及这些两个TCN模型，以及使用这些eeg eeg at eeg at i.值。MLPNN和TCN模型都达到了比随机机会更高的精度（50％），而MLPNN的表现最佳，其7倍CV平衡精度为64％（95％CI：0.59，0.69），并且验证精度比14名参与者中9个参与者中的9个比随机机会大。这个发现的示例表明，即使是从看不见的个人和看不见的任务中脑电图中，也可以使用脑电图对警惕性降低进行分类。
丢失的时间：暂时监测引起持续注意力的临床减少。
目标：在一系列神经和精神病疾病中，通常报告的问题是精神疲劳，“大脑雾”和保持参与的困难。传统的持续注意任务通常衡量这种能力，因为它可以根据听觉或视觉域中的感官特征来检测目标刺激的能力。然而，使用这种方法，离散的目标刺激可能会外源引起注意以帮助检测，从而掩盖了随着时间的推移内源性维持注意力的能力的缺陷。方法：为了解决这个问题，我们开发了连续的时间预期任务（CTET），其中个体以固定的时间间隔（690毫秒）的方式连续监视图案的刺激流，并检测到由延长的时间持续时间定义的很少发生的目标刺激（1020 ms或更长）。因此，目标和非目标刺激的感觉特性在感知上是相同的，并且仅在时间持续时间上有所不同。使用CTET，我们评估了单侧右半球损伤（n = 14）的中风幸存者，该队列已广泛报道了持续的注意力缺陷。结果：与神经健康的年龄匹配的老年对照相比，中风幸存者的总体目标检测准确性总体较低（n = 18）。至关重要的是，中风幸存者的性能的特征是在块状性能下降中明显陡峭，这发生在短的颞窗内（约3½分钟），并通过块之间的休息时间恢复。结论：这些发现表明，随着时间的推移，连续的时间监测税持续关注过程，以捕获这种能力的临床缺陷，并概述了右半球冲程后持续注意力缺陷的内源性过程的精确度量。
人类无人机的相互作用：考虑
在无人机（无人驾驶汽车，无人机）或无人机舰队的运行过程中，运营商必须能够监督无人机，任务物业，并在必要时重新控制。正如无人机的运营参数对于任务管理至关重要一样，负责控制或驾驶这些无人机的操作员的心理状态也至关重要，因为他的水平失败在安全性和绩效方面具有重大影响。但是，这常常被忽略了。几年来，神经工程学领域一直通过神经生理学测量来研究人类操作员。基于自动学习的工具的开发带来了一种在线估算心理状态的方法，因此可以开发考虑到这种心理状态的接口（即被动脑机接口）。迄今为止，航空学中的神经工学和被动脑机构界面的研究主要集中在飞行员（Verdière等，2018）和控制器（Arico等，2016）。然而，一些研究开始关注无人机运营商（Roy等，2017； Senoussi等，2017； Drougard等，2017； Jahanpour等，2020； Roy等，2020）。本论文旨在通过专注于使用无人机操作员的精神疲劳状态来发展这一迅速扩展的研究领域。适应性系统监视用户的活动和上下文，并试图适应用户的需求和偏好（Greenberg＆Witten，1985）。这意味着系统的灵活性，但也考虑了用户的经验和状态。例如，这些系统已在驾驶的背景下进行了测试，在这种情况下，它们在常规情况下被证明特别有用（Lavie＆Meyer，2010）。人类无人机相互作用是过去几年稳步增长的人类计算机相互作用的领域（Cauchard等，2021），是本文的中心。本文旨在建模，设计和实验能够在无人机操作员的状态和任务环境之间实现有效适应的新型界面。它将利用先前在isae-supaero进行的工作和疲劳估计的ENAC
探索大学级别对外语教育的潜力
警惕性是维持注意力并保持警惕的能力，以避免在几分钟到几个小时内的单调任务上的性能错误。空气官员，指挥中心人员，网络分析师和机场行李筛查人员通常从事单调的任务，其中绩效下降可能会导致个人后果（例如，生产力损失）或有害的组织能力（例如，工业事故或延迟的应急人员）。其他经验发现（例如，提高性能变异性，缓慢的响应时间）在推定的基础过程中与现实世界的效果相同（Parasuraman和Davies，1977; Doran等，2001; Dorrian and Dinges，2004）。这样的表现下降，即警惕性下降，可以追溯到越来越疲劳的认知状态（Davies和Parasuraman，1982; Warm等，1996）。在Boksem and Tops（2008）之后，我们将精神疲劳（以下简称为疲劳）定义为主观经验丰富的感觉，通常以疲倦，厌恶和认知能力下降，在长时间的认知活动期间或之后。此外，解释了长时间任务的影响的机制也与睡眠损失有关（Hockey，1997; Gunzelmann and Veksler，2018; Veksler and Gunzelmann，2018，2018），强调了对疲劳的全面理论的需求。一组突出的理论观点，统称为资源理论，将疲劳影响归因于认知资源的消耗（Caggiano和Parasuraman，2004年）。尽管仍在研究确切的因果因素，但表面上的疲劳表面上是由于复杂的认知过程之间的相互作用征税，使信息处理，动机和有效状态征税（Hockey，1997; Boksem and Tops，2008年）。This complexity becomes apparent when considering the myriad of observed and theorized fatigue effects including: induced stress and aversion to further task investment ( Warm et al., 2008 ), deterioration in cognitive function, e.g., sustaining attention, planning, strategy adaptation ( Boksem and Tops, 2008 ), reduced alertness and increasing lapses in central cognition ( Gunzelmann et al., 2009b; Veksler and Gunzelmann，2018年），代偿费用，例如以生理不适和有效菌株为特征的精神和同情优势（Hockey，1997，2011）。相应地，按任务耗尽的资源实施基本信息处理功能（例如，注意，工作记忆等）无法在可用的剩余时间补充（Harm等，2008）。但是，批评家认为