Resumen

La sobrecarga cognitiva no sólo afecta a las enfermedades físicas y mentales, sino también a la eficacia y la seguridad en el trabajo. Por lo tanto, la investigación de la medición de la carga cognitiva ha sido una parte importante de la teoría de la carga cognitiva. En este artículo, proponemos un método para identificar el estado de carga cognitiva mediante el uso de datos de movimiento ocular sin contacto. Diseñamos un experimento visual para obtener el estado de carga cognitiva humana alta y baja en dos entornos de luz intensa y registramos los datos del movimiento ocular durante todo el proceso. Se seleccionaron doce características destacadas del movimiento ocular mediante pruebas estadísticas. Se proponen algoritmos de procesamiento de algunas características para aumentar la tasa de reconocimiento. Por último, utilizamos la máquina de vectores soporte (SVM) para clasificar la carga cognitiva alta y baja. Los resultados experimentales muestran que el método puede alcanzar una precisión del 90,25 en condiciones de luz controlada.

• Materias:Ingeniería electrónica Sensores Redes Inalámbricas Tecnología de sensores Procesamiento de señales asistido por computador Procesamiento de datos
• Subjects:Electronic engineering sensors Wireless Networks Sensor technology Signal processing computer-assisted Data processing
• Palabras claves:datos de movimiento ocular, carga cognitiva, teoría de la carga cognitiva, entornos de luz intensa, baja carga cognitiva, máquina de vectores soporte, método, sobrecarga cognitiva, resultados experimentales, movimiento ocular
• Keywords:eye movement data, cognitive load, cognitive load theory, light intense environments, low cognitive load, support vector machine, method, cognitive overload, experimental results, eye movement