视觉短时记忆(VSTM)被定义为能够记得少量的视觉信息,如颜色和形状,在很短的时间内( 1]。有许多不同的测试旨在确定VSTM的性质,如VSTM的能力,时间能够保留记忆信息,而不同的外部因素的影响。VSTM是短期记忆(STM)的一部分。的信息保存在VSTM可以通过工作记忆做进一步的处理,它可以转化为长期记忆,也可以被遗忘。短期记忆有两个主要特点:能力有限,时间有限。

短时记忆的容量是有限的七个元素(正负两个元素) 2]。短期记忆能力几乎是常数,不同的人或多或少能记住相同数量的元素。元素记忆能力还取决于其他因素,如单词的长度,感觉与刺激,和其他个人因素。STM可以保存信息到30秒。然而,这些信息可以记得如果是重复或感觉。

工作记忆或手术记忆是一组过程,使我们能够保持和操纵临时数据和执行复杂的认知活动。工作记忆是一种STM。大脑接收到视觉或音频材料,暂时存储,但积极操纵。两个过程,存储和操纵,集成通过有意识的注意力 3]。

介绍了工作记忆的多组分模型·巴德利和结 4, 5]。模型的最新版本( 1)由三个系统组成,包括组件保持和处理信息。第一个系统是一个中央执行系统,作为监控系统,它负责指挥关注相关信息。它还负责其他“奴隶”子系统的协调和组织活动需要执行一些动作。第二个系统是语音回路,它充当一个奴隶子系统。它负责口头和书面材料的管理和存储在内存中。第三个系统感兴趣的是视觉空间的画板,负责视觉和空间信息的管理和存储。的视觉空间的画板VSTM负责。

VSTM使后来接受视觉信息的存储,还记得视觉信息的使用。VSTM是非常重要的对于正常运作所需的认知能力和执行日常活动。任何损害VSTM可以减少信息的数量和时间,一个人能够保留它。

神经心理学评估使VSTM的测试和评估。最常用的实践包括经典的直接和间接数字测试从韦氏的规模;Korkman NEPSY测试,柯克,坎普(1998);连续性能测试(CPT);内存伪测试(汤米·);视觉组织测试(嗓音起始时间);测试变量的关注(TOVA);和伦敦塔测试。这些测试测量不仅视觉短时记忆,而且短期记忆、反应速度、工作记忆、视觉扫描,对环境的感知,记忆的背景下,命名,区分,和数据处理速度 6]。

VISMEM是一个非常重要和常用的测试,这是创建使用经典的汤米·[ 7]。测试显示图像的主题包括在有限的一段时间,一般在60 - 70秒。在这段时间里,这个主题有一个任务看形象和记忆的上下文和记住尽可能多的细节图像。给定的时间到期后,图像被删除,这个主题给答案不同的图像的问题 8]。

本研究的主要目的是确定可能的参与者的情绪状态之间的相关性在做短期的视觉工作记忆测试和测试结果他/她。换句话说,我们试图确定是否可以预测的结果测试和程度,根据测量对象的情绪状态。次要目标是确定外部因素的影响,更准确地说现在的观众在测试参与者的情绪状态,取得测试结果。我们预期的压力将增加在观众的情况存在,当参与者的行动和结果是透明的,可见观众。

我们开发了一个自定义Web应用程序,用于执行实验。在第一步中,应用程序显示一个特定的图像(图像或图像B)的有限的时间60秒(在这个时间间隔内,试图记住尽可能多的细节)。给定的时间到期后,图像被删除,和应用程序自动转移对象与图像内容相关的问题。

每一个参与者在实验中测量两次。第一评估(第一图像)是在一个孤立的环境中完成的,而第二个评估(第二图像)是在前面的其他参与者,为了增加考生的压力。参与者的心理状态是数据收集过程中,在这两种情况下的实验。

为了了解参与者的心理和情绪状态,我们使用了一个脑电图(EEG)设备,记录脑电图州实验过程中时间同步的方式。我们开发了一个叫做EEG设备申请处理原始信号 MyEmotivator提取六个情绪状态:兴趣、兴奋、参与、压力、放松、和焦点。行为主体从Web应用程序的数据和记录的主体心理状态的脑电图设备被使用人机交互同步监测与分析平台(HCI-MAP) [ 9),预期的出错率< 0.001的年代。

实验期间收集的数据(EEG application-image中的数据和数据操作,图像隐藏问题,等)进行了分析通过使用四个分类算法:朴素贝叶斯、支持向量, K 最近的邻居(资讯)和随机森林。在本文中,我们使用三种不同的分类数据类:(1)的顺序显示图像(图片显示第一或第二(即。,有或没有观众)),(2)图像的类型(图片或图像B), (3)答案的正确性(image, correct, incorrect).

有几个结论可以从分类结果。首先,分类结果表明,通过使用参与者的情绪状态和时间间隔问题,我们可以确定最好的准确性为90.12%,如果参与者在观众面前时,回答这个问题。第二,结果从定量分析参与者的情绪使我们能够确定的准确性90.51%,图像(图像或图像B,无论它是第一或第二行显示)参与者观看在回答这个问题之前。然而,我们并没有获得任何重要的分类结果对答案的正确性。

EMOTIV EPOC +设备被用于这项研究。该设备能够隔离P300低压信号(2 - 5 μV),这被认为是与刺激评价或分类 10, 11]。其低功耗相比脑电图意味着该设备可以区分这个信号测量期间发生的背景噪音。总的结论是,这个设备可以作为一个可靠的脑机接口(BCI)。

在一项研究 12),作者调查了学生的情绪状态,这是代表的形式发生的挫折和兴奋结果反馈信息的智能辅导系统(同期)。通过分析得到的数据,作者开发了一个系统,使学生的情感预期并相应修改的反馈信息。

同样,不同视觉刺激情绪反应在两个独立的检查工作( 13, 14]。第一个研究了脑电图模式识别能力处于放松状态,想象两种不同类型的图片(面孔和房子),和48%的准确性。在第二个工作,作者开发了一种方法解释脑电图的值,以区分心理模式当参与者观察愉快和不愉快的图片比中性的内容。

实验中所描述的目标由Esfahani和Sundararajan [ 15)是检测水平的快乐。作者还测试了一个方法来修正机器人的行为为了增加快乐水平。尽管实验进行了少量的参与者(四个男性),一个正确的分类在平均79.2%的情况下实现。

在我们的论文中,我们描述了一些步骤应用人工智能和EEG信号的改善电子评估( 16]。第一个分析指出使用特定问题类型的可能性在电子测试以评估期间影响学生的心理状态。例如,通过插入“有趣”的问题有一个明显的正确答案,这个系统可以减少学生的压力。此外,最有趣的问题是容易的,而学生的焦点可以增加了使用“不可能”的问题没有正确的答案。

如果一个情况是一个非常重要的一个人,就有很少一个观点或一个行动或行为的倾向。有多种情感,通常发生在平行或按顺序一个接一个。因此,它是可能的,压力和放松,尽管负面的感受,达到相同或相似的水平在一个时刻。主题与多个细节观察图像时,它需要参与精神和情感为了记住尽可能多的细节。因此,在这种情况下压力增加。这种压力是有用的,因为它有助于实现目标,提高效率在参与;它被称为积极压力( 17]。

根据一项研究[ 18)、情绪与复杂的场景图像对视觉短时记忆有不同的影响比中性的图片对象。压力总是存在,但它有一个更高层次的复杂情感的图像。视觉观察图像的复杂性的差异也会影响记忆efficiency-complex情感图像记忆比中性图片更好的和更多的细节。情绪刺激杏仁核和海马的活动增加,进而可以提高记忆效率。

另一项研究[ 19)处理研究视觉信息在不同的时间间隔是如何影响生殖在VSTM评价的精度和可靠性。结果表明,最好的繁殖效率是VSTM的第一次评估。这项研究还表明,在应用中两个或两个以上VSTM测试,繁殖效率更好,如果在短时间间隔执行评价相比,长时间间隔(数小时或更多)。

在一项研究[ 20.),作者测量了两个认知能力,集中注意力和工作记忆,使用一个可穿戴的脑电图设备。通过训练不同的分类器预测三个层次(低、中、高)提到的技能,他们可以获得一个精度84%和81%的集中注意力和工作记忆,分别。

人机交互的研究是基于使用脑电图传感器设备。脑电图是一种非侵入性的方法追踪大脑神经元的电电压的变化在定义的时间间隔。除了医学应用(如癫痫诊断),收集的数据可以用于研究人类大脑反应特定事件发生在定义的时间框架。EMOTIV EPOC +设备( 21)是用于测量受试者的可变性的情感特征,根据周围环境的变化。EMOTIV EPOC +无线EEG设备14频道专为测量大脑皮层的活动。访问原始的脑电图数据使这个装置适用于开发BCI应用程序。制造商已经开发了六个情绪状态的算法提取值(利息、订婚、兴奋、压力、放松和专注)从原始脑电图数据用于这项研究[ 22]。

虽然有一些类似的解决方案(例如,实验室流层 https://github.com/sccn/labstreaminglayer)收集和同步数据从不同的传感器设备和客户端应用程序,在本研究中,我们使用HCI-MAP [ 9]。我们开发了一个单独的应用程序为每个传感器的可能性将数据发送到平台通过HTTP (S)协议和HCI-MAP API。每个应用程序实现为一个Web应用程序,使用相同的界面(图发送数据 1)。

当使用多个传感器的主要挑战之一是收集数据的聚合( 23]。对于复杂的实验,在分布式环境中,进行时间同步不同的传感器是至关重要的为了正确有效的测量和远程服务器上收集的数据的融合。的一些数据处理转移到远程服务器的原因(s)的存在不仅是更多的参与者在实验中还需要收集的数据的快速处理和返回结果的主要应用程序生成的形式反馈。

12个主题,分为两组,参加了实验。每个主题提出了两个图像在两个录音,而不需要休息。所示的第一映像是一个孤立的环境,和第二图像显示在观众面前。第一组的主题提出了图像作为第一图像和图像B作为第二个图像。第二组的主题是颠倒顺序的图片(图片B第一和图像一个第二)。受试者他们头上戴着脑电图装置在测试期间,和完整的会话记录MyEmotivator软件。测试设置如图 7。

在测试的开始,主题是面对一个图像1分钟,有足够的指令记住尽可能多的细节。之后,这个话题在2分钟回答十个问题关于图像细节。测试完成后,显示正确答案的数量。

我们获得11完成测量。对于每个用户,我们有两组数据,与相关测量第一个提出了图像和第二个问题的另一个相关的图片。最后,我们有23 classification-11完整数据集的有效数据(图像)和一组包含的部分数据参与者12号(看图像时,第二行)。

聚集数据是由参与者数量、问题数量,图像类型(图片或照片B),图像的顺序查看(图片查看第一或第二),和答案的正确性,使用以下功能。

在这项研究中,我们使用EEG设备收集数据对人类性能而做短期电子视觉工作记忆测试。有12个受试者参与试验。初的测试,展示的主题是一个图像1分钟,有足够的指令来记住尽可能多的细节。第一组的参与者提出了图像作为第一个图像在孤立的环境中没有观众和图像B第二图像与观众。第二组的主题提出了图像的颠倒顺序。

六情绪状态的值(利息、订婚、兴奋、压力、放松和专注)被用于不同的分类尝试对三个类: 显示图像, 图像的类型, 答案的正确性。有一些结论可以从分类结果。第一,分类结果表明,通过使用参与者的情绪状态和时间间隔问题,我们可以用最好的精度确定的90.12%的顺序浏览图像的参与者在回答这个问题。因为第二个图片是显示在观众面前,这意味着我们可以确定的准确性达90.12%,如果参与者在观众面前时,回答这个问题。第二,结果的定量分析参与者的情绪使我们能够确定的准确性达90.51%,图像(图像或图像B,无论它是第一或第二行显示)参与者观看在回答这个问题之前。

使用定性分析,通过比较整体参与者的情绪状态的变化,我们可以得出这样的结论:压力和放松都高(平均)当参与者在做测试(没有观众)第一次与第二次(观众)。此外,压力高(平均)当参与者观看图像与图像b也有显著降低压力,接触,放松,和焦点,当参与者从查看图像转向回答问题,和松弛值高(平均)的问题,回答正确。

在未来的工作中,我们计划来处理一些问题发生在分析这些结果。首先,有一个问题的原因做测试时平均压力和放松值升高(没有观众)第一次相比做第二次(观众)。第二,平均应力水平越高,测量参与者观看图像时还需要进一步分析。使用分类方法,我们不能得到显著的结果当试图找到脑电图数据之间的相关性和答案的正确性。我们的未来工作的目标之一将是找到一个方法来预测测试的结果(即。正确答案的数量)通过使用脑电图数据和可能来自其他传感器的数据。