Zgadzam się
Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.
The paper presents multiple features analysis of cognitive load case study. The set of features applied in the research covers response times, committed errors, EEG spectral data as well as pupillometry and eye-tracking (ET) data including fixations, saccades and blinks. The experiment took the form of eleven intervals: six containing arithmetic tasks and five breaks. Two correlation analyses were performed. The first one aimed in finding correlation between cognitive measure, EEG and ET features in each interval. The second analysis was performed to find correlation of cognitive workload and EEG and ET features. The results proved that the best cognitive workload measures are selected eye movement and pupil dilation measures.
