論文の概要: Signals of Success and Struggle: Early Prediction and Physiological Signatures of Human Performance across Task Complexity
- arxiv url: http://arxiv.org/abs/2603.18798v1
- Date: Thu, 19 Mar 2026 11:47:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-20 17:19:06.129855
- Title: Signals of Success and Struggle: Early Prediction and Physiological Signatures of Human Performance across Task Complexity
- Title（参考訳）: 成功と安定のシグナル:タスク複雑度における人的パフォーマンスの早期予測と生理的意義
- Authors: Yufei Cao, Penny Sweetser, Ziyu Chen, Xuanying Zhu,
- Abstract要約: ゲーム環境では,早期の眼球と心臓の信号を用いてその後のパフォーマンスを予測する。
ハイパフォーマーは視線を照らし、視覚的サンプリングを調整し、要求が増大するにつれてより安定した心活性化を維持した。
- 参考スコア（独自算出の注目度）: 15.610977452709617
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: User performance is crucial in interactive systems, capturing how effectively users engage with task execution. Prospectively predicting performance enables the timely identification of users struggling with task demands. While ocular and cardiac signals are widely used to characterise performance-relevant visual behaviour and physiological activation, their potential for early prediction and for revealing the physiological mechanisms underlying performance differences remains underexplored. We conducted a within-subject experiment in a game environment with naturally unfolding complexity, using early ocular and cardiac signals to predict later performance and to examine physiological and self-reported group differences. Results show that the ocular-cardiac fusion model achieves a balanced accuracy of 0.86, and the ocular-only model shows comparable predictive power. High performers exhibited targeted gaze and adjusted visual sampling, and sustained more stable cardiac activation as demands intensified, with a more positive affective experience. These findings demonstrate the feasibility of cross-session prediction from early physiology, providing interpretable insights into performance variation and facilitating future proactive intervention.
- Abstract（参考訳）: ユーザパフォーマンスは対話型システムにおいて重要であり、ユーザがタスク実行にいかに効果的に関与しているかをキャプチャする。
予測性能は、タスク要求に苦しむユーザのタイムリーな識別を可能にする。
眼と心臓の信号は、パフォーマンス関連視覚行動と生理的アクティベーションを特徴付けるのに広く用いられているが、早期予測の可能性や、パフォーマンスの違いを基礎とする生理的メカニズムを明らかにするには、未解明のままである。
自然に展開する複雑度を持つゲーム環境において,初期眼と心臓の信号を用いて,その後のパフォーマンスを予測し,生理的,自己報告的なグループ差を調べる実験を行った。
その結果,眼-心融合モデルでは0.86の平衡精度が得られ,眼-眼のみのモデルでは同等の予測力を示すことがわかった。
ハイパフォーマーは、目標視線を呈し、視覚的サンプリングを調整し、要求が増大するにつれて、より安定した心活性化を継続し、よりポジティブな感情経験を得た。
これらの知見は, 早期生理学からのクロスセッション予測の実現可能性を示し, パフォーマンスの変動に対する解釈可能な洞察を与え, 今後の予防的介入を促進するものである。
関連論文リスト
- Adaptive Temporal Dynamics for Personalized Emotion Recognition: A Liquid Neural Network Approach [0.0]
この研究は、脳波に基づく感情認識のための液体ニューラルネットワークの包括的な応用として、私たちの知る限り、最も優れたものである。
提案するフレームワークは,畳み込み特徴抽出,学習可能な時間定数による液体ニューラルネットワーク,注意誘導融合を組み合わせたものである。
PhyMERデータセット上で、7つの感情的なクラスで行われた被験者依存実験は95.45%の精度を達成し、これまでに報告された結果を上回った。
論文 参考訳（メタデータ） (2026-01-28T12:14:45Z) - Reproducible Physiological Features in Affective Computing: A Preliminary Analysis on Arousal Modeling [1.9400282838579548]
心血管信号と心電図信号から,覚醒レベルに関連する生理的特徴を同定した。
弊社のアプローチは、信頼性が高く信頼性の高いホワイトボックスモデルを必要とする安全クリティカルな環境での応用に特に有望である。
論文 参考訳（メタデータ） (2025-08-14T11:58:36Z) - Human Scanpath Prediction in Target-Present Visual Search with Semantic-Foveal Bayesian Attention [49.99728312519117]
SemBA-FASTは、ターゲットの視覚検索における人間の視覚的注意を予測するためのトップダウンフレームワークである。
我々は、COCO-Search18ベンチマークデータセット上でSemBA-FASTを評価し、その性能を他のスキャンパス予測モデルと比較した。
これらの知見は、人間のような注意モデリングのためのセマンティック・フレーバー・確率的フレームワークの能力に関する貴重な知見を提供する。
論文 参考訳（メタデータ） (2025-07-24T15:19:23Z) - An Active Inference Model of Covert and Overt Visual Attention [0.0]
本稿では,アクティブな推論の枠組みを通じて,隠蔽と過度な視覚的注意のモデルを提案する。
このモデルは、現在の環境信念と感覚入力の両方に基づいて視覚感覚の精度を決定する。
論文 参考訳（メタデータ） (2025-05-06T09:26:00Z) - Unobtrusive Monitoring of Physical Weakness: A Simulated Approach [22.856249489748617]
高齢化や慢性的な状態は、高齢者の日常生活に影響を与え、発達する健康問題の早期発見が不可欠である。
我々は、非侵入型カメラセンサーを用いて、個人の毎日の座り方やリラックスした活動を監視し、弱さの兆候を検知する。
健康な被験者の身体運動を行い,運動前後の日常生活行動の変化を観察することにより,弱さをシミュレートする。
論文 参考訳（メタデータ） (2024-06-14T13:52:58Z) - Analyzing Participants' Engagement during Online Meetings Using Unsupervised Remote Photoplethysmography with Behavioral Features [50.82725748981231]
エンゲージメント測定は、医療、教育、サービスに応用される。
生理的特徴と行動的特徴の使用は可能であるが、従来の生理的測定の非現実性は接触センサーの必要性により生じる。
コンタクトセンサの代替として, 教師なし光胸腺造影(胸腔鏡)の有用性を実証する。
論文 参考訳（メタデータ） (2024-04-05T20:39:16Z) - A Self-supervised Framework for Improved Data-Driven Monitoring of
Stress via Multi-modal Passive Sensing [7.084068935028644]
ストレス応答の生理的前駆体を追跡するための多モード半教師付きフレームワークを提案する。
本手法は,ウェアラブルデバイスと異なる領域と解像度のマルチモーダルデータの利用を可能にする。
実世界のデータのコーパスを用いて、知覚的ストレスに関するトレーニング実験を行う。
論文 参考訳（メタデータ） (2023-03-24T20:34:46Z) - A Neural Active Inference Model of Perceptual-Motor Learning [62.39667564455059]
アクティブ推論フレームワーク(英: active inference framework、AIF)は、現代の神経科学を基盤とした、有望な新しい計算フレームワークである。
本研究では,ヒトの視覚行動指導において,AIFが期待する役割を捉える能力をテストする。
本稿では,多次元世界状態から自由エネルギーの一次元分布にマッピングする先行関数の新たな定式化について述べる。
論文 参考訳（メタデータ） (2022-11-16T20:00:38Z) - On the Robustness of Pretraining and Self-Supervision for a Deep
Learning-based Analysis of Diabetic Retinopathy [70.71457102672545]
糖尿病網膜症における訓練方法の違いによる影響を比較検討した。
本稿では,定量的性能,学習した特徴表現の統計,解釈可能性,画像歪みに対する頑健性など,さまざまな側面について検討する。
以上の結果から,ImageNet事前学習モデルでは,画像歪みに対する性能,一般化,堅牢性が著しく向上していることが示唆された。
論文 参考訳（メタデータ） (2021-06-25T08:32:45Z) - Continuous Emotion Recognition via Deep Convolutional Autoencoder and
Support Vector Regressor [70.2226417364135]
マシンはユーザの感情状態を高い精度で認識できることが不可欠である。
ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。
表情認識に基づく連続的感情認識のための新しいモデルを提案する。
論文 参考訳（メタデータ） (2020-01-31T17:47:16Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。