Cognitive load plays an important role during learning and working, as it has been linked to well-functioning cognitive processes, performance, burnout and depression. Nonetheless, attempts to assess cognitive load in real-time by means of physiological data have been proven difficult, and interpreting these data remains challenging. The aim of this study is to examine whether and how well experienced cognitive load can be measured through psycho-physiological data. The approach of this study is rather unique, for a combination of reasons. First, this study takes a multimodal approach, monitoring EDA (electrodermal activity), EEG (electroencephalography) and EOG (electrooculography). Second, this study is based on a relatively intensive data collection ( N = 46) in a controlled lab setting in which varying cognitive load levels are deliberately induced. Finally, not only focussing on statistical significance but also on the size of the association gives insights into how suitable physiological markers are to measure cognitive load. Results from a multilevel analysis suggest that the following physiological markers might be related to cognitive load, for example, in an industrial context: the rate and the duration of skin conductance responses, the alpha power, the alpha peak frequency and the eye blink rate. About 22.8% of the variance in self-reported cognitive load can be explained using these five measures.

中文翻译：

---

通过多模态生理数据测量认知负荷

认知负荷在学习和工作中起着重要作用，因为它与功能良好的认知过程、表现、倦怠和抑郁有关。尽管如此，通过生理数据实时评估认知负荷的尝试已被证明是困难的，并且解释这些数据仍然具有挑战性。本研究的目的是检查是否可以以及如何通过心理生理数据来衡量经验丰富的认知负荷。由于多种原因，这项研究的方法相当独特。首先，本研究采用多模式方法，监测 EDA（皮肤电活动）、EEG（脑电图）和 EOG（眼电图）。第二，本研究基于在受控实验室环境中进行的相对密集的数据收集 (N = 46)，在该环境中有意诱发不同的认知负荷水平。最后，不仅关注统计显着性，而且关注关联的大小，可以深入了解生理标记如何适合测量认知负荷。多层次分析的结果表明，以下生理标记可能与认知负荷有关，例如，在工业环境中：皮肤电导反应的速率和持续时间、α 功率、α 峰值频率和眨眼率。使用这五项措施可以解释自我报告的认知负荷中大约 22.8% 的差异。不仅关注统计显着性，而且关注关联的大小，可以深入了解生理标记如何适合测量认知负荷。多层次分析的结果表明，以下生理标记可能与认知负荷有关，例如，在工业环境中：皮肤电导反应的速率和持续时间、α 功率、α 峰值频率和眨眼率。使用这五项措施可以解释自我报告的认知负荷中大约 22.8% 的差异。不仅关注统计显着性，而且关注关联的大小，让我们深入了解生理标记如何适合测量认知负荷。多层次分析的结果表明，以下生理标记可能与认知负荷有关，例如，在工业环境中：皮肤电导反应的速率和持续时间、α 功率、α 峰值频率和眨眼率。使用这五项措施可以解释自我报告的认知负荷中大约 22.8% 的差异。alpha 峰值频率和眨眼率。使用这五项措施可以解释自我报告的认知负荷中大约 22.8% 的差异。alpha 峰值频率和眨眼率。使用这五项措施可以解释自我报告的认知负荷中大约 22.8% 的差异。