数据可视化评估中心理负荷估计的差异：自报告与基于 EEG 的测量

基于摘要分析。该研究关注数据可视化任务中，基于 EEG 的心理负荷（MW）估计是否与自报告测量及任务难度一致。研究通过可视化任务实验比较不同测量方式，主要贡献是呈现其潜在差异，而非提出已验证的新型 BCI 解码算法。 实验采用 Visualization Literacy Assessment Test（VLAT）和 Spatial Visualization（SV）任务，在参与者执行任务期间使用 32 通道系统以 128 Hz 采样率记录 EEG。研究使用基于 Graph Attention Network（GAT）架构的模型，为每位参与者估计 MW，再与常规心理负荷测量进行比较。摘要未说明图节点与边的定义、EEG 特征、模型训练监督来源，以及模型是否按参与者单独训练。 作者报告，在不同任务难度水平下，任务难度与 EEG-based MW 估计之间，以及 EEG-based 与自报告 MW 测量之间，均出现明显差异。摘要未提供差异的效应量、统计检验或具体数值。作者进一步认为，观察到的模式提示可能存在自报告未捕捉的无意识认知努力；这属于对测量差异的解释，不能据此认定 EEG 估计更准确，或已直接验证无意识认知努力。 阅读全文时需核对参与者数量、自报告工具、任务难度设定、EEG 预处理与伪迹控制、模型训练及评估划分，以及预测误差是否会影响测量一致性结论。实验协议、消融及统计信息尚未验证。该研究可为 EEG 心理负荷测量的效度分析提供问题依据，但摘要不足以支持其在跨被试、跨会话或在线 BCI 场景中的有效性。