[EN]
A research paper authored by our PhD student, Alexandre Lambert, titled ‘Artificial intelligence modelling human mental fatigue: A comprehensive survey’, has recently been published in the Neurocomputing Journal. This work represents a collaborative effort at the intersection of Computer Science and Neuroscience and is part of the interdisciplinary research program (PI-ECE) at the LyRIDS research laboratory.
This achievement marks the first interdisciplinary scientific collaboration that brought together researchers from LyRIDs at ECE and the three research laboratories-, LISV at the University of Paris Saclay, and IRBA (Institut de recherche biomédicale des armées) and LyRIDS.
This collaborative work also involved students from ECE and resulted in another contribution to the JSAN journal [https://www.ece.fr/2023/11/08/mental-fatigue-detection-using-physiological-signals-and-machine-learning/]
The paper subject is described below:
Mental fatigue is a decline in cognitive abilities resulting from prolonged mental effort. It is commonly studied by neuroscientists who understand cognitive aspects and brain chemistry. Yet, defining mental fatigue is still an open question. While neuroscientists have made progress in understanding fatigue, computer scientists, with a limited understanding, have developed models for fatigue detection.
Artificial intelligence offers potential solutions, using fuzzy rules and learning algorithms to predict mental fatigue accurately. However, current models often prioritize acquiring parameters over studying and validating them, leading to reliability issues. Balancing parameter acquisition, validation, and interaction is crucial for accurate mental fatigue models. Our study identifies issues in four areas—experimental design, data processing, parameter choice, and reasoning—and provides practical guidelines for more realistic modeling.
[FR]
Un article de recherche rédigé par notre doctorant, Alexandre Lambert, intitulé ‘Artificial intelligence modelling human mental fatigue: A comprehensive survey’, a récemment été publié dans la revue Neurocomputing. Ce travail représente un effort collaboratif à la croisée de l’informatique et de la neurosciences et s’inscrit dans le programme de recherche interdisciplinaire (PI-ECE) au laboratoire de recherche LyRIDS. Cette réalisation marque la première collaboration scientifique interdisciplinaire qui a fédéré les chercheurs du LyRIDS et aussi trois laboratoires de recherche le LISV à l’Université Paris Saclay et l’IRBA (Institut de recherche biomédicale des armées) et le LyRIDS
Ce travail collaboratif a également impliqué les élèves de de l’ECE et a produit une autre contribution dans le journal JSAN [https://www.ece.fr/2023/11/08/mental-fatigue-detection-using-physiological-signals-and-machine-learning/]
Le sujet de l’article est décrit ci-dessous :
La fatigue mentale est un déclin des capacités cognitives résultant d’un effort mental prolongé. Elle est couramment étudiée par des neuroscientifiques qui comprennent les aspects cognitifs et la chimie cérébrale. Cependant, définir la fatigue mentale reste une question ouverte. Alors que les neuroscientifiques ont progressé dans la compréhension de la fatigue, les informaticiens, avec une compréhension limitée, ont développé des modèles de détection de la fatigue.
L’intelligence artificielle offre des solutions potentielles, utilisant des règles floues et des algorithmes d’apprentissage pour prédire avec précision la fatigue mentale. Cependant, les modèles actuels privilégient souvent l’acquisition de paramètres par rapport à leur étude et validation, entraînant des problèmes de fiabilité. Équilibrer l’acquisition, la validation et l’interaction des paramètres est crucial pour des modèles de fatigue mentale précis. Notre étude identifie des problèmes dans quatre domaines : la conception expérimentale, le traitement des données, le choix des paramètres et le raisonnement, et propose des lignes directrices pratiques pour une modélisation plus réaliste.
Mis à jour le 22 novembre 2023