Explorer la charge mentale avec iMotions

La charge mentale (MWL) est devenue une variable essentielle pour comprendre les performances des utilisateurs dans la conception de l’ergonomie homme-machine, la conception automobile, la recherche sur les facteurs humains, la recherche en ergonomie, et bien d’autres domaines. Cet article propose une brève introduction à la charge mentale et aux possibilités qu’offre iMotions pour l’étudier.

Qu’est-ce que la charge mentale ?

Le terme « MWL » peut être défini selon différentes perspectives. D’un point de vue psychologique, la MWL peut être qualifiée de changement de tâche ou d’allocation de l’attention (Wickens, 2008) ; cependant, du point de vue de la conception des systèmes, elle peut être définie comme une exigence imposée à l’utilisateur par le système. Dans la revue systématique (Charles & Nixon, 2019), les termes « charge de travail » et « MWL » ont été distingués comme suit :

La « charge de travail » peut être liée à l’activité elle-même, par exemple au nombre de tâches à accomplir, tandis que la « MWL » englobe l’expérience subjective d’une charge de travail donnée. La définition de la MWL dépend ici de nombreux facteurs, la charge de travail n’étant que l’un d’entre eux. Pour illustrer cela, prenons l’exemple suivant : si vous effectuez une tâche simple de manière répétitive (la charge de travail est faible) mais que vous êtes soumis à une contrainte de temps, vous vous sentirez stressé et la MWL augmentera en conséquence.

Dans quels domaines d’application la charge mentale a-t-elle été étudiée ?

On constate que le MWL a fait l’objet de nombreuses études dans divers domaines, qu’il s’agisse de tâches de vol simulées, de vols réels, du contrôle du trafic aérien (ATC), de tâches de contrôle nucléaire simulées ou encore de tâches de conduite simulées. Le type de tâches peut aller de simples exercices sur papier, comme le calcul mental, à des tâches plus variées, telles que la batterie de tâches multi-attributs (MATB). Toutes ces situations ont en commun le risque de dépasser la capacité d’un individu à prêter attention à l’information et à la traiter. L’identification de la MWL constitue une source importante pour surveiller, voire prédire, les erreurs de performance et optimiser la structure des exigences des tâches ou des facteurs de stress environnementaux.

Comment mesurer la charge de travail mental ?

Des données ont été rapportées concernant la mesure de la charge mentale à l’aide de paramètres physiologiques clés. Dans une revue systématique présentée dans (Charles & Nixon, 2019), des signaux physiologiques tels que l’ECG, la fréquence de clignement des yeux et l’EEG, tirés d’articles évalués par des pairs dans divers domaines, ont été présentés pour illustrer la manière dont ils reflètent la charge mentale.

Activité électrocardiographique

Il a été démontré que la fréquence cardiaque (FC), mesurée à partir de l’ECG, augmentait à mesure que les exigences de la tâche s’intensifiaient (De Rivecourt et al., 2008). Outre la charge de travail, le type de tâche aurait également une incidence sur les variations de la FC : Sosnowski et al. (2004) ont observé une augmentation plus marquée de la FC lors de tâches nécessitant la résolution de problèmes que lors de tâches consistant à accomplir de manière logique une série d’éléments.

Le notebook R « ECG Heart Rate and Heart Rate Variability » d’iMotions vous aidera à passer du signal ECG brut (que vous enregistrez via les appareils ECG dans iMotions) à la fréquence cardiaque. Les données de fréquence cardiaque seront affichées à la fois sous forme de signal temporel et de mesures ponctuelles, afin de vous permettre de les comparer et de les interpréter plus facilement. Si vous souhaitez en savoir plus sur notre notebook R – un outil de traitement du signal transparent et flexible basé sur R dans iMotions –, veuillez consulter cette page.

Fréquence de clignotement

Il a été démontré que la fréquence de clignement des yeux est un indicateur sensible de la charge de travail visuelle ; elle peut donc être utilisée pour mesurer la charge de travail mentale (MWL) lorsqu’une personne est exposée à des stimuli visuels. Par exemple, lors d’une tâche de contrôle aérien (ATC) (Brookings et al., 1996), d’une simulation de vol (Veltman et Gaillard, 1996) ou d’un vol réel (Wilson, 2002), l’augmentation de la charge visuelle a entraîné une diminution de la fréquence des clignements. Les valeurs de la fréquence de clignement des yeux reflétant la charge visuelle, des facteurs tels que la lumière, la qualité de l’air et la climatisation pourraient toutefois avoir des effets significatifs sur les mesures dans l’ensemble des rapports.

iMotions a intégré des R Notebooks de détection des clignements des yeux, qui s’appuient à la fois sur les données d’oculométrie et celles relatives aux expressions faciales, que vous pouvez collecter directement sur la plateforme iMotions. Les clignements seront détectés et leur fréquence calculée par le R Notebook. Il est également possible d’exporter ces résultats dans un fichier au format récapitulatif, à des fins d’analyse et de comparaison approfondies. Si vous souhaitez en savoir plus sur notre R Notebook – un outil de traitement du signal transparent et flexible basé sur R dans iMotions –, vous pouvez en savoir plus ici.

Activité cérébrale

De manière générale, on a observé que les fréquences EEG variaient en fonction de l’intensité des tâches. Plus précisément, lors des épreuves d’un test à attributs multiples, l’activité thêta s’est avérée plus importante lors des tâches exigeantes que lors des tâches moins exigeantes (Fairclough et al., 2005). Dans des tâches telles que les tâches de mémoire (Klimesch, 1997), les tests multitâches à charge de travail élevée (Fournier et al., 1999) ou les phases de décollage et d’atterrissage d’un vol réel (Wilson, 2002), une diminution de la puissance alpha a été observée.

Les changements dans l’environnement de la pièce, tels que la température, peuvent également avoir une incidence sur la charge mentale.

Les carnets de notes iMotions EEG R offrent flexibilité, transparence et rapidité pour le calcul des données de puissance issues des bandes de puissance couramment utilisées : delta, thêta, alpha, bêta et gamma. Le calcul s’effectue à partir des données EEG brutes que vous pouvez collecter directement sur la plateforme iMotions. Les résultats obtenus peuvent être consultés à la fois via la fonction de relecture du logiciel et sous forme de fichiers .CSV exportés, afin de faciliter l’analyse ultérieure. Il est important de noter qu’une conception minutieuse de l’étude, une collecte de données de bonne qualité et des étapes de traitement du signal appropriées sont autant d’éléments clés pour obtenir des résultats EEG significatifs et interprétables, quel que soit le type de recherche mené.

Pour plus d’idées sur la manière de mener des recherches en EEG à l’aide de la suite logicielle iMotions, veuillez consulter nos articles de blog sur le sujet :

Anatomie d’un casque EEG,
5 notions fondamentales de l’EEG : collecte, traitement et analyse des données

Dans l’étude de Backs et al. (1994), qui utilisait une tâche de mémoire comme stimulus, on a également constaté que le taux métabolique était plus élevé chez les participants moins performants que chez les plus performants. Il convient toutefois de faire preuve de prudence lorsqu’on examine les mesures respiratoires en présence de parole ou d’effort physique, car ce type de mesures dépend fortement de l’activité physique (Grassmann et al., 2016).

Le notebook R « Respiration Processing » d’iMotions vous aidera à traiter les données brutes du signal respiratoire (que vous collectez via un dispositif de respiration dans iMotions) pour obtenir des mesures telles que la fréquence respiratoire d’une personne ou la durée de chaque respiration. Les résultats obtenus peuvent être consultés à la fois dans la fonction de relecture du logiciel et sous forme de fichiers .CSV exportés, afin de faciliter les analyses ultérieures. Si vous souhaitez en savoir plus sur notre R Notebook – un outil de traitement du signal transparent et flexible basé sur R dans iMotions –, veuillez consulter cette page.

Références

[1] Wickens, Christopher D., 2008. Ressources multiples et charge mentale. Hum. Factors 50 (3), 397–403.

[2] Charles, R. L., & Nixon, J. (2019). Mesure de la charge mentale à l’aide d’indicateurs physiologiques : une revue systématique. Applied Ergonomics, 74, 221–232. https://doi.org/10.1016/j.apergo.2018.08.028

[3] De Rivecourt, M., et al., 2008. Mesures de l’activité cardiovasculaire et oculaire comme indicateurs des variations momentanées de l’effort mental lors d’un vol simulé. Ergonomics 51 (9), 1295–1319.

[4] Sosnowski, T., et al., 2004. Exécution d’un programme ou résolution d’un problème : effet d’une tâche mentale sur
la fréquence cardiaque tonique. Psychophysiology 41 (3), 467–475.

[5] Brookings, J.B., Wilson, G.F., Swain, C.R., 1996. Réponses psychophysiologiques aux
variations de la charge de travail lors d’une simulation de contrôle aérien. Biol. Psychol. 42 (3), 361–377

[6] Veltman, J.A., Gaillard, W.K., 1996. Indicateurs physiologiques de la charge de travail lors d’une tâche de vol simulée
. Biol. Psychol. 42 (3), 323–342

[7] Wilson, G.F., 2002. Analyse de la charge mentale des pilotes en vol à l’aide de multiples
mesures psychophysiologiques. Int. J. Aviat. Psychol. 12 (1), 3–18.

[8] Fairclough, S.H., et al., 2005. L’influence de la difficulté de la tâche et de l’apprentissage sur la réponse psychophysiologique. Int. J. Psychophysiol. 56 (2), 171–184.

[9] Klimesch, W., 1997. Rythmes alpha de l’EEG et processus mémoriels. Int. J. Psychophysiol. 26
(1–3), 319–340. https://doi.org/10.1016/S0167-8760(97)00773-3 , Date de consultation : 1er
juin 2016

[10] Fournier, L.R., et al., 1999. Indicateurs électrophysiologiques, comportementaux et subjectifs de
la charge de travail lors de l’exécution de tâches multiples : variations de la difficulté des tâches et
de l’entraînement. Int. J. Psychophysiol. 31, 129–145.

[11] Backs, R.W., et al., 2000. Indices cardiorespiratoires de la charge de travail mentale lors d’une simulation
de contrôle aérien. Dans : Actes du congrès IEA 2000/HFES 2000, vol. 3. Pp. 89–92.

[12] Brookings, J.B., Wilson, G.F., Swain, C.R., 1996. Réponses psychophysiologiques aux
variations de la charge de travail lors d’une simulation de contrôle aérien. Biol. Psychol. 42 (3), 361–377.

[13] Backs, R.W., 1994. Mesures métaboliques et cardiorespiratoires de l’effort mental : les effets
du niveau de difficulté dans une tâche de mémoire de travail. Int. J. Psychophysiol. 16 (1), 57–68.

[14] Grassmann, Mariel, Vlemincx, Elke, von Leupoldt, Andreas, Mittelstädt, Justin M., Van
den Bergh, Omer, 2016. Modifications respiratoires en réponse à la charge cognitive : une revue systématique. Neural Plast. 2016, 8146809, 16 pages. https://doi.org/10.1155/2016/8146809