メンタルワークロード（MWL）は、HCIユーザビリティ設計、自動車設計、ヒューマンファクターズ研究、人間工学研究などの分野において、ユーザーのパフォーマンスを理解するための重要な指標として定着しています。本記事では、MWLの概要と、iMotionsを用いてこれを分析する可能性について簡単に紹介します。
Table of Contents
メンタルワークロードとは何ですか？
「MWL」という用語は、さまざまな観点から定義することができる。 心理学的観点からは、MWLはタスクの切り替えや注意の配分（Wickens, 2008）と見なされることがあるが、システム設計の観点からは、システムがユーザーに課す要求として定義することができる。系統的レビュー（Charles & Nixon, 2019）では、「タスク負荷（Taskload）」と「MWL」は次のように区別されている：
「タスク負荷」とは、例えばタスクの数といった業務上の要素に由来するものですが、一方「MWL」は、特定のタスク負荷に対する主観的な体験を包括する概念です。ここで、MWLの定義は多くの要因によって左右され、タスク負荷はそのうちの1つに過ぎません。これを説明する一例として、単純なタスクを繰り返している場合（タスク負荷は低い）でも、時間的プレッシャーがかかるとストレスを感じ、その結果、MWLが高まることが挙げられます。
精神的な負荷は、どのような応用分野において研究されてきたか？
MWLは、シミュレーションによる飛行タスク、実際の飛行、航空交通管制（ATC）、シミュレーションによる原子力制御タスク、シミュレーションによる運転タスクなど、多岐にわたる分野で広く研究されてきたことがわかる。タスクの種類は、暗算のような机上の作業から、多属性タスク・バッテリー（MATB）のような多様なタスクまで多岐にわたる。これらの状況はすべて、人間が情報に注意を向け、処理する能力を超える可能性があるという点で共通している。 MWLを特定することは、パフォーマンス上のエラーを監視あるいは予測し、タスクの要求事項や環境的ストレス要因の構造を最適化するための重要な手がかりとなる。
精神的負荷を測定するには？
主要な生理学的指標を用いた精神的負荷の測定に関する証拠が報告されている。（Charles & Nixon, 2019）で提示された系統的レビューでは、複数の分野にわたる査読付き文献から、心電図（ECG）、瞬き頻度、脳波（EEG）といった生理学的信号が、どのように精神的負荷（MWL）を反映しているかについて示された。
心電図
心電図（ECG）から測定された心拍数（HR）は、課題の要求度が高まるにつれて上昇することが明らかになっている（De Rivecourt et al., 2008）。課題負荷の条件だけでなく、課題の種類によっても心拍数の変化に違いが生じることが報告されている。Sosnowski et al. (2004) は、一連の要素を論理的に完了させる課題と比較して、問題解決を必要とする課題において、心拍数のより大きな上昇が認められた。
iMotionsの「ECG心拍数および心拍変動（HRV）Rノートブック」は、iMotions内のECGデバイスで収集した生ECG信号から心拍数（HR）を算出する作業を支援します。算出された心拍数データは、時間軸上の信号と単一値の指標の両方で表示されるため、詳細な比較や解釈に役立ちます。iMotions内の透明性が高く柔軟なRベースの信号処理ツールである当社のRノートブックについて詳しく知りたい場合は、こちらをご覧ください。
点滅頻度
まばたきの頻度は視覚的負荷に対して敏感であることが示されており、視覚刺激が提示された際のMWLを測定するために利用される可能性がある。 例えば、航空交通管制（ATC）タスク（Brookings et al., 1996）、シミュレーション飛行タスク（Veltman and Gaillard, 1996）、あるいは実際の飛行（Wilson, 2002）において、視覚的負荷の増加に伴い、まばたき頻度は低下した。 しかし、MWL を反映するまばたき頻度の値については、光、空気の質、空調などの要因が、すべての報告における測定値に重大な影響を及ぼす可能性がある。
iMotionsには、iMotionsプラットフォーム上で直接収集できるアイトラッキングデータおよび表情データに基づくまばたき検出用Rノートブックが組み込まれています。Rノートブックによりまばたきが検出され、まばたき頻度が算出されます。また、これらの結果を要約形式のファイルとしてエクスポートし、さらなる分析や比較を行うことも可能です。 iMotions内の透明性が高く柔軟なRベースの信号処理ツールである当社のR Notebookについて詳しく知りたい場合は、こちらをご覧ください。
脳の活動
一般的に、課題の負荷が変化するにつれて、脳波（EEG）の周波数も変化することが確認されている。具体的には、多属性テストの課題において、負荷の高い課題では負荷の低い課題と比較して、シータ波の活動が増加することが観察された（Fairclough et al., 2005）。 記憶課題（Klimesch, 1997）、高負荷のマルチタスクテスト（Fournier et al., 1999）、あるいは実際の飛行における離陸および着陸段階（Wilson, 2002）などの課題では、アルファ波のパワーが低下することが観察されている。
室温などの室内の環境変化も、精神的負荷に影響を与える可能性があります。
iMotions EEG R Notebooksは、広く使用されているパワーバンド（デルタ、シータ、アルファ、ベータ、ガンマ）のパワーデータを計算する際に、柔軟性、透明性、そして高速性を提供します。計算は、iMotionsプラットフォームで直接収集した生のEEGデータに対して行われます。 得られた結果は、ソフトウェアのリプレイ機能で確認できるほか、さらなる分析を容易にするために.CSVファイルとしてエクスポートして要約することも可能です。どのような研究においても、意味のある解釈可能なEEG結果を得るためには、綿密な研究デザイン、高品質なデータ収集、そして適切な信号処理手順が不可欠であることに留意する必要があります。
iMotionsソフトウェアスイートを使用したEEG研究の実施方法に関するさらなるヒントについては、以下の関連ブログ記事をご覧ください：
脳波キャップの構造、脳波入門
の5つの基本：データの収集、処理、および分析
呼吸
Backsら（2000）およびBrookingsら（1996）は、航空交通管制（ATC）のシミュレーション課題において、難易度の向上と呼吸数の増加との間に相関関係があることを報告している。この呼吸数の増加は、特定の課題を遂行するために必要となる代謝負荷の増加が直接的な要因であると解釈できる。
Backsら（1994）の研究では、記憶課題を刺激として用いたところ、成績の悪い被験者の方が成績の良い被験者よりも代謝率が高いことが明らかになった。しかし、発話や運動が関与している場合の呼吸測定値を評価する際には注意が必要である。なぜなら、こうした測定値は身体活動に大きく左右されるからである（Grassmannら、2016）。
iMotions呼吸処理Rノートブックを使用すると、（iMotionsの呼吸測定デバイスを通じて収集した）生の呼吸信号から、呼吸の速さや1回の呼吸にかかる時間といった指標への計算処理が容易になります。得られた結果は、ソフトウェアのリプレイ機能で確認できるほか、.CSVファイルとしてエクスポートして要約することもでき、その後の分析をより円滑に進めることができます。 iMotions内の透明性が高く柔軟なRベースの信号処理ツールである当社のR Notebookについて詳しく知りたい場合は、こちらをご覧ください。
iMotions
参考文献
[1] Wickens, Christopher D., 2008. 「複数のリソースと精神的負荷」. Hum. Factors 50 (3), 397–403.
[2] Charles, R. L., & Nixon, J. (2019). 生理学的指標を用いた精神的負荷の測定：系統的レビュー. Applied Ergonomics, 74, 221–232. https://doi.org/10.1016/j.apergo.2018.08.028
[3] De Rivecourt, M. 他, 2008. シミュレーション飛行中の精神的負荷の瞬間的な変化を示す指標としての心血管および眼球活動の測定. Ergonomics 51 (9), 1295–1319.
[4] Sosnowski, T. 他, 2004. プログラムの実行と問題解決：精神的な課題が
安静時心拍数に及ぼす影響. Psychophysiology 41 (3), 467–475.
[5] Brookings, J.B., Wilson, G.F., Swain, C.R., 1996. 航空交通管制シミュレーションにおける業務負荷の変化
に対する心理生理学的反応. Biol. Psychol. 42 (3), 361–377
[6] Veltman, J.A., Gaillard, W.K., 1996. 模擬
飛行課題における作業負荷の生理学的指標. Biol. Psychol. 42 (3), 323–342
[7] Wilson, G.F., 2002. 複数の
心理生理学的指標を用いた飛行中のパイロットの精神的負荷の分析. Int. J. Aviat. Psychol. 12 (1), 3–18.
[8] Fairclough, S.H. ほか, 2005. 課題の要求度と学習が心理生理学的反応に及ぼす影響. Int. J. Psychophysiol. 56 (2), 171–184.
[9] Klimesch, W., 1997. EEG-α波と記憶過程. Int. J. Psychophysiol. 26
(1–3), 319–340. https://doi.org/10.1016/S0167-8760(97)00773-3
, アクセス日: 2016
年6月1日
[10] Fournier, L.R. ほか, 1999. マルチタスク遂行時の作業
負荷に関する電気生理学的、行動学的、および主観的指標：課題の難易度と
訓練の操作。Int. J. Psychophysiol. 31, 129–145.
[11] Backs, R.W. ほか, 2000. 航空交通管制
シミュレーション中の精神的負荷に関する心肺指標. 『IEA 2000/HFES 2000 会議録』第3巻, 89–92頁.
[12] Brookings, J.B., Wilson, G.F., Swain, C.R., 1996. 航空交通管制シミュレーションにおける業務負荷の変化
に対する心理生理学的反応. Biol. Psychol. 42 (3), 361–377.
[13] Backs, R.W., 1994. 精神的努力の代謝および心肺機能指標：作業記憶課題における難易度の影響
. Int. J. Psychophysiol. 16 (1), 57–68.
[14] Grassmann, Mariel, Vlemincx, Elke, von Leupoldt, Andreas, Mittelstädt, Justin M., Van
den Bergh, Omer, 2016. 認知負荷に対する呼吸の変化：系統的レビュー. Neural Plast. 2016, 8146809 16ページ. https://doi.org/10.1155/2016/8146809
