基于认知负荷对内容进行噪声调整

摘要

在示例实施方式中，提供了一种装置。该装置包括显示器、生物特征传感器以及处理器。显示器用于播放内容。生物特征传感器用于收集个体的生物特征数据。处理器通信地耦接到显示器和生物特征传感器。处理器用于基于生物特征数据来计算认知负荷的水平并且基于个体的认知负荷的水平来调整内容中的噪声量。

说明书

背景技术

个体能够观看用于教育和训练等的内容。不同的个体可以以不同的方式对内容作出响应。一些个体可能由于不同的理由而记不得内容中有什么。

附图说明

图1是本公开的基于认知负荷来调整内容中的噪声的示例系统的框图；

图2是本公开的基于认知负荷来调整内容中的噪声的示例虚拟现实(VR)头戴式显示器的框图；

图3是本公开的可以基于认知负荷在内容中被调整的噪声的示例的框图；

图4是本公开的用于基于认知负荷来调整内容中的噪声的示例方法的流程图；

图5是本公开的存储指令的示例非瞬态计算机可读存储介质的框图，该指令由处理器来执行以基于认知负荷来调整内容中的噪声；并且

图6是认知负荷和表现之间的关系的示例曲线图。

具体实施方式

本文描述的示例提供了一种基于认知负荷来调整内容中的噪声的方法和系统。如上面讨论的，一些个体可能由于不同的理由而记不得内容中有什么。这可能对于个体而言是不利的，因为内容可能是向个体提供了用于作业的信息或者内容可以包括可能在考试中的信息。

一些个体可能未参与内容。一些个体可能被内容过度刺激。在任一情况下，个体都可能未处于“最优”认知负荷，并且可能有记得内容中有什么的困难。

已经发现了表现和认知负荷之间的联系。当个体具有“最优”认知负荷时，该个体可以更好地记得在内容中示出的信息。如果个体的认知负荷太低或太高，个体可能具有记得在内容中示出的信息的困难。

本文的示例提供了一种调整内容中的噪声以维持观看内容的个体的最优认知负荷的方法和系统。例如，可以从个体测量生物特征数据。生物特征数据可以与认知负荷的水平相关联。可以将认知负荷的水平与阈值或阈值范围相比较。如果认知负荷的水平处于阈值范围内，则可以维持内容。然而，如果认知负荷的水平处于阈值范围之外，则可能要调整内容以增大或减小噪声量。

调整内容中的噪声量可以帮助个体更好地关注内容。可以在视频内容、音频内容的任一个中或者在视频内容和音频内容两者中调整噪声。

图1图示本公开的示例系统100。系统100可以被部署为各种单独的部件，被部署为台式计算机、被部署为膝上型计算机、被部署为平板式计算机和被部署为虚拟现实(VR)头戴式显示器(如图2中图示的并且在下面更详细地讨论的)等。

在一个示例中，系统100可以包括控制器102、传感器112以及内容播放设备114。控制器102可以通信地耦接到传感器112和内容播放设备114。

传感器112可以是生物特征传感器。尽管在图1中图示了单个传感器112，但是应当注意到，可以部署任何数量的传感器112。可以部署不同的传感器112来测量不同类型的生物特征数据或参数。例如，生物特征数据可以包括：从眼睛跟踪传感器来跟踪瞳孔放大、从皮肤电反应(GSR)传感器来跟踪GSR、从心率监视器/传感器来跟踪心率以及从体温传感器来跟踪体温等。

传感器112可以位于个体的身体上的任何地方。例如，传感器112可以被佩戴在手上、作为头盔被佩戴并且位于用户的眼睛的前方、被佩戴在身体或躯干上或者其任何组合。

可以向控制器102传输由传感器112测量的生物特征数据。控制器102可以处理和/或分析生物特征数据以调整在内容播放设备114上显示的内容中的噪声量，如下面更详细地讨论的。

在一个示例中，内容播放设备114可以包括提供视觉内容(例如，视频和图像等)的显示器118并且包括提供音频内容的扬声器116。显示器118可以是监视器、仰视显示器、电视和膝上计算机屏幕等。显示器118可以是能够向个体展示图像的任何类型的设备。内容可以包括无音频的视频、无视频的音频、或者视频和音频。

如下面更详细地讨论的，“噪声”可以是视觉噪声或听觉噪声。因此，对噪声量的调整可以包括添加视觉噪声、添加听觉噪声、或者两者的组合。“噪声”可以被定义为妨碍视觉信息传递或信息的听觉/口头传递的任何影响。噪声的示例在图3中被图示并且在下面更详细地讨论。

在一个示例中，控制器可以包括处理器104和存储器106。处理器104可以通信地耦接到存储器106。存储器106可以是任何类型的非瞬态计算机可读介质。例如，存储器106可以是硬盘驱动器、随机存取存储器(RAM)和只读存储器(ROM)等。

在一个示例中，存储器106可以包括内容108和阈值110。内容108可以包括可以由内容播放设备114输出的多媒体(例如，视频、图像和音频等)。内容108可以包括教育内容。例如，内容108可以是训练视频、教育视频和演讲等。可以为个体播放内容108，因此他们可以从内容108中输送的信息进行学习。

然而，如上面指出的，已经发现存在表现(例如，从内容108中记忆、记住或者回想信息的能力)与认知负荷之间的联系。认知负荷可以被定义为在工作记忆中使用的脑力劳动的总量。认知负荷的量或水平可以与从个体测量的各种生物特征数据相关联。可以基于与被测量的生物特征数据相关的认知负荷的估计水平来将认知负荷的水平标准化为值或分数。

例如，生物特征数据可以包括瞳孔放大、GSR、心率和体温等。可以为每一项生物特征数据分配等级。例如，可以为每时间单位的不同范围的瞳孔放大分配1至5之间的不同的分数，1指示低认知负荷并且5指示高认知负荷。类似地，也可以为不同范围的GSR、心率和体温分配1至5之间的分数。可以在有加权或没有加权的情况下添加分数，以计算认知负荷的量或水平。应当注意到，尽管使用1至5的等级作为示例，但是可以使用任何计分等级或值。

图6图示了示出认知负荷602和表现604之间的关系的曲线图600的示例。可以在图600中看出，当认知负荷602不是太高并且不是太低(例如，处于最低认知负荷和最高认知负荷之间的中点)时，获得最高水平的表现606。

如在曲线图600中可以看出的，当认知负荷602不是太高并且不是太低(例如，在最低认知负荷和最高认知负荷之间的中点处)时，获得最高水平的表现606。随着认知负荷602增加，表现604降低。随着认知负荷602减小，表现604降低。因此，为了维持期望水平的表现608，可以将认知负荷602维持在阈值或阈值范围610内。在一个示例中，可以将阈值范围610确定为最高水平的表现606内的期望百分比(例如，最高水平的表现606的+/-5％和最高水平的表现606的+/-10％等)。可以将阈值范围610存储在控制器102的存储器106中的阈值110中。

对于不同的个体，阈值范围610可以是不同的。在一个示例中，可以对于个体执行初始化处理以确定为了获取最高表现606的最优认知负荷。可以对于特定个体确定阈值范围610。

返回参考图1，可以通过传感器112来测量生物特征数据，如上面指出的。生物特征数据可以经由有线连接或无线连接被传输到控制器102并且由处理器104来分析。处理器104可以基于生物特征数据来计算个体的认知负荷。

可以将所计算的认知负荷与阈值110相比较以确定个体是否在最优认知负荷处以用于将表现最大化。如果个体的认知负荷处于阈值110之外(例如，阈值范围610之外)，则处理器104可以将噪声引入到通过显示器118和扬声器116播放的内容108中。添加噪声可能是违反直觉的，但是添加噪声可以帮助个体更努力地关注通过内容108输送的信息并且提高表现。

如果认知负荷处于阈值110内，则处理器104可以使内容108保持不变或者从内容108中去除噪声。例如，个体可以具有适当的关注量以维持高水平的表现。因此，不添加噪声或可以去除先前添加的噪声。

生物特征数据可以由传感器112连续地测量并且由处理器104来分析。因此，处理器104可以在个体观看或沉迷于内容108时，实时地调整内容108中的噪声量。因此，可以在个体观看内容108时，将个体的认知负荷维持在期望范围内，以保证个体表现在最优水平处。

图2图示本公开的示例VR头戴式显示器(HMD)200。如上面指出的，系统100可以被部署为VR HMD 200的一部分。VR HMD 200可以由个体佩戴以沉迷于内容。

在一个示例中，VR HMD 200可以包括处理器204、存储器206、传感器212、显示器214和扬声器216。处理器204可以通信地耦接到存储器206、传感器212、显示器214和扬声器216。

在一个示例中，传感器212可以包括摄像机，该摄像机可以跟踪佩戴VR HMD200的个体的眼睛的瞳孔放大。在一个示例中，VR HMD 200可以包括其他类型的传感器212，其他类型的传感器212可以接触额头上的皮肤或个体头部的鬓角。例如，其他类型的传感器212可以测量GSR、心率和体温等。

存储器206可以是任何类型的非瞬态计算机可读介质。例如，存储器206可以是硬盘驱动器、随机存取存储器(RAM)和只读存储器(ROM)等。存储器206可以包括内容208和阈值210。内容208可以是类似于内容108的、在显示器214上示出的并且通过扬声器216听到的教育多媒体(例如，视频、图像和音频等)。在一个示例中，可以类似于计算和存储阈值110的方式来计算和存储阈值210，如上面关于图1讨论的。

处理器204可以接收由传感器212测量的生物特征数据并且基于测量的生物特征数据来计算认知负荷。处理器204可以将计算的认知负荷与阈值210相比较以确定认知负荷是否处于期望范围内。

如果计算的认知负荷处于阈值210或期望范围之外，那么处理器204可以添加噪声或调整正在播放的内容208中的噪声量。如果计算的认知负荷处于阈值210或期望范围内，那么处理器204可以保持内容208而不添加噪声。如果计算的认知负荷处于阈值210或期望范围内，则处理器204可以去除先前添加的噪声。

图3图示具有可以被添加到内容108或内容208的噪声的示例的显示器302和扬声器350。显示器302和扬声器350可以类似于图1中图示的显示器118和扬声器116。

如上面指出的，噪声可以是视觉噪声或听觉噪声。在一个示例中，视觉噪声可以包括边缘的扭曲306、故意去除的像素304、图像的缺失部分308(例如，缺失文本或图形)、三维效果310、不成比例的延伸312和动画314等。在一个示例中，听觉噪声可以包括粉红噪声或白噪声316、回话(back chatter)318(例如，添加背景谈话)、三维声音效果320(例如，经由扬声器350添加来自不同的感知角度的声音)、对音频的修改322(例如，改变音调和添加调制等)、音量改变324(例如，在音频正在播放时连续地或周期性地改变音量级)和声音扭曲326等。

在一个示例中，可以添加视觉噪声而不添加听觉噪声。在一个示例中，可以添加听觉噪声而不添加视觉噪声。在一个示例中，可以添加视觉噪声和听觉噪声两者。

在一个示例中，可以对于个体执行初始化处理。初始化处理也可以测试不同类型的噪声如何影响个体的认知负荷和表现。例如，一些个体可能对缺失的像素304或缺失的字母308更好地作出响应，而其他个体可能对三维效果310或动画314更好地作出响应。一些个体可能对粉红噪声316更好地作出响应，而其他个体可能对音量改变324更好地作出响应。

在一些示例中，个体可以对不同类型的噪声具有不同水平的响应。例如，个体可以在看见扭曲的边缘306时具有对认知负荷的更大的增加，并且在看见不成比例的延伸312时具有对认知负荷的更小的增加。因此，可以添加或去除不同类型的噪声以将个体的认知负荷微调为处于阈值110内。

图4图示本公开的用于基于认知负荷来调整内容中的噪声的方法的详细流程图。在示例中，方法400可以通过图1中图示的系统100、图2中图示的VR头戴式显示器200或者图5中图示的装置500来执行，并且在下面进行描述。

在框402处，方法400开始。在框404处，方法400接收由生物特征传感器测量的个体的生物特征数据。生物特征传感器可以包括不同的传感器以测量不同的生物特征数据。在一个示例中，生物特征传感器可以包括跟踪瞳孔放大的眼睛跟踪设备。在另一个示例中，生物特征传感器可以包括测量GSR、心率和体温等的传感器。

在框406处，方法400基于生物特征数据来计算个体的认知负荷的水平。在一个示例中，生物特征数据可以与认知负荷的水平相关联，如上所述。

在框408处，方法400确定认知负荷的水平处于认知负荷水平的最优范围之外。可以对于个体确定最优范围，如上所述。例如，初始化处理可以用于确定个体的认知负荷水平的最优范围和个体对什么类型的噪声作出响应等。

可以将基于生物特征数据计算的认知负荷的水平与认知负荷水平的最优范围相比较。如果认知负荷的水平处于认知负荷水平的最优范围之外，则可以对内容中的噪声量进行调整。如果认知负荷的水平处于最优范围内，那么内容可以继续播放而不进行调整。

在框410处，方法400响应于确定来调整正在向个体显示的内容中的噪声量。在一个示例中，如果计算的个体的认知负荷的水平低于最优范围，那么可以增加噪声量。例如，可以向内容添加视觉噪声和/或听觉噪声。

如果计算的个体的认知负荷的水平高于最优范围，那么可以减小噪声量。例如，可以从内容中去除视觉噪声和/或听觉噪声。在一个示例中，被添加或移除以将个体的认知负荷的水平调整为处于最优范围内的噪声的类型可以基于初始化处理的结果。如上面指出的，不同的个体可以对不同类型的噪声作出不同的响应。另外，可以基于不同类型的噪声将个体的认知负荷改变不同的量。

在一个示例中，可以在内容的持续期间连续地重复方法400。例如，如果内容是训练视频，则可以连续地重复方法400以实时地调整内容中的噪声量。结果，可以将消耗内容的个体保持在认知负荷的最优范围内，以保证个体可以记得或回想通过内容提供的信息。在框412处，方法400结束。

图5图示出装置500的示例。在示例中，装置500可以是系统100或VR头戴式显示器200。在示例中，装置500可以包括处理器502和非瞬态计算机可读存储介质504。非瞬态计算机可读存储介质504可以包括指令506、508、510以及512，当指令506、508、510以及512由处理器502执行时，使处理器502执行各种功能。

在示例中，指令506可以包括向个体显示内容的指令。指令508可以包括在个体正在沉迷于内容时计算个体的认知负荷的指令。指令510可以包括确定认知负荷落在最优认知负荷范围之外的指令。指令512可以包括响应于进行确定的指令来调整内容中的噪声量的指令。

将理解的是，上面的公开的变体和其他特征和功能，或者其可替代方式可以被组合为许多其他不同的系统或者应用。可以随后由本领域技术人员在其中作出各种目前未预见到的或者意料之外的可替代方式、修改、变化或者改进，其也旨在被所附权利要求所包含。