[Lecture] [Resume] Indeks Berbasis Otak Untuk Simbiosis User-Sistem

1 Pendahuluan

1.1 Evolusi dari Interaksi Manusia-Komputer

Sebelum adanya sistem komputer, interaksi antara manusia dan komputer murni dilakukan secara fisik. Dan hal ini berubah sejak diperkenalkannya komputer. Fitts (1950) merupakan salah satu yang pertama kali mengakui bahwa kedua entitas memiliki kemampuan berbeda dan kemudian membuat daftar yang menjelaskan keunggulan diantara mereka. Akan tetapi daftar ini bersifat statis dan tidak dimaksudkan untuk menggabungkan situasi dinamis. Karena pad akenyataannya, lingkungan capat berubah dengan cepat dan membuat permintaan yang berbeda terhadap sebuah kemampuan. Hal inilah yang kemudian menimbulkan kesepakatan bahwa alokasi kemampuan juga harus menjadi dinamis. Dalam beberapa dekade terakhir, beberapa taksonomi dari alokasi fungsi dinamis telah diajukan. Taksonomi terbaru dan paling banyak diterima secara luas adalah milik Parasuraman et al. (2000) yang menyarankan untuk menerapkan otomasi di empat kelas fungsi: akuisisi informasi, analisa informasi, pendukung keputusan dan implementasi aksi. Pada setiap tipe ini, otomasi dapat diterapkan pada tingkatan rangkaian kesatuan (dari fully-manual hingga fully-automatic) tergantunga dari keadan kongitif dari manusia. Namun, otomatisasi berkelanjutan dan penerapan sensor baru dan teknologi informasi ini menimbulkan tantangan baru bagi manusia. Peningkatan kompleksitas sistem, volume informasi, otonomi, dan integrasi tugas dari domain yang berbeda menyebabkan perbedaan ekstrim dalam kebutuhan manusia, misalnya antara kondisi kerja normal dan situasi darurat. Tantangan-tantangan ini meminta paradigma baru di HCI untuk memastikan kinerja yang terus dioptimalkan.

1.2 Model Informasi untuk Simbiosis Masa Depan

Untuk menghadapi tantangan saat ini, antarmuka di generasi yang akan datang perlu pengguna-sentris dan termasuk memahami dan mengantisipasi niat pengguna. Antarmuka ini akan bergerak menjauh dari keyboard dan monitor statis, harus dipersonalisasi, dan mungkin memiliki penampilan seperti manusia dan saluran komunikasi yang menyerupai yang digunakan oleh orang-orang untuk berinteraksi satu sama lain. Untuk mencapai hal ini simbiosis baru antara manusia-komputer, diperlukan integrasi dari model operator dengan model informasi lain. Literatur menunjukkan berbagai macam model, misalnya Schneider-Hufschmidt et al. (1993) yang menggambarkan 13 model dasar yang fokus pada berbagai macam aspek fungsional yang relevan dengan interaksi adaptif. Namun, untuk menjaga sistem tetap terkendali, akan di pilih model berikut: (1) operator model (atau model pengguna), (2) model tugas, (3) model sistem, dan (4) model konteks (atau model domain). Semua informasi ini dikombinasikan dalam (5) sebuah Model Adaptasi.

  • Model tugas, adalah representasi statis dari tugas yang mungkin untuk pperator (misalnya, hirarki tujuan untuk memecahkan pesan kesalahan tertentu), yang mengandung informasi tentang tuntutan tugas yang mempengaruhi kinerja dan usaha operator manusia.
  • Model sistem, model sistem berisi informasi teknis tentang komponen sistem yang berbeda (misalnya tata letak aplikasi perangkat lunak, dan dependensi).
  • Model konteks, model konteks (atau model domain) berisi informasi tingkat tinggi dari manusia di lingkungannya, seperti informasi tentang pentingnya tugas, hirarki peristiwa dan konteks organisasi. Model konteks ini bersifat dinamis.
  • Model Operator, model operator dapat berisi berbagai macam informasi dari individual seorang operator, misalnya untuk preferensi kinerja umum, dan kapasitas (dan di masa depan mungkin data pada proses afektif: emosi, keterlibatan, frustrasi, kejutan, niat, dan kebosanan).
Model informasi yang diperlukan untuk simbiosis manusia-komuter
Model informasi yang diperlukan untuk simbiosis manusia-komuter

1.3 Pembahasan Bab ini

Dari kelima model yang telah disebutkan diatas, kita akan berfokus pada model operator. Kita akan menyajikan gambaran keadaan saat indeks berbasis otak, yang berguna untuk interaksi adaptif, membatasi diri untuk indeks yang terkait dengan beban kerja. Lalu kita akan memperkenalkan model regulasi keadaan dan membahas bagaimana  indeks berbasis otak cocok dengan model operator. Kita akan menyimpulkannya dengan mengidentifikasi potensi dan pembatasan dari menggunakan indeks berbasis otak dalam upaya mengembangkan simbiosis user-sistem dan apa yang perlu dilakukan untuk mencapai simbiosis ini.

2 Indeks Berbasis Otak untuk Antarmuka Adaptif

Dalam bagian ini, kita akan melihat lebih dalam kemungkinan untuk menggunakan sinyal otak sebagai indikator real-time, kemungkinan dalam kombinasi dengan indikator lainnya (subyektif, kinerja atau fisiologis). Kami membahas indeks beban kerja terpisah dari indeks untuk kewaspadaan. Lalu mengkategorikan pengukuran EEG dalam langkah-angkah reaktif dan pasif sesuai dengan nomenklatur yang diperkenalkan oleh Zander.

Tindakan reaktif didasarkan pada respon otak (misalnya, Event Related Potentials-ERP) terhadap rangsangan tertentu, sementara penyelidikan tindakan pasif didasarkan pada pola otak yang terjadi selama pelaksanaan tugas.

2.1 Indeks beban kerja berbasis otak

2.1.a Indeks beban kerja reaktif

Sebuah ERP adalah respon otak yang merupakan hasil dari stimulus internal atau eksternal. Komponen ERP adalah defleksi positif atau negatif dalam EEG (dilambangkan dengan P atau N) yang terjadi dalam interval tertentu setelah stimulus pre-sensasi. Komponen spesifif ERP  dapat mencerminkan berbagai tahap pengolahan. Hipotesis umumnya  adalah bahwa komponen ERP tertunda dan/atau memiliki amplitudo lebih rendah dalam kondisi beban kerja yang tinggi dibandingkan dengan kondisi beban kerja yang lebih rendah.

2.1.b Indeks beban kerja pasif

Kategori kedua dari indikator EEG didasarkan pada analisis pita frekuensi yang berbeda dalam sinyal EEG. Dan dalam  studi ERP, yang kombinasi band spektralnya memiliki sensitivitas tertinggi dan nilai diagnostik terbaik adalah adalah masih menjadi bahan perdebatan.

2.1.c Diskusi terhadap indeks beban kerja berbasis otak

Kami telah membuat sketsa dua pendekatan dalam mengidentifikasi indeks EEG untuk beban kerja. Yang pertama didasarkan pada pemantauan reaksi otak terhadap rangsangan probe, yang kedua adalah berdasarkan pada analisis otak di tempat kerja.

Hasil yang disajikan dengan jelas menunjukkan bahwa tidak ada satu pun, indikator beban kerja sederhana di otak, dan indeks paling sensitif mungkin tergantung pada tugas, karakteristik lingkungan dan individu.Pada indeks reaktif, terutama N100 dan P300, penundaan dan penurunan amplitudo tampak relevan. Pada indeks pasif, meningkatnya theta dan penurunan alpha adalah yang paling cocok (Gevins et al. 1998).

2.2 Indeks kewaspadaan dan perasaan mengantuk berbasis otak

Para ahli dapat dengan mudah membedakan antara EEG dari sebuah peringatan dan individu yang sedang mengantuk.

Meskipun dari perspektif HCI, klasifikasi pada keadaan halus yang diinginkan itu menunjukkan bahwa EEG berpotensi mengandung fitur yang berguna, dan kemampuan deteksi mengantuk yang handal mungkin bisa menjadi nilai yang besar di banyak lingkungan seperti keselamatan misalnya (Lal dan Craig 2001). Menariknya, daerah penelitian ini berfokus pada indeks pasif baik dalam EEG atau aliran darah otak, tapi sulit sekali pada indeks reaktif.

2.2.a Indeks kewaspadaan dan perasaan mengantuk reaktif

Boksem et al. (2005) menggunakan tugas” perhatian visual tiga jam” dan membandingkan ERP dengan rangsangan yang relevan dan tidak relevan. Kewaspadaan berhubungan dengan penurunan amplitudo N1 dan perbedaan penurunan antara amplitudo N2B dari rangsangan yang relevan dan tidak relevan. Yang terakhir ini menunjukkan bahwa subjek mengalami kesulitan lebih dalam mengabaikan rangsangan yang tidak relevan selama dilakukan percobaan kewaspadaan. Penulis mengklaim bahwa kelelahan mental menghasilkan pengurangan dalam tujuan mengarahkan perhatian, menyebabkan subjek bekerja dengan cara yang lebih “stimulus-driven”.

2.2.b Indeks kewaspadaan dan perasaan mengantuk pasif

Stampi et al. (1995) menunjukkan kegunaan dari aktivitas alfa sebagai indeks untuk mengukur tingkat kantuk. Lebih tepatnya, mereka divalidasi dengan Uji Alpha Attenuation (AAT) sebagai indeks untuk kantuk dengan subyek yang kurang tidur. AAT ini didasarkan pada pengamatan bahwa ketika operator mengantuk, aktivitas alfa dengan peningkatan mata terbuka dan dengan mata tertutup menurun.

2.2.c Indeks kewaspadaan dan perasaan mengantuk aliran darah

Selain EEG, aliran darah serebral (CBF, Cerebral Blood Flow) mungkin berisi korelasi terhadap kewaspadaan atau rasa kantuk. Paus et al. (1997) meneliti CBF sebagai fungsi waktu pada tugas dalam “tugas kewaspadaan pendengaran”. Peningkatan CBF ditemukan di kedua bagian kiri dan kanan daerah kortikal visual, namun penurunan CBF yang ditemukan di belahan kanan hanya di daerah subkortikal dan kortikal.

2.2.d Diskusi mengenai indeks kewaspadaan dan perasaan mengantuk berbasis otak

Sejauh ini, indikator kewaspadaan utamanya didasarkan pada indeks pasif. Meskipun mungkin ada nilai diagnostik dalam komponen ERP yang menunjukkan pergeseran dari proses top-down ke bottom-up, ada beberapa langkah EEG dan CBF pasif yang berkorelasi baik dengan kewaspadaan atau rasa kantuk. Pada bagian gambaran umum, terlihat lebih jelas daripada di bagian sebelumnya pada beban kerja: kekuatan di kedua theta dan band alpha adalah indeks yang terbaik, meskipun perangkat telah dikembangkan untuk menggunakan semua band utama (Lal et al 2003.). Dan pada bagian beban kerja, kita harus bertanya pada diri sendiri mengenai pertanyaan hingga batas mana temuan ini dapat digeneralisir. Menariknya, indeks ini tampaknya berpindah dengan baik di seluruh tugas, lingkungan dan bahkan peserta. Namun, Lal dan Craig (2001) menyebutkan beberapa faktor yang dapat mempengaruhi kelelahan, termasuk kepribadian, kecemasan temperamen, dan suasana hati.

2.3 Diskusi mengenai indeks berbasis otak

Gambaran umum yang disajikan menunjukkan bahwa penggunaan indeks cukup sukses dalam kisaran beban kerja yang lebih rendah (yaitu, kewaspadaan, rasa mengantuk), namun indeks dalam spektrum beban tinggi tampaknya masih kurang reliabel. Hal paling menonjol adalah bahwa indeks reaktif yang membutuhkan rangsangan probe mungkin mengganggu kinerja dari sebuah tugas. Namun, indeks reaktif mungkin perlu elektroda lebih sedikit dari indeks pasif, yaitu sepanjang garis tengah dibandingkan dengan spasial terdistribusi.

3 Input untuk sebuah Operator Model

3.1 Hubungan antara beban kerja, tugas permintaan dan performa

Model operator harus berisi informasi yang sangat penting untuk sistem untuk dapat mewujudkan simbiosis. Saat ini, beban kerja merupakan salah satu parameter penting dari model operator. Sebuah sistem adaptif mungkin misalnya, menerapkan aturan berikut: di bawah beban kerja yang normal informasi lengkap dapat diberikan dalam teks dan gambar, sementara di bawah beban kerja tinggi hanya informasi penting harus diberikan dengan menggunakan gambar. Selanjutnya, tugas dapat dialihkan ke sistem atau user, tergantung pada tingkat beban kerja. Misalnya jika kinerja pengguna menurun karena beban kerja yang rendah, realokasi tugas dapat membawa tingkat beban kerja kembali normal dan mengoptimalkan kinerja.

Hipotesis hubungan antara permintaan, performa usaha dan beban kerja
Hipotesis hubungan antara permintaan, performa usaha dan beban kerja

Gambar diatas memberikan wawasan tentang hubungan antara beban kerja dan kinerja tugas. Kami berpendapat bahwa tiga kondisi berikut tidak diinginkan dan memerlukan campur tangan sistem simbiosis:

  • Dalam kondisi beban kerja yang rendah, adalah penting untuk mengetahui apakah operator masih dalam keadaan siaga. Jika tidak, sistem harus melakukan intervensi, misalnya dengan menambahkan tugas tambahan untuk operator. Intervensi ini harus dilakukan segera.
  • Dalam kondisi beban kerja yang tinggi, sistem harus memantau kemampuan operator untuk menginvestasikan upaya tambahan. Intervensi tidak perlu dilakukan segera, namun diperlukan pada waktunya saja untuk mencegah operator dari menjadi lelah atau membutuhkan waktu pemulihan yang lama.
  • Dalam kondisi overload, sistem harus campur tangan segera untuk mengurangi tugas menuntut ke tingkat di mana operator dapat mencapai kinerja yang baik dengan upaya tambahan dan akhirnya mengurangi permintaan tugas lebih lanjut ke tingkat beban kerja normal.

Kondisi ini menggambarkan pentingnya informasi keadaan operator, atau dengan kata lain: Bagaimana ketiga kondisi tercermin dalam pengukuran berbasis otak (dan fisiologis lainnya)? Pada bagian sebelumnya, kami menyimpulkan bahwa ada langkah-langkah yang relatif dapat diandalkan untuk mengidentifikasi kewaspadaan dan rasa mengantuk.

3.2 Aturan Keadaan Operator, Beban Kerja and Performa

Model aturan keadaan operator
Model aturan keadaan operator

Model pada gambar diatas didasarkan pada teori kontrol persepsi (PCT, Powers 1973). Model ini memberikan wawasan tentang hubungan dinamis antara beban tugas dan perilaku koping operator. Model ini menggabungkan aturan keadaan dan pengolahan informasi. PCT mengasumsikan bahwa perbedaan antara situasi yang dibutuhkan (tujuan) dan situasi aktual (informasi sensor) sangat penting untuk perilaku adaptif dari sistem biologi. Perubahan adaptif akan terjadi ketika ada perbedaan (sinyal error). Menurut PCT, tujuan dapat didefinisikan pada beberapa tingkatan dan sinyal kesalahan sering merupakan tujuan baru untuk urutan sistem yang lebih rendah. Model pada Gambar diatas meliputi dua tingkat: ‘tujuan tugas yang subjektif’ pada tingkat tertinggi dan ‘keadaan yang diperlukan’ pada tingkat yang lebih rendah.

Model pada gambar diatas hanya berisi informasi kotak pengolahan tunggal tanpa rincian lebih lanjut. Informasi yang diproses dapat berasal dari lingkungan (tugas) atau dari model internal dari sistem yang dibangun oleh operator. Informasi yang dirasakan, dan khususnya, kinerja aktual yang dirasakan akan dibandingkan dengan kinerja yang diperlukan. Selama kinerja yang dirasakan cocok dengan kinerja yang diperlukan, tidak ada perubahan kondisi yang diperlukan. Jika ada perbedaan antara keadaan yang diperlukan dengan keadaan yang sebenarnya, ada dua solusi yang mungkin untuk menyeimbangkan kembali keadaan:

• Operator dapat menginvestasikan lebih banyak upaya kedalam tugas. Ini akan mengubah keadaan sedemikian rupa sehingga pengolahan informasi menjadi lebih tepat.
• Operator dapat mengubah tujuan tugas sedemikian rupa sehingga tingkat kinerja yang diperlukan dapat diturunkan (misalnya dengan menerima kinerja yang kurang akurat, mengambil lebih banyak waktu untuk melakukan tugas atau dengan melompati sub-tugas yang kurang relevan).

3.2.a State Regulation

Sebuah keadaan harus dianggap sebagai hasil dari banyak proses fisiologis dan psikologis yang mengatur otak dan tubuh dalam upaya untuk menempatkan seseorang dalam kondisi yang optimal untuk memenuhi tuntutan lingkungan kerja (Gaillard dan Kramer 2000). Gambar model diatas mengasumsikan bahwa ada hubungan yang kompleks antara tuntutan tugas dan kinerja tugas. Dengan menginvestasikan lebih banyak usaha, operator dapat menjaga kinerja pada tingkat tinggi untuk beberapa waktu. Model pada gambar diatas masuk lebih dalam ke dalam hubungan ini. Investasi usaha dapat mengubah keadaan operator untuk meningkatkan kemampuan pengolahan informasi. Akibatnya, perbedaan antara kinerja aktual dan kinerja yang diperlukan akan menjadi lebih kecil. Seperti yang telah dijelaskan di atas, reaksi alternatif dari operator untuk beban tugas yang meningkat bisa menjadi penurunan dari tujuan tugas subyektif. Jika opsi ini dipilih, maka peningkatan beban tugas tidak akan mengakibatkan peningkatan investasi usaha dan sebagai konsekuensinya tidak ada perubahan fisiologis yang akan diukur.

3.2.b Adaptasi Operator

Salah satu aspek yang kita ingin jelaskan dengan model ini adalah bahwa operator hampir terus menerus menyesuaikan diri dengan tuntutan tugas yang berubah. Proses adaptasi dapat diukur dengan ukuran fisiologis yang seharusnya tidak hanya memberikan informasi mengenai beban kerja operator tetapi juga tentang cara operator beradaptasi dengan tuntutan tugas yang berubah. Berdasarkan model pada gambar sebelumnya, kami berpendapat tidak mungkin bahwa prinsip otomasi adaptif sederhana akan bekerja di situasi beban kerja tinggi di mana operator terus menyesuaikan diri dengan tuntutan tugas yang berubah. Jika tugas menjadi lebih sulit, operator dapat beradaptasi dengan menginvestasikan lebih banyak usaha.

4 Diskusi

4.1 Adaptasi berbasis otak dari indera dan non-indera

Kami berpendapat bahwa beberapa model (operator, konteks, tugas dan model sistem)  diperlukan untuk sebuah simbiosis sistem manusia komputer yang efisien. Model yang kami sajikan dalam bab ini tidak dapat digunakan secara langsung sebagai model operator untuk tujuan ini. Namun, kami berpikir bahwa model ini memberikan wawasan tentang bagaimana cara pengukuran otak dapat digunakan untuk simbiosis manusia komputer.

4.2 Peluang untuk indeks berbasis otak dalam simbiosis user-sistem

Seperti yang telah kita sketsakan dalam pendahuluan, untuk simbiosis pengguna-sistem dimasa depan, model operator harus berisi lebih banyak parameter daripada beban kerja, termasuk misalnya untuk keterlibatan, kebingungan, dan keadaan emosional.

Namun, seseorang dapat berargumentasi bahwa (keterlibatan) indeks ini berada pada kontinum yang sama sepertipada beban kerja dan kewaspadaan. Hanya baru-baru ini, upaya yang dilakukan untuk mengidentifikasi saraf berkorelasi dari kategori yang sama sekali berbeda seperti disorientasi spasial dan kesadaran situasional (Van Orden et al 2007; Viirre et al 2006) dan emosi (Petrantonakis dan Hadjileontiadis 2009). Yang terakhir adalah bidang baru yang menarik: emosi keduanya penting untuk “memahami” pengguna dan juga berinteraksi dengan kemampuan kognitif, seperti perhatian dan penalaran (Dolan 2002).

Referensi Bacaan:

Tan, Nijholt. 2010. Brain-Computer Interfaces: Applying our Minds to Human-Computer Interaction. Springer.

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s