เหนือกว่าความสามารถในการขับขี่: มุ่งสู่ดัชนีเดียว

เพื่อตรวจสอบว่าความสามารถในการรับรู้ทางสายตาและการบริหารจัดการที่วัดได้จากการติดตามวัตถุหลายชิ้นและงานด้านการรับรู้ที่เกี่ยวข้องนั้น สัมพันธ์กับประสิทธิภาพในการเข้าควบคุมรถในสถานการณ์จำลองการขับขี่อัตโนมัติระดับสูงหรือไม่.

ผู้เข้าร่วมการวิจัยได้ทำแบบประเมินความรู้ความเข้าใจหลายด้าน รวมถึงการติดตามวัตถุหลายชิ้นแบบสามมิติ (NeuroTracker) การวัดการทำงานของสมองส่วนหน้า และงานที่เกี่ยวข้องกับการมองเห็นและการใส่ใจเพิ่มเติม ผลการวัดเหล่านี้มีความสัมพันธ์กับผลลัพธ์การปฏิบัติงานในเครื่องจำลองการขับขี่ที่มีความแม่นยำสูง ซึ่งผู้เข้าร่วมจะต้องควบคุมรถจากระบบขับขี่อัตโนมัติภายใต้สภาวะที่มีความเสี่ยง.

ประสิทธิภาพการติดตามแบบไดนามิกที่สูงขึ้นและการทำงานของสมองส่วนบริหารจัดการที่แข็งแกร่งขึ้นมีความสัมพันธ์กับความสำเร็จในการควบคุมรถที่มากขึ้นในสถานการณ์จำลองการขับขี่อัตโนมัติ ผลการวิจัยเหล่านี้ชี้ให้เห็นว่าความสามารถด้านการรับรู้และการคิดที่วัดได้จากแบบจำลอง 3D-MOT เกี่ยวข้องกับงานด้านการมองเห็นและการเคลื่อนไหวในทางปฏิบัติที่นอกเหนือจากบริบทของกีฬา รวมถึงพฤติกรรมการขับขี่ที่สำคัญต่อความปลอดภัย.

เพื่อตรวจสอบว่าการฝึกฝน NeuroTracker ส่งผลต่อประสิทธิภาพการมองเห็นในขอบเขตที่มีประโยชน์ (UFOV) ซึ่งเป็นตัวชี้วัดที่เกี่ยวข้องอย่างมากกับประสิทธิภาพการขับขี่หรือไม่.

‍

ผู้เข้าร่วมการวิจัยเป็นคนหนุ่มสาวที่มีสุขภาพดีจำนวน 20 คน อายุระหว่าง 23 ถึง 33 ปี โดยแบ่งออกเป็น 2 กลุ่มเท่าๆ กัน คือ กลุ่มที่เข้าร่วมโปรแกรมฝึกอบรม NeuroTracker และกลุ่มควบคุมที่ใช้เกมคณิตศาสตร์ (2048) ทั้งสองกลุ่มเข้ารับการฝึกอบรมเป็นเวลา 5 ชั่วโมง โดยแบ่งเป็นช่วงๆ ตลอด 5 สัปดาห์ และทั้งสองกลุ่มทำการประเมิน UFOV แบบมาตรฐานก่อนและหลังการฝึกอบรม.

‍

กลุ่มที่ได้รับการฝึกฝน NeuroTracker แสดงให้เห็นถึงประสิทธิภาพในการรับรู้ขอบเขตการมองเห็น (UFOV) ที่ดีขึ้นอย่างมีนัยสำคัญ ในขณะที่กลุ่มควบคุมที่ไม่ได้ฝึกฝนแสดงให้เห็นถึงการพัฒนาเพียงเล็กน้อย ซึ่งไม่มีนัยสำคัญทางสถิติ นักวิจัยชี้ว่าประสิทธิภาพของ NeuroTracker และ UFOV น่าจะขึ้นอยู่กับความสามารถทางปัญญาที่ทับซ้อนกัน และความสามารถเหล่านี้สามารถฝึกฝนและวัดได้ในผู้ใหญ่รุ่นใหม่ ซึ่งอาจนำไปสู่การปรับปรุงความปลอดภัยในการขับขี่.

เพื่อทดสอบทฤษฎีที่ว่าสมรรถนะในการขับขี่มีความสัมพันธ์อย่างมากกับการประมวลผลแบบไดนามิกของวัตถุหลายชิ้น โดยการประเมินว่าค่าที่วัดได้ NeuroTracker สอดคล้องกับสมรรถนะในการขับขี่ของผู้สูงอายุในสถานการณ์จำลองหรือไม่.

ผู้ขับขี่ที่มีประสบการณ์ 30 คน อายุระหว่าง 65-85 ปี เข้ารับการทดสอบด้วย NeuroTracker (3D-MOT) หนึ่งรอบ และทำการจำลองการขับขี่บนเครื่องจำลองการขับขี่ STISIM 3.0 สูงสุด 3 สถานการณ์ โดยมีเหตุการณ์ที่ไม่คาดคิด 5 เหตุการณ์รวมอยู่ในสถานการณ์จำลองเพื่อทดสอบความเสี่ยงในการเกิดอุบัติเหตุ จากนั้นจึงคำนวณความสัมพันธ์ระหว่างค่าความเร็วที่วัดได้ NeuroTracker กับค่าที่วัดได้จากเครื่องจำลอง (อัตราการเกิดอุบัติเหตุ การเบี่ยงเบนเลน).

จากการศึกษาพบความสัมพันธ์ที่มีนัยสำคัญสูงระหว่างค่าเกณฑ์ NeuroTracker กับอัตราการเกิดอุบัติเหตุและการเบี่ยงเบนเลนในสถานการณ์การขับขี่บนทางหลวง คะแนน NeuroTracker ที่ต่ำกว่ามีความสัมพันธ์อย่างมากกับการเบี่ยงเบนเลนระหว่างการรวมเลนบนทางหลวง และคะแนน NeuroTracker ที่สูงกว่ามีความสัมพันธ์กับผู้เข้าร่วมที่มีโอกาสเกิดอุบัติเหตุน้อยลงในสถานการณ์ต่างๆ และมีทักษะการรักษาเลนโดยรวมที่ดีกว่า การศึกษานี้เพิ่มความน่าเชื่อถือให้กับแนวคิดที่ว่าการทดสอบการติดตามวัตถุหลายชิ้น เช่น NeuroTracker อาจเป็นตัวเลือกที่เหมาะสมสำหรับการรวมอยู่ในชุดการประเมินสำหรับผู้ขับขี่สูงอายุ.

เพื่อตรวจสอบว่าการฝึกฝน NeuroTracker สามารถส่งผลให้ทักษะการขับขี่ดีขึ้นหรือไม่ โดยวัดจากเครื่องจำลองการขับขี่ที่ทันสมัย.

ผู้เข้าร่วมการวิจัยประกอบด้วยคนหนุ่มสาว 20 คน และผู้สูงอายุ 14 คน ถูกแบ่งออกเป็นกลุ่มทดลองและกลุ่มควบคุม กลุ่มทดลองเข้ารับการฝึกอบรม NeuroTracker จำนวน 30 ครั้ง ก่อนและหลังการฝึกอบรม ผู้เข้าร่วมทุกคนได้รับการประเมินโดยใช้เครื่องจำลองการขับขี่ที่มีความแม่นยำสูง ซึ่งวัดประสิทธิภาพการขับขี่ในหลายด้าน.

ผลการศึกษาพบว่าทั้งผู้ใหญ่ที่อายุน้อยและผู้สูงอายุแสดงให้เห็นถึงการพัฒนาอย่างมีนัยสำคัญในการขับขี่จำลองหลังจากการฝึกฝน NeuroTracker โดยเฉพาะอย่างยิ่งความสามารถในการรักษาช่องทางจราจรที่ดีขึ้น เวลาตอบสนองต่ออันตรายที่เร็วขึ้น และการรับรู้สถานการณ์โดยรวมที่เพิ่มขึ้น กลุ่มผู้สูงอายุแสดงให้เห็นถึงการพัฒนาโดยรวมในการขับขี่ที่มากกว่า นักวิจัยสรุปว่าการศึกษานี้เป็นหลักฐานเบื้องต้นที่แสดงให้เห็นว่าการฝึกฝน NeuroTracker อาจช่วยเพิ่มความปลอดภัยในการขับขี่ โดยเฉพาะอย่างยิ่งผ่านการตรวจจับหรือการตอบสนองต่อเหตุการณ์อันตรายได้เร็วขึ้น.

เพื่อตรวจสอบว่าค่าพื้นฐาน NeuroTracker สามารถใช้ทำนายประสิทธิภาพการขับขี่ใน 3 สถานการณ์จำลองได้หรือไม่ และเพื่อดูว่ามาตรวัดเหล่านี้สามารถใช้ทำนายความเสี่ยงในการขับขี่ได้หรือไม่.

ผู้ขับขี่ 115 คนถูกแบ่งออกเป็นสามกลุ่มตามอายุและประสบการณ์ ได้แก่ กลุ่มอายุน้อยที่ไม่มีประสบการณ์ (18-21 ปี) กลุ่มผู้ใหญ่ที่มีประสบการณ์ (25-55 ปี) และกลุ่มผู้สูงอายุ (70-86 ปี) ผู้เข้าร่วมการทดสอบได้รับการทดสอบเป็นเวลา 2 ชั่วโมงในสามสถานการณ์การขับขี่ที่แตกต่างกันในด้านภาระงานทางจิต (ต่ำ ปานกลาง สูง) โดยใช้เครื่องจำลองการขับขี่ที่มีความซับซ้อนสูง มีการประเมินและเปรียบเทียบตัวชี้วัดพฤติกรรมการขับขี่ทั้งหมด 18 รายการกับคะแนนพื้นฐานของ NeuroTracker .

การวิเคราะห์ทางสถิติของผลลัพธ์จาก NeuroTracker และตัวชี้วัดประสิทธิภาพการขับขี่พบความสัมพันธ์ที่มีนัยสำคัญ รวมถึงการทำนายความเร็วในการขับขี่ ความเร็วในการเบรก และปฏิกิริยาต่อเหตุการณ์อันตราย คะแนน NeuroTracker ที่ต่ำสามารถทำนายความเสี่ยงที่สูงขึ้นของการเกิดอุบัติเหตุได้อย่างมีประสิทธิภาพ นอกจากนี้ คะแนน NeuroTracker ที่ต่ำยังมีความสัมพันธ์อย่างมีนัยสำคัญกับความเร็วเฉลี่ยในการขับขี่ที่ช้าลงสำหรับผู้สูงอายุ ซึ่งเป็นหลักฐานสนับสนุนทฤษฎีที่ว่าการขับขี่ช้าลงนั้นเกี่ยวข้องกับผลกระทบทางด้านการรับรู้ที่เกิดจากความชรา.