Ermittlung der kognitiven Beanspruchung im Dual-Task-Modus : Mathematische Analysen beim randomisierten Generieren von Zahlenreihen

Im Rahmen dieser Arbeit wurde versucht mit Hilfe von Musteranalysen menschlich generierter Zufallszahlenreihen (auch RNGT für random number generation task) im Dual-Task-Modus verschiedene Stufen kognitiver Belastung voneinander abzugrenzen. Zur Untersuchung der generierten Zahlenfolgen bestehen bereits unterschiedliche RNG-Musterscores, welche u. a. Seriation, Cycling und präpotente Assoziationen abbilden. Der RNG-Vorhersage-Score nimmt bewusst keinen Bezug zu math. Zufälligkeit sondern beschreibt die Vorhersagegenauigkeit einer Zahlenreihe, welche durch das Erkennen individueller vorherrschender Muster der jeweiligen Zahlenfolgen ermittelt werden kann. Aufgrund der benötigten kognitiven Ressourcen zur Bildung einer Zufallszahlenreihe wurde davon ausgegangen, dass bei zusätzlicher kognitiver Belastung die individuellen präpotenten Muster in den Zahlenreihen deutlicher hervortreten würden. Im Rahmen dieser Arbeit wurde daher durch die Dual-Task-Aufgabe von Zufallszahlenreihenbilden bei parallelem Bearbeiten eines N-back-Testes bzw. eines SART (Sustained Attention To Response Task) untersucht, ob bekannte Musterscores nach Towse, welche präpotente Muster abbilden, und der RNG-Vorhersage-Score in der Lage sind, die verschiedenen kognitiven Belastungsstufen voneinander abzugrenzen. Die Scores wurden mit der N-back-Performance, der SART-Rate und Selbsteinschätzungsverfahren verglichen. Es wurde festgestellt, dass die Performance der hinzukommenden Aufgabe und die Selbsteinschätzungsmaße mit großem Effekt zwischen den Belastungsstufen unterscheiden konnten. Innerhalb der RNG-Muster-Scores ergaben sich nur für der RNG-Vorhersage-Score signifikante Unterschiede zwischen allen N-back-Belastungsstufen mit jedoch nur geringer Diskriminationsfähigkeit.