Nörobilimde EEG ve Multimodal Araştırma: Teknolojiler, Araçlar ve Teknikler

1. İnsan davranışlarını incelemenin zorluğu

İnsan davranışlarının incelenmesi, UX (kullanıcı deneyimi), sosyal psikoloji, insan-makine etkileşimi ve nöropazarlama gibi çeşitli araştırma alanlarında uzun zamandır önemli bir ilgi alanı olmuştur. Araştırmacılar ister bireyler arasında ister dış uyaranlara yanıt olsun, insan eylemlerini, tepkilerini ve etkileşimlerini anlamaya odaklanmaktadır. Bu yaklaşım, hem katılımcı girdisini hem de çevresel tepkileri inceleyerek davranış dinamiklerine ilişkin içgörüleri ortaya çıkarmayı amaçlamaktadır. İnsan doğasının karmaşıklığı nedeniyle araştırmacılar doğru ve anlamlı veriler elde etme konusunda zorluklarla karşılaşmaktadır.

Bu zorlukların üstesinden gelmek için sinirbilim araştırmaları, multimodal kurulumlarda toplanan EEG ve diğer biyosinyal verilerine giderek daha fazla dayanmaktadır. Teknolojik gelişmeler artık birden fazla ölçüm aracının entegrasyonuna izin vererek insan davranışının daha bütünsel bir görünümünü mümkün kılıyor. Bu araçlar, araştırmacıların biyolojik sinyaller aracılığıyla dikkat ve duygusal durumlar gibi faktörleri incelemelerine yardımcı olmaktadır. Bu tür teknolojilerin uygulanması, faydalarına rağmen maliyet, kullanım durumu ve mevcut kaynaklar gibi pratik kısıtlamalara bağlıdır.

Bu blog yazısı, EEG’nin diğer teknolojilerle birleştirilmesinin davranışsal araştırmaları nasıl geliştirdiğini inceleyecek ve farklı araştırma senaryoları için en uygun araçların seçimine yardımcı olacaktır.

2. Multimodal bir laboratuvar nasıl tanımlanır?

İnsan davranışlarını incelemek için araştırmacılar öncelikle hangi parametreleri veya ölçümleri izlemeyi hedeflediklerini belirlemeli ve ardından bunları yakalamak için uygun sensörleri ve ekipmanı seçmelidir. Çeşitli sensörler çalışma bağlamına ve ortamına bağlı olarak benzer veriler sağlayabileceğinden, teknoloji seçimi araştırma yaklaşımına bağlıdır. Multimodal bir laboratuvar kurarken dikkat edilmesi gereken temel hususlar arasında ihtiyaç duyulan spesifik bilgiler, kullanım durumu, mevcut kısıtlamalar ve teknolojilerin optimum kombinasyonu yer alır. Bu yayın, davranışsal araştırmalar için en uygun sinyalleri ana hatlarıyla belirtmekte ve uygun kayıt teknolojilerinin seçilmesi konusunda yol göstermektedir.

a) Dikkat Odağı

Görsel dikkat, davranışsal araştırmalarda, özellikle de görsel uyaranlara verilen tepkileri incelerken çok önemli bir parametredir. Göz izleme sistemleri, göz pozisyonunu ve hareketini ölçmek için yaygın olarak kullanılır ve bir kişinin nereye ve ne kadar süreyle baktığına dair değerli bilgiler sağlar. Bu konu ile ilgili daha fazla bilgiye buradan ulaşabilirsiniz.

Çeşitli teknolojiler arasında kamera tabanlı göz takibi, göz bebeği ve kornea pozisyonlarını yakalamak için invazif olmayan ve doğru bir yöntem olarak öne çıkmaktadır. Farklı göz takip cihaz modelleri çok yönlüdür ve farklı araştırma ortamlarına uyarlanabilir, ancak en uygun cihazın seçilmesi araştırmacının özel ihtiyaçlarına, tercihlerine ve çalışma içeriğine bağlıdır.

b) Elektriksel Beyin Tepkisi

EEG sinyalleri beynin elektriksel aktivitesini yansıtır ve çok çeşitli bilinçli ve bilinçsiz tepkileri ortaya çıkarabilir, bu da onları insan davranışı araştırmalarında oldukça değerli kılar. EEG’nin sağladığı kapsamlı bilgiler göz önüne alındığında, farklı araştırma ortamlarına ve ihtiyaçlarına uyacak çeşitli teknolojiler geliştirilmiştir. EEG sistemleri arasındaki temel farklardan biri, sensörlerinin kullanıcının cildiyle nasıl temas ettiğidir; bu da bu teknolojilerin nasıl kategorize edildiği ve davranış araştırmalarında nasıl uygulandığının temel bir yönünü tanımlar.

• Deriden önce ara katman olarak iletken bir madde gerektiren sensörler ıslak EEG sensörleri olarak adlandırılırlar ve daha az dış gürültü ile daha temiz sinyaller sunarlar, ancak daha uzun kurulum süresi gerektirirler ve tüm senaryolarda kullanımı daha zordur.
• Temas için herhangi bir ekstra madde gerektirmeyen sensörler kuru EEG sensörleri olarak bilinir; kurulumu daha hızlı ve daha kolaydır, ancak daha fazla gürültü alma eğilimindedirler ve sınırlı yerleştirme esnekliğine sahiptirler.

c) Diğer Fizyolojik Bilgiler

İnsan etkileşimleri ve tepkileri, deneğin diğer fizyolojik parametrelerindeki değişiklikleri de tetikler. İnsan davranışlarının izlenmesi için en uygun olanlardan bazıları şunlardır:

Elektrokardiyogram (EKG): Kalp atış hızı ve kalp atış hızı değişkenliği dahil olmak üzere kullanıcının kardiyak elektriksel aktivitesini ölçer.

Elektromiyografi (EMG): Vücudun herhangi bir yerindeki kas elektrik aktivitesini ölçer. Lokalize istemli veya istemsiz hareketi değerlendirmek için kullanılabilir.

Galvanik Deri Tepkisi (GSR): Kullanıcının deri iletkenliğindeki değişiklikleri ölçer, doğrudan dış uyaranın bilinçsiz etkisi ile ilgilidir (gözenek genişlemesi, ter atılımı vb. ile).

Kan Hacmi Basıncı (BVP): Sensörün önünden geçen kan hacmindeki değişiklikleri kaydeder. Kalp atış hızını ve kalp atış hızı değişkenliğini hesaplamak için de kullanılabilir.

Respiratory Effort (Solunum Eforu): Solunum prosedürüne bağlı toraks hareketini ve genişlemesini ifade eder. Solunum hızını ve değişikliklerini ölçmek için kullanılır.

Araştırmacılar, GSR veya EEG gibi geleneksel biyosinyallere ek olarak, dış uyaranların ve çevresel koşulların kullanıcı davranışını nasıl etkilediğine dair daha kapsamlı bir anlayış kazanmak için bilinçli insan tepki verilerini (örneğin, düğmeye basma, pedal etkileşimleri veya hareket sensörleri) ve çevresel verileri (ışık ve sıcaklık sensörleri gibi) dahil edebilirler. Bu multimodal yaklaşım, araştırmacıların fizyolojik tepkileri gerçek zamanlı davranışsal ve bağlamsal verilerle birleştirmesini sağlayarak insan merkezli çalışmalarda daha incelikli içgörülere yol açmaktadır.

Son bilimsel yayınlar, çoklu biyosinyal kaynaklarını birleştirmenin değerini göstermektedir. Örneğin, Çerçeveleme, Risk Algısı ve Sosyal Sağlık Kampanyaları (Fernandez-Lores ve ark., 2024) ve Hız ve İvmenin İnsan Faktörleri Üzerindeki Etkisinin Değerlendirilmesi (Apraiz ve ark., 2025) gibi çalışmalarda, bilişsel ve duygusal tepkileri keşfetmek için biyosinyal amplifikatörleri ile eşleştirilmiş Bitbrain EEG sistemleri kullanılmıştır. Benzer şekilde, Sürücülerin Zihinsel İş Yükünün Değerlendirilmesi (Huang vd., 2024) ve Karayolu Peyzaj Unsurlarının Çekim Yoğunluğunun Nicel Değerlendirmesi (Qin vd., 2023), dinamik ortamlarda insan algısını değerlendirmek için su bazlı EEG ve multimodal biyosinyal entegrasyonundan yararlanmıştır. Bu çalışmalar, araştırma hedeflerine ve sınırlamalarına dayalı olarak doğru sinyal kombinasyonunun seçilmesinin toplanan verilerin değerini nasıl en üst düzeye çıkarabileceğini vurgulamaktadır.

3. Bu davranışsal tepkileri senkronize etmek ve incelemek neden yararlıdır?

Multimodal kayıt, her bir veri akışının bireysel içgörüler sağlamasına ve aynı zamanda sinerji yoluyla diğerlerini zenginleştirmesine olanak tanıyarak araştırmayı geliştirir. Örneğin, göz izleme tek başına bir katılımcının nereye baktığını gösterebilir, ancak EEG ve GSR eklenmesi, hangi görüntülenen öğelerin daha güçlü duygusal veya bilişsel tepkileri tetiklediğini ortaya çıkarır. Benzer şekilde, EEG bir metnin akılda kalıcı olup olmadığını gösterebilir, ancak göz izleme hangi bölümün bu etkiye neden olduğunu belirler.

Bu içgörülerden tam olarak yararlanmak için tüm veri akışlarının hassas bir şekilde senkronize edilmesi şarttır. Zaman  hizalaması, araştırmacıların beklenmedik olayların nedenlerini belirlemelerine (örneğin, ani bir hareket ile EKG anomalisi arasında bağlantı kurmak (bkz: Şekil 3) ve oturumlar arasında aynı uyarıcıya verilen katılımcı tepkilerini karşılaştırmalarına olanak tanır. Senkronizasyon olmadan, multimodal verilerin anlamlı bir şekilde birlikte analizi güvenilmez hale gelir.

Multimodal kayıtta veri senkronizasyonunun önemini daha iyi anlamak için, senkronizasyonun donanım veya yazılım yoluyla nasıl yapılabileceğini açıklayan ve araştırmacılara uzmanlıklarına ve test koşullarına göre esneklik sunan bir önceki “Diğer Biyosensörler ve Yazılımlarla EEG Senkronizasyonu | Bitbrain” makalesine bakabilirsiniz. Bitbrain’in SennsLab gibi yazılım çözümleri birden fazla cihazı senkronize ederek bu süreci otomatikleştirirken, Tobii Pro Lab gibi araçlar etkili multimodal araştırma çözümleri sağlamak için çeşitli teknolojilerle uyumludur. (Multimodal araştırma çözümleri – EEG ve biyometri – Tobii)

4. İlgili araştırma senaryoları

Fizyolojik sinyallerin yakalanmasındaki sınırlamalar genellikle çevresel koşullar ve teknik kısıtlamalardan kaynaklanmaktadır. Geçmişte, kablolu bağlantı ihtiyacı, güç kaynağı, sınırlı hareket kabiliyeti ve ortam ışığına duyarlılık gibi faktörler nedeniyle çalışmalar gerçekçi olmayan ve kısıtlayıcı kurulumlar altında yürütülmek zorundaydı. Bu sorunlar, çoklu sensörlerin çalışma tasarımına daha fazla karmaşıklık ve kısıtlama getirdiği multimodal araştırmalarda daha da belirgindi.

Son teknolojik gelişmeler, odağı kullanılabilirlik ve esnekliğe doğru kaydırarak daha geniş bir deneysel prosedür yelpazesine ve ekolojik olarak daha geçerli sonuçlara olanak sağlamıştır. Ancak araştırmacılar, uyarlanabilirlik ile sistemin teknik performansı arasında denge kurmalıdır. Doğru araçları seçmek, katılımcı rahatsızlığını veya davranışsal önyargıyı en aza indirirken yüksek kaliteli veri toplanmasını sağlamak için çok önemlidir. Bu makale, iki temel insan davranışı araştırma senaryosunu ve bu dengeyi sağlamak için gerekli unsurları ana hatlarıyla ele almaktadır.

a) Laboratuvar İçi Statik Senaryo:

Bu senaryo, çevresel taleplerin düşük olduğu kontrollü iç mekan ortamlarını ifade eder. Bu, daha iyi örnekleme frekansı ve sinyal çözünürlüğü gibi yüksek teknik özelliklere sahip sensörlerin kullanılmasını sağlar. Erken keşif araştırmaları için idealdir ve daha sonraki, daha özel aşamalar için deneysel kurulumları test etmek ve iyileştirmek için esnek sensör düzenlerine ve yüksek uzamsal çözünürlüğe izin verir. (Islak EEG Başlığı bölümünde daha ayrıntılı olarak açıklanmıştır: Semi-Dry, Saline & Gel EEG caps | Bitbrain)

Bu tür deneylerde aranacak bazı temel faktörler şunlardır:

• Tüm sensörlerde yüksek uzamsal çözünürlük. Hassas sinyal analizi gerektiren keşif çalışmalarında gerekli olan ayrıntılı veri yakalamayı sağlar.
• Esnek kanal düzeni. Araştırmacıların çeşitli sensör düzenlemelerini test etmelerine ve gelecekteki deneyler için kurulumları uyarlamalarına olanak tanır.
• Rahat yerleşim. Katılımcı konforunu artırır, dikkat dağıtıcı unsurları azaltır ve daha güvenilir davranışsal veriler elde edilmesini sağlar.
• Sınırlı kurulum süresi. Özellikle çok sayıda katılımcıyla veya arka arkaya oturumlarla çalışırken zaman kazandırır ve verimliliği artırır.

Bu araştırma senaryosunun uygulanabileceği farklı alanlar vardır, bunlardan bazıları şunlardır:

Ekran tabanlı stimülasyon tasarımı: Katılımcıların fazla hareket etmesini gerektirmediği için kontrollü ortamlar için idealdir (örn. Şekil 4).

Sanal simülasyonlar: Genellikle statik kurulumlar ve ekran tabanlı ekranlarla başlar; hem VR hem de daha karmaşık deneysel tasarımlarda kullanışlıdır.

b) Gerçek Hayat Senaryosu:

Gerçek hayat senaryoları, laboratuvar ortamlarından daha zorlu koşullar içerir. Kontrollü hareket görevleri sırasında doğal kullanıcı davranışı sağlamak için ergonomik, kurulumu hızlı, kablosuz ve minimal invaziv sensörlere ihtiyaç duyarlar.

Bu senaryolarda bazı önemli faktörler şunlardır:

• Rahat yerleştirme: Deneklerin gerçek dünyadaki görevler sırasında doğal davranmalarını sağlamaya yardımcı olduğu için laboratuvar içi çalışmalardan daha da kritiktir.
• En hızlı kurulum süresi: Özellikle birden fazla katılımcının yer aldığı çalışmalarda veya zaman kısıtlamaları söz konusu olduğunda konfor ve verimliliği desteklemek için gereklidir.
• Kuru jellere veya sıvılara bağımlılığı ortadan kaldırarak farklı ortamlarda kullanılabilirliği artırır ve kurumadan kaynaklanan sinyal bozulmasını önler.
• Kablosuz: Doğal davranışı kısıtlamadan veya değiştirmeden harekete izin vermek için çok önemlidir.
• Veri yedekleme bellekleri: Kablosuz bağlantıların istikrarsız olduğu veya deneğin kayıt ekipmanından uzak durması gerektiği durumlarda veri bütünlüğünü korumak için önemlidir.
• Daha özel düzenler: Laboratuvar tabanlı araştırmalardan sonra, gerçek hayat çalışmaları, veri kalitesini kaybetmeden temel çalışma alanlarına odaklanan optimize edilmiş, kompakt sensör konfigürasyonlarından yararlanır.

Bu çerçevede, bundan faydalanabilecek bazı ilgili çalışma alanları şunlardır:

• Çevresel etki üzerine çalışmalar: İnsanların gerçek dünya ortamlarına (mimari, vitrinler veya müze düzenleri gibi) nasıl tepki verdiklerine ilişkin araştırmalar, gerçek tepkileri gözlemlemek için yüksek hareket özgürlüğü gerektirir.
• Eğitim ortamları; Ergonomik, kurulumu hızlı sistemlerin hem kullanılabilirliği hem de genç katılımcılar arasında kabul edilebilirliği artırdığı sınıflarda veya atölyelerde çocukların öğretim yöntemlerine verdikleri duygusal ve bilişsel tepkileri inceler.

c) Esnek Senaryolar:

Çok çeşitli sistem seçenekleri, araştırmacıların her çalışmanın ihtiyaçlarına göre uyarlanmış multimodal kurulumlar oluşturmasına olanak tanır. Senaryoya bağlı olarak (laboratuvar tabanlı veya gerçek hayat) doğru kombinasyonun seçilmesi, her bir sensörün güçlü yönlerinin ve sınırlamalarının dengelenmesini gerektirir. Farklı kullanım durumları için optimize edilmiş temel özellikleri vurgulamak için Bitbrain ve Tobii sistemlerinin bir karşılaştırma tablosu aşağıda verilmiştir:

5. Araştırma örnekleri

Tüm bu tür laboratuvarlar ve araştırma senaryoları son birkaç yılda büyük ölçüde artmıştır. Bu nedenle, Bitbrain ve Tobii Pro teknolojisi dünyanın dört bir yanındaki birçok farklı araştırmacı tarafından kullanılmaktadır.  

Aşağıda bazı ilginç örnekler bulabilirsiniz:

Gerçek hayat senaryosunda multimodal davranış analizi:

Bu çalışma 2020 yılında TECNALIA Araştırma ve İnovasyon‘a bağlı İnsan Faktörü ve Kullanıcı Deneyimi (HU&UX) laboratuvarı tarafından gerçekleştirilmiştir.

San Sebastián Denizcilik Müzesi’ndeki bir sergi üzerinde etki çalışması: Çalışma, müze yöneticilerinin gelecekte daha etkili sergiler tasarlamalarına yardımcı olmak amacıyla, bir serginin hangi unsurlarının ziyaretçileri en çok cezbettiğini belirlemeyi amaçlamıştır. Bunu başarmak için araştırmacılar, katılımcıların sergi alanında özgürce ve rahatça hareket etmelerini ve aynı zamanda metinler, resimler, videolar ve kokular gibi çeşitli uyaranlara karşı bilinçsiz tepkilerini yakalamalarını istedi.

HU&UX araştırma grubunun kullandığı cihazlar:

• EEG kaydı – Diadem EEG. 
• GSR ve BVP kaydı – Ring. 
• Göz izleme kaydı – Tobii Pro Gözlük 3 (kablosuz).
• İç Mekan Konumlandırma Sistemi – InTrack (ticari olarak mevcut değildir).

Multimodal kayıt SennsLab ile, veri analizi ise SennsCloud Platformu ve SennsMetrics ile gerçekleştirilmiştir.

Ekip, bu araçları kullanarak ziyaretçi tepkilerinin yaşa göre kategorize edilmiş kapsamlı bir bilişsel ve duygusal analizini gerçekleştirdi. Sergi tematik alanlara bölünerek araştırmacıların farklı uyaran türlerinin farklı bölümlerde halkı nasıl etkilediğini analiz etmelerine olanak sağladı.

Laboratuvar içi statik bir senaryoda multimodal davranış analizi:

Bu araştırma Tsinghua Üniversitesi‘ndeki araştırmacılar tarafından WCX SAE Dünya Kongresi Deneyimi için yapılmıştır.

Çok kaynaklı birleştirilmiş verilerle LightGMB’ye dayalı olarak sürücünün bilişsel durumlarının tespiti:

Günümüzde, sürücülerin araç kullanırken cep telefonu kullanmaları yaygındır ve bu da trafik kazalarına neden olabilecek bilişsel dikkat dağınıklığına yol açmaktadır. Sürücülerin bilişsel durumlarının incelenmesi, cep telefonu kullanımına bağlı olarak artan trafik kazalarının önlenmesi için çözümler geliştirilmesinde hayati önem taşımaktadır.

Bunu yapmak için araştırmacılar üç konuyu incelemeye odaklanmıştır:

1. Araç çalışma özellikleri ErgoLab yazılımı ile ölçülmüştür. Literatüre dayanarak, gerçek sürüşten veri toplamak ile simülatörde sürüş arasında önemli bir fark olmadığını tespit etmişlerdir. Bu nedenle, deney bir sürüş simülatörü olan CarSim 2016 üzerinde gerçekleştirilmiştir.
2. Görsel özellik, bu özelliğin incelenmesi için ekran tabanlı Tobii Pro Fusion cihazını kullandılar.
3. EEG, bunun için Versatile EEG 32 ch kullandılar.

LightGMB algoritması, ölçülen parametrelerin sürücünün bilişsel durumunu az ya da çok tespit etmeye yardımcı olup olmadığını genel olarak değerlendirmektedir.

Deney, simülatörde iki şeritli bir yolda araç kullanmaları sağlanan 20 ila 30 yaşları arasında herhangi bir patolojisi olmayan 8 katılımcı ile gerçekleştirilmiştir. Katılımcılar farklı seviyelerde bilişsel yük içeren üç farklı göreve tabi tutulmuşlardır:

Görev 1: Deneğin dikkati dağılmaz ve sürüşe odaklanır.

Görev 2: Denek telefonla aranır ve konuşmaya dayalı olduğu için fazla odaklanma gerektirmeyen bir dizi soru sorulur.

Görev 3: Son görev, sürücüye telefon edip ondan aritmetik hesaplamalar yapmasını istemekten oluşur ve bu da aşırı dikkat dağınıklığı durumunu içerir.

Bu multimodal çalışma, sürücülerin bilişsel ve görsel dikkat dağınıklığı seviyelerini değerlendirmek için çeşitli donanım sistemlerinden elde edilen verileri birleştirdi. Araştırmacılar araç dinamiklerini (direksiyon açısı ve yol eğimi gibi), göz izleme ölçümlerini (bakış hızı, sabitleme sıklığı ve göz bebeği genişlemesi gibi) ve EEG sinyallerini (özellikle alfa ve beta dalga aktivitesi) ölçerek sürücülerin farklı odaklanma durumları altındaki bilişsel yüklerini değerlendirebilmişlerdir. Bu araçlar birlikte, araştırmacıların farklı koşullar altında sürücülerin bilişsel durumlarını değerlendirmelerine ve en bilgilendirici parametreleri belirlemelerine olanak sağlamıştır.

Sonuç

İnsan davranışlarının incelenmesi, insan faktörleri, insan-makine etkileşimi ve sosyoloji gibi çeşitli disiplinlerde giderek daha fazla öne çıkmaktadır. Bu artan ilgi, araştırmacıların multimodal çalışmaların (insan tepkilerini daha derin ve bütünsel bir şekilde anlamak için EEG, GSR ve EKG gibi çeşitli biyolojik sinyalleri bir araya getiren yaklaşımlar) değerini vurgulamasına yol açmıştır.

Bu tür çalışmalar yürütülürken, hangi parametrelerin ölçüleceğini tanımlamak ve senkronize teknolojilerin doğru kombinasyonunu seçmek çok önemlidir. Ancak, seçilen donanım türü araştırma ortamına sınırlamalar getirebilir. Bazı ekipmanlar yalnızca kontrollü laboratuvar ortamlarında etkili bir şekilde çalışabilir, bu da teknik olarak avantajlı olsa da gerçek dünya koşullarını tam olarak yansıtmaz.

Bu kısıtlamalara rağmen, teknolojik gelişmeler bu çalışmaların nerede ve nasıl yapılabileceğinin sınırlarını zorlamaktadır. Yeni cihazlar, zorlu gerçek yaşam ortamlarında bile sinyal kalitesini koruyacak şekilde tasarlanarak araştırmacıların daha doğal senaryolardaki davranışları en az riskle keşfetmelerine olanak tanıyor.

Bu genel bakış, Tobii ve Bitbrain teknolojileri kullanılarak gerçekleştirilen multimodal çalışmaların başarılı örneklerini de ortaya koymaktadır. Bu örnekler, son yeniliklerin araştırmacıların insan davranışı çalışmalarına her zamankinden daha fazla gerçekçilik ve esneklikle yaklaşmalarına imkan verdiğini göstermektedir.

6. Referanslar

• https://www.bitbrain.com/blog/multimodal-research
• Yu, Z., & Wang, Z. (2020). Human Behavior Analysis: Sensing and Understanding. En Springer eBooks. https://doi.org/10.1007/978-981-15-2109-6 
• Mento, Mark A. May 5, 2020. This is How Eye Tracking Technology Works. Bitbrain. 
• Mento, Mark A. June 12, 2020. Different Kinds of Eye Tracking Devices. Bitbrain. 
• Bondi, Marisa. September 3, 2021. How to choose the right eye tracker for your research – the all-in-one guide. Tobii Blog. 
• Shure, Caitlin. February 12, 2021. What is EEG and what is it used for? Bitbrain.  
• Gil-López, Cristina. March 12, 2021. The procedure and Uses of EEG Test. Bitbrain. 
• Niso, G., Romero, E., Moreau, J. T., Araujo, A., & Krol, L. R. (2023). Wireless EEG: A survey of systems and studies. NeuroImage, 269, 119774. https://doi.org/10.1016/j.neuroimage.2022.119774  
• Bitbrain Team. July 14, 2020. The Wet EEG Cap & Differences Between Water-Based, Saline and Gel EEG caps. Bitbrain. 
• Minguez, Javier. May 12, 2020. How to Select a Dry-EEG Headset for your Research Application. Bitbrain.  
• Oliver, Andreu. June 29, 2020. EEG Synchronization With Other Biosensors (EEG, ECG, EMG, eye tracking, etc.), and Software. Bitbrain.  
• Multimodal research solutions – EEG and Biometrics. (s. f.). Tobii Blog. https://www.tobii.com/products/software/behavior-research-software/tobii-pro-lab/multimodal-research-solutions.  
• Olaizola, Borja. January 10, 2020. El “mapa caliente” de Elcano. El diario Vasco. 
  Li, J., Liu, Y., Ji, X., & Tao, S. (2022). Detection of driver’s cognitive states based on LightGBM with Multi-Source fused data. En SAE Technical Paper Series. https://doi.org/10.4271/2022-01-0066 
• Fernandez‐Lores, S., Crespo‐Tejero, N., Fernández‐Hernández, R., & García‐Muiña, F. E. (2024). Framing, risk perception and social health campaigns: A neuroscientific analysis. Journal of Consumer Behaviour, 23(1), 76–89. https://doi.org/10.1002/cb.2151
• Huang, J., Zhang, Q., Zhang, T., Wang, T., & Tao, D. (2024). Assessment of Drivers’ Mental Workload by Multimodal Measures during Auditory-Based Dual-Task Driving Scenarios. Sensors (Basel, Switzerland), 24(3), 1041. https://doi.org/10.3390/s24031041
• Apraiz, A., Lasa, G., Mazmela, M. et al. Evaluating the Effect of Speed and Acceleration on Human Factors during an Assembly Task in Human–Robot Interaction (HRI). Int J of Soc Robotics 17, 211–256 (2025). https://doi.org/10.1007/s12369-025-01224-7
• Qin, Xiaochun & Fang, Mengjie & Yang, Dongxiao & Wangari, Vicky. (2023). Quantitative evaluation of attraction intensity of highway landscape visual elements based on dynamic perception. Environmental Impact Assessment Review. 100. 107081. 10.1016/j.eiar.2023.107081.