Gennem denne afhandling få skridt er blevet taget mod augmenterede kognition I relation til computerspil. Et eksperiment var udført hvor 31 personer spillede Super Mario mens deres Electroencephalogram og eye-tracking blev optaget.
22 forskellige spil begivenheder var fundet gennem analyse af spillet. Hver af disse fik relateret 3 sekunders fra hver af de optaget signaler. Hver persons dataset var set igennem for støj og fejl i signalet. Det ledte til en eksklusion af 18 ud af 31 testpersoner og 18 ud af 22 spil begivenheder. Gennem brugen af Independent Component Analysis blev signifikante elementer af EEG og eye-tracking optagelserne fundet og givet til et Artificial Neural Network (ANN), hvilket er lavet ved hjælp af Encog biblioteket.
resultaterne fra det neurale netværk var signifikante. De var målt i ” accuracy” og analysere gennem ANOVA og Kruskal–Wallis ANOVA test. Der var signifikant forskel mellem det testede data fra EEG kanalerne i relation til alle spil begivenhederne (middelværdi 57.94% - 67.30%) den samme tendens gør sig gældende i relation to eye-tracking kanalerne, men kun i forhold til to af spil begivenhederne (middelværdi 57.78% -69.48%). Den samlede middel accuracy i forhold til diverse spil begivenheder basseret på EEG kanalerne viste ligeledes signifikant forskelle (middelværdi 59.27% - 65.97%). Den samlede middel accuracy basseret på eye-tracking viste den samme signifikante forskel (middelværdi 59.31% - 66.84%). Trods disse resultater er lovende kan de ikke måle sig med andre electroencephalogram identificerings studier. Det kan være grundet i at dataen kan være svære at genkende sammenlignet med den data studierne bruger, samt strukturen på det neurale netværk. Det er dog hensigten at optimere denne yderligere. For at konkludere denne tese så er det muligt at identificere psykefysiologiske mønstre relateret til spil begivenheder gennem en Artificial Neural Network.