使用多个相似度指标识别相似的视觉扫描路径的分类框架

科学领域:

• 人与计算机的交互
• 认知科学 认知科学
• 人类因素工程 人类因素工程

背景情况:

• 视觉扫描路径,眼睛固定和摇摆的序列,对于理解操作员决策至关重要.
• 现有的方法,如字符串编辑相似性和雅卡尔系数分析共享兴趣领域 (AOI) 或他们的检查顺序.
• 仅使用一个指标可能不足以识别具有行为变异的类似视觉扫描路径.

研究的目的:

• 引入和评估视觉扫描路径的新型分类框架.
• 通过结合多个相似度指标来增强操作员视觉搜索行为的分析.
• 与传统方法相比,提供视觉扫描路径的更丰富,更有意义的分类.

主要方法:

• 开发了一个分类框架,整合了字符串编辑算法和雅卡德系数相似性.
• 应用该框架来分析九个空中交通塔控制器的视觉扫描路径.
• 在模拟过程中在高保真模拟器中收集的数据.
• 准备起飞的空中飞行员.
• 清除场景. 清除场景. 清除场景.

主要成果:

• 结合的框架产生了视觉扫描路径的更丰富,更有意义的分类.
• 与单独使用字符串编辑算法或Jaccard系数相比,新方法显示出更高的性能.
• 在控制器中识别了视觉扫描行为的细微差别.

结论:

• 综合相似度指标框架为视觉扫描路径提供了更全面的分析.
• 这种方法可以提高对操作员在复杂环境中的视觉搜索策略的理解.
• 这些发现对培训,接口设计和空中交通管制等领域的绩效评估有影响.