在复杂的人机交互过程中对心理工作负荷的持续评估:从操作者外部的信号推断认知状态

科学领域:

• 人与计算机的交互
• 认知科学 认知科学
• 航空航天工程 航空航天工程

背景情况:

• 复杂的人机界面 (HMI) 在工业和个人环境中越来越普遍.
• 监测心理工作负载 (MWL) 对于防止HMI操作员的认知过载,疲劳和事故至关重要.
• 专业的直升机飞行员在飞行过程中面临着重大的认知需求.

研究的目的:

• 提出和验证数据驱动的方法,以持续估计直升机飞行员的MWL.
• 为了比较生理与操作参数的预测能力,用于MWL估计.
• 探索用于实时MWL监控的智能系统的开发.

主要方法:

• 开发一种基于生理和操作数据进行训练的新型机器学习模型.
• 使用现实的模拟飞行场景来收集数据.
• 使用ROC AUC,F1得分和PR AUC等指标评估模型性能.

主要成果:

• 机器学习模型在MWL估计方面取得了强的表现 (ROC AUC 0.836,F1 0.842,PR AUC 0.820).
• 与生理信号相比,操作参数显示MWL的预测能力优于生理信号.
• 该研究强调了运营数据在评估飞行员认知负载方面的有效性.

结论:

• 拟议的数据驱动方法可以在HMI操作员中进行连续和准确的MWL估计.
• 在这种情况下,运营数据比生理指标更重要,用于预测MWL.
• 这些发现支持开发智能系统,用于航空和其他HMI密集型领域的实时认知负载监控.