基于模糊的传感器融合用于包括制造战略中的认知负载评估

科学领域:

• 人与计算机的交互
• 认知科学 认知科学
• 工业工程 工业工程 工业工程

背景情况:

• 制造业环境具有很高的认知需求,可能使神经多样性个体处于不利地位.
• 神经多样性工作者,特别是阅读障碍者,与标准的基于文本的指令作斗争,导致认知负载和错误增加.
• 包容性的工作场所设计对于支持所有员工的表现和福祉至关重要.

研究的目的:

• 开发和验证一种用于评估制造组装任务中的认知负载的方法,特别是用于支持阅读障碍的工人.
• 在模拟的阅读障碍情景中调查支持机制对认知负载和表现的影响.
• 为设计更具包容性的工业环境做出贡献.

主要方法:

• 开发了一个多层模糊逻辑框架,整合了生理数据 (心率,HRV,EDA,眼睛跟踪),环境数据和任务参数.
• 使用可穿戴传感器收集实时生理信号.
• 与18名神经类型参与者进行的一项受控实验室研究与对照组相比,模拟了带有和没有支持的阅读障碍情景.

主要成果:

• 在模拟的阅读障碍情景中,缺乏支持显著增加了认知负载,并在复杂的组装任务中降低了性能.
• 在更简单的任务中,对照参与者表现出更高的认知努力,这表明了潜在的过度补偿策略.
• 音频提示有效降低了认知负载,证明了有针对性的支持机制的有效性.

结论:

• 拟议的模糊逻辑框架可以有效地评估组装任务期间的认知负载,识别支持需求.
• 针对性的支持机制,如音频提示,对于减轻认知负载和提高制造业难读工人的表现至关重要.
• 这些发现支持在工业环境中发展包容性实践,促进神经多样性员工更好的绩效和福祉.