基于过程识别的认知性VDT监控作业绩效形成机理

为提高认知性VDT监控作业绩效,运用隐马尔可夫模型解析作业过程并分析绩效形成机理.构建认知性VDT监控作业HMM概念模型,运用E-prime设计实验任务,运行ErgoLAB实验平台采集被试绩效及眼动数据,训练HMM参数并进行可信性验证,使用Viterbi算法将观察序列解码为认知动素链,分析认知动素链特征与作业绩效之间的关系,探究绩效形成机理.结果表明,认知性VDT监控作业过程可以用认知动素链表征,作业者和任务的不同会导致认知动素链的差异;结构相同情况下,认知动素链越长作业绩效越差;长度相同情况下,认知动素链结构和动素类型的差异会影响作业绩效.

认知性VDT持续监控作业人因可靠性预测模型研究

为提高认知性视觉显示终端(VDT)持续监控作业系统的可靠性,需要有效预测和防范人因失误。基于N-back任务范式和持续操作测试(CPT)任务范式,设计并完成模拟认知性VDT持续监控作业的试验。根据试验数据分别对正确反应时、任务正确率等9个指标进行方差分析,构建三维度认知性VDT持续监控作业脑力负荷评估指标体系。训练BP神经网络,识别脑力负荷模式,建立认知性VDT持续监控作业人因可靠性评估模型。研究结果表明:通过正确反应时、心理努力、任务主观难度、注视时间、瞳孔直径、眨眼频率6个指标,对认知性VDT持续监控作业脑力负荷进行模式识别,其结果可信,且对实际作业干扰性小;用人因可靠性评估模型能有效预测人因失误。

认知性VDT持续监控作业绩效与脑力负荷的关系研究

目的认知性VDT持续监控作业已成为当今社会的主要劳动模式,研究作业过程中人的绩效与脑力负荷之间的关系,提高作业系统绩效。方法结合N-back任务范式和CPT任务范式,设计两因素控制模式,模拟认知性VDT持续监控作业,30名被试接受模拟作业。结果基于时间持续的"累积性脑力负荷"对作业绩效的影响大于基于信息处理量的"绝对脑力负荷"对作业绩效的影响。结论相对于作业任务的优化设计,作业制度的合理安排对认知性VDT持续监控作业绩效的提高更加有效。

基于结构方程模型的认知性VDT作业过程解析

为实现通过过程控制和管理提高认知性视觉显示终端(VDT)作业人员可靠性和绩效的目标,应用结构方程模型(SEM)研究作业过程表征方法。构建认知性VDT作业的信息加工过程模型,抽取13个基本认知动素(CT),提出CT概念结构模型假设,设计外显指标测试题项,运用问卷调查样本数据构建结构方程和测量方程;对测量数据与结构方程模型的拟合度进行分析,并训练BP神经网络模式识别模型对作业过程进行还原检验。结果表明:认知性VDT作业过程模型有效,元认知控制其他12个CT的结构关系成立,认知性VDT作业过程可由包括元认知在内的13个基本CT解析。

认知性VDT持续监控作业人因可靠性动态预测方法

结合N-back任务范式和持续操作测试(CPT)任务范式,设计出模拟认知性VDT持续监控作业的实验.根据实验数据:分别对脑力负荷评估指标体系中的6个评估指标在20个作业时间段的均值进行方差分析,差异显著;训练非线性自回归神经网络模型(NAR),对不同作业时间段脑力负荷在评估指标上发生的变化进行动态预测;再结合认知性VDT持续监控作业人因可靠性评估模型对人因可靠性概率进行预测.研究结果表明:该方法可动态预测不同时间段作业者的人因可靠性,实现认知性VDT持续监控作业任务的动态分配,提高系统可靠性.