认知负荷的综合评估

第三章　认知负荷的综合评估

传统的认知负荷测评方法主要有主观评估、绩效测量和生理测量三大类。主观评估根据操作者的评判来评估认知负荷，包括个体知觉到的心理努力、任务主观难度等方面。绩效测量通过考查操作者的绩效来评估特定作业的认知负荷要求，可以进一步分为主任务测量和次任务测量两种。包括主任务准确率、反应时、次任务反应时变化等指标。生理测量通过对眼活动相关指标测量(如注视次数、注视时间、瞳孔直径等)、脑活动相关指标测量(如事件相关电位)和心脏活动相关指标测量(如心率变异)等来评估认知负荷。这三类测评方法各有优点和局限性。一般认为，不同测评方法分别适用于不同的情境、不同的负荷水平范围。因此，利用多种测评方法对认知负荷作综合评估，以替代基于单一方法或指标的评估是比较合理的选择。运用多维度评估指标对认知负荷进行综合评估，关键在于如何确定不同评估指标在综合评估指数中的加权系数大小。传统的方法主要有因素分析方法。利用因素分析方法，其基本目的就是用少数几个综合指标(公共因素)来描述多个指标之间的联系，即将不同认知负荷测评方法得到的多个评估指标，通过因素分析归并成一个或几个综合指标，然后计算每个操作者在综合指标上的得分。综合指标得分，即多个评估指标的加权之和，可以作为操作者的认知负荷水平指标^[1][2]。因素分析是一种处理指标之间呈线性关系时较理想的方法，但任务绩效指标、主观评估指标和生理测量指标与认知负荷之间的关系不一定是简单的线性关系。因而利用因素分析会存在一定的局限性。我们还需要寻求一种能处理指标之间呈非线性关系时的建模方法。最近几十年发展起来的人工神经网络建模技术就是其中较为理想的一种。本研究的目的，就是基于前一部分实验获得的单维度评估指标，运用因素分析和神经网络建模技术，分别对多任务作业中的认知负荷进行综合评估，并进行综合评估方法与单维测评方法以及综合评估方法之间的比较研究，从中优选出多任务作业中认知负荷的综合评估方法。