机构名称：
¥ 1.0
研究提出了基于感知的认知工作量评估方法，以帮助 VR 开发人员和用户在使用 VR 应用程序时测量他们的工作量。基于生物传感器测量工作量的方法已经取得了显著进展，而基于主观方法的评估仍然依赖于标准问卷，例如 NASA-TLX 表、主观工作量评估技术和改良的 Cooper Harper 量表。预定义的问题使操作员能够比使用生物反馈更轻松地进行实验和分析数据。然而，由于用户之间未察觉的内部变化和未知因素，主观评估过程可能会使结果产生偏差。因此，有必要有一种方法来处理和分析这种不确定性。我们建议使用按与理想解决方案的相似性排序性能技术 (TOPSIS) 模型来分析 NASA-TLX 表以测量整体用户工作量，而不是使用经典的加权总和法。为了展示 TOPSIS 方法的优势，我们进行了用户实验来验证该方法及其在 VR 中的应用，同时考虑了包括 VR 平台和场景密度在内的因素。测试了三种不同的加权方法，包括模糊逻辑中的模糊层次分析法 (AHP)、基于成对比较的经典加权法和均匀加权法，以了解 TOPSIS 模型的适用性。TOPSIS 的结果一致
使用 TOPSIS 模型增强 3D 沉浸式环境中的认知负荷评估
主要关键词
相关文件推荐
