使用自适应系统进行压力作业训练：概念方法和应用 Tor Finseth、Michael Dorneich、Nir Keren、Warren Franke 和 Stephen Vardeman 爱荷华州立大学 爱荷华州艾姆斯 tfinseth@iastate.edu、dorneich@iastate.edu、nir@iastate.edu、wfranke@iastate.edu、vardeman@iastate.edu 摘要 训练系统是一种潜在的压力对策，它可以在安全可控的环境中模拟高压力条件。训练通常需要随着时间的推移增加场景的复杂性，直到受训者能够可靠地执行任务。然而，在现场感受到强烈的急性压力时，一些限制会降低训练的长期保留和稳健性。这些限制包括不适合个人的通用培训​​实践、自我报告的主观压力不可靠、过度训练的技能不灵活且对新压力源不具有鲁棒性、培训教学法过于注重任务熟练程度而不是个人在执行任务时如何管理压力，以及培训师何时应增加/减少培训难度的模糊性。自适应系统被提议作为培训个人以保持任务绩效的补充。自适应系统是一种人机联合系统，能够不同程度地自动化功能/任务以帮助用户，通常无需明确指示。在压力任务的培训背景下，自适应系统可以使用生理传感器和机器学习来检测和监控压力，并使用这些信息来修改场景以提供个性化培训。这样就可以练习应对技能，而不会让受训者的压力承受力过大或刺激不足，根据任务执行和生理压力的熟练程度调整训练，并为何时增加/减少训练难度提供明确的基准。当与模拟训练环境相结合时，自适应系统可以通过改变任务程序和隐性改变任务环境来调整训练，以帮助用户建立对新压力源的适应力。本文介绍了使用自适应系统训练压力操作的概念方法和应用。本文介绍了一个通用的自适应压力训练系统框架，以及基于航天领域的实验示例的建议，用于在虚拟现实国际空间站中训练紧急消防程序。关于作者 Tor Finseth 博士在爱荷华州立大学获得航空航天工程和人机交互博士学位。他的研究兴趣包括在职业培训和先进技术（如虚拟现实、时间序列机器学习、压力检测、自适应系统）背景下研究人类压力反应。Michael Dorneich 博士是爱荷华州立大学工业和制造系统工程系的副教授。具体的研究和应用领域包括人为因素、认知工程、自适应自动化和自适应界面、分布式系统、交互式学习环境和决策支持系统。Nir ​​Keren 博士是爱荷华州立大学虚拟现实应用中心的职业安全副教授和研究生教师。他开发了虚拟现实环境来研究关键任务职业员工在压力下的表现。Warren Franke 博士是爱荷华州立大学运动机能学系的教授。他的专业领域是心血管生理学，他的研究兴趣集中在应急响应人员的健康风险上。Stephen Vardeman 博士是爱荷华州立大学工业与制造系统工程系和统计学系的教授。他的专业领域是统计机器学习和工程分析。