机构名称：
¥ 1.0
背景。操作飞机是多维且复杂的。飞行员必须“飞行、导航、通信”——保持空中飞行、管理飞机航线并与空中交通管制部门通话。为了方便完成这些任务，驾驶舱引入了自动化（Billings，1997 年）。当这种自动化发生故障时，后果充其量是令人讨厌的，最坏的情况是危及生命（Endsley & Kiris，1995 年）。自动化中的错误可能会令人惊讶和分心，从而导致自动化意外（Boer & Dekker，2017 年）。这些可能会导致飞行员感到困惑，进而导致人为错误，这是航空事故的主要原因（Lyssakov，2019 年）。识别这种混淆及其原因可能会改善人机交互 (Dehais 等人，2015)。在之前的一项研究中 (Krol 等人，2018)，我们表明可以通过脑电图 (EEG；Berger，1929) 记录飞行员对飞行相关事件的认知反应，使用被动脑机接口 (pBCI；Zander & Kothe，2011) 确定不同级别的事件关键性并实时将解释报告回驾驶舱。此程序可用于使驾驶舱适应飞行员的认知，从而形成神经自适应驾驶舱 (Krol 等人，即将出版)。在本研究中，我们开发了一个更具体的分类器，可以可靠地检测飞行员对意外和/或错误的飞行相关事件的认知反应，这些事件对于持续操作飞机至关重要。方法。记录了 13 名试飞员（均为男性）的脑电图活动和眼球运动，年龄 44-62 岁（平均 54 岁），飞行经验 7210 ± 4809 小时。我们在两部分实验中使用了 32 通道移动无线脑电图系统 1 和双目眼球追踪眼镜 2。在第一部分中，参与的飞行员进行了 10 个新设计的训练范例。我们打算针对意外事件（S 分类器）、错误事件（E 分类器）以及意外和错误事件（AS 分类器）校准不同的分类器，以对应可能的自动化意外。因此，我们设计了一种训练范式组合，即交互奇特范式。该范式由 2 个独立部分组成，分类器在结果数据的不同部分上进行训练。为了唤起与意外和/或错误相对应的认知状态，我们模拟了一个计算机程序，需要教它何时计数音调以及何时忽略它。在 10 个块中的每个块中呈现 50 个音调序列。每个音调可以是标准音调（概率 70%-80%）、非目标音调（概率 10%-15%）或目标音调（概率 10%-15%）。这代表了一个标准的奇特范例（Friedman 等人，2001 年）。研究发现，目标音调会引起参与者的惊讶（Squires 等人，1975 年）。指示参与者在每个音调之后口头说明它是目标音调（“是”）还是不是目标音调（“否”）。然后计算机给出声音反馈：“计数”或“忽略”。由于语音识别是（参与者不知道）模拟的，因此反馈与参与者的评估无关。这使我们能够控制反馈中发生的错误数量。在前 7 个区块中，不一致反馈的概率为 14%-18%，即计算机在“是”后回答“忽略”，或在“否”后回答“计数”。这对应于罕见的、令人惊讶的错误。在最后 3 个区块中，不一致概率为 38-40%，对应于频繁的错误。
神经适应驾驶舱中的自动化惊喜
主要关键词
相关文件推荐
