本文致力于研究人为因素的系统性问题，这些问题与人机交互的认知方面有关。数学建模的快速发展产生了动态运输系统在困难条件下运行的安全、控制和预测系统性问题。潜在矛盾的积累和跨学科冲突是教育和科学问题系统复杂性的主要原因，这增加了人为因素的重要性。这项工作的主要目标是进一步发展一种在跨学科基础上研究人为因素安全问题的收敛方法。系统安全问题和人为因素表现的关键原因是自组织临界性，其在信息传输线中的表现导致各种性质的分形信号的非线性和不稳定性。这项工作建立了一个人的过渡功能状态与其认知活动的个性之间的联系。提出了一种工具包，用于识别信息传输媒体中引起的空间和时间不均匀性，这种不均匀性会在不同尺度上产生隐藏的时空关系。这些互连由各种性质的分形和多重分形信号的认知图形图像的个性决定。创建各种性质的分形和多重分形信号动态结构的认知图形图像知识库将允许找到大脑和计算机单独无法获得的解决方案。跨学科收敛方法及其工具在人类操作员的电生理信号中的应用展示了优势和新的可能性。特别是揭示了决定困难条件下人为因素表现的隐藏时空关系。正在讨论收敛方法对操作员（飞行员、调度员等）的培训和预测活动的创新潜力。关键词：人为因素；人机交互；认知工效学；认知图形；系统动力学；收敛方法；3D建模。