XiaoMi-AI文件搜索系统
World File Search SystemHFES
学生章节手册
组织学生分会成员招募 要启动学生分会，您必须至少有 15 名有兴趣加入该分会的学生。这些学生中至少有三名必须是 HFES 的学生附属会员。尝试从校园内的各种课程招募学生，例如工业工程、工程心理学、认知科学、工业/组织心理学、职业疗法、生理学、健康和表现等。获得教师顾问 学生分会必须有一名是 HFES 正式会员的教师顾问。此人将为分会活动的开展提供指导，并帮助监督与分会活动相关的支出。学院/大学许可 要获得成为学生分会的资格，您必须从您的主办学院或大学获得一封信，说明拟议的学生分会有权组织。制定章程和细则 学生分会的章程是学生分会宗旨和隶属关系的一般性陈述。（示例见附录 B。）细则包括分会名称、会员要求、官员描述和职责、政府和会议指南的详细信息。（示例见附录 B。）章程和细则的最后一页必须包括批准章程和细则的会员的签名、他们所代表的会员百分比以及批准日期。
评估准备情况的系统方法...
正在开发和采购过程中的系统在接近国家空域系统的实施时，必须表现出越来越高的成熟度和安全性。必须完成多项必需的活动，以证明系统在实施前的“准备就绪”或成熟程度。这包括解决有关用户参与和操作准备的问题，例如：如何应对人机集成挑战？如何在整个开发生命周期中捕捉人类表现的差异？2021 年 9 月，美国国家标准协会 (ANSI) 和人因与人体工程学学会 (HFES) 发布了人类准备水平 (HRL) 量表，即 ANSI/HFES 标准 400-2021，“系统开发过程中的人类准备水平量表”。HRL 量表用于评估、跟踪和传达系统对人类使用的准备情况。它旨在补充美国国家航空航天局 (NASA) 开发的现有技术准备水平 (TRL) 量表，该量表用于衡量和传达技术的成熟度。本研究提供了一种方法，可根据现有的研究、采购和系统开发流程定制 HRL 量表。它还确定了将现有人为因素工作活动和输出数据与 HRL 量表相结合的具体机会。结果可以为使用 HRL 量表作为现有流程的增强而不改变现有流程提供基础。根据所审查的文献，自 2021 年 9 月量表编纂以来，联邦航空管理局 (FAA) 是世界上第一个在此背景下推进使用 HRL 的民航局 (CAA)。
人机协作 (HART) 技术组
HART TG 关注的主题包括三个要素：（a）以人为本，（b）包括人工智能或机器人，或两者兼而有之——人工智能大致代表软件和算法，而机器人代表物理体现的人工智能代理；（c）涉及团队合作——人机交互和协作旨在实现共同目标。尽管如此，HART TG 也会考虑相关主题和论文提交。同时，一些包含这三个要素的工作也可能适合另一个具有特定重点的 TG，作者可以选择将哪个 TG 提交作为 HFES 年度会议的主要和次要领域。具体感兴趣的领域包括但不限于以下内容：
唐纳德·诺曼简历 | JND.org
米沙·布莱克爵士奖章，以表彰他对设计教育的杰出贡献。1821 年展览皇家委员会，英国伦敦。2021 年 10 月，印度拉贾斯坦邦斋浦尔 JK Lakshmipat 大学设计学院颁发的设计大师奖。2020 年。获奖者：人因工程学学会 (HFES) 颁发的 Arnold Small 总统杰出服务奖。2016 年。2011 年当选为美国国家工程院院士。被《彭博商业周刊》评为“全球最具影响力的设计师”之一（2010 年 2 月）韩国大田韩国科学技术院 (KAIST) 工业设计系杰出客座教授。2009 – 2011 年。本杰明·富兰克林计算机与认知科学奖章。宾夕法尼亚州费城富兰克林研究所。 2006. 因在应用实验和工程心理学领域做出的杰出贡献而获得 2005 年度 Franklin V. Taylor 奖。来自美国心理学会第 21 分部。2005. 院士：美国艺术与科学学院、美国心理学会、美国心理学会、计算机协会 (ACM)、认知科学学会、设计研究学会、人为因素和人体工程学学会 (HFES)。名誉院士：技术交流学会 (1996)、设计研究学会 (2009) 美国心理学会主席表彰，2001 年 8 月终身成就奖。CHI，2002 年。（CHI 是 ACM（计算机协会）的人机交互特别兴趣小组）。心理健康奖，商业类。《今日心理学》。 2002 年。被评为“精英 100”之一：Upside 杂志，1999 年。因“对用户文档领域的杰出终身贡献”而获得 Rigo 奖，文档特别兴趣小组 (SIGDOC)：2001 年 10 月。曾任职务
工程心理学 | ROAM
本书是为特定读者群编写的：目前可能不是心理学专业的本科生，但需要了解这一主题才能在职业生涯中取得进步。本书以简单的方式呈现主题，省略了许多支持这些主题的研究细节，以简化本书并使其更容易理解。在撰写本书时，所有链接均有效。如果您发现链接无效，请告诉我。您可以在宾夕法尼亚州立大学或 LinkedIn 上找到我。如果读者希望深入研究这些主题，我推荐任何一本关于人为因素/工程心理学的教科书、下面引用的教科书或引用的原始文献。最后，我敦促读者加入人为因素和人体工程学协会，以了解有关这个有趣领域的更多信息：www.hfes.org。
移动目标——人机交互的演变
HCI 通常被狭义地用来指代某一学科的工作。我将其定义得非常广泛，涵盖了四个学科的主要研究线索：人为因素、信息系统、计算机科学和图书馆与信息科学。稍后，我将讨论简单术语的使用差异如何使探索文献变得困难。在这里，我将解释我对主要学科标签的使用。CHI（计算机-人机交互）的关注点比 HCI 更窄；CHI 主要与计算机科学、计算机协会特别兴趣小组 (ACM SIGCHI) 以及后者的年度 CHI 会议相关。我交替使用人为因素和人体工程学，并将该学科称为 HF&E。 （有些作者将人体工程学定义得更狭隘，只限于硬件。）1992 年，人类因素学会 (HFS) 更名为人类因素与人体工程学学会 (HFES)。IS（信息系统）是指管理学科，也被称为数据处理 (DP) 和管理信息系统 (MIS)。我按照通常的说法将组织信息系统专家称为 IT 专业人员或 IT 专业人士。LIS（图书馆和信息科学）代表了一个旧领域，具有新的数字化身，包括重要的 HCI 研究。在采用 IS 的情况下，我不会缩写信息科学，该学科通常简称为“信息”，如“信息学院”或“信息学院”。
英国石油公司德克萨斯城和雪佛龙里士满事故
尽管石油行业在提高安全性方面做出了努力，但严重事故发生率仍然很高，许多事故涉及人为失误事件 (HFE)，这些事件可以通过人为可靠性分析 (HRA) 进行识别、建模和量化。石油行业通常通过关注技术障碍来分析过程安全性，因此可以从 HRA 中受益。Phoenix 方法是一种 HRA 方法，它使用人为响应模型并将机组故障模式 (CFM) 与性能影响因素 (PIF) 联系起来。基于 Phoenix CFM 和 PIF，本文分析了两起炼油厂事故，即 BP 德克萨斯城 (2005) 和雪佛龙里士满 (2012)。分析包括构建事故时间表；识别 HFE 并将其分配给适当的 CFM；最后分析 PIF。分析有助于更好地了解操作员如何应对过程的异常情况，以及他们采取这些行动的原因，调查人为错误对事故的影响。评估人为错误在这些事故中所起的作用，有助于理解事故发生的原因，也是避免将来再次发生同样事件的关键信息。此外，还讨论和评估了主要基于核电站运营开发的 Phoenix HRA 在炼油厂运营场景中的应用特点和局限性。本文对调查人为错误对石油工业事故的潜在影响的价值提供了见解。