XiaoMi-AI文件搜索系统
World File Search System工作负荷
用于评估制造操作中人体系统设计中的心理工作负荷资源的理论框架
我在此建议接受由 Sharon Claxton Bommer 指导准备的论文《用于评估制造运营的人体系统设计中的心理工作量资源的理论框架》，以部分满足工程哲学博士学位的要求。
利用双频头部图来索引模拟空中交通管制任务期间的心理工作负荷
在我们的数字化社会中，先进的信息和通信技术以及高度互动的工作环境对认知能力提出了很高的要求。最佳工作负荷条件对于确保员工的健康和他人的安全非常重要。这对于安全至关重要的职业尤其重要，例如空中交通管制。为了使用 EEG 测量心理工作负荷，我们开发了双频头部图 (DFHM) 方法。该方法已在实验室条件下进行了测试和验证。但是，仍然需要在现实环境和真实世界场景下验证该方法的可靠性和结果的可重复性。在我们的研究中，我们在到达管理任务期间检查了 21 名空中交通管制员。通过模拟不同数量的飞机场景和将优先飞行请求的发生作为例外事件来实现心理工作负荷的变化。使用基于 EEG 的 DFHM 工作量指数和即时自我评估问卷评估工作量。DFHM 工作量指数的结果稳定，在具有类似交通负荷条件的场景之间具有高度显著的相关性（r 在 0.671 和 0.809 之间，p ≤ 0.001）。对于报告他们在不同场景之间经历工作量变化的受试者，DFHM 工作量指数在交通负荷水平和优先飞行请求条件之间产生了显著差异。对于未报告在场景之间经历工作量变化的受试者，DFHM 工作量指数未产生任何因素的显著差异。我们目前得出结论，DFHM 工作量指数显示出在实验室外应用的潜力，并且无需针对新主题或新任务对分类器进行再训练即可产生稳定的结果。
使用物联网设备通过传感器监测员工的心理负荷：调查管理者的期望和担忧
尽管对心理工作负荷的客观评估一直是人为因素研究的重点，但很少有研究调查利益相关者对其在实际工作场所实施的态度。本研究通过调查三个欧洲国家（德国、英国、西班牙）的 702 名管理人员，了解他们对基于传感器的员工心理工作负荷监测的期望和担忧，解决了这一研究空白。数据证实了对工作场所设计和员工福祉改善的期望，以及对员工隐私和主权限制的担忧，对于实施工作负荷监测的相关性。此外，贝叶斯回归模型表明，所考察的期望与管理者支持公司工作负荷监测的意愿呈显著的正相关。隐私问题被认为是接受工作负荷监测的重大障碍，无论是从管理者中的普遍性还是与监测支持之间的强烈负相关来看。
使用物联网设备通过传感器监测员工的心理负荷：调查管理者的期望和担忧
尽管对心理工作负荷的客观评估一直是人为因素研究的重点，但很少有研究调查利益相关者对其在实际工作场所实施的态度。本研究通过调查三个欧洲国家（德国、英国、西班牙）的 702 名管理人员，了解他们对基于传感器的员工心理工作负荷监测的期望和担忧，解决了这一研究空白。数据证实了对工作场所设计和员工福祉改善的期望，以及对员工隐私和主权限制的担忧，对于实施工作负荷监测的相关性。此外，贝叶斯回归模型表明，所考察的期望与管理者支持公司工作负荷监测的意愿呈显著的正相关。隐私问题被认为是接受工作负荷监测的重大障碍，无论是从管理者中的普遍性还是与监测支持之间的强烈负相关来看。
心理负荷评估及其对中产阶级的影响...
本章旨在了解心理工作负荷水平及其对制造企业中高级管理人员的影响。本章旨在了解心理工作负荷水平与性别、年龄范围、婚姻状况、子女数量、工作年限和每周工作时间的关系。方法方面，采用了 NASA-TLX 方法。该方法从心理需求、身体需求、时间需求、努力、绩效和挫折水平六个维度来衡量心理工作负荷。数据是通过在线问卷收集的。结果表明，一些维度对心理工作负荷的贡献按以下顺序递减：心理需求、时间需求、努力、绩效、挫折水平和身体需求。同样，心理工作负荷水平的结果从 55.73 到 64.10 不等。然而，性别、年龄范围、婚姻状况、子女数量、工作年限、每周工作时长和心理负荷水平之间没有明确的关系。最后，员工表现出的心理负荷主要源于压力、心理疲劳和头痛。
脑力负荷 - INSST
在现实工作中，我们不会找到纯粹的体力工作或纯粹的脑力工作，但在任何类型的活动中，这两个方面都会存在。然而，从理论的角度来看，我们将根据占主导地位的活动类型来区分体力工作和脑力工作。也就是说，当所进行的活动主要是体力活动时，我们将谈论体力或肌肉工作，因此称为“体力工作负荷”，而相反，当活动涉及更大的智力努力时，我们将谈论工作精神上的，因此，“精神工作负荷”。
远程办公类任务期间心理负荷的非接触式生理评估
摘要。人类生理参数已被证明是可靠且客观的用户心理状态指标，例如心理工作负荷。然而，评估生理参数的标准方法通常具有一定程度的侵入性。这在很大程度上证明了监测工人对改善其工作条件的重要性。采用非接触式方法来估计工人的生理参数将非常合适，因为它不会干扰工人的工作活动和舒适度。此外，它非常适合远程办公环境。在本文中，参与者在处理算术任务时录制了面部视频，目的是 1) 评估通过面部视频分析估计心率 (HR) 的可能性，以及 2) 评估他们在不同实验条件下的心理工作负荷。还通过上一代智能手表估计了 HR。结果表明，通过非接触式技术和智能手表估计的 HR 没有差异，以及如何通过采用所提出的方法区分两种心理工作负荷水平。
通过深度学习框架中的转移动态自动编码器进行基于生理信号的心理工作负荷估计
通过神经生理信号评估人机系统中操作员的心理工作负荷 (MW) 对于防止操作员性能不可预测的下降至关重要。 然而，生理信号的特征与之前时间步骤的历史值相关，并且其统计特性因个体和心理任务类型而异。 在本研究中，我们提出了一种新的转移动态自动编码器 (TDAE) 来捕捉脑电图 (EEG) 特征的动态特性和个体差异。 TDAE 由三个连续连接的模块组成，称为特征过滤器、抽象过滤器和转移 MW 分类器。 特征和抽象过滤器引入动态深度网络，将相邻时间步骤的 EEG 特征抽象为显着的 MW 指标。 转移 MW 分类器利用在情绪刺激下记录的源域 EEG 数据库中的大量 EEG 数据来提高模型训练稳定性。 我们在两个目标 EEG 数据库上测试了我们的算法。分类性能表明 TDAE 明显优于现有的浅层和深层 MW 分类模型。我们还研究了如何选择 TDAE 超参数，并发现通过适当的过滤顺序可以实现其准确性优势。© 2019 Elsevier B.V. 保留所有权利。
利用脑电信号识别座舱内飞行员心理负荷
摘要：商用飞机驾驶舱是一个自然的多任务工作环境，其中经常以各种形式出现中断，在许多情况下导致航空事故报告。自动表征飞行员的工作负荷对于防止此类事故至关重要。此外，尽可能最小化生理传感器网络仍然是一项挑战和要求。脑电图 (EEG) 信号与特定的认知和心理状态（例如工作负荷）显示出高度相关性。但是，文献中没有足够的证据来验证模型在新的受试者执行与模型训练期间的工作负荷相似的任务的情况下的泛化能力。在本文中，我们提出了一个卷积神经网络，用于在连续性能任务测试中对不同心理负荷的 EEG 特征进行分类，该测试部分测量工作记忆和工作记忆容量。我们的模型在一般人群层面有效，并且能够将任务学习转移到模拟作战环境中的飞行员心理工作量识别。