XiaoMi-AI文件搜索系统
World File Search System眼动
飞机驾驶舱的神经人体工程学：眼动追踪集成的四个阶段以提高飞行安全性
摘要：商业航空是目前最安全的交通方式之一；然而，人为失误仍然是航空事故和事件的主要原因之一。进一步提高飞行安全性的一个有希望的途径是神经人体工程学，这是一种神经科学、认知工程和人为因素交叉的方法，旨在创造更好的人机交互。眼动追踪技术允许用户通过深入了解飞行员的注意力分布和潜在的决策过程来“监控监控”。在本立场文件中，我们确定并定义了一个由四个阶段组成的框架，逐步将眼动追踪系统集成到现代驾驶舱中。第一阶段涉及地面飞行员培训和飞行性能分析；第二阶段提出将机载凝视记录作为“黑匣子”记录器的额外数据；第三阶段描述了基于凝视的驾驶舱适应，包括警告和警报系统，最终，第四阶段预言了基于凝视的飞机适应，包括飞机接管权力。我们通过描述我们本可以通过眼动追踪避免的事件或事故来说明这四个步骤的潜力。还提出了每个阶段集成的预计里程碑以及一些实施限制的列表。我们相信，该领域的研究机构和工业参与者都将受益于将眼动追踪系统框架集成到驾驶舱中。
利用脑电图、脑回波和眼动追踪技术对不同任务负荷的影响进行多模式研究
摘要。目的。通过同时收集多模态生理数据和参与者反应数据来研究任务负荷对表现的影响。同时还获得了对问卷的定期响应。目标是确定最能作为任务表现预测指标的模态组合。方法。一组参与者执行了一项基于计算机的视觉搜索任务，模仿邮政编码分类。必须将一个五位数字分配给六个不同的不重叠数字范围之一。试验以逐步增加任务难度的块形式呈现。同时收集参与者的反应以及 32 个通道的脑电图 (EEG) 数据、眼动追踪数据和皮肤电反应 (GSR) 数据。在实验的离散时间点使用 NASA 任务负荷指数自我报告工具。主要结果。随着认知任务负荷的增加，低 β 频率 EEG 波 (12.5-18 Hz) 更加突出，其中大部分活动发生在额叶和顶叶区域。同时还伴随着更频繁的眨眼和瞳孔扩张。眨眼持续时间与任务表现密切相关。GSR 信号的相位成分与认知工作负荷有关，而紧张成分则表示更普遍的唤醒状态。参与者报告的主观数据 (NASA TLX) 显示挫折感和心理工作负荷增加。基于单因素方差分析，EEG 和 GSR 与感知工作负荷水平提供了最可靠的相关性，并且是绩效预测最具参考价值的指标（结合起来）。重要性。在与任务相关的活动期间，许多模态都会发挥作用。这些模态中的许多如果适当分组，都可以提供有关任务表现的信息。这项研究表明，虽然 EEG 是任务表现的良好预测指标，但 GSR 等其他模态会增加更准确预测的可能性。此外，在受控的实验室条件下，可以分离最具参考价值或最少数量的模态以在实际工作环境中进行监控。
利用脑电图、GSR 和眼动追踪对不同任务负荷影响的多模态研究
摘要。目的。通过同时收集多模态生理数据和参与者反应数据，研究任务负荷对绩效的影响。还获得了对问卷的定期回复。目标是确定最能预测任务绩效的模态组合。方法。一组参与者执行了一项基于计算机的视觉搜索任务，模仿邮政编码排序。必须将五位数字分配给六个不同的不重叠数字范围之一。试验以逐步增加任务难度的块形式呈现。同时收集了参与者的反应，包括 32 个脑电图 (EEG) 数据通道、眼动追踪数据和皮肤电反应 (GSR) 数据。在实验的离散时间点使用了 NASA 任务负荷指数自我报告工具。主要结果。随着认知任务负荷的增加，低 beta 频率 EEG 波 (12.5-18 Hz) 更加突出，大多数活动发生在额叶和顶叶区域。这些伴随着更频繁的眨眼和瞳孔扩张。眨眼持续时间与任务表现密切相关。GSR 信号的相位成分与认知负荷有关，而紧张成分则表示更普遍的唤醒状态。参与者报告的主观数据 (NASA TLX) 显示挫折感和精神负荷增加。根据单因素方差分析，EEG 和 GSR 与感知工作量水平具有最可靠的相关性，并且是绩效预测最具参考价值的指标（综合起来）。意义。在与任务相关的活动中，许多模态都会发挥作用。如果适当分组，其中许多模态可以提供有关任务绩效的信息。这项研究表明，虽然 EEG 是任务绩效的良好预测指标，但 GSR 等其他模态会增加更准确预测的可能性。此外，在受控的实验室条件下，可以分离最具参考价值或最少数量的模态以在实际工作环境中进行监控。
利用 EEG、GSR 和眼动追踪对不同任务负荷的影响进行多模式研究
摘要。目的。通过同时收集多模态生理数据和参与者反应数据来研究任务负荷对表现的影响。还会获得对问卷的定期响应。目标是确定最能作为任务表现预测指标的模态组合。方法。一组参与者执行了一项模仿邮政编码分类的基于计算机的视觉搜索任务。必须将一个五位数字分配给六个不同的不重叠数字范围之一。试验以逐步增加任务难度的块形式呈现。同时收集参与者的反应以及 32 个通道的脑电图 (EEG) 数据、眼动追踪数据和皮肤电反应 (GSR) 数据。在实验的离散时间点使用 NASA 任务负荷指数自我报告工具。主要结果。随着认知任务负荷的增加，低 beta 频率 EEG 波 (12.5-18 Hz) 更加突出，其中大部分活动发生在额叶和顶叶区域。同时伴有更频繁的眨眼和瞳孔扩张。眨眼持续时间与任务表现密切相关。GSR 信号的相位成分与认知工作量有关，而紧张成分则表明更普遍的唤醒状态。参与者报告的主观数据 (NASA TLX) 显示挫折感和心理工作量增加。基于单因素方差分析，EEG 和 GSR 提供了最多的
角色分配如何影响高风险环境中的决策：航空眼动追踪的证据
HAL 是一个多学科开放存取档案馆，用于存放和传播科学研究文献，无论这些文献是否已出版。这些文献可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
儿童注视策略和双眼眼动摄影术：可行性和相关性
本文件是经过答辩评审团批准的大量工作的结果，并向整个大学社区提供。它受作者知识产权的保护。这意味着使用本文档时有义务引用和引用。此外，任何伪造、剽窃或非法复制行为都将受到刑事起诉。联系方式：ddoc-theses-contact@univ-lorraine.fr
飞行员飞行和飞行员监控在航空复飞执行期间的飞机状态意识：行为和眼动追踪研究
目标：检查机组在最后进近和意外复飞机动过程中的表现和目视扫描。背景：事故和事件分析表明，复飞程序通常由于其复杂性、高时间压力以及发生频率低而无法完美执行，从而没有太多时间进行练习。我们希望通过实验来检验这一点，并确定飞行性能和目视扫描中的错误频率和性质。方法：我们收集了 12 名机组人员的飞行性能（例如程序错误、过度飞行偏差）和眼动追踪数据，这些机组人员在逼真的全飞行运输类模拟器中执行最后进近和复飞飞行阶段。结果：飞行员表现结果显示，三分之二的机组人员在复飞期间犯了包括严重轨迹偏差在内的错误，这是事故的前兆。眼动追踪分析显示，交叉检查过程并不总是能够有效地检测到发生的飞行路径偏差。眼部数据还突出了两个飞行阶段中两名机组人员之间的不同视觉策略。结论：这项研究表明复飞是一项具有挑战性的操作。它展示了眼动追踪的优势，并表明它是复飞期间注意力分配的明确训练以提高飞行安全性的宝贵工具。
管理航路空中交通管制员的心理负担：眼动追踪在欧洲 SESAR 项目框架内的贡献
空中交通管制员或“空中交通管制员”的活动包括确保空中交通流量的安全，他们的工作活动很快将面临前所未有的演变。为了补偿主要与空中交通水平显着增加相关的环境变化，我们的目标是构建新的控制环境，从而引入新技术并实现控制任务的部分自动化。这些观点旨在减少对空中交通管制员的要求，以提高空中交通管理的容量门槛，但提出了一些问题。特别是，我们如何确保这些进展得到验证以实现既定目标？
基于眼动的人 - 计算机...
1,2,3,4 Mahaguru技术研究所，Kattachira摘要：人类计算机互动（HCI）重点关注人员与计算机之间的界面和互动。 HCI的主要目标是设计一个使人们以新颖方式与计算机互动的环境。 人们用来互动的最重要方法之一是眼动和眼睛眨眼，尤其是对于身体残疾的人。 本文基于眼睛眨眼和面部运动提出了一种屏幕上的计算机交互方法。 这两个主要组成部分是图像处理，以检测眼睛，面部运动和闪烁的眼睛。 面部图像由计算机的相机捕获，然后用于确定眼睛位置和尺寸。 这是根据著名的“ 68点”和面部检测方法的面部网格系统完成的。 在此系统中使用眼睛眨眼来输入类似于用户按下键盘上的“ Enter”按钮的字符，并且使用面部运动来移动光标类似于使用鼠标的使用。1,2,3,4 Mahaguru技术研究所，Kattachira摘要：人类计算机互动（HCI）重点关注人员与计算机之间的界面和互动。HCI的主要目标是设计一个使人们以新颖方式与计算机互动的环境。人们用来互动的最重要方法之一是眼动和眼睛眨眼，尤其是对于身体残疾的人。本文基于眼睛眨眼和面部运动提出了一种屏幕上的计算机交互方法。这两个主要组成部分是图像处理，以检测眼睛，面部运动和闪烁的眼睛。面部图像由计算机的相机捕获，然后用于确定眼睛位置和尺寸。这是根据著名的“ 68点”和面部检测方法的面部网格系统完成的。在此系统中使用眼睛眨眼来输入类似于用户按下键盘上的“ Enter”按钮的字符，并且使用面部运动来移动光标类似于使用鼠标的使用。
基于眼动追踪的三维软件可用性测试方法论挑战——通过四个 3D 应用程序可用性测试的经验提出
1 简介 眼动追踪方法是研究人员的标准工具。眼动追踪设备有多种类型：集成在显示器中的眼动追踪器、便携式眼动追踪器或移动眼动追踪眼镜。不同的眼动追踪器可用于不同的科学领域。最常见的领域之一是人机交互 (HCI)。在此领域，眼动追踪可用于软件开发或 Web 应用程序测试（Kim et al., 2018）。在后处理眼动追踪数据时，可以使用许多不同的可视化技术，例如热图（Tula et al., 2016）或凝视图（Räihä et al., 2005）。但是，对于聚合可视化，参与者的屏幕必须看起来相同。在网站或传统软件应用程序的可用性测试中，分离的任务允许研究人员选择每个参与者时间线的特定部分，