ПОИСК Статьи Чертежи Таблицы Сканирование приборов и порядок считывания их показаний из "Системы человек-машина Модели обработки информации, управления и принятия решений человеком-оператором " В части I были рассмотрены модели задач считывания показаний приборов, Б которых последовательность выбора приборов представляется случайной в пределах ограничений, наложенных информационными оценками различных приборов. Было показано, что эти модели дают довольно точное описание поведения среднего летчика, но оказываются гораздо менее удовлетворительными, когда предсказания касаются индивидуальных действий. Чтобы понять порядок, в котором приборы будут контролироваться, необходимо понять, какими принципами руководствуется оператор при выборе следующего прибора, показания которого должны быть считаны, а для этого анализа подходят динамические модели принятия решений. [c.361] Выбор прибора. Карбонелл [16] применил модель субъективно ожидаемой полезности к визуальному выбору порядка приборов при выполнении такой задачи управления, как, например, пилотирование самолета. В модели предполагается, что для каждого из приборов, установленных на приборной доске, оператор определяет субъективно ожидаемую стоимость того, что этот прибор не будет подвергнут наблюдению следующим, и затем выбирает для наблюдения прибор, имеющий наибольшую такую стоимость его игнорирования. [c.361] Оператор не просто наблюдает приборы — он управляет системой, и предполагается, что он прилагает усилия к управлению, если показания прибора оказываются достаточно далеко от его нулевого положения, т. е. если они превышают порог управления. Следуя управляющему воздействию, среднее значение у (1) стремится к нулю в соответствии с характеристикой скорости управляемого процесса. Если управление отсутствует, то среднее значение возвращается к нулю таким образом, как это описывается автокорреляционной функцией. Возрастание операторской неопределенности со временем показано на рис. 20.8. [c.362] Эта необходимость приведения моделей в соответствие с индивидуальными особенностями оператора придает особое значение идее — подчеркнутой Смоллвудом [84] и Келли [45] что оператор имеет свои собственные внутренние модели как процесса,, которым он управляет, так и соответствующих входов из внешней среды и что он опирается на эти модели, когда ему необходимо что-либо спланировать заранее или предвидеть. Эти внутренние-представления могут быть совершенно не точными и даже суеверными, хотя можно ожидать, что они усовершенствуются со временем при наличии адекватных обратной связи и мотивации. Однако из-за существенных ограничений объема памяти и быстроты мышления такие модели вероятно являются довольно простыми. [c.363] В одном предельном случае оператор мог бы непрерывно подстраивать А (О, чтобы максимизировать текущее значение й, если бы он знал точное значение В t). В противоположной ситуации, зная только / В), он должен был бы выбирать единственное -значение Л, чтобы максимизировать ожидаемую величину й. Раз--личием в вознаграждении в этих двух случаях является предвидимая ценность, представленная соотношением (20.5). В промежутке между этими двумя крайностями, если оператор наблюдает периодически, он может непрерывно настраивать Л t), чтобы удовлетворить своей наилучшей оценке f В), а, именно, / В 1 0, t) или, что возможно является более естественным, он может выбирать одно значение А после каждого наблюдения, чтобы максимизировать й на следующем интервале между наблюдениями. JVibi рассмотрим второй вариант. [c.364] Шеридан и Роуз [81 ] и Роуз [74] использовали это теоретическое построение в качестве эталона, с которым сравнивались способности испытуемого наблюдать временную последовательность В (t) и либо выбирать значения А, либо интервал времени Т (либо и то, и другое вместе), чтобы минимизировать критерий, основанный на стоимостях ошибки и наблюдения. Выход В (О был такой, как у динамической системы под действием белого шума. [c.364] Задача была самонастраивающейся. Экспериментальные результаты обнаруживают некоторые систематические отклонения от оптимальности. Испытуемые стремились использовать интервалы выборки более короткие, чем оптимальные они не выбирали значения А, достаточно близкие к среднему значению, как им следовало бы делать они выбирали так, как если бы в реакции системы был гораздо меньший элемент случайности, чем это было в дей- ствительности. Лучше всего соответствуют полученным данным модели, в которых уделяется особое внимание ограниченности памяти (путем взвешивания прошлых значений относительно вновь полученных). [c.365] Дискретная выборка и метод выбора ответов, которые мы только что рассмотрели, очень схожи с последовательными ходами в игре, и в следующей главе мы исследуем анализ принятия решений с точки зрения теории игр. [c.365] Вернуться к основной статье