מעקב עיניים במהלך משימת תעופה מורכבת לתובנות לגבי עיבוד מידע

Summary

מעקב עיניים הוא שיטה לא פולשנית לחקירת עיבוד מידע. מאמר זה מתאר כיצד ניתן להשתמש במעקב עיניים כדי לחקור התנהגות מבט במהלך משימת חירום של הדמיית טיסה בטייסים בזמן נמוך (כלומר, <350 שעות טיסה).

Abstract

מעקב עיניים שימש רבות כפרוקסי כדי לקבל תובנה לגבי התהליכים הקוגניטיביים, התפיסתיים והחושיים-מוטוריים העומדים בבסיס ביצועי מיומנות. עבודות קודמות הראו שמדדי מבט מסורתיים ומתקדמים מדגימים באופן אמין הבדלים חזקים במומחיות הטייס, עומס קוגניטיבי, עייפות ואפילו מודעות למצב (SA).

מחקר זה מתאר את המתודולוגיה לשימוש באלגוריתם מעקב עיניים לביש ומיפוי מבט הלוכד תנועות ראש ועיניים נטורליסטיות (כלומר, מבט) בסימולטור טיסה ללא תנועה בנאמנות גבוהה. השיטה המתוארת במאמר זה מתארת את ניתוחי המבט המבוססים על תחום העניין (AOI), המספקים הקשר נוסף הקשור למקום שבו המשתתפים מסתכלים, ומשך זמן השהייה, המציין עד כמה יעילים הם מעבדים את המידע המקובע. הפרוטוקול ממחיש את התועלת של מעקב עיניים לביש ואלגוריתם ראייה ממוחשבת כדי להעריך שינויים בהתנהגות המבט בתגובה למקרה חירום בלתי צפוי בטיסה.

תוצאות מייצגות הראו כי המבט הושפע באופן משמעותי כאשר אירוע החירום הוצג. באופן ספציפי, הקצאת הקשב, פיזור המבט ומורכבות רצף המבט פחתו משמעותית והפכו מרוכזים מאוד בהסתכלות מחוץ לחלון הקדמי ובמד מהירות האוויר במהלך תרחיש החירום (כל ערכי p < 0.05). נדונים התועלת והמגבלות של שימוש במעקב עיניים לביש בסביבת סימולציית טיסה ללא תנועה בנאמנות גבוהה כדי להבין את המאפיינים המרחביים-זמניים של התנהגות המבט והקשר שלה לעיבוד מידע בתחום התעופה.

Introduction

בני אדם מתקשרים בעיקר עם העולם סביבם על ידי הזזת העיניים והראש שלהם כדי למקד את קו הראייה שלהם (כלומר, מבט) לעבר אובייקט או מיקום ספציפי של עניין. זה נכון במיוחד בסביבות מורכבות כמו תא טייס של מטוסים שבהם הטייסים מתמודדים עם גירויים מתחרים מרובים. תנועות מבט מאפשרות איסוף מידע חזותי ברזולוציה גבוהה המאפשר לבני אדם לתקשר עם סביבתם בצורה בטוחה וגמישה¹, שהיא בעלת חשיבות עליונה בתעופה. מחקרים הראו שתנועות עיניים והתנהגות מבט מספקות תובנה לגבי תהליכים תפיסתיים, קוגניטיביים ומוטוריים בסיסיים במשימות שונות ^1,2,3. יתר על כן, למקום בו אנו מסתכלים יש השפעה ישירה על התכנון והביצוע של תנועות הגפיים העליונות³. לכן, ניתוח התנהגות מבט במהלך משימות תעופה מספק שיטה אובייקטיבית ולא פולשנית, שיכולה לחשוף כיצד דפוסי תנועת העיניים קשורים להיבטים שונים של עיבוד מידע וביצועים.

מספר מחקרים הראו קשר בין מבט לביצוע משימות בפרדיגמות מעבדה שונות, כמו גם משימות מורכבות בעולם האמיתי (כלומר, הפעלת מטוס). לדוגמה, אזורים רלוונטיים למשימה נוטים להיות מקובעים בתדירות גבוהה יותר ולמשך זמן כולל ארוך יותר, מה שמרמז על כך שמיקום קיבוע, תדירות וזמן שהייה הם פרוקסי להקצאת תשומת לב במשימות נוירו-קוגניטיביות ותעופה ^4,5,6. מבצעים ומומחים מצליחים מאוד מראים הטיות קיבעון משמעותיות לתחומים קריטיים למשימה בהשוואה לביצועים פחות מוצלחים או טירונים ^4,7,8. היבטים מרחביים-זמניים של המבט נלכדים באמצעות שינויים בדפוסי זמן השהייה על פני תחומי עניין שונים (AOIs) או מדדים של התפלגות קיבוע (כלומר, אנטרופיית מבט נייחת: SGE). בהקשר של פרדיגמות מבוססות מעבדה, משך הקיבוע הממוצע, אורך נתיב הסריקה ומורכבות רצף המבט (כלומר, אנטרופיית מעבר מבט: GTE) נוטים לעלות עקב הסריקה והעיבוד המוגברים הנדרשים לפתרון בעיות ולהרחבת מטרות/פתרונות משימה מאתגרים יותר ^4,7.

לעומת זאת, מחקרי תעופה הראו שאורך נתיב הסריקה ומורכבות רצף המבט יורדים עם מורכבות המשימה והעומס הקוגניטיבי. פער זה מדגיש את העובדה שהבנת מרכיבי המשימה והדרישות של הפרדיגמה המופעלת היא קריטית לפירוש מדויק של מדדי מבט. בסך הכל, המחקר עד כה תומך בכך שמדדי מבט מספקים תובנה משמעותית ואובייקטיבית לגבי עיבוד מידע ספציפי למשימה העומד בבסיס ההבדלים בקושי המשימה, העומס הקוגניטיבי וביצועי המשימה. עם ההתקדמות בטכנולוגיית מעקב העיניים (כלומר, ניידות, כיול ועלות), בחינת התנהגות המבט ב"טבע" היא תחום מחקר מתפתח עם יישומים מוחשיים לקידום הכשרה תעסוקתית בתחומי הרפואה ^9,10,11 ותעופה 12,13,14.

העבודה הנוכחית נועדה לבחון עוד יותר את התועלת של שימוש במדדים מבוססי מבט כדי לקבל תובנה לגבי עיבוד מידע על ידי שימוש ספציפי במעקב עיניים לביש במהלך משימת סימולציה של טיסת חירום בטייסים בזמן נמוך. מחקר זה מרחיב את העבודות הקודמות שהשתמשו במעקב עיניים מיוצב ראש (כלומר, EyeLink II) כדי לבחון הבדלים במדדי התנהגות המבט כפונקציה של קושי טיסה (כלומר, שינויים בתנאי מזג האוויר)⁵. העבודה המוצגת בכתב יד זה מרחיבה גם עבודות אחרות שתיארו את הגישות המתודולוגיות והאנליטיות לשימוש במעקב אחר עיניים במערכת מציאות מדומה¹⁵. המחקר שלנו השתמש בסימולטור ללא תנועה בנאמנות גבוהה יותר ומדווח על ניתוח נוסף של נתוני תנועת עיניים (כלומר, אנטרופיה). סוג זה של ניתוח דווח במאמרים קודמים; עם זאת, מגבלה בספרות הנוכחית היא היעדר סטנדרטיזציה בדיווח על השלבים האנליטיים. לדוגמה, לדיווח על אופן הגדרת תחומי העניין יש חשיבות קריטית מכיוון שהוא משפיע ישירות על ערכי האנטרופיה המתקבלים¹⁶.

לסיכום, העבודה הנוכחית בחנה מדדי התנהגות מבט מסורתיים ודינמיים בעוד שרמת הקושי במשימה עברה מניפולציה באמצעות הצגת תרחיש חירום בטיסה (כלומר, כשל מוחלט בלתי צפוי במנוע). היה צפוי שהכנסת תרחיש חירום בטיסה תספק תובנה לגבי שינויים בהתנהגות המבט העומדים בבסיס עיבוד המידע בתנאי משימה מאתגרים יותר. המחקר המדווח כאן הוא חלק ממחקר גדול יותר הבוחן את התועלת של מעקב עיניים בסימולטור טיסה כדי ליידע על הכשרת טייסים מבוססת יכולות. התוצאות המוצגות כאן לא פורסמו בעבר.

Protocol

ניתן ליישם את הפרוטוקול הבא על מחקרים הכוללים מעקב עיניים לביש וסימולטור טיסה. המחקר הנוכחי כולל נתוני מעקב עיניים שנרשמו לצד משימות מורכבות הקשורות לתעופה בסימולטור טיסה (ראה טבלת חומרים). הסימולטור הוגדר לייצוג של ססנה 172 ושימש עם לוח המחוונים הדרוש (תצורת מד קיטור), מערכת אוויוניקה/GPS, לוח אודיו/אורות, לוח מפסק ויחידת בקרת טיסה (FCU) (ראה איור 1). מכשיר סימולטור הטיסה המשמש במחקר זה ניתן לאישור למטרות אימון ומשמש את בית הספר לטיסה המקומי כדי לאמן את מערכי הכישורים הנדרשים להגיב לתרחישי חירום שונים, כגון כשל במנוע, בסביבה בסיכון נמוך. כל המשתתפים במחקר זה היו מורשים; לכן, הם חוו את תרחיש סימולטור כשל המנוע בעבר במהלך ההכשרה שלהם. מחקר זה אושר על ידי המשרד לאתיקה מחקרית של אוניברסיטת ווטרלו (43564; תאריך: 17 בנובמבר 2021). כל המשתתפים (N = 24; 14 גברים, 10 נשים; גיל ממוצע = 22 שנים; טווח שעות טיסה: 51-280 שעות) סיפקו הסכמה מדעת בכתב.

איור 1: סביבת סימולטור טיסה. איור של סביבת סימולטור הטיסה. נקודת המבט של המשתתף על תא הטייס העתיקה את זו של טייס שטס במטוס ססנה 172, שהוגדר מראש לגישה במורד הרוח לבסיס עד הסופי לשדה התעופה הבינלאומי ווטרלו, ברסלאו, אונטריו, קליפורניה. הקופסאות הכתומות מייצגות את עשרת תחומי העניין העיקריים המשמשים בניתוחי המבט. אלה כוללים את (1) מהירות אווירית, (2) גישה, (3) מד גובה, (4) מתאם פנייה, (5) כיוון, (6) מהירות אנכית ו-(7) מחווני כוח, כמו גם (8) החלונות הקדמיים, (9) השמאליים ו-(10) הימניים. נתון זה שונה מ-Ayala et ^al.5. אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.

1. סינון משתתפים והסכמה מדעת

1. סנן את המשתתף באמצעות שאלון דיווח עצמי המבוסס על קריטריוני הכללה/אי הכללה ^2,5: החזקת רישיון טייס פרטי (PPL) לפחות, ראייה תקינה או מתוקנת לנורמלית, וללא אבחנה קודמת עם הפרעה נוירו-פסיכיאטרית/נוירולוגית או לקות למידה.
2. יידע את המשתתף על מטרות ונהלי המחקר באמצעות תדריך מפורט המטופל על ידי הנסיין ומדריך הטיסה/טכנאי הסימולטור המפקח. סקור את הסיכונים המתוארים במסמך ההסכמה שאושר על ידי מועצת הביקורת האתית של המוסד. ענה על כל שאלה לגבי הסיכונים הפוטנציאליים. קבל הסכמה מדעת בכתב לפני תחילת כל הליכי מחקר.

2. דרישות חומרה/תוכנה והפעלה

1. סימולטור טיסה (בדרך כלל מבוצע על-ידי טכנאי הסימולטור)
   1. הפעל את מסכי הסימולטור והמקרן. אם אחד המקרנים אינו נדלק במקביל לאחרים, הפעל מחדש את הסימולטור.
   2. במסך ההוראות, לחץ על הכרטיסייה הגדרות קבועות מראש וודא שההגדרות הנדרשות מראש של מיקום ו/או מזג אוויר זמינות. במידת הצורך, צור סוג חדש של קביעה מוגדרת מראש; התייעץ עם הטכנאי לקבלת עזרה.
2. מחשב נייד קולקשן
   1. סובב את המחשב הנייד והיכנס עם אישורים.
   2. כאשר תתבקש, בחר פרופיל קיים או צור פרופיל אם אתה בודק משתתף חדש. לחלופין, בחר באפשרות אורח כדי להחליף את הכיול האחרון שלו.
      1. כדי ליצור פרופיל חדש, גלול לסוף רשימת הפרופילים ולחץ על הוסף.
   3. הגדר את מזהה הפרופיל למזהה המשתתף. מזהה פרופיל זה ישמש לתיוג התיקיה, המכילה נתוני מעקב עיניים לאחר השלמת ההקלטה.
3. כיול משקפיים
   הערה: המשקפיים חייבים להישאר מחוברים למחשב הנייד כדי להקליט. יש להשלים את הכיול עם התיבה רק פעם אחת בתחילת איסוף הנתונים.
   1. פתח את מארז מעקב העיניים והוציא את המשקפיים.
   2. חבר את כבל ה-USB למיקרו-USB מהמחשב הנייד למשקפיים. אם תתבקש במחשב הנייד, עדכן את הקושחה.
   3. אתר את תיבת הכיול השחורה בתוך מארז מעקב העיניים.
   4. במחשב הנישא של האיסוף, במרכז המעקב אחר העיניים, בחר כלים | כיול מכשיר.
   5. הנח את המשקפיים בתוך הקופסה ולחץ על התחל בחלון המוקפץ כדי להתחיל בכיול.
   6. הסר את המשקפיים מהקופסה לאחר השלמת הכיול.
4. התאמה לאף
   1. בחר את האף.
   2. הנחו את המשתתף לשבת בתא הטייס ולהרכיב את המשקפיים.
   3. במרכז המעקב אחר העיניים, נווט אל קובץ | הגדרות | אשף האף.
   4. בדוק את התאמת המשקפיים שלך בצד שמאל של המסך. אם ההתאמה מצוינת, המשך לשלב הבא. אחרת, לחץ על התיבה.
   5. אמרו למשתתף לעקוב אחר הוראות ההמלצה להתאמה המוצגות על המסך: כוונו את האף, כוונו את המשקפיים כך שיושבים בנוחות, והסתכלו ישר קדימה על המחשב הנייד.
   6. במידת הצורך, החלף את האף. צבטו את האף באמצעו, החליקו אותו החוצה מהמשקפיים ואז החליקו עוד אחד פנימה. המשיכו לבדוק את חלקי האף השונים עד לזיהוי האף המתאים ביותר למשתתף.
5. שיחות בקרת תנועה אווירית (ATC)
   הערה: אם המחקר דורש שיחות ATC, בקש מהמשתתף להביא אוזניות משלו או להשתמש באוזניות המעבדה. השלם את כיול גלגל העין רק לאחר שהמשתתף מרכיב את האוזניות מכיוון שהאוזניות יכולות להזיז את המשקפיים על הראש, מה שמשפיע על דיוק הכיול.
   1. בדוק שהאוזניות מחוברות לשקע בצד התחתון השמאלי של לוח המחוונים.
   2. הנחו את המשתתף להרכיב את האוזניות. בקש מהם לא לגעת בו או להוריד אותו עד לסיום ההקלטה.
      הערה: נדרש כיול מחדש בכל פעם שמזיזים את האוזניות (ולכן את המשקפיים).
   3. בצע בדיקת רדיו.
6. כיול גלגל העין
   הערה: בכל פעם שהמשתתף מזיז את המשקפיים על ראשו, עליו לחזור על כיול גלגל העין. בקשו מהמשתתף לא לגעת במשקפיים עד לסיום הניסויים שלו.
   1. ב-Eye Tracking Hub, נווט אל תיבת הפרמטרים בצד שמאל של המסך.
      1. בדוק את מצב הכיול ובחר מבט קבוע או ראש קבוע בהתאם.
      2. בדוק שנקודות הכיול הן רשת של 5 x 5, עבור 25 נקודות בסך הכל.
      3. בדוק את מצב האימות וודא שהוא תואם למצב הכיול.
      4. בדוק את תפוקות המעקב אחר העיניים וודא שכל מה שצריך לתעד עבור המחקר מסומן באמצעות תיבות הסימון.
   2. לחץ על File | הגדרות | מתקדם ובדוק שקצב הדגימה הוא 250 הרץ.
   3. סמן את התיבה כיול מעקב העיניים שלך על המסך באמצעות העכבר. הוראות הכיול ישתנו בהתאם למצב. כדי לעקוב אחר המחקר הנוכחי, השתמשו במצב כיול המבט הקבוע : הנחו את המשתתפים להזיז את ראשם כך שהתיבה תחפוף לריבוע השחור והם יתיישרו. לאחר מכן, בקשו מהמשתתף למקד את מבטו על הכוונת בריבוע השחור וללחוץ על מקש הרווח.
   4. לחץ על התיבה אמת את ההגדרה שלך . ההוראות יהיו זהות לשלב 2.6.3. בדוק שנתון האימות MAE (שגיאה מוחלטת ממוצעת) הוא <1°. אם לא, חזור על שלבים 2.6.3 ו- 2.6.4.
   5. לחץ על שמור כיול כדי לשמור את הכיול בפרופיל בכל פעם שהכיול והאימות יושלמו.
7. שימוש באייפד
   הערה: ה-iPad ממוקם משמאל ללוח המחוונים (ראה איור 1). הוא משמש לשאלונים בדרך כלל לאחר טיסה.
   1. הפעל את האייפד וודא שהוא מחובר לאינטרנט.
   2. פתחו חלון בספארי והזינו את הקישור לשאלון המחקר.

3. איסוף נתונים

הערה: חזור על שלבים אלה עבור כל גירסת ניסיון. מומלץ להניח את המחשב הנייד על הספסל מחוץ לתא הטייס.

1. במחשב סימולטור הטיסה, במסך ההוראות , לחץ על קביעות מוגדרות מראש ולאחר מכן בחר את קביעת המיקום המוגדרת מראש הרצויה להדמיה. לחץ על כפתור החל וצפה במסכים המקיפים את הסימולטור כדי לוודא שהשינוי מתרחש.
2. חזור על שלב 3.1 כדי להחיל את ההגדרה המוגדרת מראש של מזג האוויר .
3. תן למשתתף הוראות ספציפיות לגבי הניסוי או מסלול הטיסה שלו. זה כולל להורות להם לשנות את ההגדרות בלוח המחוונים לפני שהם מתחילים.
4. במסך ההוראות, לחץ על הלחצן הכתום STOP כדי להתחיל באיסוף נתונים. הצבע ישתנה לירוק והטקסט יציין FLYING. הקפד לתת רמז מילולי למשתתף כדי שידע שהוא יכול להתחיל להטיס את המטוס. הרמז המומלץ הוא "3, 2, 1, יש לך פקדים" כאשר לוחצים על כפתור העצירה הכתום.
5. במחשב הנישא של האוסף, לחץ על התחל הקלטה כך שנתוני מעקב העיניים יסונכרנו עם נתוני סימולטור הטיסה.
6. לאחר שהמשתתף סיים את המסלול שלו ונחת, המתן עד שהמטוס יפסיק לנוע.
   הערה: חשוב להמתין כי במהלך העיבוד שלאחר העיבוד; הנתונים נחתכים כאשר מהירות הקרקע מתייצבת על 0. זה נותן עקביות עבור נקודת הקצה של כל הניסויים.
7. במסך ההוראות, לחצו על כפתור FLYING הירוק. הצבע יחזור לכתום והטקסט יגיד STOPPED. תן רמז מילולי במהלך שלב זה כאשר איסוף הנתונים עומד להסתיים. הרמז המומלץ הוא "3, 2, 1, עצור".
8. הנחו את המשתתף למלא את השאלון שלאחר הניסוי באייפד. רענן את הדף עבור גירסת הניסיון הבאה.
   הערה: המחקר הנוכחי השתמש בשאלון הדירוג העצמי של טכניקת דירוג מודעות למצב (SART) כשאלון היחיד לאחר המשפט¹⁷.

4. עיבוד וניתוח נתונים

1. נתוני סימולטור טיסה
   הערה: קובץ .csv שהועתק מסימולטור הטיסה מכיל יותר מ-1,000 פרמטרים שניתן לשלוט בהם בסימולטור. מדדי הביצועים העיקריים המעניינים מפורטים ומתוארים בטבלה 1.
   1. עבור כל משתתף, חשב את שיעור ההצלחה באמצעות Eq (1) על ידי לקיחת האחוז על פני תנאי המשימה. ניסויים כושלים מזוהים על ידי קריטריונים קבועים מראש שתוכנתו בתוך הסימולטור שמסיים את הניסוי באופן אוטומטי עם הנחיתה עקב כיוון המטוס והמהירות האנכית. בצע אימות לאחר המשפט כדי לוודא שקריטריון זה תואם את מגבלות המטוס בפועל (כלומר, נזק/התרסקות של ציוד הנחיתה של ססנה 172 ניכר במהירויות אנכיות > 700 רגל לדקה [fpm] בעת הנחיתה).
      שיעור הצלחה = (1)
      הערה: ערכי אחוזי הצלחה נמוכים יותר מצביעים על תוצאות גרועות יותר מכיוון שהם קשורים לירידה בניסיונות נחיתה מוצלחים.
   2. עבור כל ניסוי, חשב את זמן ההשלמה על סמך חותמת הזמן, המציינת שהמטוס עצר על המסלול (כלומר, GroundSpeed = 0 קשר).
      הערה: זמן השלמה קצר יותר לא תמיד משתווה לביצועים טובים יותר. יש לנקוט משנה זהירות כדי להבין כיצד תנאי המשימה (כלומר, רוחות נוספות, תרחישי חירום וכו') צפויים להשפיע על זמן ההשלמה.
   3. עבור כל ניסוי, קבע את קשיות הנחיתה על סמך המהירות האנכית של המטוס (fpm) בזמן שהמטוס נוחת לראשונה על המסלול. ודא שערך זה נלקח באותה חותמת זמן המשויכת לשינוי הראשון במצב AircraftOnGround מ-0 (באוויר) ל-1 (על הקרקע).
      הערה: ערכים בטווח של -700 סל"ד עד 0 סל"ד נחשבים בטוחים, כאשר ערכים קרובים יותר ל-0 מייצגים נחיתות רכות יותר (כלומר, טובות יותר). ערכים שליליים מייצגים מהירות אנכית כלפי מטה; ערכים חיוביים מייצגים מהירות אנכית כלפי מעלה.
   4. עבור כל ניסוי, חשב את שגיאת הנחיתה (°) על סמך ההפרש בין קואורדינטות הנחיתה לנקודת הייחוס על המסלול (מרכז סמני 500 רגל). באמצעות נקודת הייחוס, חשב את שגיאת הנחיתה באמצעות Eq (2).
      הפרש = √((Δ קו רוחב)² + (Δ קו אורך)²) (2)
      הערה: ערכים מתחת ל-1° מוצגים כנורמליים ^5,15. ערכים גדולים מצביעים על שגיאת נחיתה גדולה יותר הקשורה לנקודות נחיתה של מטוסים הרחוקות יותר מאזור הנחיתה.
   5. חשב את הממוצעים בין כל המשתתפים עבור כל משתנה תוצאת ביצועים עבור כל תנאי משימה. דווח על ערכים אלה.
2. נתוני מודעות למצב
   1. עבור כל ניסוי, חשב את ציון ה-SA על סמך ציוני ה-SART המדווחים על פני 10 הממדים של SA¹⁷.
      1. השתמשו בשאלון SART¹⁷ כדי לקבוע את התשובות הסובייקטיביות של המשתתפים לגבי הקושי הכולל במטלה, כמו גם את התרשמותם מכמות משאבי הקשב שהיו זמינים והשקיעו במהלך ביצוע המשימה.
      2. באמצעות סולם ליקרט בן 7 נקודות, בקשו מהמשתתפים לדרג את החוויה הנתפסת שלהם בשאלות חקירה, כולל מורכבות המצב, חלוקת הקשב, היכולת המנטלית העודפת וכמות המידע ואיכותו.
      3. שלב סולמות אלה לממדים גדולים יותר של דרישות קשב (ביקוש), היצע קשב (היצע) והבנת מצב (הבנה).
      4. השתמש בדירוגים אלה כדי לחשב מדד של SA בהתבסס על Eq (3):
         SA = הבנה - (ביקוש-היצע) (3)
         הערה: ציונים גבוהים יותר בסולמות המשולבים כדי לספק מידה של הבנה מצביעים על כך שלמשתתף יש הבנה טובה של המשימה שעל הפרק. באופן דומה, ציונים גבוהים בתחום ההיצע מצביעים על כך שלמשתתף יש כמות משמעותית של משאבי קשב להקדיש למשימה נתונה. לעומת זאת, ציון ביקוש גבוה מצביע על כך שהמשימה דורשת כמות משמעותית של משאבי קשב להשלמתה. חשוב להבהיר שציונים אלה מפורשים בצורה הטובה ביותר כאשר משווים אותם בין תנאים (כלומר, תנאים קלים לעומת תנאים קשים) במקום להשתמש בהם כמדדים עצמאיים.
   2. לאחר השלמת איסוף הנתונים, חשב את הממוצעים של כל המשתתפים עבור כל מצב משימה (כלומר, בסיסי, חירום). דווח על ערכים אלה.
3. נתוני מעקב עיניים
   1. השתמש בסקריפט אצווה למעקב אחר העיניים להגדרה ידנית של AOIs לשימוש במיפוי מבט. הסקריפט יפתח חלון חדש לבחירת מסגרת מפתח שאמור להציג בבירור את כל ה-AOIs העיקריים שינותחו. גלול בסרטון ובחר מסגרת המציגה את כל ה-AOIs בצורה ברורה.
   2. בהתאם להוראות שעל המסך, ציירו מלבן מעל אזור בפריים שיהיה גלוי לאורך כל הסרטון, ייחודי ויישאר יציב.
      הערה: מטרת שלב זה היא ליצור מסגרת קואורדינטות "בתוך המסך" שניתן להשתמש בה לאורך הקלטת הווידאו, מכיוון שתנועות הראש גורמות למיקום האובייקטים בסביבה להשתנות במהלך הקלטת הווידאו.
   3. צייר מלבן עבור כל AOI בתמונה, אחד בכל פעם. תן להם שם בהתאם. לחץ על הוסף עוד כדי להוסיף AOI חדש ולחץ על סיום באחרון. אם המבט מתאם במהלך קיבוע נתון נוחת בתוך מרחב האובייקט כפי שהוגדר במסגרת הקואורדינטות "בתוך המסך", סמן את הקיבוע הזה בתווית ה-AOI המתאימה.
      הערה: מטרת שלב זה היא ליצור ספרייה של קואורדינטות אובייקט המשמשות לאחר מכן כהפניות בעת השוואת קואורדינטות מבט לקואורדינטות במסך.
      בדרך כלל קיימים 10 AOIs, אך הדבר תלוי באופן קביעת התצורה של סימולטור הטיסה. לוח המחוונים עשוי להיות שונה. בהתאם לעבודה קודמת ^5,18, המחקר הנוכחי משתמש ב-AOIs הבאים: מהירות אוויר, גישה, מד גובה, מתאם פנייה, כיוון, מהירות אנכית, כוח, חלון קדמי, חלון שמאלי וחלון ימני (ראה איור 1).
   4. תן לסקריפט להתחיל לעבד את ה-AOIs וליצור נתוני קיבוע. הוא מייצר עלילה המציגה את הסקאדות והקיבעונות מעל הווידאו.
   5. ייווצרו שני קבצים חדשים: fixations.csv ו- aoi_parameters.yaml. מעבד האצווה ישלים את העיבוד המאוחר של נתוני המבט עבור כל ניסוי וכל משתתף.
      הערה: מדדי העניין העיקריים למעקב אחר העיניים מפורטים בטבלה 2 ומחושבים עבור כל AOI עבור כל ניסוי.
   6. עבור כל ניסוי, חשב את מדדי המבט המסורתיים ^4,5 עבור כל AOI בהתבסס על הנתונים שנוצרו בקובץ fixation.csv.
      הערה: כאן, אנו מתמקדים בזמן השהייה (%), המחושב על ידי חלוקת סכום הקיבועים עבור AOI מסוים בסכום כל הקיבועים והכפלת המנה ב-100 כדי לקבל את אחוז הזמן המושקע ב-AOI ספציפי. אין פרשנות שלילית/חיובית מובנית מזמני השהות המחושבים. הם נותנים אינדיקציה למקום שבו תשומת הלב מוקצית בעיקר. משכי קיבוע ממוצעים ארוכים יותר מעידים על דרישות עיבוד מוגברות.
   7. עבור כל ניסוי, חשב את קצב המצמוץ באמצעות Eq (4):
      קצב מצמוץ = סה"כ מצמוצים/זמן השלמה (4)
      הערה: עבודות קודמות הראו שקצב המצמוץ קשור הפוך לעומס קוגניטיבי 2,6,13,19,20.
   8. עבור כל ניסוי, חשב את ה-SGE באמצעות eq (5)²¹:
      (5)
      כאשר v הוא ההסתברות לצפות ב- i^th AOI ו - V הוא מספר ה- AOIs.
      הערה: ערכי SGE גבוהים יותר קשורים לפיזור קיבוע גדול יותר, בעוד שערכים נמוכים יותר מעידים על הקצאה ממוקדת יותר של קיבוע²².
   9. עבור כל ניסוי, חשב את ה-GTE באמצעות eq (6)²³:
      (6)
      כאשר V היא ההסתברות לצפות ב-i^th AOI, ו-M היא ההסתברות לצפות ב-j^th AOI בהינתן הצפייה הקודמת ב-i^th AOI.
      הערה: ערכי GTE גבוהים יותר משויכים לנתיבי סריקה חזותיים מורכבים ובלתי צפויים יותר, בעוד שערכי GTE נמוכים יותר מעידים על נתיבי סריקה חזותיים צפויים ושגרתיים יותר.
   10. חשב את הממוצעים על פני כל המשתתפים עבור כל משתנה פלט מעקב עיניים (ו-AOI כאשר מצוין) וכל תנאי משימה. דווח על ערכים אלה.

מונח	הגדרה
הצלחה (%)	אחוז ניסויי הנחיתה המוצלחים
זמני השלמה	משך הזמן מתחילת תרחיש הנחיתה ועד למטוס שמגיע לעצירה מוחלטת על המסלול
קשיות נחיתה (fpm)	הקצב ההגון בנקודת הטאצ'דאון
שגיאת נחיתה (°)	ההבדל בין מרכז המטוס למרכז סמן המסלול בגובה 500 רגל בנקודת הנחיתה

טבלה 1: משתני תוצאת ביצועי סימולטור. משתנים תלויי ביצועי מטוסים והגדרותיהם.

איור 2: נתיב טיסה של תרחיש נחיתה. סכמטי של (A) מעגל הנחיתה שהושלם בכל הניסויים ו-(B) המסלול עם סמני 500 רגל ששימשו כנקודת ייחוס לאזור הנחיתה (כלומר, עיגול כתום מרכזי). אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.

איור 3: מיפוי תחומי עניין. איור של סקריפט האצווה המדגים חלון לבחירת מסגרת. בחירת מסגרת אופטימלית כרוכה בבחירת מסגרת וידאו הכוללת את רוב או כל תחומי העניין למיפוי. אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.

איור 4: יצירת קואורדינטות "בתוך המסך" של מיפוי אזור עניין. איור של סקריפט האצווה המדגים חלון לתיאום "בתוך המסך" של הבחירה. שלב זה כולל בחירה של אזור מרובע/מלבני שנשאר גלוי לאורך כל ההקלטה, ייחודי לתמונה ונשאר סטטי. אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.

איור 5: זיהוי אזור עניין שיש למפות. איור של חלון סקריפט האצווה המאפשר בחירה ותיוג של תחומי עניין. קיצור: AOIs = תחומי עניין. אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.

איור 6: עיבוד סקריפט אצווה. איור של סקריפט האצווה המעבד את הסרטון וממפה מבט את הקיבועים שנעשו במהלך הניסוי. אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.

מונח	הגדרה
זמן שהייה (%)	אחוז מסכום כל משכי הקיבוע שנצברו ב-AOI אחד ביחס לסכום משכי הקיבוע שנצברו בכל ה-AOIs
משך קיבוע ממוצע (ms)	משך זמן ממוצע של קיבוע מעל AOI אחד מכניסה ליציאה
קצב מצמוץ (מהבהב/שניות)	מספר מצמוצים בשנייה
SGE (ביטים)	פיזור קיבוע
GTE (ביטים)	מורכבות רצף הסריקה
מספר קרבות	מספר אירועי מנהור קוגניטיבי (>10 שניות)
סה"כ זמן קרב	סה"כ הזמן של אירועי מנהור קוגניטיבי

טבלה 2: משתני תוצאה של מעקב עיניים. מבט משתנים תלויי התנהגות והגדרותיהם.

תוצאות

השפעת דרישות המשימה על ביצועי הטיסה
הנתונים נותחו על סמך ניסויי נחיתה מוצלחים בתנאים בסיסיים וחירום. כל המדדים עברו מבחן t של דגימות זוגיות (גורם בתוך הנבדק: מצב המשימה (בסיסי, חירום)). כל מבחני ה-t בוצעו עם רמת אלפא שנקבעה על 0.05. ארבעה משתתפים התרסקו במה...

Discussion

שיטת מעקב העיניים המתוארת כאן מאפשרת הערכה של עיבוד מידע בסביבת סימולטור טיסה באמצעות מעקב עיניים לביש. הערכת המאפיינים המרחביים והזמניים של התנהגות המבט מספקת תובנה לגבי עיבוד מידע אנושי, שנחקר בהרחבה באמצעות פרדיגמות מעבדה מבוקרות^{מאוד 4,7...}

Materials

Name	Company	Catalog Number	Comments
flight simulator	ALSIM	AL-250	fixed fully immersive flight simulation training device
laptop	Hp	Lenovo	eye tracking data collection laptop; requirements: Windows 10 and python 3.0
portable eye-tracker	AdHawk		MindLink eye tracking glasses (250 Hz, <2° gaze error, front-facing camera); eye tracking batch script is made available with AdHawk device purchase