Bu içeriği görüntülemek için JoVE aboneliği gereklidir. Oturum açın veya ücretsiz deneme sürümünü başlatın.
Method Article
Göz izleme, bilgi işlemeyi araştırmak için invaziv olmayan bir yöntemdir. Bu makale, düşük zamanlı pilotlarda (yani, 350 uçuş saati) bir uçuş simülasyonu acil durum görevi sırasında bakış davranışını incelemek için göz izlemenin nasıl kullanılabileceğini < açıklamaktadır.
Göz izleme, beceri performansının altında yatan bilişsel, algısal ve duyusal-motor süreçler hakkında fikir edinmek için bir vekil olarak yaygın bir şekilde kullanılmıştır. Önceki çalışmalar, geleneksel ve gelişmiş bakış ölçümlerinin pilot uzmanlığı, bilişsel yük, yorgunluk ve hatta durum farkındalığı (SA) açısından sağlam farklılıklar gösterdiğini göstermiştir.
Bu çalışma, yüksek kaliteli bir uçuş hareketsiz simülatörde doğal baş ve göz hareketlerini (yani bakışları) yakalayan giyilebilir bir göz izleyici ve bakış haritalama algoritmasının kullanımına ilişkin metodolojiyi açıklamaktadır. Bu yazıda özetlenen yöntem, katılımcıların nereye baktıklarıyla ilgili daha fazla bağlam sağlayan ilgi alanı (AOI) tabanlı bakış analizlerini ve sabitlenmiş bilgileri ne kadar verimli bir şekilde işlediklerini gösteren bekleme süresini açıklar. Protokol, uçuş sırasında beklenmedik bir acil duruma yanıt olarak bakış davranışındaki değişiklikleri değerlendirmek için giyilebilir bir göz izleyici ve bilgisayarla görme algoritmasının faydasını göstermektedir.
Temsili sonuçlar, acil durum olayı başlatıldığında bakışların önemli ölçüde etkilendiğini gösterdi. Spesifik olarak, dikkat tahsisi, bakış dağılımı ve bakış dizisi karmaşıklığı önemli ölçüde azaldı ve acil durum senaryosu sırasında ön pencerenin dışına ve hava hızı göstergesine bakmaya yüksek oranda odaklandı (tüm p değerleri 0.05<). Bakış davranışının uzay-zamansal özelliklerini ve bunun havacılık alanındaki bilgi işleme ile ilişkisini anlamak için yüksek kaliteli hareketsiz bir uçuş simülasyon ortamında giyilebilir bir göz izleyici kullanmanın faydası ve sınırlamaları tartışılmaktadır.
İnsanlar ağırlıklı olarak çevrelerindeki dünyayla, görüş hatlarını (yani bakışlarını) belirli bir nesneye veya ilgilenilen yere odaklamak için önce gözlerini ve başlarını hareket ettirerek etkileşime girerler. Bu, özellikle pilotların birden fazla rekabet eden uyaranla karşı karşıya kaldığı uçak kokpitleri gibi karmaşık ortamlarda geçerlidir. Bakış hareketleri, insanların çevreleriyle güvenli ve esnek bir şekilde etkileşime girmesine olanak tanıyan yüksek çözünürlüklü görsel bilgilerintoplanmasını sağlar 1 ki bu havacılıkta büyük önem taşır. Çalışmalar, göz hareketlerinin ve bakış davranışının, çeşitli görevlerde altta yatan algısal, bilişsel ve motor süreçler hakkında fikir verdiğini göstermiştir 1,2,3. Ayrıca, nereye baktığımız, üst ekstremite hareketlerinin planlanması ve yürütülmesi üzerinde doğrudan bir etkiye sahiptir3. Bu nedenle, havacılık görevleri sırasında bakış davranışı analizi, göz hareketi modellerinin bilgi işleme ve performansın çeşitli yönleriyle nasıl ilişkili olduğunu ortaya çıkarabilecek objektif ve invaziv olmayan bir yöntem sağlar.
Birkaç çalışma, çeşitli laboratuvar paradigmalarının yanı sıra karmaşık gerçek dünya görevlerinde (örneğin, bir uçağı çalıştırmak) bakış ve görev performansı arasında bir ilişki olduğunu göstermiştir. Örneğin, görevle ilgili alanlar daha sık ve daha uzun toplam süreler boyunca sabitlenme eğilimindedir, bu da sabitleme yeri, sıklığı ve kalma süresinin nörobilişsel ve havacılık görevlerinde dikkatin tahsisi için vekiller olduğunu düşündürmektedir 4,5,6. Son derece başarılı performans gösterenler ve uzmanlar, daha az başarılı performans gösterenlere veya acemilere kıyasla görev açısından kritik alanlara yönelik önemli sabitleme yanlılıkları göstermektedir 4,7,8. Bakışın uzay-zamansal yönleri, çeşitli ilgi alanlarındaki (AOI'ler) bekleme süresi modellerindeki değişiklikler veya sabitleme dağılımı ölçümleri (yani, Sabit Bakış Entropisi: SGE) yoluyla yakalanır. Laboratuvar tabanlı paradigmalar bağlamında, ortalama fiksasyon süresi, tarama yolu uzunluğu ve bakış dizisi karmaşıklığı (yani, Bakış Geçişi Entropisi: GTE), problem çözmek ve daha zorlu görev hedefleri/çözümleri üzerinde detaylandırmak için gereken artan tarama ve işleme nedeniyle artma eğilimindedir 4,7.
Tersine, havacılık çalışmaları, tarama yolu uzunluğunun ve bakış dizisi karmaşıklığının görev karmaşıklığı ve bilişsel yük ile azaldığını göstermiştir. Bu tutarsızlık, görev bileşenlerini ve kullanılan paradigmanın taleplerini anlamanın, bakış ölçümlerinin doğru yorumlanması için kritik öneme sahip olduğu gerçeğini vurgulamaktadır. Toplamda, bugüne kadar yapılan araştırmalar, bakış ölçümlerinin, görev zorluğu, bilişsel yük ve görev performansındaki farklılıkların altında yatan göreve özgü bilgi işlemeye ilişkin anlamlı, nesnel bir içgörü sağladığını desteklemektedir. Göz izleme teknolojisindeki ilerlemelerle (yani taşınabilirlik, kalibrasyon ve maliyet), 'vahşi doğada' bakış davranışını incelemek, tıp 9,10,11 ve havacılık 12,13,14 alanlarında mesleki eğitimi ilerletmeye yönelik somut uygulamaları olan yeni ortaya çıkan bir araştırma alanıdır.
Mevcut çalışma, düşük zamanlı pilotlarda bir acil uçuş simülasyon görevi sırasında özellikle giyilebilir bir göz izleyici kullanarak bilgi işleme hakkında bilgi edinme konusunda içgörü elde etmek için bakış tabanlı ölçümleri kullanmanın faydasını daha fazla incelemeyi amaçlamaktadır. Bu çalışma, uçuş zorluğunun bir fonksiyonu olarak bakış davranışı ölçümlerindeki farklılıkları (yani hava koşullarındaki değişiklikler) incelemek için kafa stabilize edilmiş bir göz izleyici (yani EyeLink II) kullanan önceki çalışmaları genişletmektedir5. Bu yazıda sunulan çalışma, bir sanal gerçeklik sisteminde göz izlemeyi kullanmak için metodolojik ve analitik yaklaşımları tanımlayan diğer çalışmaları da genişletmektedir15. Çalışmamız daha yüksek kaliteli bir hareketsiz simülatör kullandı ve göz hareketi verilerinin (yani entropi) ek analizini rapor etti. Bu tür bir analiz önceki makalelerde bildirilmiştir; Bununla birlikte, mevcut literatürdeki bir sınırlama, analitik adımların raporlanmasında standardizasyon eksikliğidir. Örneğin, ilgi alanlarının nasıl tanımlandığını raporlamak, ortaya çıkan entropi değerlerini16 doğrudan etkilediği için kritik öneme sahiptir.
Özetlemek gerekirse, mevcut çalışma geleneksel ve dinamik bakış davranışı metriklerini incelerken, görev zorluğu uçuş sırasında bir acil durum senaryosunun (yani, beklenmedik toplam motor arızası) tanıtılması yoluyla manipüle edildi. Uçuş sırasında bir acil durum senaryosunun tanıtılmasının, daha zorlu görev koşulları sırasında bilgi işlemenin altında yatan bakış davranışı değişiklikleri hakkında fikir vermesi bekleniyordu. Burada bildirilen çalışma, yetkinlik temelli pilot eğitimini bilgilendirmek için bir uçuş simülatöründe göz izlemenin faydasını inceleyen daha büyük bir çalışmanın parçasıdır. Burada sunulan sonuçlar daha önce yayınlanmamıştır.
Aşağıdaki protokol, giyilebilir bir göz takip cihazı ve bir uçuş simülatörü içeren çalışmalara uygulanabilir. Mevcut çalışma, bir uçuş simülatöründe havacılıkla ilgili karmaşık görevlerin yanı sıra kaydedilen göz izleme verilerini içermektedir (bkz. Malzeme Tablosu). Simülatör, bir Cessna 172'yi temsil edecek şekilde yapılandırıldı ve gerekli gösterge paneli (buhar göstergesi konfigürasyonu), bir aviyonik/GPS sistemi, bir ses/ışık paneli, bir kesici paneli ve bir Uçuş Kontrol Ünitesi (FCU) ile kullanıldı (bkz. Şekil 1). Bu çalışmada kullanılan uçuş simülatörü cihazı, eğitim amaçlı sertifikalandırılabilir ve yerel uçuş okulu tarafından düşük riskli bir ortamda motor arızası gibi çeşitli acil durum senaryolarına müdahale etmek için gereken beceri setlerini eğitmek için kullanılır. Bu çalışmaya katılanların tümü lisanslıydı; Bu nedenle, daha önce eğitimleri sırasında motor arıza simülatörü senaryosunu deneyimlediler. Bu çalışma Waterloo Üniversitesi Araştırma Etiği Ofisi tarafından onaylanmıştır (43564; Tarih: 17 Kasım 2021). Tüm katılımcılar (N = 24; 14 erkek, 10 kadın; ortalama yaş = 22 yıl; uçuş saati aralığı: 51-280 saat) yazılı bilgilendirilmiş onam verdi.
Resim 1: Uçuş simülatörü ortamı. Uçuş simülatörü ortamının bir örneği. Katılımcının kokpite bakış açısı, Waterloo Uluslararası Havaalanı, Breslau, Ontario, CA'ya rüzgar yönünden üsse ve finale yaklaşım için önceden ayarlanmış bir Cessna 172 ile uçan bir pilotun bakış açısını kopyaladı. Turuncu kutular, bakış analizlerinde kullanılan on ana ilgi alanını temsil ediyor. Bunlar arasında (1) hava hızı, (2) tutum, (3) altimetre, (4) dönüş koordinatörü, (5) yön, (6) dikey hız ve (7) güç göstergelerinin yanı sıra (8) ön, (9) sol ve (10) sağ camlar bulunur. Bu rakam Ayala ve ark.5'ten değiştirilmiştir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
1. Katılımcı taraması ve bilgilendirilmiş onam
2. Donanım/yazılım gereksinimleri ve devreye alma
3. Veri toplama
NOT: Her deneme için bu adımları tekrarlayın. Dizüstü bilgisayarın kokpitin dışındaki bankın üzerine yerleştirilmesi önerilir.
4. Veri işleme ve analizi
Terim | Tanım |
Başarı (%) | Başarılı iniş denemelerinin yüzdesi |
Tamamlanma süresi (s) | İniş senaryosunun başlamasından uçağın pistte tamamen durmasına kadar geçen süre |
İniş Sertliği (fpm) | Touchdown noktasındaki iyi oranı |
İniş Hatası (°) | Uçağın merkezi ile iniş noktasındaki 500 ft pist işaretleyicisinin merkezi arasındaki fark |
Tablo 1: Simülatör performans sonuç değişkenleri. Hava aracı performansına bağlı değişkenler ve tanımları.
Resim 2: İniş senaryosu uçuş yolu. (A) tüm denemelerde tamamlanan iniş devresinin ve (B) iniş bölgesi için referans noktası olarak kullanılan 500 ft işaretleyicili pistin şeması (yani, merkez turuncu daire). Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
Şekil 3: İlgi Alanı haritalaması. Çerçeve seçimi için bir pencereyi gösteren toplu komut dosyasının bir çizimi. En uygun karenin seçimi, eşlenecek ilgi alanlarının çoğunu veya tümünü içeren bir video karesinin seçilmesini içerir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
Şekil 4: "Ekran içi" koordinatları eşleştiren İlgi Alanı oluşturma. "Ekran içi" koordinat seçimi için bir pencere gösteren toplu komut dosyasının bir çizimi. Bu adım, kayıt boyunca görünür kalan, görüntüye özgü ve statik kalan kare/dikdörtgen bir bölgenin seçilmesini içerir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
Şekil 5: Haritalanacak İlgi Alanının Belirlenmesi. İlgi alanlarının seçilmesine ve etiketlenmesine izin veren toplu komut dosyası penceresinin bir çizimi. Kısaltma: AOI'ler = ilgi alanları. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
Şekil 6: Toplu komut dosyası işleme. Videoyu işleyen toplu komut dosyasının bir çizimi ve deneme boyunca yapılan tespitleri haritalayan bakışlar. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
Terim | Tanım |
Bekleme süresi (%) | Bir AOI'de biriken tüm fiksasyon sürelerinin toplamının, tüm AOI'lerde biriken fiksasyon sürelerinin toplamına göre yüzdesi |
Ortalama fiksasyon süresi (ms) | Girişten çıkışa kadar bir AOI üzerinde bir sabitlemenin ortalama süresi |
Göz kırpma hızı (göz kırpma/sn) | Saniyedeki yanıp sönme sayısı |
SGE (bit) | Fiksasyon dağılımı |
GTE (bit) | Tarama sırası karmaşıklığı |
Maç Sayısı | Bilişsel tünelleme olaylarının sayısı (>10 sn) |
Toplam Maç Süresi (s) | Bilişsel tünelleme olaylarının toplam süresi |
Tablo 2: Göz izleme sonuç değişkenleri. Bakış, davranışa bağımlı değişkenler ve tanımları.
Görev taleplerinin uçuş performansı üzerindeki etkisi
Veriler, temel ve acil durumlarda başarılı iniş denemelerine dayalı olarak analiz edildi. Tüm ölçümler eşleştirilmiş örneklem t-testine tabi tutuldu (konu içi faktör içi: görev durumu (temel, acil durum)). Tüm t-testleri, 0.05 olarak ayarlanmış bir alfa seviyesi ile gerçekleştirildi. Dört katılımcı acil durum senaryosu denemesi sırasında düştü ve seyrek veriler ...
Burada açıklanan göz izleme yöntemi, giyilebilir bir göz izleyici aracılığıyla bir uçuş simülatörü ortamında bilgi işlemenin değerlendirilmesini sağlar. Bakış davranışının mekansal ve zamansal özelliklerinin değerlendirilmesi, yüksek kontrollü laboratuvar paradigmaları kullanılarak kapsamlı bir şekilde incelenen insan bilgi işlemesi hakkında fikir verir 4,7,28. ...
Rekabet eden hiçbir finansal çıkar mevcut değildir.
Bu çalışma kısmen Kanada Doğa Bilimleri ve Mühendislik Araştırma Konseyi'nden (NSERC) Kanada Yüksek Lisans Bursu (CGS) ve New Frontiers in Research Fund'dan Exploration Grant (00753) tarafından desteklenmektedir. Bu materyalde ifade edilen herhangi bir görüş, bulgu, sonuç veya tavsiye yazar(lar)a aittir ve sponsorların görüşlerini yansıtmayabilir.
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 |
Bu JoVE makalesinin metnini veya resimlerini yeniden kullanma izni talebi
Izin talebiThis article has been published
Video Coming Soon
JoVE Hakkında
Telif Hakkı © 2020 MyJove Corporation. Tüm hakları saklıdır