基于注视熵的核电厂数字化主控室操纵员认知负荷研究_戴立操.pdf

文章编号:1009-6094(2023)06-1985-09基于注视熵的核电厂数字化主控室操纵员认知负荷研究戴立操,张美慧,李 宇,马 莉,韩翔宇,陈 俏,李鹏程(南华大学人因研究所,湖南衡阳 421001)摘 要:探讨了核电厂数字化控制室中,基于计算机屏幕操作的操纵员认知负荷与注视熵(凝视静止注视熵和注视转移熵)之间的关系,找到了一种客观的操纵员认知负荷评价方法。研究在 DCS 模拟机上对正常工况和事故工况进行模拟试验。首先,利用 NASATLX 量表对 2 种工况下操纵员的认知负荷进行测量,佩戴眼动仪对试验过程中的眼动数据进行收集。其次,通过 Python 语言对眼动数据进行编程,计算出注视熵的值。最后,通过对上述 2 组数据进行 SPSS 方差分析和相关性分析,结果表明,认知负荷 F=61.017(p 0.05),SGE 的 F=2.86(p 0.1),GTE 的 F=11.117(p 0.05),注视熵与认知负荷在 0.05 的水平上显著正相关。进而得出结论:注视熵越大,认知负荷越大,注视熵可以作为测量操纵员认知负荷的一项有效指标。关键词:安全人体学;认知负荷;NASATLX 量表;注视熵中图分类号:X946 文献标志码:ADOI:10.13637/j.issn.1009-6094.2021.2404收稿日期:20211231作者简介:戴立操,教授,博士生导师,从事核电人因工程和核电安全评价研究,416778028 。基金项目:国家自然科学基金项目(51674145);国家社会科学基金项目(21BJY190);湖南省研究生科研创新项目(CX20210947)0 引 言在现代核电厂数字化(Digital Control System,DCS)主控室中,基于计算机屏幕的显示控制代替了传统的盘台、仪表盘、信号灯、按钮和开关等模拟显示控制设备。人机界面从模拟量的显示控制到数字化控制导致主控室操纵员的认知负荷水平发生变化1,影响核电厂主控室操纵员人机交互绩效。1988 年,Sweller2首次提出了认知负荷的概念,他认为认知负荷是指在特定的作业时间内施加于个体认知系统的心理活动总量。认知负荷测量方法主要有 4 种:主观测量、任务绩效测量、生理测量和多指标综合测量3 6。主观测量法是最常见的一种测量方法,通过问卷的形式对操纵员的主观感受进行测量7 8。主观测量法使用方便但主观性强。任务绩效测量是通过对操纵员的任务完成水平进行测量3,9。任务绩效测量法准确性较高,侧重于对绩效结果进行评价,但对于绩效形成的原因探究较少。生理测量法对操纵员的生理指标进行测量,包括脑电活动测量、磁共振成像技术、眼动变化和心电活动测量等10 13。现代眼动仪技术发展很快,干扰性较小且佩戴方便14。1996 年,徐燕红15最先在国内学术领域将眼动指标用于评价操纵员工作负荷的变化,为国内眼动技术在认知负荷领域的发展奠定了基础。生理测量法具有客观性、实时性和干扰性小的优点。多指标测量即通过 2 种或 2 种以上的指标对认知负荷进行测量,通常同时包括主观和客观(生理测量)2 类方法10,16 17。在目前的生理测量方法中,眼动信号已被证实与操纵员的认知负荷显著相关。眼动研究定性层面重点研究眼睛活动的注意力分布。孙艺笑等18利用眼动追踪仪对在线视频课程中教师位置的不同是否会对用户注意力产生影响进行了研究,发现当教师位于右上角时,用户会付出更多的注意力。眼动研究的定量研究主要是通过注视点个数、注视点时长以及瞳孔直径等指标来反映被试在任务过程中的某些感知19。1948 年,Shannon 提出了“信息熵”的概念20,但直到近几年学者们才开始将熵应用于个体注视行为的定量研究,注视熵的概念由此提出21。注视熵是从人眼注视的不确定性角度进行研究,分为 2 类:一种是静止注视熵(Stationary GazeEntropy,SGE),指通过量化眼球运动的空间分布;另一种是注视转换熵(Gaze Transition Entropy,GTE),指通过转换模式来对注视行为进行评估的一种方法21 22。注视点均匀分布在各个区域时,熵取最大值。SGE 测量在给定的观看时间内注视位置的不确定性;GTE 测量在给定当前注视位置的情况下,与下一个注视位置相关的不确定性23。注视熵测量被用于检测不同条件下操作员在手术执行、飞行控制和驾驶任务中的疲劳情况。Di Stasi 等24通过记录在 3 个腹腔镜运动的高保真虚拟模拟过程中的眼球运动,发现当手术任务的难度增大时注视熵会随之增加。Carolina 等22利用注视熵对 3 套不同复杂程度的飞行演习中的任务负荷进行测量,发现与识别飞行(低复杂性)相比,飞行员在解决飞行中的紧急情况时,注视熵显著降低。Brook 等23通过注视熵研究了酒精对驾驶行为的影响,发现酒精对注视控制的减弱是通过 GTE 的显著减少来反映的。5891第 23 卷第 6 期2023 年 6 月 安全 与 环 境 学 报Journal of Safety and Environment Vol.23 No.6Jun.,2023与其他眼动指标(如瞳孔直径)相比,注视熵的测量值具有不受外部因素(环境光线和情绪状态)影响的优点25 26。由于基于计算机的操纵具有锁孔效应27,基于核电厂 DCS 中计算机的操作管理任务和主任务会发生冲突28,与模拟控制中数据驱动(模拟控制器驱动)的心智模型不一样,基于计算机的操纵更多的是人员内部知识驱动的操作29,注视熵能否用于核电厂主控室操纵员认知负荷的测量没有得到有效验证。本文通过模拟试验对核电厂数字化主控室中支持工况和事故工况操纵员的眼动状态进行记录,计算其注视熵。同时采用美国航空航天局工作负荷指标量表(National Aeronautics and SpaceAdministrationTask Load Index,NASATLX)对不同工况下操纵员的认知负荷状态进行测量。通过对注视熵和认知负荷测量值进行一致性和相关性分析,研究注视熵与认知负荷之间关系,以期望寻找一种准确、客观、便捷评估核电厂控制室操纵员认知负荷水平的方法。1 研究方法与试验设计核电厂运行统计事故分析显示小破口事故(Small Loss of Coolant,SLOCA)发生的概率是大破口事故的 10 倍左右30。SLOCA 发生以后,随着电厂工况的不断恶化,操纵员的认知负荷增大。本研究选取事故工况(SLOCA)和正常工况(气机发动机冲转、并网至最小负荷 50 MW)进行模拟试验,研究不同工况下操纵员认知负荷与注视熵的变化。利用NASATLX 量表对操纵员在正常和事故工况下的认知负荷进行测量,并记录试验过程中操纵员的眼动数据以计算注视熵,最后分析注视熵与操纵员认知负荷的关系(详见2.3 节)。在试验过程中操纵员佩戴眼镜式眼动仪对操作过程的眼动数据进行记录,试验结束后进行 NASATLX 量表的填写和眼动数据的提取、存储和分析。1.1 研究方法1.1.1 注视熵使用 GTE 和 SGE 测量值对视觉行为进行评估,将有效的感兴趣区域定义为 1900 PX(PX 指像素)1000 PX 的空间,丢弃此区域之外的眼动数据。将此兴趣区域划分为 190 个 100 PX 100 PX 的空间 状 态,则 最 大 熵 为 H(x)=-ni=11190log21190()=log2190=7.5723。将 Shannon 熵20应用于凝视数据被称为静止注视熵(SGE),其数学表达式为H(x)=-ni=1(Pi)log2(Pi)(1)式中 x 表示任务过程的一组注视,n 表示被注视所占据的空间状态的数量,i 表示占用的空间状态,Pi表示第 i 个空间状态内注视的比例。但是 SGE 仅对注视空间的分散程度进行了量化,GTE 则量化了注视转换相对于注视整体分散的复杂性31。将 Markov 熵32应用于凝视数据被称为注视转移熵(GTE),其数学表达式为H(x)=-ni=1Pinj=1P(i|j)log2P(i|j)(2)式中 P(i|j)表示从状态 i 转移到状态 j 的概率,ij。1.1.2认知负荷的主观测量方法NASATLX量表本研究采用的认知负荷主观测量方法为 NASATLX 量表33,此量表包括 6 个维度:脑力负荷、体力需求、时间需求、业绩水平、努力程度和受挫程度。采用一条 10 分制的直线进行分数表示,被试依据自己完成任务时的实际情况对各项进行打分。测量结果为 10 分制,需要确定 6 个维度对于认知负荷的权重:将 6 个维度进行两两比较,共组成 15 对,在量表填写完成后,被试选出每对中与认知负荷关联更为密切的一项,然后根据每一项被选出的次数,确定该项的认知负荷权重14。1.2 试 验1.2.1 被 试一共 20 名被试参与试验,均为南华大学在读研究生。其中 11 名女生、9 名男生,被试年龄为 22 25 岁,视力或矫正视力正常,每位被试均有 10 次以上的操作经验,具备熟练的模拟机操作技术。试验早上 9 点开始,在试验前一天晚上,各位被试均达到了 7 h 及以上的睡眠时间。所有被试试验结束后均给予一定的报酬。1.2.2 试验设备试验在南华大学人因研究所的 M 310 压水堆核电厂模拟机平台上进行(图 1)。被试佩戴 TobiiGlass 2.0 眼镜式眼动仪。眼动仪由1 个小型记录单元和 1 个安装在眼镜框上的眼睛追踪单元组成,录音和视频存储在 SD 卡中,SD 卡可以取出插入电脑进行数据分析。核电厂模拟机有4 组操纵单元组成,被试在第3和第 4 组操纵单元上进行操纵。每组操纵单元由 6台计算机显示屏幕构成。操纵员在操作规程的指导6891 Vol.23 No.6 安全 与 环 境 学 报 第 23 卷第 6 期下利用鼠标和键盘对模拟机进行操作。操纵员的座椅为可移动式,以保证操纵员所需屏幕处于操纵员正前方,确保眼动追踪系统获得有效数据。操纵员以正常坐姿进行操纵,眼睛到屏幕的距离为 50 75 cm。图 2 主控室操纵员 SLOCA 事故处理流程图Fig.2 Flow chart of SLOCA accident handling of the operator in the main control room1.2.3 试验设计试验采取 1(被试)2(正常/事故后)的试验设计,运行工况被分为正常工况(气机发动机冲转、并网至最小负荷 50 MW)和事故工况(SLOCA 工况)。每个被试在试验过程中对核电厂正常工况和事故工况进行运行模拟,在模拟过程中一回路操纵员佩戴眼动仪以记录眼动数据,本次试验不涉及二回路操纵员。SLOCA 发生后,一回路压力迅速降低,当降低至稳定压力低整定值时触发反应堆紧急停堆,降低至稳压器压力低整定值时触发安注信号;此时,中压安注不可用,二次侧局部冷却自动功能无法满足安注箱和低压安注泵投运的条件;操纵员需要根据规程手动执行二次侧快速冷却,对一回路降温降压,操作失败将导致堆芯损伤34。此时,可将操纵员的操作分为以下 4 个阶段,如图 2 所示。事故工况试验中主要记录安注启动后操纵员对一回路进行操作,使得压力和温度平稳下降的操作过程。DCS 模拟机可以真实模拟核电厂数字化主控室事故后操纵。为保证试验结果不受体力负荷的影响,本次试验中每位被试的连续操作时间为 40min35。本次试验所提供的时间足够被试对事故工况进行降温降压至稳定。每位被试先进行正常工况运行,休息0.5 h 后再次进行 SLOCA 事故工况运行。在试验结束后立即进行 NASATLX 量表的填写,并保存眼动仪中的数据。图 1 M310 压水堆 DCS 模拟机Fig.1 DCS simulator for M310 PWR2 数据收集与分析NASATLX 量表数据通过问卷的形式获取,每做完一次试验,被试立即对问卷进行填写。眼动数据利用 Tobii Glass 2.0 眼动追踪系统进行收集。试验结束后,最终获得 19 份有效 NASATLX 量表数据和试验过程中的眼动数据(1 份数据保存失效)。2.1 NASATLX 量表数据收集与分析被试对 6 个维度进行两两比较,选择出他们认为对认知负荷更为密切的维度,得出各项维度的权重为:脑力需求 19.7%、体力需求 18.7%、时间需求14%、业绩水平 22%、努力程度 17.3%、受挫程度8.3%。利用 SPSS 数据分析软件对量表进行信度和效度分析,信度 =0.664,属于可接受范围;效度KMO=0.72,具有较好的效度36。将权重与各项得分相乘,得出 NASATLX 量表的最终得分(0 10分)如表 1 所示,量表得分代表了操纵员的认知负荷水平。正常工况和事故工况下操纵员的平均认知负荷水平分别为 5.25 和 6.55。为确认 NASATLX 量表测量结果的准确性及分析不同维度对于操纵员认知负荷的是否有影响,需要分析 2 种工况下操纵员的认知负荷及其各项维度数据差异是否显著,本文利用 SPSS 数据分析软件对试验数据进行方差分析,结果见表 2。认知负荷的 F 为 61.017(p 0.05),表明两种工况下的认知负荷存在显著性差异:与正常工况相比,事故工况下操纵员产生更大的认知负荷。从认知负荷的 6 个维度来看,脑力需求 F=66.935(p 0.05),表明不同工况下,操作员的脑力需求具有显著的差异,事故工况下操纵员需要付出更多的脑力活动;时间需求F=16.454(p 0.05),表明在正常工况与事故工况下,人们所需要的时间是具有显著差异的,事故工况下的时间需求更为紧迫;努力程度和受挫程度的 F 分别为 18.052 和 11.292(p 0.1),表明无论在正常工况还是在事故工况下,人们完成工作需要的体力需求以及所达到的业绩水平是稳定表 3 2 种工况下操纵员注视熵统计结果Table 3 Statistical results of operators gaze entropy under two working conditions被试编号正常工况SLOCA 工况GTEGTE 标准差SGESGE 标准差GTEGTE 标准差SGESGE 标准差14.200.024.250.014.260.264.290.2624.660.344.690.324.730.074.770.0834.670.354.710.344.980.255.010.2544.540.264.570.244.750.094.710.0454.120.044.460.164.750.094.780.0964.180.004.210.024.170.324.200.3274.250.054.270.034.740.084.770.0883.740.313.710.375.200.415.220.4093.870.223.910.234.480.104.500.11104.580.294.620.274.990.265.020.26114.800.444.830.424.110.364.140.36124.460.204.490.183.990.454.030.44133.920.183.970.184.530.074.560.06144.290.084.340.085.420.565.450.56153.840.243.900.235.010.275.040.27164.040.104.080.114.010.444.050.43174.100.054.150.064.190.314.230.30183.640.383.720.365.320.495.340.49193.460.513.520.504.260.264.270.27的,没有显著的区别。表 2 2 种工况下关于 NASATLX 量表的方差分析Table 2 Variance analysis of NASATLX scaleunder two working conditions认知负荷 6 个维度Fp脑力需求66.935 0.000体力需求2.3060.137时间需求16.454 0.000业绩水平0.1200.730努力程度18.052 0.000受挫程度11.292 0.002认知负荷总量61.017 0.000 注:、和分别表示在 1%、5%和 10%的统计水平上显著。2.2 眼动数据收集与分析被试在试验过程中佩戴眼动仪对试验过程中操纵员的眼动数据进行收集。1.1.1 节中介绍到本文将有效的感兴趣区域划分为190 个100 PX 100 PX的空间状态。试验结束后,将眼动仪数据上传至Tobii Pro 分析软件。通过 Tobii Pro 可以得出试验过程中每个注视点的坐标。利用 Python 语言进行编程,根据 Tobii Pro 中导出的注视点的坐标,得出 190个格子中各自的注视点的数量,利用 Excel 将190 个格子表示出来,并将注视点的坐标结果分类整理到Excel 表格中。SGE 的计算只涉及 Pi,此项计算较为简单,计算过程由 Excel 即可实现。首先,在 Excel 中计算出每个空间状态中注视点所占总注视点的比例 Pi;再将数值代入式(1)中进行计算,即可得出 SGE 的数值(见表 3)。GTE 的计算涉及 P(i|j),计算较为复杂。首先,9891 2023 年 6 月 戴立操,等:基于注视熵的核电厂数字化主控室操纵员认知负荷研究 Jun.,2023在 Excel 中计算出从状态 i 转移到状态 j 的概率,公式为P(i|j)=状态j 中注视点的个数总注视点的个数-状态i 中注视点的个数;再将式(2)利用 Python 语言进行编程,从而计算出GTE 的数值(见表 3)。熵越大证明注视点越分散,可预测性越低35。当注视点均匀分布在每个格子中时,熵取最大值。若注视熵能作为认知负荷测量的有效指标,则不同工况下操纵员的注视熵具有显著差异,为了研究 2种工况下操纵员的注视熵差异是否显著,利用 SPSS数据分析软件对注视熵进行方差分析。分析结果显示,SGE 的 F 为 2.86(p 0.1),GTE 的 F 为 11.117(p 0.05),这表明在正常工况与事故工况下的操纵员注视熵具有显著差异,GTE 差异更加明显。与在正常工况下相比,在事故工况下操纵员的注视熵更大。这说明在事故工况下操纵员的注视点更为分散,且存在更大的不确定性和不可预测性。本研究选了 1 组试验展示不同工况下操纵员的注视点热图(如图 3 所示)和注视轨迹图(如图 4 所示)的差异。从图 3 和 4 中可以看出,在正常工况下操纵员的注视点相对比较集中,主要集中于左侧的4 个屏幕,在事故工况下相对比较分散,虽主要集中于三、四这 2 个屏幕,但其他 4 个屏幕也有分布。图 3 注视点热图Fig.3 Heat map of gaze point2.3 注视熵与认知负荷相关性分析依据方差分析可知,认知负荷的 F 为 61.017(p 0.05),SGE 的 F 为2.86(p 0.1),GTE 的 F 为11.117(p 0.05),这证明操纵员的认知负荷与注视熵存在一致的变化,事故工况下的操纵员认知负荷与注视熵均大于正常工况下操纵员的认知负荷与注视熵。为了进一步识别注视熵与操纵员认知负荷之间的关系,分析两者之间的相关性,利用 SPSS 数据分析软件对注视熵与量表得分进行相关性分析,分析结果如表 4 所示。从分析结果来看,在正常工况下 SGE 与代表操纵员认知负荷的 NASATLX 量表得分相关性系数为 0.476(p 0.05),GTE 与认知负荷的相关系数为 0.552(p 0.05);在事故工况下SGE 与认知负荷的相关性系数为 0.746(p 0.05),GTE 与认知负荷的相关系数为 0.738(p 0.05)。这表明注视熵与操纵员的认知负荷显著相关性,且为正相关,操纵员的认知负荷越大注视熵就越大。因此,注视熵可以成为度量操纵员认知负荷的有效指标。2.4 结果分析根据上述结果可知,操纵员的认知负荷与注视熵(SGE 和 GTE)之间相关性显著(均为正相关),注视熵越大,操纵员认知负荷水平越高。注视熵与认知负荷之间具有较强的相关关系,对操作员任务完成过程中的注视熵进行测量是一种对核电厂主控室操纵员认知负荷进行评估的有效方法。与其他认知 表 4 注视熵与认知负荷的相关性分析Table 4 Correlation analysis between gazeentropy and cognitive load工况分类认知负荷相关系数p正常工况 SGE0.476 0.039事故工况 SGE0.746 0.000正常工况 GTE0.552 0.014事故工况 GTE0.738 0.000 注:、和分别表示在 1%、5%和 10%的统计水平上显著。图 4 注视点轨迹图Fig.4 Trajectory diagram of gaze points0991 Vol.23 No.6 安全 与 环 境 学 报 第 23 卷第 6 期负荷测量方法相比,注视熵测量认知负荷的方法采用了定量研究,研究结果更为准确,且试验过程中对操纵员产生的干扰较小。采用对操纵员的注视熵进行定量测量能有效测量操纵员在人机交互过程中的认知负荷,其相关数据可以作为概率安全评价中人因可靠性(Human Reliability Analysis,HRA)基础数据。3 结 论本文将注视熵的理论运用到核电厂人因领域,进行了相关探索性研究,旨在研究核电厂数字化主控室中操纵员认知负荷与注视熵之间的关系,并通过分析结果对利用注视熵对操纵员的认知负荷进行测量的可行性进行验证,得出了以下结论。1)对 NASATLX 量表进行方差分析,认知负荷 F 为 61.017(p 0.05)2 种工况下操纵员的认知负荷存在明显差异。其中脑力负荷差异最为明显,F 为 66.935(p 0.05)。这表明事故工况下操纵员认知负荷较高。2)使用眼动仪和 python 语言进行编程对注视熵进行计算并利用 SPSS 数据分析软件分析不同事故工况下注视熵的差异性,SGE 的 F 为 2.86(p 0.1),GTE 的 F 为 11.117(p 0.05),表明 2 种工况下注视熵存在显著差异,与正常工况相比,在事故工况下操纵员的注视熵更大。3)将注视熵与代表操纵员认知负荷的 NASATLX 量表结果进行一致性和相关性分析,结果表明在 2 种工况下 SGE 与认知负荷的相关系数分别为0.476(p 0.05)和 0.746(p 0.05),GTE 与认知负荷的相关系数分别为 0.552(p 0.05)和 0.738(p 0.05)。且方差验证结果表示,由正常工况过渡到事故工况时,操纵员的认知负荷和注视熵均增大。表明认知负荷和注视熵的变化一致且正相关。参考文献(References):1 颜克彤,张昆,邵将,等.面向人机交互数字界面的认知负荷研究J.机电产品开发与创新,2020,33(1):8588.YAN K T,ZHANG K,SHAO J,et al.Research oncognitive Load facing human-computer Interaction digitalinterface J.Electromechanical Product Developmentand Innovation,2020,33(1):8588.2 SWELLER J.Cognitive load during problem solving,effects on learningJ.Cognitive Science,1988,12(2):257285.3 BRUNKEN R,PLASSJL,LEUTNERD.Directmeasurement of cognitive-load in multimedia learningJ.Educational Psychologist,2003,38(1):5361.4FAIRCLOUGH S H,VENABLES L,TATTERSALL A.The influence of task demand and learning on the psycho-physiological response J.InternationalJournalofPsychophysiology,2005,56(2):171184.5BERKA C,LEVENDOWSKI D J,LUMICAO M N,etal.EEG correlates oftask engagementand mentalworkload in vigilance,learning,and memory tasksJ.Aviation Space&Environmental Medicine,2007,78:B231244.6 AHLSTROM U,FRIEDMAN-BERG F J.Using eyemovement activity as a correlate of cognitive workloadJ.International Journal of Industrial Ergonomics,2006,36(7):623636.7 GABRIELG,RAMALLOMA,CERVANTESE.Workload perception in drone flight training simulatorsJ.Computers in Human Behavior,2016,64:449454.8 黄杨森,程耀萍,王艳微,等.应用 NASATLX 量表与心率变异性指标评价女飞行学员脑力负荷的研究J.中华航空航天医学杂志,2018,29(1):1421.HUANG Y S,CHENG Y P,WANG Y W,et al.Evaluation of mental workload of female flight cadets byNASATLX scale and heart rate variabilityJ.ChineseJournal of Aerospace Medicine,2018,29(1):1421.9 BRNKEN R,STEINBACHER S,PLASS J L,et al,Assessment of cognitive load in multimedia learning usingdual-task methodology J.Experimental Psychology,2002,49(2):115132.10 RYU K,MYUNG R.Evaluation of mental workloadwith a combined measure based on physiological indicesduring a dual task of tracking and mental arithmeticJ.International Journal of Industrial Ergonomics,2005,35(11):9911009.11 龚德英.多媒体学习中认知负荷的优化控制D.重庆:西南大学,2009.GONG D Y.Optimal control of cognitive load inmultimedialearning D.Chongqing:SouthwestUniversity,2009.12LAMBERTS J,VAN DEN BROEK P L C,BENER L,etal.Correlationdimensionofthehumanelectroencephalogram corresponds with cognitive loadJ.Neuropsychobiology,2000,41(3):149153.13 VELTMANJA.Acomparativestudyofpsychophysiological reactions during simulator and realflight J.TheInternationalJournalofAviationPsychology,2002,12(1):3348.14 刘鑫.基于眼动数据测量认知负荷水平D.重庆:西南大学,2017.1991 2023 年 6 月 戴立操,等:基于注视熵的核电厂数字化主控室操纵员认知负荷研究 Jun.,2023LIU X.Cognitive load levels were measured based oneyemovementdata D.Chongqing:SouthwestUniversity,2017.15 徐燕红.用眼动指标评价操纵人员发生变化的工作负荷J.航空军医,1996,(1):61.XU Y H.Evaluation of operators changing workload withEye Movement Index J.Aviation Military Doctor,1996,(1):61.16 张智君,朱祖祥.视觉追踪作业心理负荷的多变量评估研究J.心理科学,1995,18(6):337340ZHANG Z J,ZHU Z X.A multivariate assessment ofpsychological Load in visual tracking taskJ.Journal ofPsychological Science,1995,18(6):337340.17 李金波,许百华.人机交互过程中认知负荷的综合测评方法J.心理学报,2009,41(1):3543.LI J B,XU B H.A comprehensive evaluation method ofcognitive loadinhuman-computerinteraction J.Journal of Psychology,2009,41(1):3543.18 孙艺笑,袁晓芳,张萌.在线视频课程中教师呈现对用户注意力分配的影响 J.技术与创新管理,2022,43(1):6374.SUN Y X,YUAN X F,ZHANG M.The influence ofteacher presentation on user attention allocation in onlinevideocourses J.TechnologyandInnovationManagement,2022,43(1):6374.19 周鹏生,周爱保.THOG 推理影响因素的眼动研究J.西南大学学报自然科学版,2011,33(2):167172.ZHOU P S,ZHOU A B.An eye movement study oninfluencing factors of THOG inferenceJ.Journal ofSouthwest University Natural Science Edition,2011,33(2):167172.20 SHANNONCE.Amathematicaltheoryofcommunication M.Urbana:University of IllinoisPress,1948,816.21 KRZYSZTOF K,TOMASZ S,ANDREW T,et al.Entropy-basedstatisticalanalysisofeyemovementtransitions J.EyeTrackingResearchandApplications,2014,14,159166.22 CAROLINA D P,HECTOR R,ALBERTO C,et al.The effects of flight complexity on gaze entropy:anexperimental study with fighter pilots J.AppliedErgonomics,2019,77(5):9298.23 BROOK A,SHIFERA W,DAVID P,et al.Gazeentropymeasuresdetectalcohol-induceddriverimpairmentJ.Drug and Alcohol Dependence,2019,204(5):18.24 DI STASI L L,DIAZPIEDRA C,RIEIRO H,et al.Gaze entropy reflects surgical task load J.SurgicalEndoscopy,2016,30(11):50345043.25 BEATTY J,LUCERO-WAGONER B.Handbook ofpsychophysiologyM.2nd ed.New York:CambridgeUniversity Press,2000.26 BRADLEY M M,MICCOLI L,ESCRIG M A,et al.The pupil as a measure of emotional arousal andautonomic activationJ.Psychophysiology,2008,45:602607.27 WOODS D D,ROTH E M,STUBLER W F,et al.Navigating through large display networks in dynamiccontrol applications C/Proceedings of the HumanFactors and Ergonomics Society Annual Meeting.LosAngeles:SAGE Publications,1990:396399.28 JOHN O,WILLIAM S,JERRY W,et al.The Effects ofInterface Management Tasks on Operator Performance inComplex Systems C /Proceedings of the HumanFactors and Ergonomics Society Annual Meeting:V.Los Angeles:SAGE Publications,1998,16351635.29 MAN C K,POONG H S.A computational model forknowledge-driven monitoring of nuclear power plantoperators based on information theoryJ.ReliabilityEngineering and System Safety,2005,91(3):283291.30 HERBERT M.Reactor safety studyJ.Physics Today,1975,28(2):7173.31 BROOK S,LUKE D,DAVID C.A review of gazeentropy as a measure of visual scanning efficiencyJ.Neuroscience and Biobehavioral Reviews,2019,96(5):353364.32 LEANDRO L,STASI D,REBEKKA R,et al.Towardsa driverfatiguetestbasedonthesaccadicmainsequence:a partial validation by subjective report dataJ.Transportation Research Part C,2011,21(1):122133.33 HART S G,STAVELAND L E.Development of NASATLX(taskloadindex):resultsofempiricalandtheoretical researchJ.Advances in Psychology,1988,52: