Multifaktorielle Echtzeitdiagnose des Nutzerzustands in adaptiver Mensch-Maschine-Interaktion

Abstract

Konzepte adaptiver Systemgestaltung zielen darauf ab, den Operateur zustands- und situationsabhängig zu unterstützen, um Leistungsausfällen und -minderungen frühzeitig entgegenzuwirken und die Gesamtleistung des Mensch-Maschine-Systems zu optimieren. Gegenstand dieser Dissertation ist die Entwicklung einer Echtzeitdiagnose des Nutzerzustands, die Problemzustände und mögliche Ursachen während der Aufgabenbearbeitung erkennt und damit eine dynamische zustandsabhängige Auswahl und Anwendung von Adaptierungsstrategien ermöglicht. Auf Grundlage theoriebasierter und empirischer Erkenntnisse wurde mit RASMUS (Real-Time Assessment of Multidimensional User State) ein generisches Diagnosekonzept für eine ganzheitliche Erfassung und Bewertung des Nutzerzustands entwickelt. Im Unterschied zu anderen Forschungsarbeiten wird der Nutzerzustand hierbei multidimensional als Zusammenwirken von sechs mentalen Konstrukten definiert, die nachweislich die menschliche Leistungsfähigkeit beeinflussen können: Mentale Beanspruchung, Müdigkeit, Motivation, Aufmerksamkeit, Situationsbewusstsein sowie der emotionale Zustand. Die Erfassung dieser Zustände erfolgt multifaktoriell durch Kombination von physiologischen und verhaltensbasierten Maßen mit umwelt- und nutzerinternen Einflussfaktoren. Das Diagnosekonzept sieht vor, Adaptierungsbedarf auf Basis von Leistungsmaßen zu bestimmen. Auf diese Weise wird sichergestellt, dass die Adaptierung produktiven Selbstregulierungsstrategien des Nutzers nicht entgegenwirkt, die sich in Veränderungen des Nutzerzustands äußern können. Die multifaktorielle Bewertung des Nutzerzustands ermöglicht es im Weiteren, mögliche Ursachen für Leistungsverschlechterungen zu identifizieren, denen durch Auswahl und Anwendung geeigneter Adaptierungsstrategien entgegengewirkt werden kann. RASMUS wurde exemplarisch für den Anwendungsbereich der Luftraumüberwachung und drei ausgewählte Problemzustände (hohe Beanspruchung, passive aufgabenbezogene Müdigkeit sowie eine falsche Aufmerksamkeitsverteilung) umgesetzt und validiert. Die erfolgreiche Umsetzung des Diagnosekonzepts und die bestätigte Validität der Diagnoseergebnisse von RASMUS ermöglicht es, die Echtzeitdiagnose künftig als Grundlage für die dynamische Auswahl und Konfiguration von Unterstützungsstrategien in adaptiven Systemen heranzuziehen. Darüber hinaus sind auch Einsatzmöglichkeiten im Bereich der Usability-Bewertung sowie in Training und Ausbildung denkbar, z.B. um gewünschte Trainingszustände gezielt hervorzurufen oder den Trainingserfolg zu bewerten.