廖 斌，呂思思，馮海芹

(1.四川師范大學(xué) 商學(xué)院，四川 成都 610101；2.成都職業(yè)技術(shù)學(xué)院 軟件學(xué)院，四川 成都 610101)

0 引言

隨著信息化的深入，核電站、化工等高危作業(yè)控制逐漸由傳統(tǒng)的模擬式向數(shù)字化轉(zhuǎn)變，數(shù)字化控制室已成為作業(yè)人員的主要工作場(chǎng)所。數(shù)字化控制室中，計(jì)算機(jī)及控制軟件終端成為作業(yè)人員的“工具機(jī)”[1]，“工具機(jī)”通常以視頻顯示終端(Visual Display Terminal，VDT)的形式呈現(xiàn)，作業(yè)人員的勞動(dòng)形式由操作技能型向認(rèn)知性知識(shí)型轉(zhuǎn)變，信息的辨識(shí)、加工和處理將成為認(rèn)知性作業(yè)的主要環(huán)節(jié)[2]。因此，與普通工業(yè)和服務(wù)業(yè)情況類似，認(rèn)知性VDT作業(yè)逐漸成為這些控制室作業(yè)人員的主要?jiǎng)趧?dòng)模式。由于計(jì)算機(jī)可靠性的不斷提高，認(rèn)知性VDT作業(yè)系統(tǒng)中人的可靠性已成為系統(tǒng)績(jī)效薄弱環(huán)節(jié)的重要組成部分[3]。

科學(xué)管理最基本的邏輯是通過過程控制實(shí)現(xiàn)管理目標(biāo)。Gilbraith提出“動(dòng)素”的概念，并運(yùn)用其來描述和表征各種操作作業(yè)過程，極大改善外顯體力作業(yè)者的可靠性和績(jī)效[4]。認(rèn)知性VDT作業(yè)的內(nèi)隱性增加了對(duì)其進(jìn)行過程解析的難度，目前管理者主要通過工作內(nèi)容激勵(lì)、知識(shí)共享、作業(yè)環(huán)境和條件改善[4-6]等方式來提高作業(yè)人員可靠性和績(jī)效，缺乏對(duì)作業(yè)過程的研究，這導(dǎo)致學(xué)者們對(duì)該類作業(yè)安全及績(jī)效管理的研究進(jìn)展緩慢。因此，從作業(yè)過程解析視角探索認(rèn)知性VDT作業(yè)人員可靠性和績(jī)效問題意義重大。

基于此，本文將從人的信息加工視角，結(jié)合結(jié)構(gòu)方程模型(Structural Equation Modeling，SEM)方法，研究認(rèn)知性VDT作業(yè)過程表征方法，以期為從過程解析視角研究認(rèn)知性VDT作業(yè)的人因可靠性提供理論支撐，為人因可靠性問題研究提供新的范式參考。

1 認(rèn)知性VDT作業(yè)過程中CT的歸納和抽取

1.1 認(rèn)知性VDT作業(yè)的信息加工過程模型

認(rèn)識(shí)性VDT作業(yè)要求勞動(dòng)者持續(xù)通過VDT獲取任務(wù)信息，經(jīng)過大腦處理后，通過作業(yè)系統(tǒng)的外圍設(shè)備(鼠標(biāo)、鍵盤等)輸出作業(yè)指令，直至任務(wù)完成，屬于人機(jī)交互性質(zhì)的認(rèn)知作業(yè)。學(xué)者們?cè)诙嗄昵熬鸵呀?jīng)開始對(duì)認(rèn)知作業(yè)過程管理進(jìn)行研究：Ramaprasad[7]認(rèn)為研究人類認(rèn)知作業(yè)時(shí)應(yīng)該關(guān)注微觀層面，比如知覺、刺激再認(rèn)、概念形成、推理規(guī)則等具體環(huán)節(jié)；閻平凡等[8]、周新林等[9]均認(rèn)為可以把認(rèn)知作業(yè)過程看作大腦對(duì)某些符號(hào)操作或加工的信息處理過程；吳文俊[10]提出從數(shù)學(xué)思維的角度實(shí)現(xiàn)“腦力勞動(dòng)機(jī)械化”的思路是可行的，可以通過揭示思維的“黑箱”過程對(duì)認(rèn)知活動(dòng)進(jìn)行控制和優(yōu)化，但需注意的是不同類型的認(rèn)知作業(yè)在加工層次結(jié)構(gòu)和內(nèi)容上存在差異。

認(rèn)知性VDT作業(yè)可以視作人機(jī)交互型的認(rèn)知作業(yè)，將人看作具有信息接收、處理和輸出功能的“機(jī)體”，外界的“工具機(jī)”看作是人這種“機(jī)體”的外延，作業(yè)過程看作“人—工具機(jī)”的信息對(duì)話過程。在這個(gè)對(duì)話過程中，人的信息處理尤為重要。

認(rèn)知心理學(xué)經(jīng)典理論將人的信息處理過程分為感覺、知覺、記憶、思維和想象5個(gè)環(huán)節(jié)[11]。這在一定程度上割裂了這些環(huán)節(jié)之間的內(nèi)部聯(lián)系，元認(rèn)知?jiǎng)t削弱了這種人為的分離，其為完成具體認(rèn)知任務(wù)對(duì)認(rèn)知過程和環(huán)節(jié)進(jìn)行主動(dòng)的監(jiān)測(cè)和連續(xù)的協(xié)調(diào)[12]。借用Gilbraith體力勞動(dòng)動(dòng)作解析的思想，將認(rèn)知性VDT作業(yè)過程中的信息處理基本操作定義為包括元認(rèn)知在內(nèi)的認(rèn)知?jiǎng)铀?Cognitive Therbligs，CT)。由于是動(dòng)素級(jí)的信息操作環(huán)節(jié)，CT比感覺、知覺、記憶、思維和想象5個(gè)認(rèn)知環(huán)節(jié)更基礎(chǔ)，是構(gòu)成這5個(gè)認(rèn)知環(huán)節(jié)的元素(CT的抽取將在后文分析)。因此，將認(rèn)知性VDT作業(yè)中人的信息處理過程定義為：在元認(rèn)知的動(dòng)態(tài)監(jiān)測(cè)和調(diào)節(jié)下，人的信息接收、加工和輸出過程中存在的所有相關(guān)CT構(gòu)成的某種網(wǎng)鏈結(jié)構(gòu)。據(jù)此，認(rèn)知性VDT作業(yè)的信息加工過程模型如圖1所示。

圖1 認(rèn)知性VDT作業(yè)的信息加工過程模型

由模型可知，認(rèn)知性VDT作業(yè)過程可以視為CT網(wǎng)鏈。

1.2 CT的歸納和抽取

通過分析感覺、知覺、記憶、思維和想象5個(gè)環(huán)節(jié)所涉及到的信息處理操作，結(jié)合認(rèn)知性VDT作業(yè)過程的一般要求和特征，定義CT集。認(rèn)知性VDT作業(yè)CT集見表1。

由表1可知，認(rèn)知性VDT作業(yè)認(rèn)知?jiǎng)铀丶稍J(rèn)知、信息辨識(shí)、信息存儲(chǔ)、信息變形、信息搜索、信息比較、信息分類、信息選擇、信息提取、信息綜合、信息過濾、信息分解、信息應(yīng)用13個(gè)基本信息操作組成。元認(rèn)知是最高級(jí)別的信息操作，對(duì)作業(yè)過程中的CT起監(jiān)控、規(guī)劃和協(xié)調(diào)的作用。需要說明的是：CT可以進(jìn)一步細(xì)化，但是否需要進(jìn)一步細(xì)化以及進(jìn)一步細(xì)化的程度，需要根據(jù)研究需求和技術(shù)水平確定；針對(duì)其他形式的認(rèn)知作業(yè)，該結(jié)論不一定適用，可能需要再刪、增CT。

表1 認(rèn)知性VDT作業(yè)CT集

2 認(rèn)知性VDT作業(yè)過程中CT的驗(yàn)證性因素分析

2.1 認(rèn)知性VDT作業(yè)過程的CT概念模型假設(shè)

認(rèn)知性VDT作業(yè)具有顯著的內(nèi)隱性特征，前文提出的13個(gè)CT是不可直接觀測(cè)到的變量(潛變量)，這增加了作業(yè)過程解析的難度。

根據(jù)認(rèn)知性VDT作業(yè)的信息加工過程模型和CT集，將認(rèn)知性VDT作業(yè)過程的CT概念模型設(shè)計(jì)為全模型結(jié)構(gòu)。由于元認(rèn)知對(duì)其他CT起監(jiān)控、規(guī)劃和協(xié)調(diào)的作用，所以元認(rèn)知是外生潛變量ξ，其他12個(gè)CT為內(nèi)生潛變量ηk(k=1,2,…,12)。為每個(gè)潛變量設(shè)計(jì)3個(gè)(含3個(gè))以上的測(cè)量指標(biāo)，xi為ξ的測(cè)量指標(biāo)，yi為ηk的測(cè)量指標(biāo)。認(rèn)知性VDT作業(yè)過程CT概念模型如圖2所示。

圖2 認(rèn)知性VDT作業(yè)過程CT概念模型

模型中：λxi為測(cè)量指標(biāo)xi在對(duì)應(yīng)外生潛變量ξ上的因子負(fù)載；γk為外生潛變量ξ對(duì)內(nèi)生潛變量ηk的影響；λyjk為測(cè)量指標(biāo)yj在對(duì)應(yīng)內(nèi)生潛變量ηk上的因子負(fù)載；δi為測(cè)量變量xi的測(cè)量誤差；εj為測(cè)量變量yj的測(cè)量誤差。本文不研究12個(gè)CT之間的關(guān)系，所以模型中沒有設(shè)計(jì)系數(shù)β。

2.2 測(cè)量指標(biāo)問卷設(shè)計(jì)及數(shù)據(jù)整理

根據(jù)CT概念模型假設(shè)，元認(rèn)知因子設(shè)計(jì)4個(gè)測(cè)試題項(xiàng)，其他12個(gè)CT共設(shè)計(jì)45個(gè)測(cè)試題項(xiàng)(每個(gè)CT對(duì)應(yīng)測(cè)試題項(xiàng)≥3)。測(cè)試題項(xiàng)采用Likert5點(diǎn)計(jì)分法，要求被試在每個(gè)測(cè)試題項(xiàng)上就自己對(duì)該題項(xiàng)的理解程度和使用頻率進(jìn)行作答。比如，關(guān)于元認(rèn)知的1個(gè)題項(xiàng)：有意識(shí)的規(guī)劃和控制自己解決問題的思路和步驟(非常熟悉：5分；比較熟悉：4分；熟悉：3分；不太熟悉：2分；很不熟悉：1分)(經(jīng)常這樣做：5分；較多這樣做：4分；不清楚：3分；較少這樣做：2分；偶爾這樣做：1分)。由于篇幅原因，其他測(cè)試題項(xiàng)文中未列出。

共收回有效問卷188份。所有被試者中，數(shù)字控制室操縱人員39人，軟件技術(shù)人員34人，銷售人員17人，財(cái)務(wù)人員18人，辦公室行政管理人員18人，教學(xué)科研人員26人，本科及研究生36人。使用SPSS20.0對(duì)數(shù)據(jù)做初步統(tǒng)計(jì)整理，分析問卷中49(4+45)道測(cè)試題項(xiàng)的可理解性，結(jié)果顯示：平均得分為4.23分，最高分4.72，最低分4.03。表明被試對(duì)測(cè)試題項(xiàng)的理解度較高，保證被試整體對(duì)測(cè)試問題的準(zhǔn)確理解。

后文將以188位被試對(duì)49道測(cè)試題項(xiàng)中“使用頻率”的回答數(shù)據(jù)進(jìn)行分析。

2.3 結(jié)果與分析

2.3.1 問卷信度分析

調(diào)查問卷的信度檢驗(yàn)采用內(nèi)部一致性系數(shù)(Cronbach’α系數(shù))，因子均值、標(biāo)準(zhǔn)差和信度值見表2。

表2數(shù)據(jù)顯示，13個(gè)因子的信度值均大于0.7，表明該問卷測(cè)試題項(xiàng)具有良好信度。

表2 因子均值、標(biāo)準(zhǔn)差和信度值

2.3.2 驗(yàn)證性因子分析

根據(jù)CT概念模型假設(shè)中潛變量、測(cè)量指標(biāo)之間的關(guān)系，編寫syntax文件，將分析數(shù)據(jù)導(dǎo)入LISREL8.53，運(yùn)行后得到路徑圖和模型擬合指數(shù)。由于路徑圖類似圖2，本文僅給出各參數(shù)估計(jì)值和模型擬合指數(shù)。CT模型與觀測(cè)數(shù)據(jù)的擬合指數(shù)見表3，測(cè)量指標(biāo)在潛變量上的因子載荷見表4，外生潛變量元認(rèn)知對(duì)內(nèi)生潛變量的影響系數(shù)見表5。

表3 CT模型與觀測(cè)數(shù)據(jù)的擬合指數(shù)

表4 測(cè)量指標(biāo)在潛變量上的因子載荷

表5 外生潛變量元認(rèn)知對(duì)內(nèi)生潛變量的影響系數(shù)

表3數(shù)據(jù)顯示，卡方值顯著(1220.7，P=0.000 7<0.001)；近似誤差均方根(RMSEA)為0.038(<0.08)，說明模型的擬合度良好，規(guī)范擬合指數(shù)(NFI)、比較擬合指數(shù)(CFI)、殘差均方根(RMR)以及擬合優(yōu)度指數(shù)(GFI)顯示模型與測(cè)量樣本數(shù)據(jù)良好的擬合程度。

表4數(shù)據(jù)顯示，測(cè)試指標(biāo)在潛變量上的載荷均大于0.7，表明問卷測(cè)試題項(xiàng)具有良好的效度。

表5數(shù)據(jù)顯示，外生潛變量元認(rèn)知與其他12個(gè)CT關(guān)系密切(γ值最小為0.514，最大為0.905)，證明前文提出的認(rèn)知性VDT作業(yè)過程CT概念模型假設(shè)有效。表明元認(rèn)知對(duì)其他12個(gè)CT起規(guī)劃和監(jiān)測(cè)控制作用，認(rèn)知性VDT作業(yè)可以通過這13個(gè)基本認(rèn)知?jiǎng)铀乇碚鳌?/p>

2.3.3 穩(wěn)健性檢驗(yàn)

不考慮職業(yè)分類，按照總樣本數(shù)的3/4和1/22個(gè)水平，從188份有效回收問卷中隨機(jī)抽取141(188×3/4)份、94(188×1/2)份各5次，將分析數(shù)據(jù)導(dǎo)入LISREL8.53，分別輸出各參數(shù)估計(jì)值和模型擬合指數(shù)，結(jié)果均顯示模型具有良好擬合度。分別對(duì)外生潛變量元認(rèn)知與其他12個(gè)CT的關(guān)系系數(shù)γ在2個(gè)水平下的差異進(jìn)行分析，t檢驗(yàn)結(jié)果顯示：搜索和綜合2個(gè)CT的關(guān)系系數(shù)γ在2個(gè)水平下的差異顯著(P搜索=0.048<0.05；P綜合=0.041<0.05)，其他10個(gè)CT均無顯著差異(P>0.05)。將2個(gè)水平下每個(gè)CT的關(guān)系系數(shù)γ均值分別與全樣本下關(guān)系系數(shù)γ進(jìn)行比較，平均差異度均值為6.01%，僅應(yīng)用和綜合2個(gè)CT的差異度超過10%?？梢姡Y(jié)果具有較好的穩(wěn)健性。

3 作業(yè)過程還原檢驗(yàn)

訓(xùn)練神經(jīng)網(wǎng)絡(luò)，隱含層和輸出層的傳遞函數(shù)分別采用logsig和tansig，訓(xùn)練采用trainscg函數(shù)。設(shè)定最大訓(xùn)練次數(shù)5 000，學(xué)習(xí)速率0.01，誤差平方和0.001。188組有效數(shù)據(jù)中，訓(xùn)練數(shù)據(jù)、驗(yàn)證數(shù)據(jù)和測(cè)試數(shù)據(jù)分別占70%，15%，15%。運(yùn)行Matlab R2013a，訓(xùn)練965次后達(dá)到誤差要求。模式識(shí)別結(jié)果如圖3所示。

由圖3可知，通過基本認(rèn)知?jiǎng)铀貙?duì)認(rèn)知性VDT作業(yè)類型的識(shí)別和分類正確率達(dá)到95.9%，表明基本認(rèn)知?jiǎng)铀乜梢赃€原認(rèn)知性VDT作業(yè)過程，進(jìn)一步證明作業(yè)過程可以通過13個(gè)基本認(rèn)知?jiǎng)铀乇碚鳌?/p>

圖3 模式識(shí)別結(jié)果

4 討論

4.1 認(rèn)知性VDT作業(yè)過程模型

在信息論的基礎(chǔ)上，結(jié)合作業(yè)特征和認(rèn)知心理學(xué)經(jīng)典理論提出認(rèn)知性VDT作業(yè)過程信息處理模型。該模型將認(rèn)知性VDT作業(yè)信息處理過程看做是在元認(rèn)知?jiǎng)討B(tài)監(jiān)測(cè)和調(diào)節(jié)下的12個(gè)CT構(gòu)成的某種網(wǎng)鏈結(jié)構(gòu)。針對(duì)認(rèn)知性VDT作業(yè)過程信息處理模型的研究鮮有報(bào)道，所以只從建模思想討論。將信息處理過程看作CT網(wǎng)鏈，與絕大多數(shù)研究者將認(rèn)知過程視為“認(rèn)知操作鏈”的思想[13]存在根本差異，但支持Mcclelland等[14]的認(rèn)知模型思路，認(rèn)為信息串行加工模型不足以解釋人的復(fù)雜認(rèn)知活動(dòng)，提出信息的平行分布加工模型(Parallel Distributed Processing，PDP)。

4.2 認(rèn)知性VDT作業(yè)過程解析

認(rèn)知作業(yè)的內(nèi)隱性增加了對(duì)其進(jìn)行過程解析的難度，但學(xué)者們已經(jīng)證明打開認(rèn)知作業(yè)過程的“黑箱”是可行的。目前已有的認(rèn)知作業(yè)過程解析成果僅針對(duì)規(guī)律性和程序性較強(qiáng)的作業(yè)形式，比如朱坤[15]對(duì)分油數(shù)學(xué)問題進(jìn)行認(rèn)知操作過程解析。本文針對(duì)一般工業(yè)服務(wù)業(yè)中存在的認(rèn)知性VDT作業(yè)過程進(jìn)行動(dòng)素級(jí)解析初探，提出可以將此類作業(yè)的連續(xù)過程離散化，表征為13個(gè)CT構(gòu)成的網(wǎng)鏈系統(tǒng)，為認(rèn)知作業(yè)解析從特殊形式向一般形式推進(jìn)提供新的研究范式。

5 結(jié)論

1)提出認(rèn)知性VDT作業(yè)的信息加工過程模型，連續(xù)的認(rèn)知性VDT作業(yè)過程可離散化為CT網(wǎng)鏈。

2)認(rèn)知性VDT作業(yè)過程可以由13個(gè)基本CT構(gòu)成的認(rèn)知?jiǎng)铀丶馕觥?/p>

3)結(jié)構(gòu)方程模型分析證實(shí)認(rèn)知性VDT作業(yè)過程概念模型假設(shè)，元認(rèn)知監(jiān)測(cè)和控制其他12個(gè)CT。

4)結(jié)論為認(rèn)知性VDT作業(yè)過程解析提供理論支持，為計(jì)算機(jī)模擬人的思維(人工智能)提供理論參考，但如何識(shí)別并解析具體作業(yè)過程(比如，特定界面和條件下的認(rèn)知性VDT監(jiān)控作業(yè)，認(rèn)知性VDT搜索作業(yè)等)的CT網(wǎng)鏈還需進(jìn)一步研究。