CC BY
11
щего эту методологию. И для минимизации эффектов «индивидуальных склонностей» (individuals' biases) в применении АСГПР следовало бы рекомендовать осуществление этой методологии не индивидуальными аналитиками, а командой аналитиков, имеющих разный багаж опыта и знаний.
Исследования в жанре case study показывают, что необходимо больше работать над прояснением рамок «лестницы» решений и связи между системой АСГПР и «лестницей» решений как ее подсистемой. Прояснение этой связи помогло бы понять, что методология АСГПР как софтверный в отношении когнитивных процессов инструментарий может быть эффективной в анализе человеческой активности по контролированию текущих и ожидаемых ситуаций, а также в идентификации стратегий, которые следует продвигать или, напротив, предотвращать. Подобные case studies демонстрируют и то, что методология АСГПР способствует развитию инновационного мышления участников исследований, т.е. вооруженных этой методологией операторов - субъектов современных промышленных процессов, что дает хорошие шансы для снижения ПП. «В целом, все говорит за то, - пишут авторы в заключение, - чтобы расширять, насколько это возможно, применение методологии АСГПР, усиливая ее софтверную составляющую в отношении ее внимания к когнитивному обеспечению гибкости в принятии решений. Было бы очень желательно, чтобы методология АСГПР прошла тестирование в самых разных сферах промышленности, получив, таким образом, импульс к дальнейшему своему улучшению в качестве эффективного средства повышения безопасности промышленных процессов» (с. 183).
А.А. Али-заде
2015.02.008. БАСС Э., БОМГАРТ Л., ШЕПЛИ К. ВЛИЯНИЕ АНАЛИЗА АВТОМАТИЗИРОВАННОЙ ИНФОРМАЦИИ НА ПРИНЯТИЕ РЕШЕНИЙ В «ШУМНЫХ» ИНФОРМАЦИОННЫХ УСЛОВИЯХ.
BASS E., BAUMGART L., SHEPLEY K. The effect of information analysis automation display content on human judgment performance in noisy environments // Journal of cognitive engineering and decision making. - 2013. - Vol. 7, N 1. - P. 49-65. - D0I:10.1177/155534341 2453461. - Mode of access: http://edm.sagepub.com/content/7Z1/49/
Ключевые слова: взаимодействие человека и автоматики; автоматизация информации; анализ принятия решений; автоматизированные «выходные» данные; стратегия работы автоматики; методология анализа автоматизированной информации; когнитивная обратная связь.
Анализ автоматизированной информации, пишут авторы из США, требует от человека повышенных когнитивных усилий - рабочей памяти и умозаключений - в принятии решений. Такой анализ состоит в обработке «входных» данных для прогноза будущих событий. Способность оператора использовать «послания» автоматизированных систем определяется содержанием автоматизированной информации: 1) оценочной автоматизированной информацией; 2) заложенной в автоматизированные системы стратегией автоматизированной оценки информации; 3) информацией об автоматизированном отборе «входных» информационных данных. В ряде исследований изучается влияние типа и уровня автоматизации на операторское поведение. В сравнении с полностью автоматизированным принятием решений (включающим алгоритмы формирования альтернатив решений и выбора между альтернативами) человеческий анализ автоматизированной информации (включающий обработку и интеграцию различных подсказок относительно текущих ситуаций, по которым принимаются решения) более эффективен как инструмент принятия решений. Однако лишь небольшое число исследований посвящено процессу принятия решения исключительно по анализу автоматизированной информации.
Авторы считают, что может быть полезен анализ автоматизированной информации, который обеспечивает и автоматизированное принятие решений, и информацию о стратегии принятия автоматизированных решений. Например, в исследовании сферы воздушных перевозок был обнаружен рост эффективности принятия решений операторами при наличии информации о том, как автоматика интегрирует «входные» данные для формирования своих (автоматики) решений, в сравнении со случаями, когда операторы не имели такой информации и целиком полагались на автоматизированные «выходные» решения. Вместе с тем важен и анализ автоматизированной информации, обеспечивающий дополнительную информацию о средовых «шумах», особенно когда эта дополнительная информация используется и автоматикой, и человеком, ко-
торый, имея такую информацию, способен корректировать сбои в работе автоматизированных систем. Подобный подход к взаимодействию человека и автоматики, когда человек не просто пользуется автоматизированной системой, но аналитически участвует в ее работе, можно назвать экологическим подходом (ecological approach), который представляет методологию двойного (со стороны автоматики и со стороны человека) управления информацией (с. 50).
Авторы провели исследование, в котором участники оценивали вероятность конфликтов в «шумной» информационной среде воздушных перевозок по методологии партнерства человека и автоматики в принятии решений (human-automated judge learning) (ПЧАПР) (с. 50). ПЧАПР строится на анализе принятия решений в теоретических рамках вероятностного функционализма (probabilistic functionalism), моделируя взаимодействие человека и среды в качестве основной исследовательской единицы. На принятие решений влияют: 1) подсказки среды, что можно назвать средовым критерием (environmental criterion), показывающим фактическое состояние среды как основание принятия решения; 2) согласованность решения с политикой принятия решений.
Проводя свое исследование по методологии ПЧАПР, авторы ставили целью исследовать вклад этой методологии в получение информации а) о стратегии автоматизированного принятия решений и б) об использовании автоматикой средовых данных как базы операторского принятия решений. Когда участникам исследования предлагалось высказать суммарное решение, оно оказывалось эффективно достигаемым для всех участников во всех экспериментальных эпизодах и при любой форме подачи информации, что говорит о высокой ценности автоматики в режиме ревизионистского (revised) - человеческого - принятия решений. Исследование показало минимальную вариативность суммарных решений участников в сравнении с решениями, принимаемыми без помощи автоматики. То есть автоматика, снижая вариативность решений, приводит разных операторов с разными способностями к неким единым типам поведения.
Участники исследования, обеспеченные дополнительной информацией о среде, продемонстрировали значительно более высокие достижения в принятии суммарных решений сравнительно с
участниками, располагавшими только автоматизированными «выходными» данными. Как результат обеспеченности участников информацией о стратегии работы автоматики и информацией о среде, они сформировали стратегию инкорпорирования автоматизированных «выходных» данных в свои суммарные решения скорее, чем просто адаптации к автоматизированным «выходным» данным. То есть участники исследования с таким информационным обеспечением принимали суммарные решения в режиме взаимного контроля автоматизированных и «человеческих» оснований этих решений.
Проведенное авторами исследование не обнаружило в какой-либо мере ни компромисса, ни адаптации в фазе эксперимента, называемой авторами фазой «интерактивного обучения» (interactive learning), при любой форме подачи информации. То есть в этой фазе информационные данные не влияют на использование автоматики участниками ни с точки зрения адаптации к автоматизированным «выходным» данным, ни с точки зрения согласования информации с суммарными решениями участников. Вместе с тем компромисс был низким, а адаптация была высокой для всех участников, и это показатель того, что безотносительно содержания информации участники адаптировали свои решения, достигнутые без помощи автоматики (unaided judgments), к автоматизированным «выходным» данным. Такая стратегия участников понятна при продемонстрированном в рассматриваемом исследовании низком уровне достижения участниками решений без помощи автоматики.
Обеспечение участников исследования информацией о стратегии работы автоматики в фазе «интерактивного обучения» не помогло им понять автоматику, как это видно по низкой точности прогнозов, сделанных участниками, в отличие от их решений, сделанных без помощи автоматики, в прогностической фазе (prediction phase) эксперимента. Данный результат говорит о том, что операторы одинаково плохо понимают работу автоматики и при обеспеченности информацией о стратегии работы автоматики, и при обеспеченности информацией о среде. Вполне возможно, что наличие информации о стратегии работы автоматики очень мало дает операторам, хотя бы из-за слабой в принципе экспертизы в отношении использования подобной информации. Все участники исследования в прогностической фазе эксперимента допустили, что их собственные, достигнутые без помощи автоматики решения
совпадут с автоматизированными решениями безотносительно того, насколько успешными будут первые.
Полученные исследовательские результаты, считают авторы, значимы для выстраивания методологии анализа автоматизированной информации. В проведенном эксперименте, полагают они, несовершенство автоматизированных решений было прямо связано с «шумными» средовыми данными, вносящими определенный беспорядок в достижение автоматизированных решений и резко повышающими когнитивную ответственность операторов за собственные решения, которые неизбежно должны в какой-то мере корректировать автоматизированные «выходные» данные. При этом, конечно, информированность операторов о стратегии работы автоматики однозначно помогает им именно в активизации их собственных когнитивных усилий анализа автоматизированных данных вместо безоговорочного к ним доверия. Однако, подчеркивают авторы, информация о стратегии работы автоматики полезна операторам только в сочетании с «шумной» («дезориентирующей» автоматику) средовой информацией, способной продемонстрировать обязанную фактору среды вариативность в достижении автоматизированных решений. Этот исследовательский результат поддерживает важную идею о влиянии «когнитивной обратной связи» (cognitive feedback) на принятие решений. «Обзор более 20 исследований в области принятия решений в режиме интерфейса, включающих тему "когнитивной обратной связи", обнаруживает, что информация о среде - компонент обратной связи с колоссальным влиянием на принятие человеком решений» (с. 61).
Методологическое значение обнаружения когнитивной обратной связи в принятии решений трудно переоценить, поскольку это по-новому высвечивает всю картину интерфейса, а именно показывает, что когнитивная обратная связь делает не столь важной для операторов знание алгоритмов работы автоматики, поскольку они понимают «колебания» этих алгоритмов в разных средовых условиях. То есть для операторов, вступающих с автоматикой в когнитивную обратную связь при принятии решений, важно отслеживать ошибки автоматизированных решений, быть бдительными в этом отношении, словом, работать именно в режиме когнитивной обратной связи.
В заключение авторы пишут, что необходимы дальнейшие исследования интерфейса с акцентом на тему когнитивной обратной связи - для лучшего понимания механизма когнитивной обратной связи как ключевого механизма принятия решений по анализу автоматизированной информации о динамичной среде, в отношении которой и принимаются решения (с. 62).
А.А. Али-заде
2015.02.009. ДЕГАНИ А., БАРШИ И., ШАФТО М. ОРГАНИЗАЦИЯ ИНФОРМАЦИИ В ПИЛОТСКОЙ КАБИНЕ ВОЗДУШНОГО СУДНА: УРОКИ РЕЙСА 236.
DEGANI A., BARSHI I., SHAFTO M. Information organization in the airline cockpit: Lessons from flight 236 // Journal of cognitive engineering and decision making. - 2013. - Vol. 7, N 4. - P. 330-352. -D0I:10. 1177/1555343413492983. - Mode of access: http://edm.sage pub.com/content/7/4/330/
Ключевые слова: информационный процесс; взаимодействие человека и компьютера; принятие решений; автоматизированные системы; авиация.
Авторы из Израиля (А. Дегани) и США (И. Барши, М. Шафто) описывают воздушное происшествие, случившееся с трансатлантическим рейсом 236, в концептуальных рамках организации информации в сложных системах взаимодействия людей. Они подчеркивают, что цель их исследования - «извлечь серьезные уроки из драматической истории с рейсом 236, сосредоточившись на понимании того, как конструкционные особенности системы автоматизированной информации в пилотской кабине авиалайнера могут влиять на действия экипажа и как правильная организация информации на борту воздушного судна способна предотвращать авиационные происшествия» (с. 334).
Во время ночного трансатлантического рейса аэробуса А330-200 с 13 членами экипажа и 293 пассажирами, совершавшего 23 августа 2001 г. перелет из Торонто в Лиссабон, пишут авторы, после четырех часов нормального полета бортовая автоматизированная система управления полетом стала выдавать пилотам информацию о неполадках со снабжением двигателей горючим. Через некоторое время при подлете к Азорским островам двигатели пере-
