TU Berlin

Kognitive Modellierung in dynamischen Mensch-Maschine-SystemenKognitive Modellierung in dynamischen Mensch-Maschine-Systemen

KModyS-Logo

Inhalt des Dokuments

zur Navigation

Willkommen

Lupe

Herzlich willkommen auf den Seiten des Fachgebiets Kognitive Modellierung in dynamischen Mensch-Maschine Systemen!

Das Fachgebiet schlägt eine Brücke zwischen der kognitiven Psychologie und den angewandten Ingenieurwissenschaften. Gerade hier entwickelt sich aktuell ein sehr lebendiges und spannendes Forschungsfeld. Die kognitive Modellierung ermöglicht es, Annahmen über kognitive Prozesse auch in komplexen Aufgaben- und Arbeitssituationen zu untersuchen.

Dabei kann auf bestehende kognitiven Architekturen wie ACT-R zurückgegriffen werden, die viele grundlegende kognitive Prozesse simulieren und für aufgabenspezifische Modelle verwenden. Zudem können Simulationen technischer Systemen an eine kognitive Architektur angebunden, und auf diese Weise eine Interaktion zwischen Modell und Simulationen ermöglicht werden. Auf diesem Wege lassen sich Vorhersagen über die spätere Handhabung des Systems ableiten.

Unser Fachgebiet erarbeitet Modellansätze um kognitionswissenschaftliche Grundlagen in Anwendungsfeldern einsetzen zu können. Hierbei arbeiten wir mit Kooperationspartnern aus der Forschung und der Industrie zusammen, unter anderem mit David Peebles (University of Huddersfield, England), Stefan Kopp (Universität Bielefeld), Jelmer Borst (Rijksuniversiteit Groningen, Niederlande) als auch mit Daimler, DLR, VW, Airbus, Strato und Roche.

Aktuelle Veröffentlichungen

Lotz, A. and Russwinkel, N. and Wagner, T. and Wohlfarth, E. (2020). An adaptive assistance system for subjective critical driving simulation: understanding the relationship between subjective and objective complexity. In D. de Waard et al. (Eds.), Proceedings of the Human Factors and Ergonomics Society Europe Chapter 2019 Annual Conference. Nantes, France, p. 97-108.


Lotz, A. and Russwinkel, N. and Wohlfarth, E. (2020). Take-over expectation and criticality in Level 3 automated driving: a test track study on take-over behavior in semi-trucks. Cognition, Technology and Work, (2020).


Lommerzheim, M. and Prezenski, S. and Russwinkel, N. and Brechmann, A. (2020). Category Learning as a Use Case for Anticipating Individual Human Decision Making by Intelligent Systems. In Ahram, T. and Karwowski, W. and Vergnano, A. and Leali, F. and Taiar, R. (Eds.), Proceedings of the Intelligent Human Systems Integration 2020. Advances in Intelligent Systems and Computing, p. 159-164.


Russwinkel, N. and Vernaleken, C. and Klaproth, O. (2020). Towards Cognitive Assistance and Teaming in Aviation by Inferring Pilot's Mental State. In Ahram, T. and Karwowski, W. and Vergnano, A. and Leali, F. and Taiar, R. (Eds.), Proceedings of the Intelligent Human Systems Integration 2020. Advances in Intelligent Systems and Computing, p. 1021-1027.


Navigation

Direktzugang

Schnellnavigation zur Seite über Nummerneingabe