TU Berlin

Kognitive Modellierung in dynamischen Mensch-Maschine-SystemenCoordinating Tasks in a Driving Environment

ipa logo

Inhalt des Dokuments

zur Navigation

Coordinating Tasks in a Simplified Driving Environment Modelled with ACT-R and Threaded Cognition

Masterarbeit von Hannah Kosanke

Diese Masterarbeit beschäfigte sich mit der Frage wie mehrere gleichzeitige Aufgaben koordiniert werden. Dafür wurden auf Basis der experimentellen Arbeit von Nürnberg (2015) mehrere kognitive Modelle in ACT-R erstellt und deren Daten mit den experimentellen Daten von Nürnberg (2015) verglichen. Die Modelle nutzten "Threaded Cognition" um die einzelnen Aufgaben zu koordinieren. “Threaded Cognition” ist ein Ansatz von Salvucci & Taatgen (2008) basierend auf Wicken's Ressourcenmodell (2002), in dem die Aufgaben nicht über eine zentrale Exekutive koordiniert werden, sondern sich selbst über einen Ressourcenwettbewerb koordinieren. In den Aufgaben von Nürnberg (2015) mussten Probanden abstrahierte Aufgaben aus dem Fahrerkontext entweder einzeln zu zweit oder in einer Dreierkombination bearbeiten. Die Aufgaben bestanden aus einer "Critical Tracking Task" (CTT) als Operationalisierung einer vereinfachten Fahraufgabe, einer "Working Memory Updating Task" (WMU) in zwei Stufen zur Darstellung verschiedener Verkehrskomplexitäten sowie einer "Peripheral Detection Task" (PDT) als eine Abstraktion von zufällig auftretenden Ereignissen während des Fahrens. Nürnberg (2015) konnte einen Anstieg der mittleren Abweichung in der CTT Aufgabe mit steigender Anzahl an Aufgaben feststellen. In der WMU und PDT Aufgabe kam es zu einem prozentualen Anstieg der mittleren Fehler und zu einer Verlängerung der Reaktionszeiten bei einem Anstieg an parallel zu bearbeitenden Aufgaben. In den Modellen kam es ebenfalls zu einem Anstieg der mittleren Abweichung in der CTT Aufgabe, längeren Reaktionszeiten in der PDT und WMU Aufgabe sowie einem prozentualen Anstieg der mittleren Fehler bei steigender Anzahl paralleler Aufgaben. Jedoch stieg die Fehleranzahl mit Anzahl an Aufgaben nicht so drastisch an wie in den experimentellen Daten und die Unterschiede zwischen der schweren und einfachen Bedingung in der WMU Aufgaben waren deutlich geringer als in den Experimentaldaten. Im Allgemeinen wurden die Trends aus den Experimentaldaten von Nürnberg (2015) gut durch die Modelle erfasst, jedoch gibt es teilweise starke Divergenzen zwischen den Modell- und Experimentaldaten, wenn man die mittleren Werte der Verhaltensdaten vergleicht. Dies lässt sich wahrscheinlich auf einen fehlenden Priorisierungsmechanismus innerhalb des „Threaded Cognition“ Ansatzes zurückführen. Um die Experimentaldaten besser zu modellieren, müssten die vorhanden Modelle um eben diesen Priorisierungsmechanismus erweitert werden.

Navigation

Direktzugang

Schnellnavigation zur Seite über Nummerneingabe