Использование ЭВМ в эргономических исследованиях

Построение адекватных моделей чел. деятельности требует учета все большего числа факторов и взаимосвязей между ними, что ведет к постоянному усложнению моделей и способов работы с ними. Существенным при этом оказывается то, что такие модели представляют собой или «плохие» уравнения, которые не удается решить аналитически, или системы большого числа урав­нений, или, наконец, сложные в логическом отношении построения с большим числом связей и условий. В большинстве случаев работа с подобными моделями принципиально невозможна без ис­пользования выч. техники.

В еще большей степени стимулируют проникновение ЭВМ в об­ласть конкретных исследований каждодневные потребности прак­тики. Среди таких задач можно назвать необходимость получения достаточного объема экспер. результатов за сравни­тельно короткое время; создание системы (банка) стандартных справочных эрг. данных; экстраполяция результатов, получаемых в лабораторных исследованиях на реальные условия деятельности; получение количественных характеристик возможно­стей человека при осуществлении разл. видов познаватель­ной и исполнительной деятельности.

Эффективное решение таких задач возможно лишь на основе полной и частичной автоматизации различного рода ЭИ. Только на этом пути возможен переход к «ин­дустриализации» и унификации методов исследования с широким использованием количественных оценок, что, в свою очередь, поз­волит повысить достоверность и сопоставимость результатов раз­л. работ.

Наиболее доступной (и распространенной) формой использова­ния выч. машины является обработка результатов экс­периментов (опросов, анкетирования, поведенческих показателей, физиол. параметров и т.п.). Обращение к ЭВМ при этом обусловлено ее возможностями работать с большими массивами данных со скоростью, на несколько порядков превосходящей воз­можности человека. Кроме того, машинная обработка позволяет использовать при анализе результатов экспериментов более мощ­ный аппарат, чем любой из доступных при «ручной» обработке. Достаточно указать для примера разл. виды многомерного анализа (частная корреляция, множественная регрессия и т.д.). До недавнего времени экспер. исследования осу­ществлялись в два этапа: сначала проводился собственно экспери­мент (сбор информации), затем следовали анализ полученной ин­формации и ее обработка. Использование ЭВМ приходилось в ос­новном на второй этап. Имеются примеры автоматизации только первого этапа – непосредственного проведения эксперимента, н-р для предъявления информации в опред. времен­ном режиме по жесткой, составленной до эксперимента программе. Однако во многих случаях подобная двухэтапная процедура проведения исследования крайне неэффективна, поскольку отсут­ствие координации сбора данных с течением эксперимента приво­дит к хранению и обработке большого количества излишней ин­формации. Тем более что избыток «сырого материала» затрудня­ет, а иногда делает и невозможным выделение искомых законо­мерностей. Один из путей преодоления этих трудностей состоит в проведении автоматизированных экспериментов, в которых ЭВМ ведет отслеживание хода эксперимента, обрабатывая данные в темпе их поступления (в реальном масштабе времени), и выбирает нужную стратегию ведения эксперимента. Такое использование ЭВМ представляется наиболее эффективным. При этом оказывает­ся возможным не только оперативно изучать множество характерис­тик в течение одного обследования, но и ставить эксперименты, принципиально не осуществимые при использовании любой иной тех. базы, поскольку в таких экспериментах возникает не­обходимость принятия решений по достаточно сложным алгорит­мам за временные интервалы, исчисляемые миллисекундами.

Т.о., в современных экспер. работах на выч. технику возлагаются разл. задачи: сбор дан­ных, их обработка, управление большими комплексами устройств с соблюдением весьма жестких временных режимов и, наконец, проведение адаптивных и даже самооптимизирующихся управляе­мых экспериментов. Однако имеются некоторые трудности, стоя­щие на пути эффективного использования выч. техники в Э и смежных с ней научных дисциплинах. Можно ука­зать на такие обстоятельства, как необходимость овладения иссле­дователем навыками решения множества непривычных для него задач. В частности, для каждой машины с конкретным набором ее тех. характеристик встают проблемы ввода данных в ЭВМ, отсева избыточного материала, исключения артефактов, удобного способа представления конечных результатов обработки, программирования и т.п.

Разнообразие существующих, выпускаемых и проектируемых машин создает также нелегкую проблему выбора типа ЭВМ. Ис­ключительно быстрое развитие выч. техники, частая смена типов и поколений ЭВМ, их матем. обеспечения и языков программирования приводят к тому, что с т.зр. пользователя машины могут устаревать, едва начав функциониро­вать.

Однако центральный вопрос, определяющий эффективность ис­пользования выч. техники в Э, заключается прежде всего в разработке конкретных задач, решаемых с помо­щью ЭВМ. Широко распространенное мнение, что «машины могут все», далеко не всегда сочетается с пониманием того, что при от­сутствии четко поставленной задачи привлечение ЭВМ бесполезно. Ведь компьютеры не просто «быстро считают». Практически любые попытки их использования прежде всего четко отграничивают сте­пень нашего незнания. Задачей машины не может быть просто ис­следование некоторого явления. Необходимым этапом является составление четкого алгоритма решения поставленной задачи во всех его деталях. Случается, что в результате проведения такой подготовительной работы отпадает необходимость самого экспери­мента. Успех в решении той или иной проблемы зависит от уров­ня сформированных гипотез и степени разработанности моделей в значительно большей степени, чем от использования современной техники самой по себе. А эта работа, по крайней мере в обозримом будущем, остается прерогативой человека.

В настоящее время в Э при переходе к анализу дан­ных с помощью ЭВМ используются более или менее традиционные матем. методы, заимствованные из арсенала тех. наук: теории информации, обработки сигналов, исследования опе­раций, распознавания образов и т.п. Но при постановке конкрет­ного эксперимента необходима бывает либо модификация этих традиционных методов в связи с решаемой задачей, либо разра­ботка новых методов и алгоритмов.

Тех. средства, используемые в ЭИ, также (за редким исключением) представляют собой стандартные устройства и приборы, специально не ориентирован­ные на применение в этой области. Поэтому, как правило, необхо­димы опред. усилия для адаптации этих тех. средств к условиям собственно эрг. эксперимента.

Необходимо отметить также, что использование выч. машины приводит к необходимости принципиальной перестрой­ки всей структуры эксперимента. В то же время планирование экс­перимента, степень перестройки экспер. процедур и их аппаратурного обеспечения зависят от способа применения ЭВМ. Для примера здесь можно указать на некоторые из проблем, возникающих при использовании машины в неавтономном режи­ме (на линии эксперимента): отчужденность экспериментатора от непосредственного участия в опыте требует введения сложных и разнообразных процедур регулярной тестовой проверки всех тех­. устройств; по той же причине принципиально должны быть изменены инструкции испытуемым; невозможность, при дан­ных тех. характеристик ЭВМ, оценивать в реальном вре­мени некоторые традиционно применяемые параметры может вы­звать необходимость изучения др. характеристик и т.п.

Следует, однако, иметь в виду, что самая тщательная формули­ровка задач и корректное применение матем. методов не гарантируют немедленного успеха и не избавляют от разочарова­ния тех, которые ждут от «машинизации» исследований слишком многого. И дело здесь может заключаться не в частных ошибках и недочетах исследователя или в несовершенстве ЭВМ и применя­емых методов, это может быть следствием неправильного выбора используемых подходов к анализу эрг. проблем, кото­рые родились при исследовании физ. систем, несравненно более простых, чем названные явления. Возможно, что для рас­шифровки данных эрг. и психофизиологических иссле­дований в принципе не применимы существующие алгоритмиче­ские методы. Здесь напрашивается аналогия с теми проблемами, с которыми столкнулись исследователи, занимающиеся машинным переводом. Решение их побудило к коренной перестройке взглядов на структуру языка и, более того, на постановку самой проблемы. Так и при анализе ЧФ, явлений психики и «языков мозга», возможно, потребуется со временем существенно изменить имеющиеся подходы.