人机交互过程中认知负荷的综合测评方法
心理学报 2009,Vol 141,No 11,35-43
A cta Psychologica S in ica
DO I :10.3724/SP .J.1041.2009.00035
35
收稿日期:2007-11-13
3全国教育科学“十一五”规划教育部重点课题(DCA080141)、浙江省自然科学基金资助项目(Y604275)、浙江省哲学社会科学规划后期资助项目(08HQZZ038)资助。
通讯作者:许百华,E 2mail:bhxu305@zju .edu .cn
人机交互过程中认知负荷的综合测评方法
3
李金波 许百华
(浙江大学心理与行为科学学院,杭州310028)
摘 要 设计模拟网络引擎搜索和心算双任务实验,分析主观评定、绩效测量和生理测量三类评估指标对认知负荷变化的敏感性;采用因素分析、BP 神经网络和自组织神经网络三种建模方法,探索人机交互过程中认知负荷的综合评估建模方法。结果显示:心理努力、任务主观难度、注视时间、注视次数、主任务反应时、主任务正确率6个指标对认知负荷变化敏感;采用多维综合评估模型对双任务作业认知负荷进行测量总体上比采用单一评估指标的测量更为有效。BP 网络和自组织神经网络两种神经网络模型对认知负荷的测量结果优于传统的因素分析方法。关键词 人机交互;评估;认知负荷;神经网络;建模分类号 B841.2
1 前言
随着计算机和自动化技术的发展,人在人机系统中的职能发生了很大变化,从原先执行简单的手工操作转变为主要从事监测和调节、控制系统运行
状态的监控任务,人的认知负荷(Cognitive Load )大大加重。尤其是在军事、航空航天、核能等领域的复杂人机系统中,作业人员往往需要在短时间内处理大量的信息并快速作出反应与决策,容易出现认知负荷过高,甚至超负荷现象。过高的认知负荷将严重影响人的工作效率、操作可靠性和身心健康,进而影响整个人机系统的效率和可靠性。因此,认知负荷已成为人机系统评价的主要指标之一。 最早对认知负荷开展研究的是美国心理学家M iller (1956)。此后,国外一些学者对认知负荷的含义、结构和测评方法进行了大量的研究。Cooper (1990)将认知负荷定义为在特定的作业时间内施加于个体的工作记忆的心理活动总量。Paas 和van Merrienboer (1994)认为认知负荷由多维度构成,是执行一项具体任务时施加于个体认知系统的负荷。认知负荷目前尚不能直接进行测量,而只能用间接的方法对其进行评估。常用的评估技术有任务绩效测量、主观评定和生理测量等三大类(Paas &Mer 2rienboer,1994;B runken,Plass &Leutner,2003;
Faircl ough,Venables &Tattersall,2005;Chris,Dan 2
iel &A lan,2007;Ahlstr om &Friedman 2berg,2006)。
其中任务绩效测量又分为主任务测量和次任务测量两种。主任务测量是通过直接测定作业者完成指定作业的绩效来评价该作业的认知负荷要求。它的基本假设是,随着作业难度的提高,对人的信息加工资源的需求相应地增加,当认知负荷对个体的要求超出其可支配的资源总量时,作业绩效将出现不同程度的下降。主任务测量常用的指标有操作准确性、反应时、信号漏失率和虚报率等。次任务测量采用双任务作业情境,要求作业者除执行主作业外再完成一项额外的作业(次作业),通过考察双任务作业情境下次作业绩效受影响的程度(相对于单任务情境)来间接评价主作业的认知负荷。生理测量是通过测定作业者在进行指定作业过程中出现的生理反应来间接地评估认知负荷,常用的生理指标有瞳孔直径、心率和事件相关电位等(Chirs,Daniel &A lan,2007;Ahlstr om &Fried man 2berg,2006)。主
观评定技术是由作业者根据主观感受与体验来评估认知负荷,通常涉及个体知觉到的心理努力、任务难度和时间压力等方面。上世纪80年代以来,国外一些研究者相继开发出了多种认知负荷主观评定方法,如Paas 和Van Merrienboer (1994)使用九级评定量表测量被试在理解任务材料上投入心理努力的程
36
心 理 学 报41卷
度,进而对认知负荷进行评估。Kalyuga,Chandler 和S weller(1997)使用由作业者自我报告任务难度的方法来测量认知负荷。此外,Sal omon(1983)、Tabbers(2004)、Paul(2006)等也分别提出了相类似的认知负荷主观评定方法。
已有的研究表明,上述3类测评技术各有优点和局限性。例如,主任务测量比较直接,对作业本身无干扰,但只在中等负荷水平时较敏感;次任务测量相对比较敏感,效度较高,但容易对主任务产生干扰。此外,任务绩效与认知负荷的关系不一定是简单的线性关系。例如,Meister(1976)将认知负荷等同于任务需求,发现任务需求与工作绩效之间是曲线的关系;而W aard(1996)则认为,任务需求与任务绩效之间呈“倒U”形的关系。主观评定无干扰,操作简便,但要求被试采用内省的方法来评定负荷水平,因而容易出现较大的偏差。此外,主观评定结果与个体特征、认知策略以及个体的心理和生理状况等多种因素有关,即使同一个人对同样的任务,在不同的作业时间段也有可能出现不同的评定结果。以Paas和Van Merrienboer(1994)提出的心理努力问卷为例,该问卷看起来能够测量投入努力的主观知觉,但是却无法知道这种心理努力与真实认知负荷的关联程度。如有研究表明,低努力投入可能是由于任务过难,个体减少心理努力的结果(Reed,Bur2 t on&Kelly,1985)。同样,Kalyuga,Chandler和S weller使用让个体自我报告任务难度差异方法所得出的结果也很可能是由于所需要完成的任务难度、个体个人能力水平等原因造成的。生理测量指标具有客观性和实时性,但是它们与认知负荷之间只是间接的联系,并且也可能会受到注意或情感等方面因素的影响(B runken,Steinbacher&Plass, 2002)。因此,由认知负荷引起的某一生理指标的变化可能会被其它因素放大或缩小;而且不同的任务可能会产生不同的生理反应,一项生理指标对某一类任务适用,而对另一类任务则可能不适用。一般认为,不同测评技术分别适用于不同的情境、不同的负荷水平范围。因此,利用多种技术对认知负荷作综合评估以替代基于单一方法或指标的评估是比较合理的选择;同时,认知负荷的多维度特性也决定了对其作综合评估的必要性。近年来,国外一些学者运用多指标综合评估方法在心理工作负荷(Men2 talWorkl oad)的测评中进行了一些探索性研究。这些研究以多个单一评估指标的测量结果作为依据,采用一定的建模技术对心理工作负荷进行多维度综合评估。目前在这一领域较常用的建模技术主要有因素分析、回归分析和人工神经网络建模等。例如, Kilseop和Myung(2005)运用主成分分析将三种生理指标(脑电、眼动和心率)和主观负荷组合成一个综合评估指数,发现综合指数较单项指标能更准确地区分不同难度任务中被试的负荷水平。此外,他们还通过回归分析来考察主观负荷与生理指标之间的关系,以生理指标的测量结果来预测被试的主观评定的负荷状况。人工神经网络简称神经网络,在国外有关的研究中,运用神经网络模型对负荷进行多维度综合评估主要有两种模式。一种模式是将主观负荷、作业绩效指标或生理指标的测量结果作为网络的输入项,通过建立不同的神经网络模型对负荷进行评估或等级划分。例如,Roger,Robecca和Gory(2003)在一项模拟多任务作业的实验中,收集了5个绩效指标作为输入项,建立起BP神经网络模型。经检验,该模型对预测不同任务条件下被试的负荷状况具有较高的准确率(在66.9%～96.0%之间)。Mazaeva和N tue(2001)在一项飞行作业的模拟实验中对被试进行了30个EEG指标的测量,然后运用主成分分析法将这些指标归并为少数的几个指标,以它们作为网络的输入项建立起自组织神经网络模型。结果显示,借助自组织神经网络模型能比较准确地预测信息加工要求不同的任务中负荷发生的变化。此外,其他的研究者利用相类拟的方法也得到了较理想的结果(Laine,Bauer&J r Tef2 frey,2002;Noel,Bauer&Lanning,2005;Gr ootjen, Neerincx&Velt m an,2006;Shayeghi,Shayanfar,2006; Shayne,Penel ope&Andre w,2007)。第二种模式是将影响负荷的主要因素作为输入项,通过建立神经网络模型,对不同任务难度条件下被试的负荷状况进行评估。例如,D ing和Sheue(1999)将影响监控作业的跨度(Span)、差异度(discri m inate)、可预测度(p redict)和注意转换(transfer attenti on)4个因素作为输入项建立BP神经网络对负荷进行评估,并将神经网络评估结果与负荷上限值进行比较,超过上限值就认为是超负荷,并据此对监控作业过程中的负荷状况进行实时分析和任务的动态分配。但从总体上来看,国外学者利用神经网络对负荷进行评估或等级划分还处于起步阶段,并且已有的研究中,任务条件各异,神经网络输入变量不同,因而所得的结果也难以进行比较。此外,有的研究者还运用多层次模糊综合评价方法对负荷进行综合评估研究(Currie,1997)。
1期李金波等:人机交互过程中认知负荷的综合测评方法37
在认知负荷综合评估方面,国外学者也进行了一些尝试,如Paas和van Merrienboer(1993)、Tuovinen和Paas(2004)将心理努力与主任务绩效这两类指标结合起来对认知负荷进行综合测评,获得了利用单一评估指标无法得到的许多重要信息。他们还发现,采用多种技术对认知负荷进行多维综合评估可显著提高评估敏感性。但到目前为止,对认知负荷的综合评估研究还是零碎的,缺乏建模方法的系统研究和不同方法之间的比较研究。在国内,目前还未见这方面的研究报道。
借鉴国外已有的多指标综合评估方法在心理工作负荷测评中的运用,本研究拟结合复杂人机系统中视觉信息加工作业的特点,通过模拟实验,分析主观评定、绩效测量和生理测量三类评估指标对认知负荷变化的敏感性,然后基于经筛选的认知负荷评估指标的测量结果,分别采用因素分析、BP神经网络和自组织神经网络三种建模方法,构建双任务作业中认知负荷的多维综合评估模型,并对这三种综合评估模型进行比较,从中选出最合适的建模方法。
2 方法
2.1 实验设计
采用双任务作业实验,主任务为模拟的网络引擎搜索(Chen,2006)。每次实验时,在计算机屏幕上相继呈现二幅画面,第一幅画面呈现搜索目标,包括要搜索的产品名称和两个指定特征(如形状、颜色);第二幅画面呈现搜索结果,包括5个与搜索目标同类型的产品,每个产品包含4个方面的特征(如品牌、颜色、形状和价格)。告知被试5个产品中有1至4个符合搜索目标要求的目标项,要求被试查找出所有的目标项,同时记住目标项的另外二个特征(如品牌和价格);第二幅画面呈现时间为16秒,被试完成搜索后按键或在16秒后第二幅画面消失,被试口头报告搜索到的各个目标项的另外二个特征。次任务作业为心算作业,即在呈现第二幅画面后随机呈现一个心算问题,要求被试作两个个位数相加而后除以3的心算,并对两数之和能否被3整除在计算机键盘上尽快作出相应的按键反应。
主任务分成3种复杂水平,通过改变第二幅画面5个搜索结果中包含的目标项数目来加以控制,分别为5个搜索结果中包含1、2和4个目标项,代表低、中、高三种主任务复杂水平。实验采用被试内设计,每种实验任务条件下实施8次搜索和心算作业,持续时间约3～5m in,不同实验任务之间休息3分钟。
2.2 被试
共33名大学生和研究生参加了实验,其中男生15名(占45.5%)、女生18名(占54.5%);被试年龄在20至27岁之间,平均年龄为22.4岁,所有被试视力正常,优势手均为右手。
2.3 实验仪器和测试工具
实验在计算机上进行,眼动测量采用美国应用科学实验室(App lied Science Laborat ory,AS L)生产的AS L504非头盔式眼部跟踪记录仪。
实验中认知负荷主观评定分心理努力和任务主观难度二个方面。心理努力评定采用Paas等人(1994)制定的量表,经Paas验证,该量表的信度系数为0.90(Paas&Van Merrienboer,1994)。由于“心理努力”是一个专业术语,对被试来说,可能不容易理解;为此,我们在正式实验的量表中采用“完成任务的努力程度”来表示心理努力。量表为7级评分制,要求被试根据自己的感受从1～7中选择一个合适的数字,从1到7努力程度依次递增,1表示非常轻松,4表示中度努力,7表示非常努力。任务主观难度采用Kalyuga,Chandler和S weller(1999)制定的量表,同样采用7级评分制,从1到7任务难度依次递增,1表示非常容易,4表示中等难度,7表示非常困难。研究表明,使用该量表能够较准确地测查出认知负荷的变化。
本研究利用E2p ri m e实验心理专用软件编制程序,实现主任务、次任务呈现时间的控制和测量相应的反应时等数据。
2.4 实验程序
实验对每个被试单独进行。实验前,被试完成8次单任务的心算作业,以这8次心算的平均时间作为被试的心算作业反应时的基础测量值(BM)。接着,安排被试仔细阅读计算机上呈现的指导语,然后进行两次双任务作业的练习,主任务为网络搜索作业,次任务为心算作业。
正式实验中,主任务分低、中、高3种任务复杂水平。在每种任务复杂水平的条件下。被试按指导语进行8次由网络搜索与心算相结合的双任务作业。实验完成后,被试在心理努力和任务主观难度两个量表上对认知负荷大小作出主观评定。主任务的3种复杂水平的实验顺序在被试之间做了平衡。
2.5 数据收集与整理
每一轮实验完成后,收集和整理以下一些数据: 主任务正确率:在每次试验后,被试准确口头报
38
心 理 学 报41卷
告一个特征就计为一个正确回答,每种实验任务条件下8次试验正确回答的特征数占所有正确特征数的比例就作为该实验任务条件下的主任务正确率。 主任务反应时:利用E2p ri m e编制的程序自动记录每次试验中从搜索结果页面呈现到被试按键的时间,计算被试每种实验任务条件下完成8次试验的平均时间,以它作为该实验任务条件下的主任务反应时。
次任务正确反应时变化:在双任务条件下测得的心算反应时间称为被试双任务心算反应时测量值(DT M)。将DT M减去单任务心算反应时测量值,即C WR=DT M-BM,计算8次试验中回答正确的C WR平均值就是次任务正确反应时变化。
注视时间、注视次数、眼跳距离和瞳孔直径:利用AS L504眼动仪记录眼动指标数据。眼睛如果在较短的时间(100m s)稳定在相对的空间阈限范围内(1°),速度低于阈限(每秒15～100°)记为一个注视点。注视点的数量就是注视次数;每个注视点的平均所占时间就是注视时间;从当前注视点位置到下一个注视点位置之间间隔长度就是眼跳距离;每次注视时瞳孔的平均大小就是瞳孔直径。
心理努力和任务主观难度:每种实验任务条件结束后用主观评定量表分别获得心理努力和任务主观难度的评估值。
收集到的数据利用SPSS软件进行分类汇总,并进行探索分析,去除其中的奇异值。
3 结果与分析
3.1 任务复杂性对认知负荷的影响
利用SPSS软件计算各个认知负荷评估指标在不同任务复杂性条件下的均值,并分别对各个评估指标在不同任务复杂性条件下均值的差异进行方差分析,结果见表1。
表1 各评估指标在三种任务复杂性条件下的均值及变化的方差分析
评估指标
任务复杂性
低M中M高M
F p
心理努力 2.30 4.21 5.4821.130.002任务主观难度 2.33 3.73 5.1520.140.003注视时间66.0183.3383.688.910.000注视次数283.82366.91388.5518.730.000眼跳距离50.7248.5850.600.360.701瞳孔直径31.5631.8231.910.020.977主任务反应时12385.8515444.4415866.4158.580.000主任务正确率0.920.770.55117.440.000次任务正确反应时变化1607.151988.451404.87 1.070.346
从表1可以看出,随着任务复杂性增加,心理努力投入和任务主观难度增大,注视时间、注视次数、主任务反应时增加,主任务正确率降低,瞳孔直径变大,而眼跳距离和次任务正确反应时变化则没有表现出规律性的变化。方差分析结果显示,在不同的任务复杂性条件之间,心理努力、任务主观难度、注视时间、注视次数、主任务反应时、主任务正确率均表现出极显著的差异(p<0.01)。而眼跳距离、瞳孔直径和次任务正确反应时变化的差异不显著(p>0.05)。由此可见,对任务复杂性变化敏感的评估指标主要有心理努力、任务主观难度、注视时间、注视次数、主任务反应时、主任务正确率等。
3.2 基于BP网络的认知负荷综合评估模型
BP网络是一种单向传播的多层前向网络,它能在无需事先了解输入—输出模式映射关系数学方程的情况下,通过对样本进行学习训练,建立由n维输入项到m维输出项之间的非线性映射。BP网络由输入层、输出层和隐含层构成,其具体设计包括输入/输出项设计、网络结构设计、网络训练与测试等几个方面。输出项神经元个数即所要区分和识别的认知负荷水平的等级数。在实际的作业情境中,认知负荷水平受任务特征、个体特征及两者交互作用的影响,但在某个特定的时刻或较短时间内,个体特征又具有相对的稳定性,而任务特征是决定认知负荷大小的关键因素(Paas&van Merrienboer,1994)。参照国外同类研究,本研究通过改变任务特征(任务复杂性)来改变认知负荷水平,根据前述的实验设计,按照任务复杂性的不同将认知负荷分成3个
1期李金波等:人机交互过程中认知负荷的综合测评方法39
等级,与此相对应,BP网络设计中输出项神经元个数设置为3个。输入项的确定实际上就是特征量的提取,对于特征量的选取,主要考虑它是否与认知负荷有比较确定的相关关系。由上述分析可知,与认知负荷显著相关的因素有心理努力、任务主观难度、注视时间、注视次数、主任务正确率和主任务反应时变化共6个。因此,输入项神经元个数设置为6个。网络结构中的网络层数采用单隐层的三层网络,根据初测结果,隐层神经元个数选择14个,隐含层传递函数采用S型的正切函数,输出层传递函数采用S型的对数函数,训练函数选择trainl m函数(Leven2 berg-Marquardt算法),期望收敛精度为0.001。随机选择33个被试中的24个共72组数据作为训练样本,其余的9个被试共27组数据作为测试样本。利用MAT LAB软件编制程序进行网络训练和测试。训练之前,将所有输入项进行归一化处理,转化成[0,1]区间的数据,输出项用0-1二分数据形式表示。训练好的网络采用测试样本进行测试可得到测试负荷值,将测试负荷值重新转换化成等级数据形式,就可以与测试样本中的输出项值(期望负荷值)进行比较。我们选择期望负荷值与测试负荷值之间的绝对误差、相对误差(取绝对值)和均方误差作为网络模型的性能指标,计算每个被试在每种负荷水平下测试负荷值与期望负荷值的绝对误差、相对误差绝对值和均方误差,求取每种负荷水平下所有被试测试负荷值与期望负荷之间绝对误差、相对误差绝对值和均方误差的均值;同时计算三种负荷条件下绝对误差、相对误差绝对值和均方误差的总均值,结果见表2。
表2 基于BP网络建模的综合评估结果
期望负荷值测试负荷值绝对误差相对误差(%)均方误差
10.83-0.1717.200.15
2 1.79-0.2110.400.22
3 2.93-0.15 2.300.05
绝对误差均值=-0.15
相对误差均值(%)=9.97
均方误差均值=0.14
注:表中期望负荷值1、2、3分别表示低、中、高三种认知负荷水平,以下同。
从表2可以看出,在不同负荷水平条件下,期望负荷值与测试负荷值的绝对误差、相对误差和均方误差不同。相对而言,BP网络模型在高负荷水平时其综合评估结果最为准确(绝对误差、相对误差、均方误差均最小)。
3.3 基于自组织神经网络(S OM)的认知负荷综合评估模型
自组织特征映射网络(S OM)是一类无教师、自组织、自学习网络,它能将输入项有序地映射在输出层上,实现将样本的高维空间在保持结构不变的条件下投影到低维空间。因此,可以应用于认知负荷水平的等级划分和识别研究中。
S OM网络由输入层和竞争层组成,我们同样选择与认知负荷有显著相关的6个单维度评估指标作为网络的输入项。输出层的设计涉及神经元个数和神经元排列的设计两个方面。神经元个数设定为3个,本研究仅对认知负荷的水平进行等级划分,因而神经元的排列采用一维线阵来表示。训练样本与测试样本与BP网络相同,经测试,训练次数达到1000次以上时,训练结果已差异不大,因而训练次数选择1000次,对训练好的网格进行测试,结果见下表3。
表3 基于S OM网络建模的综合评估结果
期望负荷值测试负荷值绝对误差相对误差(%)均方误差
1 1.100.1010.000.10
2 2.100.1025.000.50
3 2.80-0.20 6.670.20
绝对误差均值=0.00
相对误差均值(%)=13.89
均方误差均值=0.27
从表3中可以看出,利用构建S OM网络模型对认知负荷水平进行分类其相对误差要高于BP网络模型。
3.4 基于因素分析的认知负荷综合评估模型
利用因素分析可以从众多的评估指标中抽取少数几个综合指标(公共因素),并根据特征根和因素负荷计算被试在公共因素上的得分。由于每个公共因素的方差贡献率表示该因素对总体变异的解释程度,反映了该因素的相对重要性,因而可以作为各个因素的加权系数。计算被试的因素得分的加权总和,这个总和值就可以作为认知负荷的综合评估指标值(王权,李金波,2002)。
选择上述6个认知负荷评估指标,利用主成分分析方法抽取公共因素,当抽取公共因素为3个时,累计方差贡献率已达89.86%。经方差极大正交旋转后其因素负荷矩阵见下表4。
40
心 理 学 报41卷表4 评估指标的因素分析结果
评估指标
公共因素
123
V1心理努力-0.76-0.360.15
V2难度感知0.940.020.15
V3注视时间0.950.080.16
V4注视次数0.090.220.95
V5主任务反应时0.120.960.07
V6主任务正确率0.170.830.47
特征根 3.04 1.560.79
方差贡献率(%)40.0929.9019.87
根据特征根、因素负荷,计算被试在3个公共因素上的得分,以每个公共因素的方差贡献率作为加权系数计算3个公共因素得分的加权总和。并将其一一转化为[1,3]区间内相应的值,以便与期望负荷值进行比较,结果见表5。
表5 基于因素分析的综合评估结果
期望负荷值测试负荷值绝对误差相对误差(%)均方误差
10.82-0.1851.180.32
2 1.79-0.2118.630.23
3 2.42-0.5819.480.47
绝对误差均值=-0.32
相对误差均值(%)=29.76
均方误差均值=0.34
4 讨论
4.1 评估指标对认知负荷变化的敏感性
目前,国内外学者对认知负荷的研究大多采用实验室实验方法,即通过控制任务的难度(复杂性)来改变认知负荷水平,在此基础上分析各种评估指标值随任务难度(复杂性)改变的规律,进而判断各个指标用于评定负荷状况的意义。本研究通过改变任务复杂性来控制认知负荷水平,并测量不同任务复杂性水平下的主任务与次任务绩效、生理反应和主观评估指标。以此为基础,探讨认知负荷与各个评估指标之间的关系。结果显示,心理努力、任务主观难度、注视时间、注视次数、主任务反应时和主任务正确率共6个评估指标对认知负荷的变化有显著的敏感性。
目前,在对心理努力与认知负荷(任务复杂性)的关系的解释上存在两种相互矛盾的假设,Gi m ino (2000)认为两者之间是正向的线性关系,而Sal omon(1983)则认为两者是“倒U形”的曲线关系。本研究结果支持Gi m ino的假设,心理努力与认知负荷(任务复杂性)之间存在正向的相关(系数为0.72,见表6)。当任务非常容易时,由于个体利用自动化知识就可以完成任务,因而其认知负荷低,投入的心理努力少,绩效水平能保持在最高水平;当任务难度增大时,个体需要动用更多的陈述性知识,心理努力投入增加,认知负荷也相应增大,而绩效水平则会出现下降。因而绩效与认知负荷(任务复杂性)的关系是一种负向的相关关系,表6显示认知负荷与主任务正确率的相关系数为-0.82;而与任务主观难度的相关为0.69。注视时间、注视次数与认知负荷(任务复杂性)的关系也是一种正向的相关关系(相关系数分别为0.39和0.53)。这说明认知负荷(任务复杂性)对任务即时加工有着重要的影响,认知负荷(任务复杂性)越大,注视时间越长,注视次数越多,反映个体在对任务加工过程中需要接收、编码、储存的元素数目越多。本研究的这一结果支持S weller的认知负荷理论。
本研究中,眼跳时间、瞳孔直径和次任务反应时在不同的认知负荷(任务复杂性)水平下无显著变化,这与Paas(1994)等人报道的瞳孔反应对认知负荷变化具有高度敏感性的实验结果不一致。但如果对本研究得出的不同任务复杂性下瞳孔直径的均值作一分析,可以发现,随着认知负荷(任务复杂性)增大,瞳孔直径还是表现出增大的趋势。眼跳距离与认知负荷(任务复杂性)的关系存在两头高、中间低的特点,即任务复杂性低或高时眼跳距离较大,任务复杂性中等时眼跳距离较小;而次任务正确反应时变化与认知负荷(任务复杂性)的关系则相反,呈现出两头低、中间高的特点。
4.2 单个指标测评方法与多维综合评估方法的比较
抽取测试样本在3种实验条件下的各个单一评估指标测评值,以及基于3种多维综合评估模型得出的评估值,分别计算他们与相应实验条件下认知负荷水平的Spear man相关,结果见表6。
从表6可见,各项测评结果与认知负荷水平均存在显著相关;相比之下,BP网络评估值与认知负荷水平的相关性最高(相关系数为0.93),其次为S OM网络,而后是主任务正确率和因素分析评估。由此可见,基于综合评估模型的评估结果与认知负荷水平的相关总体上要高于单项评估指标测评值与认知负荷水平的相关,这说明采用多维综合评估模型对认知负荷进行评估总体上比采用单一评估指标更为有效。而在采用单项指标的几种测评方法中,
1期李金波等:人机交互过程中认知负荷的综合测评方法41
主任务正确率与认知负荷水平的相关性最高。
表6 单个指标测评值、综合评估结果值与认知负荷水平值的相关
心理努力任务主观难度注视时间注视次数主任务反应时主任务
正确率
BP网络
评估值
S OM网络
评估值
因素分析
评估值
认知负荷水平0.7230.6930.3930.5330.653-0.8230.9330.8230.813 注:3p<0.001
4.3 三种综合评估模型评估结果之间的比较
对三种综合评估模型的评估结果进行整理,结果见下表7。
表7 三种综合评估模型评估结果的比较
模型绝对误差均值相对误差均值(%)均方误差均值BP神经网络-0.159.970.14
S OM神经网络0.0013.890.27
因素分析-0.3229.760.34
由表7可以发现,在相对误差均值上,BP网络的相对误差最低(9.97%),其次是S OM网络(13.89%),两者均明显低于因素分析(29.76%)。在绝对误差均值上,S OM网络最低,BP网络次之。而在均方误差方面,BP网络最低,S OM网络次之。可见利用神经网络模型对认知负荷作综合评估总体上要优于传统的因素分析方法。神经网络通过使用非线性映射关系来贴近复杂的非线性系统,摆脱了传统的线性分析工具,而更适用于认知负荷的测评。
5 结论
本研究通过分析任务特征(任务复杂性)与认知负荷评估指标(作业绩效、主观评估、生理指标)的关系,发现心理努力、任务主观难度、注视时间、注视次数、主任务反应时、主任务正确率这6项指标对认知负荷的变化具有较高的敏感性。以这6项指标的测量结果为依据,分别采用因素分析法、BP神经网络和S OM神经网络建模技术构建认知负荷多维综合评估模型,发现在双任务情境下,采用多维综合评估模型对认知负荷进行评估比采用单一评估指标更为有效。而在3种多维综合评估模型中,BP网络和自组织神经网络(S OM)两种神经网络模型对认知负荷的测量结果优于采用因素分析法构建的模型。
本研究由视觉搜索与心算组成的双任务实验结果来分析认知负荷评估指标的敏感性,然后基于对搜索作业负荷变化敏感的评估指标,建立起认知负荷的多维综合评估模型。然而,作业性质不同,认知负荷评估指标的敏感性会不一样。因此,本研究建立的认知负荷综合评估模型不完全适用于各类人机系统中认知负荷的测评问题。本研究的意义在于提供了如何构建认知负荷多维综合评估模型的方法,并对几种建模方法作了比较。在实际运用这些建模方法时,对于不同性质的作业,需要对本研究建立的模型作出适当的修改。
参考文献
A h lstrom,U.,Friedm an2berg,F.(2006).U sing eye m ovem ent
activity as a correlate of cognitive w orkload.Interna tiona l J ourna l of Industria l Ergonom ics,36,623-636.
B runken,R.,Plass,J.,L eutner, D.(2003).D irect m easurem ent
of cognitive load in m ulti m edia https://www.wendangku.net/doc/c94781222.html,ca tiona l Psychologist, 38,53-61.
B runken,R.,S teinbacher,S.,Plass,J.(2002).A ssess m ent of
cognitive load in m ulti m edia learning using dual2task m ethodology.
Experi m enta l Psychology,49(1),109-297.
Chen, C.T.(2006).Cognitive p rocessing during w eb sea rch:the role of w orking m em ory load in selective a ttention and inhibitory control.unpublished D octorial D issertation,Indiana U niversity. Chris, B.,D aniel,L.,A lan,Y.(2007).EEG correlates of task engagem ent and m ental w orkload in vigilance,learning,and
m em ory tasks.Avia tion,Space,and Environm enta l M edicine,78
(5),231-244.
Cooper,G.(1990).C ognitive load theory as an aid for instructional design.Austra lian J ourna l of Educa tiona l Technology,6(1),108 -113.
Currie,N.J.(1997).The developm ent of a composite index of m enta l w orkload via fuzzy set app lica tions.unpublished D octorial
D issertation,U niversity of Houston.
D ing,Y.L.,Sheue,L.H.(1999).U se of neural net w orks to
achieve dynam ic task allocation:a flexible m anufacturing system exam p le.Interna tiona l J ourna l of Industria l E rgonom ics,24(2), 281-298.
Fairclough,S.H.,V enables,L.,Tattersall, A.(2005).The influence of task dem and and learning on the psychophysiological response.Interna tiona l J ourna l of Psychology,56,171-184.
G i m ino, A.E.(2000).Factors tha t influence students’invest m ent of
m enta l effort in academ ic tasks:a va lida tion and exp lora tory study.
unpublished D octorial D issertation,U niversity of Southern
California.
42
心 理 学 报41卷
G rootjen,M.,N eerincx,M. A.,V elt m an,J. A.(2006).
Cognitive task load in a naval ship control centre:from
identification to p rediction.Ergonom ics,49(12),1238-1264. Kalyuga,S.,Chandler,P.,Sw eller,J.(1999).M anaging sp lit2 attention and redundancy in m ulti m edia instruction.App lied
Cognitive Psychology,13,351-371.
K ilseop,R.,M yung,R.(2005).Evalution of m ental w orkload w ith a com bined m easure based on physiological indices during a dual task of tracking and m ental arithm etic.Interna tiona l J ourna l of Industria l E rgonom ics,35,991-1009.
L aine,T.I.,B auer,K.W.,J r Teffrey,W.(2002).Selection of input features across subjects for classifying crewm em ber w orkload using artificial neural net w orks.IEEE Transactions on System s,
M an,and cybernentics2pa rt A:System s and Hum ans,32(6),691 -704.
M azaeva,N.,N tuen, C.(2001).Self2O rganizing M ap(SOM) m odel for m ental w orkload classfication.IEEE Transactions on
System s,M an,and cybernentics2pa rt A:System s and Hum ans,31
(6),1822-1825.
M eister, D.(1976).B ehaviora l founda tions of system developm ent.
N ew York:W iley Press.
M iller,G. A.(1956).The m agical num ber seven,p lus or m inus t w o:som e li m its on our capacity for p rocessing infor m ation.
Psychologica l Review,63,81-97.
N oel,J. B.,B auer,K.W.,L anning,J.W.(2005).I m p roving p ilot m ental w orkload classification through feature exp loitation and com bination:a feasibility study.C omputer&Opera tions Resea rch, 32,2713-2730.
Paas,F.,van M J.(1993).The efficiency of instructional conditions:A n app roach to com bine m ental effort and perfor m ance m easures.Hum an Factors,35,737-743.
Paas,F.,van M errienboer,J.(1994).Instructional control of cognitive load in the training of com p lex cognitive tasks.
Educa tiona l Psychology Review,6(4),351-371.Paul, A.(2006).U sing subjective m easures to detect variations of intrinsic cognitive load w ithin p roblem s.L ea rning&Instruction,16
(5),389-400.
Reed,W.M.,B urton,J.K.,Kelly,P.(1985).The effects of w riting ability and m ode of discourse on cognitive capacity
engagem ent.Resea rch in the Teaching of English,19,283-297. Roger,W.S.,Robecca,L.G.,Gory, B.R.(2003).M odel of M ental W orkload.Interna tiona l J ourna l of Industria l E rgonom ics, 28(2),381-407.
Salom on,G.(1983).The differential invest m ent of m ental effort in learning from different https://www.wendangku.net/doc/c94781222.html,ca tiona l Psychologist,18(1), 42-50.
Shayne,L.,Penelope,S.,A ndrew,N.(2007).M odeling and Predicting M ental W orkload in En R oute A ir Traffic C ontrol:
C ritical Review and B roader I m p lications.H um an Factors,49
(3),376-399.
Shayeghi,H.,Shayanfar,H. A.(2006).App lication of ANN technique based onμ2synthesis to load frequency control of
interconnected pow er system.Interna tiona l J ourna l of E lectrica l Pow er&Energy System s,28(7),503-511.
Tabbers,H.,M artens,R.L.,van M errienboer,J.(2004).
M ulti m edia in structions and cognitive load theorys:Effects of
m odality and chang.B ritian J ourna l of Educa tiona l Psychology, 74,71-81.
Tuovinen,J.,Paas,F.(2004).Exp loring m ultidi m ensional app roaches to the efficiency of instructional conditions.
Instructiona l Science,32,133-152.
W aard, D.(1996).The m easurem ent of drivers’m enta l w orkload.
unpublished D octorial D issertation,U niversity of G roningen.
W ang,Q.,L i,J. B.(2002).Confir m a tory Factor Ana lysis.
Hangzhou China:Zhejiang U niversity Press.(in C hinese)
[王权,李金波.(2002).实证性因素分析.杭州:浙江大学出版社].
Syn theti c A ssess m en t of Cogn iti ve L oad i n Hu man2M ach i n e
I n teracti on Process
L I J in2B o,XU B ai2Hua
(D epart m ent of Psychology and B ehavioral Science,Zhejiang U niversity,Hangzhou310028,China)
Abstract
Cognitive load(CL)often becom es too great in m odern hum an2m achine system s,w hich affects the perfor m ance and reliability of system operators.Therefore an effective and reliable app roach to m easure CL is crucial.Currently there are three m ajor m easures of CL:these are subjective evaluation,perfor m ance m easures and physiological assessm ent.N one of these,how ever,can com p rehensively reflect the state of CL under different task conditions. Thus,this study attem p ted to establish an app rop riate m ulti2di m ensional assessm ent technique to evaluate CL synthetically in the hum an2m achine interaction p rocess.
1期李金波等:人机交互过程中认知负荷的综合测评方法43
A dual2task experi m ent w ith si m ulated w eb2searching as the p ri m ary task and m ental arithm etic as the secondary task w as conducted.The p ri m ary task had three levels of com p lexity,high,m edium,and low.Thirty2t w o subjects w ere selected to perfor m the dual2task w ith each com p lexity level of the p ri m ary task.The order of perfor m ance of the three com p lexity levels w as random ized across subjects.Four types of indices w ere obtained,including p ri m ary2task m easures,secondary2task m easures,subjective evaluations and eye m ovem ent m easures.The synthetic assessm ent m odels w ere constructed via factors analysis,
B P artificial neural net w ork and self2organizing feature m ap,respectively. The results show ed that:(1)The six indices,w hich are m ental effort,perceived task difficulty,duration of fixation, num ber of fixations,response ti m e and the percentage of correct responses in the p ri m ary task,w ere sensitive to the change in cognitive load.(2)In dual2task situations,the m ultidi m ensional synthetic assessm ent of cognitive load generated m ore valid results than those based on the single assessm ent index.(3)A ccording to the indices of relative, absolute and average errors,the t w o ANN m odels(B P neural net w ork and self2organizing feature m ap)show ed a m ore accurate m easurem ent of cognitive load than the traditional technique of factors analysis.
Key words H um an2m achine interaction;cogn itive load;assess m ent;neu ral net w o rk;m odeling
信息组织人机交互
人机交互 人机交互是研究系统与用户之间的交互关系的技术机制。通过机器的输入，输出设备，以有效，简单的方式实现用户与机器的互动。所以人机交互系统可以是各种各样的机器设备，也可以是计算机程序化的软件与人之间的交流机制。用户可以通过人机交互系统方便，简易地实现对复杂程序，软件和系统的运用和操作控制（人机交互系统能够使用户更加方便快捷地进行操作）。传统的交互设备一般都是计算机的硬件设备，例如：鼠标，键盘，触摸屏，显示器等。总之，人机交互是指用户与机器之间通过一定方法和语言交流信息以完成指定任务的过程。实现人机交互需要一定的交互设备。用户如何使用机器，怎样可以高效率地完成指定工作，需要一个良好的人机交互系统。而一个良好的人机交互系统需要设计形象生动的人机交互界面。何为人机交互界面人机交互界面就是系统面向用户的部分，用户可以通过人机交互界面与系统交流沟通，是计算机向用户提供的综合操作环境，是计算机系统的重要组成部分。通过人机交互界面，人们可以与计算机传递，交换信息。人机交互界面的设计应当从多个学科角度来进行。首先，设计人机界面应当了解用户的需求，要知道用户想实现什么功能，想怎样实现特定的目的，想怎样简单，准确地控制系统完成指定的任务。然后，需要结合社会需求和经验补充和扩展界面的功能。再可以考虑界面的风格，可以通过图形进行人机交互，用工业设计的方法和计算机技术结合实现人机交互的智能化。通过研究计算机技术，用户心理，社会经验，图形设计，工业设计等，人们可以改进人机交互的环境（人机交互界面）以实现更复杂的功能和提供智能化，人性化的服务。理论体系方面，人机交互需要从人的心理出发，更加强调认知心理以及行为学和社会学的某些人文科的理论指导。实践范畴方面，需从人机交互接口扩展开来，强调计算机对于人的反馈交互作用。 其实，实现有效的人机交互还是需要借助优秀精良的人机界面。那么如何设计优良的人机界面呢首先，设计人员应当分析可用性需求。管理人员通过精选人员准备时间表和目标，建立和使用指导文档以及参与测试，可以促进大家对用户界面问题的重现。而设计者可以提出多个可供参选的备选设计方案，并对较好的备选方案进行下一步的开发和测试。设计者进行深入研究，对于哪些用户要完成什么任务以及用户与人物之间的关系，他们理解得十分透彻。明确目标有利于设计者实现这些目标。设计者设计人机界面应当做到以下几点： ①满足操作，控制和维护人员对性能的需求； ②将对操作人员的技能要求，知识要求和训练时间都降到最低； ③达到人与设备，软件组合所要求的可靠性； ④在系统中和系统间逐步建立一种设计标准； 倘若人机界面设计的好的话，人机界面就好像消失了一样，从而使人机之间可以像人与人之间正常交流一样方便简单。 其次，人机交互界面需要标准化，一致性和可移植性。所谓标准化就是不同的应用程序中共同的用户界面特征。一致性指应用程序中的通用操作语言，序列，术语，组件，布局，颜色，排版，样式等的统一。可移植性指在多个软件环境中转换数据和共享用户界面的潜在能力。 第三，可用性度量。如果已经选择了充分的需求，保证了可靠性，提出了标准化报告，完成了时间进度和预算计划，那么开发者就可以将精力集中于设计与测试过程，多个备选的设计方案必须通过对多个特定用户群和多个特定的基准任务
综合评分法中价格分的评定
这种方法符合人们的正常思维定式，但计算复杂，而且会出现价格分为0分的不合理现象。 另外，报价每高出基准价1个百分点究竟扣几分合理也很难把握。 比重法即以基准报价占某具体投标人报价的比重作为该投标所得价格分占标准分值的比重。 这种方法计算简单，且不会出现价格分为0分的不合理现象。 计算公式为： 某投标人的价格得分＝基准报价÷该投标人报价×价格标准分值平均报价法所谓平均报价法就是以合格投标人的平均报价作为基准报价，基准报价得满分（标准分），各投标人的报价得分在标准分值基础上按其报价偏离基准报价的程度相应降低。 这种方法能在一定程度上消除最低报价法的缺点。 其缺点是不能充分体现价格竞争的市场规则，且计算复杂。 平均报价法按其计算基数不同，可分为全体平均报价法、中间平均报价法和打折平均报价法。 全体平均报价法就是以全体合格投标人的报价作为基数计算投标人平均报价，以此作为基准报价。 全体平均报价法具有一定的客观性，但有时会因个别高或低报价而影响平均报价的公正性和合理性。 计算公式为： 全体平均报价＝∑合格投标人报价÷全体合格投标人家数中间平均报价法就是在全体合格投标人投标报价中去掉一个最高价和一个最低价后再计算平均报价，以此作为基准报价。 中间平均报价法可以在一定程度上消除全体平均报价法的缺陷。
计算公式为： 中间平均报价＝（∑合格投标人报价－1个最高报价－1个最低报价）÷（全体合格投标人家数－2）打折平均报价法就是以打折后的全体合格投标人报价作为基数计算平均报价，以此作为基准报价。 打折平均报价法也可以一定程度上消除全体平均报价法的缺陷，但折扣率多少为宜很难把握。 计算公式为： 投标人平均报价＝∑合格投标人报价×折扣率÷全体合格投标人家数其中，平均报价法按扣分方向不同又可分为“单向扣分法”和“双向扣分法”。 “单向扣分法”就是只对高于基准报价的报价（在标准分基础上）扣分，对低于基准报价的报价均给满分（标准分）。 这种方法的优点在于不会出现低报价得分少于高报价得分的不合理现象，从而在一定程度上体现价格竞争的市场规则。 “双向扣分法”就是对高于和低于基准报价的报价都在（标准基础上）扣分，只有报价等于基准报价的才能得满分（标准分）。 这种方法的缺点是会出现高报价得分高于低报价得分的不合理现象，不仅使供应商之间的价格竞争变得毫无意义，而且会打击竞争者的积极性。 无论单向扣分法还是双向扣分法，在计算具体投标人报价得分时和最低报价法一样，也有“百分比法”和“比重法”两种。 但需要说明的是： 第 一、在双向扣分百分比法中，对高于和低于基准报价的扣分标准可以相同，也可以不同； 第二、在双向扣分法中，当投标人报价低于基准报价时，无论是百分比法还是比重法，其价格分计算公式中的基准报价和投标人报价要位置互换，即百
人机交互的方式与种类
人机交互的方式与种类 初步看到这个课题，并不清楚人机交互的概念，经过老师的讲解和个人的搜索资料，才明白人机交互是一门研究系统与用户之间的交互关系的学问。系统可以是各种各样的机器，也可以是计算机化的系统和软件。用户通过人机交互界面与系统交流，并进行操作。小如收音机的播放按键，大至飞机上的仪表板、或是发电厂的控制室。 从学习中了解到，人机交互这个科研项目已有近百年历史，早在59年，美国学者B.Shackel从人在操纵计算机时如何才能减轻疲劳出发，提出了被认为是人机界面的第一篇文献的关于计算机控制台设计的人机工程学的论文。自此，人机交互的概念被提出，时至今日，人机交互已有自己的方式，如：命令行方式、图形化界面，其主要目的就是为了让用户在操作和使用时感觉方便，提高数据管理效率。 目前，人机交互系统已发展成熟，被应用到各个领域，如：汽车领域。该系统实现了人与车之间的对话功能。车主可通过该系统，轻松把握车辆状态信息（车速、里程、当前位置、车辆保养信息等）、路况信息、定速巡航设置、蓝牙免提设置、空调及音响的设置。 再有多媒体与虚拟现实系统，与传统用户界面相比,引入了视频和音频之后的多媒体用户界面,最重要的变化就是界面不再是一个静态界面,而是一个与时间有关的时变媒体界面。 还有窗口系统。窗口系统是控制位图显示设备与输入设备的系统软件。它所管理的资源有屏幕、窗口、象素映象（pixmap)、色彩表、字体、光标、图形资源及输入设备。 人机交互还在人机工程学，认知心理学，脸部追踪等多个领域中实现着它的价值，人机交互技术是目前用户界面研究中发展得最快的领域之一,对此,各国都十分重视。美国在国家关键技术中,将人机界面列为信息技术中与软件和计算机并列的六项关键技术之一，并称其为"对计算机工业有着突出的重要性,对其它工业也是很重要的"。在美国国防关键技术中,人机界面不仅是软件技术中的重要内容之一,而且是与计算机和软件技术并列的11项关键技术之一。因此，保持在这一领域中的领先,对整个智能计算机系统是至关重要的。我们可以以发展新的人机界面交互技术为基础,带动和引导相关的软
从人体解剖学分析机器人的人机交互及控制系统
1.从人体解剖学分析机器人的人机交互及控制系统 ?目标：人体解剖学（神经系统）构件→结合机器人技术构件→机器人控制系统架构构件→人机交互界面的系统架构（硬件领域） 1.1.神经系统（nervous system） 神经细胞（神经元）是神经系统的响应细胞，神经系统通过电化学信号来处理和传送信息。运动神经细胞能接收从大脑和骨髓神经传来的信号，并控制肌肉的收缩。i 1.1.1.神经系统的分布 神经系统分为中枢部和周围部。 中枢部即中枢神经系统（CNS,central nervous system），包括脑和脊髓，它们分别位于颅腔和椎管内。 周围部又称周围神经系统（PNS,peripheral nervous system），包括脑神经、脊神经和内脏神经，周围神经一端同脑或脊髓相连，另一端通过各种末梢装置与神奇其他各器官、系统相联系。 根据分布对象的不同，将周围神经系统分为躯体神经和内脏神经。躯体神经分布于体表、骨骼肌、骨和关节；内脏神经分布于内脏、心血管、平滑肌和腺体。躯体神经和内脏神经在大脑皮质统一管辖与协调下，完成神经系统的各种功能。 1.1. 2.神经元的分类 神经系统的基本组织是神经组织（nervous tissue），神经组织主要由神经元和神经胶质做成。神经元（neuron）又称神经细胞（nerve cell），具有感受刺激和传导神经冲动的功能。神经胶质（neuroglia）又称神经胶质细胞（neuroglial cell），简称胶质细胞（glia或glia cell），无传导神经冲动的功能，而对神经元起支持、保护、分隔和营养等作用。 神经元基于功能及神经兴奋传导冲动方向分类如下： 感觉神经元（sensory neuron）：又称传入神经元（afferent neuron），感受机器内、外环
人机交互重点整理
第一章绪论 人机交互定义： 人机交互是关于设计、评价和实现供人们使用的交互式计算机系统，且围绕这些方面的主要现象进行研究的科学。 人机交互研究： 人机交互界面表示模型与设计方法 多通道交互技术
人机交互历史： ①手工作业阶段 穿孔卡片等，最早的计算机采用 ②命令方式 键盘输入，DOS等操作系统采用 ③图形用户界面GUI 键盘输入，鼠标，Windows系列采用 ④自然人机交互界面 采用人的自然通道（视觉/听觉）实现人机交互 手写，语音，视觉，多通道 第二章感知和认识基础 ①人机交互过程中人们经常利用的感知有哪几种？每种感知有什么特点？
第三章交互设备 ①输入设备 文本输入设备 图像输入设备 三位图像输入设备 指点输入设备 ②输出设备 显示器 声音的输出 数字纸等 ③虚拟现实系统中的交互设备 掌握内容： 2）三维激光扫描仪工作原理 3）运动捕捉设备分类及工作原理
第四章交互技术 掌握内容： 人机交互输入模式多通道用户交互界面 命令行用户界面、图形用户界面、虚拟现实概念模型图形用户界面主要思想 设计图形用户界面的一般性原则 窗口的排列方式及其优缺点 基本交互技术 图形交互技术 三维交互技术 多通道用户界面的基本特点 眼动跟踪的基本原理 主要手势识别技术 语音识别处理流程 表情识别步骤 联机手写识别主要阶段和原理框图
人机交互输入模式 1）请求模式 在请求模式下，输入设备的启动是在应用程序中设置的， 应用程序执行过程中需要输入数据时，暂停程序的执行， 直到从输入设备接收到请求的输入数据后，才继续执行程序。 2）采样模式 输入设备和应用程序独立地工作，输入设备连续不断地把信息输入进来， 信息的输入和应用程序中的输入命令无关。 应用程序在处理其他数据的同时，输入设备也在工作，新的输入数据替换以前的输入数据当应用程序遇到取样命令时，读取当前保存的输入设备数据。 优点：这种模式对连续的信息流输入比较方便，也可同时处理多个输入设备的输入信息 缺点：当应用程序的处理时间较长时，可能会失掉某些输入信息。 3）事件模式 输入设备和程序并行工作。输入设备把数据保存到一个输入队列，也称为事件队列，所有的输入数据都保存起来，不会遗失。 应用程序随时可以检查这个事件队列，处理队列中的事件，或删除队列中的事件。
综合评分法
首先，《中华人民共和国政府采购法》第二十六条规定，政府采购的方式有公开招标、邀请招标、竞争性谈判、询价和单一来源。 《政府采购货物和服务招标投标管理办法》（简称18号令）第五十条：货物服务招标采购的评标方法分为最低评标价法、综合评分法和性价比法。 第五十一条最低评标价法，是指以价格为主要因素确定中标候选供应商的评标方法，即在全部满足招标文件实质性要求前提下，依据统一的价格要素评定最低报价，以提出最低报价的投标人作为中标候选供应商或者中标供应商的评标方法。 最低评标价法适用于标准定制商品及通用服务项目。 第五十二条综合评分法，是指在最大限度地满足招标文件实质性要求前提下，按照招标文件中规定的各项因素进行综合评审后，以评标总得分最高的投标人作为中标候选供应商或者中标供应商的评标方法。 综合评分的主要因素是：价格、技术、财务状况、信誉、业绩、服务、对招标文件的响应程度，以及相应的比重或者权值等。上述因素应当在招标文件中事先规定。 评标时，评标委员会各成员应当独立对每个有效投标人的标书进行评价、打分，然后汇总每个投标人每项评分因素的得分。 采用综合评分法的，货物项目的价格分值占总分值的比重(即权值)为30％至60％；服务项目的价格分值占总分值的比重(即权值)为10％至30％。执行统一价格标准的服务项目，其价格不列为评分因素。有特殊情况需要调整的，应当经同级人民政府财政部门批准。 评标总得分＝F1×A1＋F2×A2＋……＋Fn×An F1、F2……Fn分别为各项评分因素的汇总得分； A1、A2、……An分别为各项评分因素所占的权重(A1＋A2＋......＋An＝1)。 第五十三条性价比法，是指按照要求对投标文件进行评审后，计算出每个有效投标人除价格因素以外的其他各项评分因素(包括技术、财务状况、信誉、业绩、服务、对招标文件的响应程度等)的汇总得分，并除以该投标人的投标报价，以商数（评标总得分）最高的投标人为中标候选供应商或者中标供应商的评标方法。评标总得分＝B/N B为投标人的综合得分，B＝F1×A1＋F2×A2＋……＋Fn×An，其中：F1、 F2……Fn分别为除价格因素以外的其他各项评分因素的汇总得分；A1、 A2、……An分别为除价格因素以外的其他各项评分因素所占的权重(A1＋A2＋......＋An＝1)。N为投标人的投标报价。 目前，我国的政府采购中公开招标方式一般采用综合评分法，竞争性谈判、询价、单一来源一般采用最低价中标。
人机交互分析
随着我们最后一个小组任务的完成，本学期的课题作业也告一段落。这学期学习了交互设计，公共设施设计和设计程序与方法三个大的专业课，虽然作业和课题让我们倍感头疼，但经过这些天的学习和研究，也使我们锻炼了小组合作和自学新知识的能力。 在学习交互设计的课程中，老师给我们演示了世界上先进的交互设计案例，如微软的Kinect技术，任天堂的wii体感技术等等。一开始我们是并不了解的，从字面意思来看，交互设计指的就是人与机器之间的互动，其实深入了解后，交互设计包括生活中的方方面面，现代人的生活已经离不开交互设计了。 现今社会处于信息爆炸阶段，移动通信为人们生活所必须，成为人们重要交流方式。根据相关统计分析，2014年，手机销量达到15亿部，而其中基本都是智能手机型，传统的按键式的普通手机，虽然可以接打电话收发短信，但却无法满足现代人对于信息的追求，从而使智能手机得到人们的广泛青睐。不管是国产手机还是外国厂商，均把智能手机定为主要的发展目标，而且智能手机在市场上的份额增长也十分可观。与此同时，虽然人们对网络的需求日益增大，3G网络已经无法满足人们了，现在是4G网络的时代，移动流量网络速度超越光纤带宽已经是不可阻止的了。智能手机之所以如此普及，从经济的角度分析，原因在于经济飞速发展，人民水平不断提高，国产厂商的崛起，竞争导致产品定价下降，人人都可以用上好的智能手机。如今生活节奏也日益加快，人们每天花在移动设备上的时间也日益增加，从智能手机上获得信息成为人们每天主要的信息手段。有研究报告表明，智能手机又三项功能较为大众所喜爱，浏览新闻网页，阅读书籍和通讯聊天成为人们喜爱的原因。同时。随着智能手机功能的逐渐强大，手机游戏以及流畅的媒体影视也成为了人们关于的智能手机功能。 这些都是交互设计所带来的进步，由此可见，交互设计推动了现代信息时代的发展。 就从我们日常必须使用的社交网络来说，微信从2011年走向人们视野中已经有了5个
综合测评细则建议
综合测评细则建议 重大土木院 综合测评总分（100分）=智育成绩（75）＋德育成绩（11）＋文体成绩（5）＋学术及学科竞赛成绩（4）+社会工作表现成绩（3）+集体活动参与成绩（1）+其他（1） 1.智育成绩（75） 计算方法智育成绩=∑ ∑?学分学分考试成绩*75％，任选课成绩不计 入；重修课成绩不纳入排序计算；补考合格的成绩按照60分计算。“具备评奖资格”条件： 上学期登录所有成绩全部及格（每学期评奖一次）。 2.德育成绩（11）=德育基本分（8分）+德育加分（最高3分） 若本学期该生没有受到纪律处分，即可获得德育基本分满分（8分） 若本学期该生受到记过以上（含记过）纪律处分，即取消当期评奖资格 若本学期该生受到记过以下纪律处分，德育基本分予以扣分，同时取消评奖资格时限见下表： 纪律处分 扣分（/次） 取消评奖资格时限 通报批评 1 1个月 警告 2 3个月 严重警告 3 4个月 （注：多次受到以上处分的进行累计扣除直至基本分扣完。若评奖时该生仍在取消 评奖资格时限内，则不得参与评奖。本规定的时限期间，自处分决定行文之日起计算） 德育加分用于表彰在学校学院“争先创优”活动中获得荣誉的同学，分为个人荣誉和集体荣誉，具体加分办法见下表： 个人荣誉 加分项目 加分 国家级评选项目 3 省市级评选项目 2 校级评选项目 1 院级评选项目 0.5 集体荣誉 加分项目 加分（人均） 国家级评选项目 1.5 省市级评选项目 1 校级评选项目 0.6 院级评选项目 0.3 加分项目：优秀学生、优秀学生干部（等常规评优项目）、先进班集体、文明寝室 3.文体成绩（5分）＝基本分（2分）＋加分（最高3分） 体育成绩及格即获得基本分，不及格者扣除基本分2分。 文体加分用于表彰在文体活动中为学院做出贡献的同学，分为个人荣誉和集体荣誉，具体加分办法见下表： 个人荣誉 加分项目 加分 国家级 1~3
政府采购招标评标办法综合评分法
第三章政府采购招标评标办法（综合评分 法） 评标办法前附表：
1. 评标方法 本次评标采用综合评分法。评标委员会对满足招标文件实质性要求的投标文件，按照本章规定的评分标准进行打分，并按得分由高到低顺序推荐中标候选人，但投标报价低于其成本的除外。综合评分相等时，以投标报价低的优先；投标报价也相等的，由招标人自行确定。 2. 评审标准 2.1 初步评审标准 2.2 分值构成与评分标准 2.2.1 分值构成 分值构成：见评标办法前附表。 2.2.2 评标基准价计算 评标基准价计算方法：见评标办法前附表。 2.2.3 评分标准 评分标准：见评标办法前附表。 3. 评标程序 3.1 初步评审 3.1.1评标委员会依据本章评标办法前附表规定的评审标准对投标文件进行初步评审。有一项不符合评审标准的，作废标处理。
3.1.2 投标人有以下情形之一的，其投标作废标处理： （1）串通投标或弄虚作假或有其他违法行为的； （2）不按评标委员会要求澄清、说明或补正的； （3）不响应招标文件实质性要求的。 3.1.3 投标报价有算术错误的，评标委员会按以下原则对投标报价进行修正，修正的价格经投标人书面确认后具有约束力。投标人不接受修正价格的，其投标作废标处理。 （1）投标文件中的大写金额与小写金额不一致的，以大写金额为准； （2）总价金额与依据单价计算出的结果不一致的，以单价金额为准修正总价，但单价金额小数点有明显错误的除外。 3.2 详细评审 3.2.1 评标委员会按本章规定的量化因素和分值进行打分，并计算出综合评分。 3.2.2 评分分值计算保留小数点后两位，小数点后第三位“四舍五入”。 3.2.3 每个投标人的最终得分为：所有评委打分的算术平均值作为该投标人的最终得分，计分四舍五入取至小数点后两位。 3.2.4 评标委员会发现投标人的报价明显低于其他投标报价，或者低于投标报价基准值（计算方法同评标基准值）的20%，使得其投标报价可能低于其个别成本的，应当要求该投标人作出书面说明并提供相应的证明材料。投标人不能合理说明或者不能提供相应证明材料的，由评标委员会认定该投标人以低于成本报价竞标，其投标作废标处理。 3.3 投标文件的澄清和补正 3.3.1 在评标过程中，评标委员会可以书面形式要求投标人对所提交投标文件中不明确的内容进行书面澄清或说明，或者对细微偏差进行补正。评标委员会不接受投标人主动提出的澄清、说明或补正。 3.3.2 澄清、说明和补正不得改变投标文件的实质性内容（算术性错误修正的除外）。投标人的书面澄清、说明和补正属于投标文件的组成部分。
学生综合素质测评计算办法
资环学院学生综合素质测评计算办法为了科学评价学生综合素质，引导学生德智体美全面发展，依据2010版《学生手册》，结合我院学生工作实际情况，特制定此综合测评计算办法。 计算方法：测评成绩=思想道德素质成绩*15%+智育素质成绩 *70%+身心素质成绩*5%+科技人文素质*10% 一、思想道德素质(一级指标100分) 计算方法：∑思想道德素质=基础分+加分-减分。 （一）基础分（二级指标80分） 基础分以班级评议方式进行评定，由考评小组依据学生学年表现情况，按照优秀（80分）、良好（75分）、合格（70分）、基本合格（60分）的标准给每一位学生打分，算出的平均值即为该生基础分。 （二）加分标准（二级指标，不得超过20分） 1、在学习、工作、生活过程中，做出对学校和社会有较大影响的贡献，受到表彰或得到公开报道并得到校院认可的，给予加分。 (1)获得优秀个人或先进集体荣誉称号者：国家级+10分；省级+8分；校级+4分；院级（校区级、校直部门级）+2分。 (2)获得等级奖励的个人或集体： 国家级：一等奖+10分，二等奖+8分，三等奖+4分，获得参加资格+2分； 省级：一等奖+8分，二等奖+4分，三等奖+2分，获得参加资格+1分；
校级：一等奖+4分，二等奖+2分，三等奖+1分，获得参加资格+0.5分； 院级（校区级、校直部门级）：一等奖+2分，二等奖+1分，三等奖+0.5分，获得参加资格+0.25分。 (3)凡是以上属于集体做出突出事迹的，骨干带头人（1-2人）取相应级别加分的最高值，其他成员减半。 2、担任学生干部，尽心尽职，在担任学生干部期间进行考核，根据考核结果给予相应加分，具体依据附件1《资环学院学生干部考核办法》。 3、在优良学风宿舍创建和学生宿舍安全卫生文明常态化检查中表现突出者，给予加分，具体依据附件2《资环学院学生卫生管理办法》。 (三)减分标准：违反学校或学院相关纪律安全规定，给予减分，具体依据附件3《资环学院大学生文明纪律安全管理办法》。 二、智育素质（一级指标100分） 计算方法：智育成绩采取加权平均分的计算方法。 ∑智育成绩＝∑（i科成绩× i科学分）/∑（i科学分） 三、身心素质（一级指标100分） 计算方法：∑身心素质＝基础分+加分-减分。 （一）基础分（二级指标80分） 基础分以班级评议方式进行评定。 （二）加分标准（二级指标，不得超过20分）
评分办法综合评分法.doc
1、评分办法：综合评分法。 2、评标分值分配：商务3分，技术67分，价格30分。 3、评分细则：
1、类似项目指：单项合同中至少包含工程建设进度管理、质量安全管理、现场管理功能其中一项内容的国内工程建设管理信息化项目，且合同中涉及上述内容的金额不低于300万元人民币。 2、类似项目不包含投标人提供用以证明满足资格条件中投标人业绩要求的项目。 3、如合同中无法体现“合同主体”、“合同内容”、“合同中涉及上述内容的金额”的情况，开具业主证明等相关证明材料以证明上述内容，否则视为无效。 （3）价格部分：
价格评分的计算方法： 1）评标基准价B的确定: 若合格投标人多于五家（含五家），将各合格投标人的评标价格中去掉一个最高值和一个最低值，其它各家的算术平均值乘以系数A为评标基准价B； 若合格投标人为三～四家，则先计算合格投标人的算术平均值，在该值85%～110%范围内的各合格投标人评标价格算术平均值乘以系数A为评标基准价B；若合格投标人评标价格均不在该值的85%～110%范围，则取所有合格投标人评标价格的算术平均值乘以系数A为评标基准价B。 合格投标人仅为两家（含）时（经评标委员会判定仍具备竞争性时），直接取所有合格投标人评标价格的算术平均值乘以系数A为评标基准价B。 系数A在开标现场由投标人推选一名代表，从98%、98.5%、99%三档中随机抽取一个，作为系数A计算评标基准价。 2）价格分评定原则 合格投标人评标价 = B，得满分。 合格投标人评标价＞ B，评标价格每高于B的1%，扣1分，扣完为止。 合格投标人评标价＜ B，评标价格每低于B的1%，扣0.5分，扣完为止。3）价格合理性扣分，此项为扣分项，最多扣2分。由评委根据投标报价的合理性、完整性及修正情况综合考虑。投标报价修正额绝对值累计超过原报价1％（不含1％）的，每增加1％扣0.5分，用内插法计算。 评标委员会按各投标人综合得分从高到低顺序，对投标人进行排名，最终得分相同的，则按评标价由低到高的顺序确定排名先后。如最终得分、评标价均相同的，则抽签确定排名先后。 最终以正式发出的招标文件书面版为准！
人机交互课设设计
《人机交互的软件工程方法》 课程大作业 学生姓名胡佩霜 学号5011213427 所属学院信息工程学院 班级计算机17-4 授课教师范振岐 塔里木大学教务处制
《保卫萝卜2》界面分析 摘要：《保卫萝卜2》是一款超萌的休闲塔防游戏，在保卫各种萝卜的基础上增加了包括雪地、天际、冰河在内的6个主题场景，101个全新的关卡以及包括冒险闯关、BOSS 限时、怪物堡垒、终极对决等6个模式，还增加了全新的“分体怪”，而且每关还有特殊任务，这对追求完美的人来说，增加了游戏难度。本文将从人机交互方面来解析该游戏。 关键词：保卫萝卜；游戏；模式；界面分析
目录 摘要 (1) 1.画面 (3) 1.1画面 (3) 1.2画风 (3) 1.3画质 (3) 1.4音效 (4) 2.操作 (4) 2.1可建造炮塔位置不难找 (4) 2.2“一指点天下” (4) 2.3问题 (4) 3.数值设计 (5) 3.1重复挑战性 (5) 3.2适当的随机性 (5) 3.3节奏感 (5) 3.4战略性 (5) 4.关卡设置 (5) 4.1取消主题模式引进大地图 (5) 4.2新增模式 (6) 4.2.1双出口模式 (6) 4.2.3怪物堡垒模式 (7) 4.2.4随机炮塔 (7) 4.2.5分裂怪 (8) 4.3炮塔解锁 (9) 4.4额外任务 (9) 5.社交 (9) 6.总结 (10) 7.参考文献 (11)
1.画面 众所周之，在《保卫萝卜1》中，由于画面走的可爱路线受到许多少女玩家们的喜爱，而《保卫萝卜2》也依旧走的此路线，各种萝卜以及各种怪物都非常的萌，扑面而来的依然是一股小清新的微风。 1.1画面 对比萝卜1代，《保卫萝卜2极地冒险》除了延续了萝卜1代的清新可爱风格，在画面做工上更为精细，同时还融入了时下比较流行的可爱元素，如大黄鸭。在保卫萝卜1中，我们熟知的那只瘦瘦的小胡萝卜，在《保卫萝卜2》中形象也发生了变化，完成一定数量的关卡后，可开启不同形象萝卜!这一次《保卫萝卜2：极地冒险》从细节做起，相信玩家们在游戏过程中处处都能获得快乐和惊喜。 《保卫萝卜2：极地冒险》不仅延续了保卫萝卜1中怪物的超萌形象，而且还有全新的怪物加入，画风也更加细致入微。既然有新怪物加入，那么必定也会有新炮塔更新，《保卫萝卜2：极地冒险》中炮塔功能将更加齐全，相信玩家在布防过程中的选择也会变得多种多样。 1.2画风 走的是奇葩怪异的恶心萌路线，相较于超硬的写实派显得不那么严肃，跟纯粹的Q版软萌系相比又不那么低龄化，符合当今大众娱乐一切的心理。 1.3画质 《保卫萝卜》一直保持这可爱加超萌的画面风格，而新作在保持原有画质的基础上，画面精简了很多，不会让玩家在出现眼冒金星的感觉。
大学综合测评细则
广东技术师范学院政法学院学生综合测评实施细则 （试行） 第一章总则 第一条【实施原则】本《细则》根据《广东技术师范学院学生综合测评实施办法》、《广东技术师范学院奖学金管理办法》、《广东技术师范学院优秀学生奖学金、学院专项奖学金实施细则》、《广东技术师范学院先进班集体评选实施办法》和《广东技术师范学院“广师之星”评选实施办法》及有关文件精神，按照公开、公平、公正和民主集中制原则制定本实施细则。 第二条【对象界定】本实施细则适应于正式注册的全日制普通高等教育本科生和专科生。 第三条【测评内容】综合测评的内容包括学生的品德行为表现，学业表现和文体表现三个方面，其中每个方面分为若干测评要素。综合测评成绩计算方法为德智体各计100分，三个方面在总成绩中所占的百分比分别为20%、65%、15%。 第四条【测评机构】设立院班两级综合测评审核（议）小组。院审核小组由院主管领导、辅导员、班主任和学生干部代表组成；班审议小组由班主任(含助理班主任)、学生干部代表（由各班选举产生2名）、学生代表（由各班选举产生3名，不包括学生干部）组成，审议小组成员要有一定的代表性。 第五条【成绩评定】实行三榜定案制度。各班综合测评初审结果交院审核小组核定，然后向全院学生张榜公布，实行三榜定案制度，每榜三天，在规定时间内，允许学生提出质疑，院审核小组要做好复审及登记工作，如确有错漏，应予更正。 第六条【测评程序】学生自我测评。由学生本人根据自己的实际情况，填写综合测评成绩申请表，向综合测评小组提出申请，按照统一表格实事求是填写各项基本分、附加分、扣分，向各班审议小组汇报。 审议小组审查。各审议小组的主要任务是：负责核实基本分、附加分和扣分，有错漏的要予以更正或补充，附加分、扣分以班周记和有记录的依据为准。审议后交院审核组复核。校院一级的党团学生会干部的附加分以相关部门的记录为准。 最后，院审核小组审核，负责全面审核各班测评结果。院主管领导审批后向学生公布综合测评的结果，实行三榜定案制度。每年的综合测评结果由院保存；并上报校学生处备案，作为学生评优、评奖活动、加入党团组织和毕业鉴定及推荐就业的主要依据。 第七条【评优方法】原则上按以下办法评出：品德、学业和文体单项积极分子按该单项成绩从高到低，在符合条件的学生中评出；“优秀三好学生”和“三好学生”按综合测评总分从高到低，根据综合表现, 在符合条件的学生中评出；“优秀学生干部”和“工作积极分子”根据实际工作表现，在符合条件的学生中评出；其他专项奖学金按条件和实际情况申报，符合者给予奖励。 第八条【测评要求】要做好宣传教育、监督反馈和调查研究工作，保持信息畅通，确保政策的准确落实。各班委、团支部在综合测评工作启动前要召开专门班会，做好前期宣传动员、学习教育和情况通报工作，准确、及时地传达上级精神；建立专门的意见箱（含电子邮箱）和监督电话，接受同学的监督和意见反映，对存在问题，应及时调查处理；相关老师和学生干部要深入学生，开展调查研究，及时采集同学的意见和了解工作进展情况，对不正之风、不良行为要及时制止和纠正，对同学反映关于本《细则》的修改意见，应做好登记和汇
综合成绩计算方法及综合素质评分标准
附件： 综合成绩计算方法及综合素质评分标准 综合成绩计算方法： 综合成绩= 智育平均成绩×85% + 综合素质得分×15% 综合素质得分= 科技学术与创新得分×70% +个性发展素质得分×30% 其中，科技学术与创新得分与个性发展素质得分均不超过100分。 综合素质得分包括科技学术与创新和个性发展素质两部分。个性发展素质可包括德育得分、知识竞赛、社会实践活动、文艺、体育等等。 1．科技学术与创新 （1）科技学术竞赛 学生参加的各级各类科技学术竞赛，以获奖证书或文件为依据，按以下标准加分： 说明： ①同一作品参加同一类型各级别竞赛获多项奖励按最高得分计分一次。 ②个人作品第一作者按相应级别等次加分，合作者降一等级加分；集体作品第一至第三作者按相应级别等次加分，其余作者降一等级加分。 ③评奖不分等级时统一按二等奖加分；若以名次计，第1名按一等奖加分，第2、3名按二等奖加分，第4—6名按三等奖加分。若以金、银、铜奖计，分别按特、一、二等奖加分（特等奖可在一等奖分值基础上加1分）。 ④国际性竞赛在全国竞赛各获奖等级得分基础上加1分。 （2）发明创造 获得国家发明专利前三名者分别加5分、4分、3分；获得国家实用新型和外观设计专利前三名者分别加3分、2分和1分。 （3）科研成果 学生拥有科研成果或研制出产品，经两名副教授以上职称的该领域专家推荐并通过学校相关
部门审定，可加1—4分；对于有重大学术水平、科技含量或应用前景的科研成果，经学校相关部门审定或鉴定，可加5—8分。 （4）学术论文 发表与本专业相关的学术论文，被SCI、EI、CSSCI检索：第一作者4分，第二作者2.5分，第三及后序作者1.5分；国内核心期刊A类及以上（以武汉大学《期刊目录》为准）：第一作者3分，第二作者2分，第三及后序作者1分; 国内核心期刊B类及以上（以武汉大学《期刊目录》为准）：第一作者2分，第二作者1分，第三及后序作者0.7分。 说明：如果教师署名论文作者首位，不在加分之列。 2. 个性发展素质部分 （1）德育方面的操行评等，可按以下标准加分： （2）知识竞赛 参加学校统一组织的各级各类知识竞赛，以获奖证书或文件为依据，按以下标准加分： 说明： ①一人参加同一类型各级别竞赛获多项奖励按最高得分计分一次。 ②集体项目每位成员均按相应级别等次加分。 ③若以名次计，第1名按一等奖加分，第2、3名按二等奖加分，第4—6名按三等奖加分。若有特等奖，可在一等奖分值基础上加1分。
人机交互控制
虚拟驾驶系统场景管理平台设计 -- 宣爱练车房人机交互控制 场景系统输入控制包括由驾驶者控制汽车运动的基本操作，包括对方向盘、油门、离合、刹车和档位转换等，以及触及点火开关、转向指示灯按钮、喇叭鸣笛按钮等辅助性操作，还有就是针对软件运行过程中的某些设置功能的键盘和鼠标操作。读入的汽车运动控制信息，通过汽车的动力学模型运算后，交互控制视觉场景的显示。画面输出除了视景的变化外，同时输出经过汽车动力模型计算后产生的汽车运行信息，包括当前速度、档位、点火开关状态、鸣笛状态、转向指示状态等。 如果仅仅依赖windows的消息机制，系统的实时性则难以达到要求，由于DirectInput直接与设备驱动进行通讯，具有底层输入获取的处理能力，其能够立即响应硬件的中断，不需要经过windows系统的消息机制，保证信号处理的实时性，所以本程序利用DirectInput组件提供的输入接口功能，实现控制信号的输入。输入设备包括三个设备：鼠标、键盘和专用的驾驶模拟游戏杆。利用了主板上的键盘和鼠标输入接口，使输入信号以系统能识别的键盘鼠标兼容的数据形式输入系统，由DirectInput获取并处理，游戏杆采用最新的罗技公司生产的针对赛车类游戏的专业G25型游戏杆，它可以提供包括对方向盘、油门、离合、刹车和档位的操作，通过DirectInput接口将驾驶操纵信号输入到场景管理平台中。 1.操作设备输入的设置和初始化 DirectInput组件由支持COM接口的DirectInput对象和每一种提供数据的输入设备对象组成。DirectInput对象在程序中表征DirectInput子系统，用于查询和管理输入系统。创建DirectInput对象之后，可以使用该对象的接口方法查询系统中的可用输入设备，并为程序中需要使用的每一个设备创建一个DirectInputDevice对象。在DirectInputDevice设备对象创建出来后，必须为它设置设备的属性和数据的读取格式。每一个DirectInputDevice对象都表示了
控制系统的极点配置设计法
控制系统的极点配置设计法 一、极点配置原理 1.性能指标要求 2.极点选择区域 主导极点： n s t ζω 4 = ；当Δ=0.02时，。 n s t ζω 3 = 当Δ=0.05时,
3.其它极点配置原则 系统传递函数极点在s 平面上的分布如图（a ）所示。极点s 3距虚轴距离不小于共轭复数极点s 1、s 2距虚轴距离的5倍，即n s s ξω5Re 5Re 13=≥（此处ξ，n ω对应于极点s 1、s 2） ；同时，极点s 1、s 2的附近不存在系统的零点。由以上条件可算出与极点s 3所对应的过渡过程分量的调整时间为 135 1 451s n s t t =?≤ ξω 式中1s t 是极点s 1、s 2所对应过渡过程的调整时间。 图（b ）表示图（a ）所示的单位阶跃响应函数的分量。由图可知，由共轭复数极点s 1、s 2确定的分量在该系统的单位阶跃响应函数中起主导作用，即主导极点。因为它衰减得最慢。其它远离虚轴的极点s 3、s 4、s 5 所对应的单位阶跃响应衰减较快，它们仅在极短时间内产生一定的影响。因此，对系统过渡过程进行近似分析时。可以忽略这些分量对系统过渡过程的影响。 n x o (t) （a ） （b ） 系统极点的位置与阶跃响应的关系
二、极点配置实例 磁悬浮轴承控制系统设计 1.1磁悬浮轴承系统工作原理 图1是一个主动控制的磁悬浮轴承系统原理图。主要由被悬浮转子、传感器、控制器和执行器(包括电磁铁和功率放大器)四大部分组成。设电磁铁绕组上的电流为I0，它对转子产生的吸力F和转子的重力mg相平衡，转子处于悬浮的平衡位置，这个位置称为参考位置。 （a）（b） 图1 磁悬浮轴承系统的工作原理 Fig.1 The magnetic suspension bearing system principle drawing 假设在参考位置上，转子受到一个向下的扰动，转子就会偏离其参考位置向下运动，此时传感器检测出转子偏离其参考位置的位移，控制器将这一位移信号变换成控制信号，功率放大器又将该控制信号变换成控制电流I0+i，控制电流由I0增加到I0+i，因此，电磁铁的吸力变大了，从而驱动转子返回到原来的平衡位置。反之，当转子受到一个向上的扰动并向上运动，此时控制器使得功率放大器的输出电流由I0，减小到I0-i，电磁铁的吸力变小了，转子也能返回到原来的平衡位置。因此，不论转子受到向上或向下的扰动，都能回到平衡状态。这就是主动磁轴承系统的工作原理。即传感器检测出转子偏移参考点的位移，作为控制器的微处理器将检测到的位移信号变换成控制信号，然后功率放大器将这一控制信号转换成控制电流，控制电流在执行磁铁中产生磁力从而使转子维持其悬浮位置不变。悬浮系统的刚
综合测评智育成绩计算方法
综合测评计算方法（选修课） 先介绍一下sumproduct函数，很实用的一个函数。 【含义】 在给定的几组数组中，将数组间对应的元素相乘，并返回乘积之和。 【语法】 SUMPRODUCT（array1,array2,array3, ...） Array1,array2,array3, ... 为 2 到30 个数组，其相应元素需要进行相乘并求和。 【说明】 ?数组参数必须具有相同的维数，否则，函数SUMPRODUCT 将返回错误值#VALUE!。 ?函数 SUMPRODUCT 将非数值型的数组元素作为0 处理。 好了，进入正题。首先，拿到一份一个班级的成绩单，如图 1 一．首先，把所有必修课所在的列以及学生学号、姓名列复制到一个新的excel文档中。然后，为确保工作表中的所有数据都为可以进行计算的数值格式，需要进行以下几个操作： 1．单元格中的数字都为文本格式，每个数字后面其实都有一个特殊的空格（不同于键盘上的space键，如图2），需要将其全部清除。具体做法为：在图2所示的编辑栏中复制该空格，ctrl+H 打开替换窗口，在查找内容中粘贴此 3 空格，替换内容为空。全部替换即可。替换效果如图
2．带有“补”、“重”等字样的单元格，成绩不应算入本年度的综合测评，将其全部替换为0即可（不影响最终的平均成绩） 4 3．“-”即该生未选此门课程，也将“-”替换为0，如图 4．为了方便计算与操作，对数据进行行列转置，做法为：ctrl+A选中工作表中的所有内容，ctrl+C复制选中内容，将光标定位到sheet2的A1单元格，单击开始选项卡中的粘贴，选中转置，如图5，效果如图6
人机交互软件工程方法期末考试大作业申请及试卷
《人机交互软件工程方法》期末考试大作业申请 根据《人机交互软件工程方法》课程特点和教学基本要求，本课程希望学生能够较全面地学习有人机交互的基本理论和实用技术，掌握各种交互设备及其工作原理，人机交互技术，人机界面设计方法及其表示模型和实现方法。着重培养学生应用所学知识分析解决实际问题的动手能力、实践能力与创新能力。因此申请2018-2019（2）学期课程《人机交互软件工程方法》期末考试采取大作业项目设计的形式。 考试班级：16计科软件班 考试课程：人机交互软件工程方法 申请人：肖锋 2019.5.6
课程成绩说明 本课程最终成绩由平时成绩及期末大作业成绩组成，具体评分标准如下：1.平时成绩由实验成绩、平时作业及考勤成绩综合给出。其中： 实验成绩：需按照实验要求完成实验内容并提交实验报告，实验一共8次，每次5分，满分40分； 平时作业：根据平时作业提交及完成情况给出，满分20分。 考勤成绩：根据平时考勤记录给出，满分40分。 2.期末大作业成绩采取百分制，根据学生提交大作业的内容的完成情况进行评 分。 3.课程最终成绩采取百分制，60分及格，由平时成绩与大作业成绩加权计算得 出，平时成绩与大作业成绩各占总成绩的30%和70%。 课程大作业 大作业内容共四道题，要求见大作业试卷。 大作业要求：提交项目设计方案及程序代码，设计方案需条理清晰，格式齐整，程序代码需完整可运行。 提交时间及方式：提交设计方案电子档及程序源代码，第18周周四提交，由班干部收齐后统一提交。
学院数学与计算机科学出卷教师肖锋系主任签名 制卷份数专业计算机班级编号 江汉大学2018 ——2019 学年第2 学期 考试试卷 课程编号： 410802046 课程名称：《人机交互软件工程方法》试卷类型：项目设计考试形式：大作业考试时间：十八周周四提交一、考试说明 根据课程特点，考试采取大作业形式。为了考试学生的对课程基本理论、基本知识点的考察，要求学生完成项目设计的基本要求；同时，为了充分发挥学生的自我能动性、积极性、创造性，要求学生在满足基本要求的前提下，可以根据个人的能力充分发挥。 二、考核内容及评分标准 1.窗体程序界面设计 要求设计一个窗体程序界面，完成一个简单的计算器功能（实现加减乘除运算）。编程语言及编译环境任选（建议使用VS平台及C#），提交详细的项目设计文档及程序工程文件。 设计要求： 项目设计文档需调理清晰，格式齐整。完整地说明窗体设计的模型、窗体设计时考虑的人机交互原则，以及程序模块的具体设计关键代码的说明。 其中重点需要给出如下内容： ●画出任务设计的用例图及程序中各个界面视图的关联关系。 ●需利用GOMS划分设计程序的任务分解图，并利用LOTOS描述认为之 间的约束关系。 评分标准： ?程序界面正常运行：（5分）。 ?项目设计文档需调理清晰，格式齐整（5分）。 ?凸显方案的核心技术、步骤、以及人机交互界面的设计遵循的原则