74、探索用户模型属性与AALuis用户界面层的创新应用

探索用户模型属性与AALuis用户界面层的创新应用

1. 用户模型属性研究

在汽车场景下针对老年用户开展的研究，旨在揭示用户模型不同类型属性之间的依赖关系。研究选取了针对不同复杂程度的特定物理任务，并测量了这些任务的绩效值。研究基于三种不同场景展开，即训练场景、驾驶场景1以及带有额外工作量的驾驶场景。

1.1 压力与工作量关系

通过对EDA值的评估发现，压力并非仅与工作量相关。从图中可以看到一些异常值（如1、3、7、13），这表明在双任务条件下，压力的产生受到多种因素的影响，并非单纯由工作量决定。

1.2 用户属性与任务条件的相关性

对问卷的分析显示，用户的认知或情感属性与研究期间评估的特定条件之间没有相关性。这意味着在研究中所涉及的用户属性和任务条件之间不存在直接的关联关系。

1.3 原始任务与认知负荷

原始任务通常是相对无意识执行的任务，因此它们不会受到轻度认知参数变化（如参与者工作量的增加）的显著影响。认知负荷通常由更复杂的任务产生，这些复杂任务通常是多个原始任务的组合。这一观点得到了数据非正态分布的支持，同时音频和视频分析也证实了这一假设。

1.4 用户模型属性差异

研究结果表明，用户模型的物理属性与认知、行为和心理属性（如压力和情绪）之间的差异在于它们所影响的任务复杂程度不同。物理属性可以基于绩效指标与原始任务相关联，但认知、行为和心理属性则无法如此关联。这种关联涉及多个认知、行为和心理属性，而要获得统计上有效的结果，则需要关注涉及认知负荷的更复杂任务。

2. AALuis项目介绍

2.1