認(rèn)知負(fù)荷下的智慧礦山信息交互界面優(yōu)化

馮青 范丁力 楊惠珺 趙思伊

摘 要：針對(duì)操作者受制于視覺認(rèn)知壓力，在復(fù)雜的交互界面中進(jìn)行任務(wù)時(shí)操作效率降低，產(chǎn)生操作失誤次數(shù)增多的問題，提出基于認(rèn)知負(fù)荷理論的界面優(yōu)化方法。通過分析現(xiàn)有智慧礦山信息交互界面，建立界面優(yōu)化模型，利用信度系數(shù)權(quán)重評(píng)價(jià)方法確定界面中信息類型的分布方式，建立AHP分層模型總結(jié)界面優(yōu)化內(nèi)容表，交叉組合生成備選界面方案，最后通過眼動(dòng)實(shí)驗(yàn)將備選界面方案和原方案進(jìn)行比對(duì)分析，優(yōu)化后的方案反應(yīng)時(shí)和注視點(diǎn)個(gè)數(shù)明顯下降，界面的操作效率顯著提升?；谡J(rèn)知負(fù)荷理論的交互界面優(yōu)化方法，能有效降低操作者的認(rèn)知負(fù)荷，提高操作效率，為智慧礦山信息交互界面的設(shè)計(jì)與優(yōu)化提供借鑒。關(guān)鍵詞：交互設(shè)計(jì)；認(rèn)知負(fù)荷；界面優(yōu)化；層次分析法；智慧礦山 中圖分類號(hào)：TD 76

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1672-9315（2022）05-1028-09

DOI：10.13800/j.cnki.xakjdxxb.2022.0523開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Optimization of intelligent mine information interaction interface based on cognitive load

FENG Qing，F(xiàn)AN Dingli，YANG Huijun，ZHAO Siyi

（College of Arts，Xi’an University of Science and Technology，Xi’an 710054，China）

Abstract：To solve the problem that operators are constrained by the visual cognitive load when operating in complex interactive interfaces，which leads to low efficiency and incremental errors in operation search，an interface optimization method based on the cognitive load theory is proposed.An interface optimization model was established through the analysis of cognitive load and intelligent mine information interaction interface，the interface distribution method was determined by the reliability coefficient weight assessment method，and the optimization content table was generated according to the AHP hierarchical model，with some interface option schemes generated.Finally，an eye movement experiment was designed to analyze the original scheme and alternative interface schemes.The response time of optimized scheme and the number of fixation points was greatly reduced，the operation efficiency of the interface was significantly improved.The optimization method of interaction interface based on cognitive load theory can effectively reduce the cognitive load of operators and improve operation search efficiency，which is a reference for the design and optimization of intelligent mine management and information interaction interface.

Key words：interactive design；cognitive load；interface optimization；analytic hierarchy process；intelligence mine

0 引 言

互聯(lián)網(wǎng)與人工智能技術(shù)的發(fā)展，為傳統(tǒng)礦山工業(yè)領(lǐng)域帶來顛覆性的變革，在礦山智能化不斷深入的同時(shí)智慧礦山也在此背景下快速發(fā)展起來。智慧礦山系統(tǒng)是在智能礦山的基礎(chǔ)上對(duì)生產(chǎn)、安全、技術(shù)等方面進(jìn)行主動(dòng)感知，自行分析然后快速處理的系統(tǒng)平臺(tái)。在“機(jī)械化換人，自動(dòng)化減人”的生產(chǎn)理念引導(dǎo)下，礦山智能化走向智慧化的同時(shí)，以智能礦山為基礎(chǔ)的交互界面正朝著更全面、更復(fù)雜、更智慧的方向更迭；以人工操作方式為主的交互方式，也逐漸向智能控制、智能輔助人工操作的方式轉(zhuǎn)變。在人員成本節(jié)省與工作效率提升的同時(shí)，越來越復(fù)雜的信息交互界面使操作員的認(rèn)知壓力相應(yīng)增加。

在認(rèn)知理論與智慧礦山信息交互界面領(lǐng)域，相關(guān)學(xué)者已展開深入研究。李紅霞等總結(jié)智慧礦山中人因失誤的影響因素分層模型，利用層次分析法和DEMATEL對(duì)智慧礦山中人工失誤的影響因素指標(biāo)進(jìn)行詳細(xì)研究，認(rèn)為機(jī)械設(shè)備因素是造成智慧礦山人工操作失誤的重要指標(biāo)，其中人機(jī)匹配度是機(jī)械設(shè)備中造成工人失誤的最關(guān)鍵因素。孫林輝等利用眼動(dòng)實(shí)驗(yàn)設(shè)備研究礦山系統(tǒng)交互界面中人眼對(duì)中英名稱的搜索規(guī)律，發(fā)現(xiàn)人在不同任務(wù)下對(duì)名稱呈現(xiàn)方式的交互具有差異，為交互界面的名稱呈現(xiàn)方式提供合理建議。李晶等開展針對(duì)復(fù)雜交互界面的形狀編碼研究，證實(shí)圖形形狀的差異對(duì)人的認(rèn)知效率具有相關(guān)性，認(rèn)為圖形的鄰接狀態(tài)是影響圖形形狀差異的最大因素，且弧形對(duì)人視覺反應(yīng)較為強(qiáng)烈。張寧等運(yùn)用認(rèn)知負(fù)荷理論提出自助服務(wù)終端交互界面設(shè)計(jì)方法，通過實(shí)驗(yàn)分析驗(yàn)證認(rèn)知負(fù)荷情況與人員操作效率具有顯著相關(guān)性的猜想，說明該方法能夠顯著提高操作者的使用效率。戴立操等將注視熵的概念引入到主控室操作員認(rèn)知負(fù)荷的研究中，研究計(jì)算機(jī)屏幕操作員的認(rèn)知負(fù)荷與注視熵之間的關(guān)系，得出注視熵顯著正向影響認(rèn)知負(fù)荷的結(jié)論，為認(rèn)知負(fù)荷的評(píng)價(jià)方法提供一項(xiàng)有效指標(biāo)。

以智能礦山為基礎(chǔ)的智慧礦山，是未來礦山工業(yè)領(lǐng)域發(fā)展的方向。雖然智慧礦山信息交互界面正以智能礦山為基礎(chǔ)不斷得到完善，但是在面對(duì)復(fù)雜的交互界面時(shí)，如何通過制定科學(xué)的交互界面優(yōu)化方案和設(shè)計(jì)策略，提高操作者的操作效率還欠缺可靠的科學(xué)研究。

1 認(rèn)知負(fù)荷與智慧礦山信息交互界面

1.1 認(rèn)知負(fù)荷理論

認(rèn)知負(fù)荷理論屬于心理學(xué)科的一部分，1988年由John Sweller首次提出。認(rèn)知負(fù)荷是學(xué)習(xí)者在執(zhí)行目標(biāo)任務(wù)時(shí)，被附帶在認(rèn)知系統(tǒng)中的多維結(jié)構(gòu)負(fù)荷。該結(jié)構(gòu)由交互產(chǎn)生的原因、心理負(fù)荷、心理努力和績效等方面的評(píng)估組成。

人在學(xué)習(xí)工作中的總認(rèn)知負(fù)荷可分為內(nèi)在認(rèn)知負(fù)荷、相關(guān)認(rèn)知負(fù)荷、外在認(rèn)知負(fù)荷，他們共同影響人的學(xué)習(xí)工作效率。3種認(rèn)知負(fù)荷對(duì)學(xué)習(xí)工作效率的影響如圖1所示。內(nèi)在認(rèn)知負(fù)荷指元素之間互相影響形成的負(fù)擔(dān)；外部認(rèn)知負(fù)荷是除內(nèi)部認(rèn)知負(fù)荷所指元素以外而產(chǎn)生的額外負(fù)荷；相關(guān)認(rèn)知負(fù)荷指能引起學(xué)習(xí)者心理努力和促進(jìn)圖示自反應(yīng)的負(fù)荷。所以在學(xué)習(xí)和工作中應(yīng)直接或間接地降低內(nèi)、外認(rèn)知負(fù)荷，增加相關(guān)認(rèn)知負(fù)荷。

1.2 智慧礦山與智慧礦山信息交互界面

智慧礦山是在智能礦山發(fā)展到一定程度的條件下實(shí)現(xiàn)的。智慧礦山是在通過實(shí)現(xiàn)礦山的數(shù)字化、信息化的基礎(chǔ)上，對(duì)生產(chǎn)、安全、技術(shù)、后勤等方面進(jìn)行主動(dòng)感知、自動(dòng)分析、快速處理而創(chuàng)建的系統(tǒng)平臺(tái)，其最終目的是為了建設(shè)安全、無人、高效、清潔的礦山。國家為推動(dòng)智慧礦山發(fā)展，先后發(fā)布《智慧礦山信息系統(tǒng)通用技術(shù)規(guī)范》和《關(guān)于加快煤礦智能化發(fā)展的指導(dǎo)意見》，并提出到2025年基本實(shí)現(xiàn)大型煤礦和災(zāi)害嚴(yán)重煤礦智能化等要求。智慧礦山的建設(shè)不僅受礦山智能化程度的影響，還面臨信號(hào)傳輸和人機(jī)交互的實(shí)現(xiàn)問題。前者已被華為研發(fā)的5G技術(shù)解決，后者則通過資源模型和受限應(yīng)用協(xié)議（CoAP）的信息交互方法使交互界面成為人與智慧礦山溝通的媒介。目前智慧礦山已在窩兔溝煤礦和寶日希勒煤礦等數(shù)十個(gè)礦區(qū)進(jìn)行試點(diǎn)。華為、優(yōu)諾等企業(yè)更是已經(jīng)提出智慧礦山解決方案，上線智慧礦山相關(guān)的可視化平臺(tái)等產(chǎn)品，通過系統(tǒng)平臺(tái)連接智能設(shè)備和機(jī)械，并在交互界面上進(jìn)行監(jiān)控和操作。因此操作者與界面的交互過程尤為關(guān)鍵，操作者與界面的交互流程如圖2所示。

在界面操作方面，智慧礦山系統(tǒng)會(huì)請求自動(dòng)控制的權(quán)限，操作者主要負(fù)責(zé)監(jiān)督，在危急情況下，系統(tǒng)異常報(bào)警提示會(huì)被激活，系統(tǒng)依照設(shè)置的權(quán)限會(huì)請求操作者是否進(jìn)行自動(dòng)操作，期間系統(tǒng)會(huì)記錄全部人工或自動(dòng)的操作過程。在輔助層不足以恢復(fù)系統(tǒng)正常工作的情況下，操作者會(huì)接管系統(tǒng)的自動(dòng)調(diào)試工作進(jìn)行手動(dòng)操作，但是手動(dòng)操作可能會(huì)伴隨強(qiáng)大的時(shí)間和心理壓力，因此不良的交互界面會(huì)給操作者帶來巨大的認(rèn)知負(fù)荷，從而導(dǎo)致操作失誤，操作超時(shí)等一系列嚴(yán)重后果。

2 認(rèn)知負(fù)荷下的智慧礦山信息交互界面分層模型

2.1 AHP智慧礦山界面分層模型

智慧礦山系統(tǒng)中，信息交互界面是其重要組成部分，在系統(tǒng)中負(fù)責(zé)智能設(shè)備的操控和調(diào)試。智慧礦山信息交互界面中不同設(shè)計(jì)元素的組合可以表達(dá)不同的交互層次，以現(xiàn)有某智慧礦山信息交互界面為例，如圖3所示。圖3中智慧礦山信息交互界面包含有：導(dǎo)航信息、菜單信息、搜索欄、時(shí)間、天氣、名稱、賬戶、設(shè)備詳細(xì)數(shù)據(jù)、參數(shù)調(diào)節(jié)、參數(shù)名稱、設(shè)備運(yùn)行狀態(tài)、啟動(dòng)開關(guān)、設(shè)備圖示、操作記錄、任務(wù)內(nèi)容、異常報(bào)告等。其中以信息表達(dá)內(nèi)容為標(biāo)準(zhǔn)可分為：層級(jí)信息、基本信息、設(shè)備參數(shù)信息、設(shè)備狀態(tài)信息、任務(wù)信息5大類。

對(duì)學(xué)習(xí)過程中認(rèn)知負(fù)荷的分類也同樣適用于交互界面認(rèn)知負(fù)荷，因?yàn)榻换ミ^程和學(xué)習(xí)過程都是人腦獲取與處理信息的過程。在交互過程中，操作者通過視覺和聽覺對(duì)界面中的文本、圖片、聲音、影像等信息在記憶中進(jìn)行短暫留存和處理，產(chǎn)生認(rèn)知負(fù)荷。當(dāng)界面過于復(fù)雜或易使人引起不適時(shí)，操作者所感受的認(rèn)知負(fù)荷就會(huì)過高，導(dǎo)致信息處理能力下降，操作效率下降甚至失誤率的上升。依據(jù)對(duì)界面信息的分類和對(duì)交互界面中認(rèn)知負(fù)荷的分類，建立基于認(rèn)知負(fù)荷下的信息交互界面AHP分層模型，提出交互界面認(rèn)知負(fù)荷的8個(gè)組成部分。如圖4所示，外在認(rèn)知負(fù)荷主要包括界面信息的組織方式和呈現(xiàn)方式（內(nèi)在認(rèn)知負(fù)荷主要受界面的復(fù)雜程度與相關(guān)圖示所影響）；相關(guān)認(rèn)知負(fù)荷主要由操作者的自身因素所影響。5種信息類型分別通過不同體現(xiàn)方式反應(yīng)著不同類型的認(rèn)知負(fù)荷。

組織方式在礦山類界面中具體是指層級(jí)設(shè)計(jì)與層級(jí)操作的位置要符合行為邏輯；呈現(xiàn)方式主要是界面中設(shè)備信息呈現(xiàn)的方式，以及設(shè)備信息顏色的區(qū)分方式；復(fù)雜性在界面中體現(xiàn)為可交互的信息數(shù)量和交互過程的任務(wù)量；相關(guān)圖示指界面中顯示信息的圖標(biāo)，圖標(biāo)能引起操作者自身進(jìn)行圖示自反應(yīng)，從而提高反應(yīng)速度。例如“”

人們會(huì)馬上聯(lián)想到與電相關(guān)的知識(shí)；心理因素在界面中常常被交互反饋所影響，如打字撥號(hào)時(shí)的聲音或圖標(biāo)的改變會(huì)引起操作者的積極狀態(tài)；動(dòng)機(jī)反應(yīng)人在操作時(shí)的心理努力程度，在界面中一般由時(shí)間等限制性信息體現(xiàn)。

2.2 智慧礦山信息交互界面優(yōu)化流程

基于認(rèn)知負(fù)荷理論的智慧礦山信息交互界面優(yōu)化具體流程如圖5所示。

圖5中現(xiàn)有界面和引入認(rèn)知負(fù)荷這2步是優(yōu)化方法的理論基礎(chǔ)，后續(xù)步驟則是界面的優(yōu)化。界面的優(yōu)化具體分為2大步，一是對(duì)界面內(nèi)信息的布局調(diào)整，二是對(duì)信息的呈現(xiàn)方式進(jìn)行優(yōu)化。在布局調(diào)整中，利用認(rèn)知負(fù)荷理論對(duì)目標(biāo)原界面進(jìn)行信息分類，形成大小不同的區(qū)塊，然后根據(jù)計(jì)算得出權(quán)重，確定各區(qū)塊的分布；在此基礎(chǔ)上提出界面優(yōu)化內(nèi)容表，依據(jù)表中的界面優(yōu)化方式自由組合生成16種基于認(rèn)知負(fù)荷的備選方案，最后通過實(shí)驗(yàn)篩選操作效率最高的方案，完成界面優(yōu)化。

3 優(yōu)化方案生成

3.1 智慧礦山信息交互界面信息權(quán)重

權(quán)重一般用于產(chǎn)業(yè)評(píng)價(jià)指標(biāo)，也用來表示各指標(biāo)的重要性。信息的顯示受限于屏幕的大小，界面中信息之間的不同比例關(guān)系會(huì)影響操作者的操作效率，所以越重要的信息，在界面內(nèi)的顯示面積理應(yīng)越大。雖然信息面積占比一般難以精確，但信息面積占比的大小順序可以確定，因此該研究依據(jù)信息的權(quán)重值同比轉(zhuǎn)化為面積占比，來確定界面的分布。

信度系數(shù)權(quán)重評(píng)價(jià)法是AHP與灰色關(guān)聯(lián)分析法的結(jié)合。根據(jù)上文對(duì)界面信息的分層，邀請專家對(duì)界面信息類型進(jìn)行兩兩對(duì)比，構(gòu)建評(píng)價(jià)指標(biāo)表，再將一般層次分析法得出的多專家指標(biāo)權(quán)重用來構(gòu)建信度評(píng)判矩陣，使用灰色關(guān)聯(lián)分析出各專家的信度系數(shù)進(jìn)一步得到綜合權(quán)重。

邀請20名具有智慧礦山信息交互界面設(shè)計(jì)經(jīng)驗(yàn)和界面操作經(jīng)驗(yàn)的專家參與評(píng)價(jià)。將專家分為5組進(jìn)行組內(nèi)討論，通過AHP層次分析法得出5組專家的權(quán)重向量分別為

W′1=（0.04，0.075，0.114，0.311，0.459）

W′2=（0.04，0.114，0.075，0.311，0.459）

W′3=（0.055，0.092，0.184，0.334，0.334）

W′4=（0.04，0.075，0.114，0.459，0.311）

W′5=（0.061，0.059，0.123，0.394，0.363）

一致性檢驗(yàn)得出CR1=0.047＜0.1，CR2=0.047＜0.1，CR3=0.008＜0.1，CR4=0.047＜0.1，CR5=0.033＜0.1，說明數(shù)據(jù)均符合一致性檢驗(yàn)要求，通過均值化生成法構(gòu)建規(guī)范化的信度判斷矩陣得到

將矩陣帶入灰色關(guān)聯(lián)度計(jì)算公式

式中 ρ為分辨系數(shù)，取0.5；k為第k組專家且1≤k≤m；i為第i個(gè)元素；m為分組總數(shù)，Y=（0.2，0.2，0.2，0.2，0.2）。得出灰色關(guān)聯(lián)系數(shù)矩陣為

帶入關(guān)聯(lián)度計(jì)算公式

計(jì)算得出r=0.693，r=0.545，r=0.633，r=0.661，r=0.714，歸一化計(jì)算得出各組專家的信度系數(shù)分別為δ=0.214，δ=0.168，δ=0.495，δ=0.204，δ=0.220。

最終修正得到，綜合權(quán)重向量W=（0.048，0.081，0.123，0.364，0.383）。按權(quán)重值同比轉(zhuǎn)化為信息面積占比，將各信息類型的面積占比由小到大排列見表1。

3.2 基于認(rèn)知負(fù)荷的界面優(yōu)化設(shè)計(jì)

界面優(yōu)化過程中，依據(jù)操作者接收信息的通道和處理信息的方式對(duì)20種智能或智慧礦山軟件交互界面中采用的交互手段進(jìn)行取舍。通過視覺對(duì)層級(jí)分布方式、信息顯示方式、顏色呈現(xiàn)方式、圖形呈現(xiàn)方式的顏色、形狀、位置等信息進(jìn)行分辨；以聽覺或視聽交互對(duì)界面的交互反饋和心理努力情況進(jìn)行區(qū)分。共獲取層級(jí)分布方式4種；信息顯示方式2種，其中平鋪式占80%，卡片式占20%；顏色呈現(xiàn)方式2種，區(qū)分設(shè)備狀態(tài)的顏色使用方式占60%，區(qū)分設(shè)備之間信息內(nèi)容關(guān)系為主的占40%；圖形呈現(xiàn)方式中寫實(shí)形式的圖形占75%，抽象簡化的方式占25%；具有明顯交互反饋的界面占50%，剩余50%則不帶交互反饋或不明顯；有20%的界面使用計(jì)時(shí)顯示增加操作者的心理努力，80%的界面無計(jì)時(shí)顯示；信息數(shù)量會(huì)因同一軟件中的不同界面而改變，任務(wù)量也會(huì)根據(jù)操作者的實(shí)際使用需求而不確定，因而信息數(shù)量和任務(wù)量不便分類。

界面優(yōu)化內(nèi)容的選擇其實(shí)是對(duì)認(rèn)知負(fù)荷在界面中的組成和各組成部分優(yōu)化方式的選擇，信息數(shù)量和任務(wù)量受限于設(shè)計(jì)手段和交互方式，不便得出具體方案故不作討論；層級(jí)分布方式、交互反饋兩方面已有具體研究成果故無需選擇。列舉出界面優(yōu)化內(nèi)容的已選擇和待選擇方案并給出圖例和解釋，見表2。

1）層級(jí)的不同顯示位置會(huì)使操作者在任務(wù)中的目標(biāo)注視數(shù)量和反應(yīng)時(shí)發(fā)生變化，同理會(huì)改變操作者的外在認(rèn)知負(fù)荷。礦山類信息界面多由三層級(jí)組成，層級(jí)在屏幕四周的不同位置分布會(huì)產(chǎn)生多種分布方案，根據(jù)已有研究選擇一二層級(jí)在屏幕左側(cè)，三層級(jí)在上方的最優(yōu)層級(jí)分布方式。

2）現(xiàn)有的界面信息呈現(xiàn)方式分為2種：a平鋪式：通過簡單分割排布等方式，直接將信息平鋪于背景之上；a卡片式：將信息通過分組，似卡片的形式排布于背景之上，類似窗口化呈現(xiàn)方式。

3）顏色是具有語義的，目前主流的界面中信息部分顏色的使用方式分為2種。用于區(qū)分設(shè)備狀態(tài)的顏色分類方式b和為區(qū)分設(shè)備之間信息內(nèi)容的方式b（字符類型與字符之間的色彩匹配對(duì)認(rèn)知負(fù)荷無明顯影響）。

4）界面中的圖形呈現(xiàn)方式能不同程度地使人進(jìn)行聯(lián)想。界面中圖形分為寫實(shí)類c與抽象簡化類c，后續(xù)將對(duì)2種圖形的選擇進(jìn)行研究。

5）利用視覺或聽覺的交互反饋，將會(huì)明顯提升用戶在使用界面時(shí)的體驗(yàn)，應(yīng)選用有交互反饋的界面滿足操作者的心理，增加相關(guān)認(rèn)知負(fù)荷。

6）操作者的心理努力程度與操作環(huán)境息息相關(guān)，為模擬真實(shí)操作心理，界面將嘗試使用計(jì)時(shí)顯示界面。含計(jì)時(shí)顯示界面記為d，否則記為d。

3.3 界面方案

界面優(yōu)化方案的生成是各種優(yōu)化方式（交互手段）的綜合，為研究界面優(yōu)化方式與認(rèn)知情況的關(guān)系，需根據(jù)界面優(yōu)化內(nèi)容表，按圖6方式對(duì)原始界面進(jìn)行優(yōu)化組合，得出方案f（x）=（a，b，c，d）。

4 基于眼動(dòng)儀的界面操作實(shí)驗(yàn)驗(yàn)證

4.1 實(shí)驗(yàn)程序與準(zhǔn)備

受試者選取30名在校研究生，年齡在22～25歲之間，且保證其心理努力程度相當(dāng)。

實(shí)驗(yàn)場景如圖8所示。實(shí)驗(yàn)選用iViewX RED桌面式測量系統(tǒng)，屏幕面板為27英寸顯示器，屏幕延遲1 ms，鼠標(biāo)使用羅技GPW，延遲1 ms，靈敏度為800 DPI，確保被試者操作的準(zhǔn)確性。實(shí)驗(yàn)環(huán)境選擇在自然光線條件下安靜封閉的室內(nèi)空間，室內(nèi)溫度為26 ℃，調(diào)節(jié)座椅及屏幕高度，使被試者始終直視屏幕，保持人體視覺舒適距離在50～60 cm之間，確保被試人員不被環(huán)境因素干擾。

具體實(shí)驗(yàn)過程如圖9所示，受試者依次在16種優(yōu)化界面和原界面內(nèi)進(jìn)行操作。首先閱讀任務(wù)欄獲取隨機(jī)的操作任務(wù)，然后搜索點(diǎn)擊規(guī)定區(qū)域，再完成不同層級(jí)界面的任務(wù)，單人耗時(shí)約半小時(shí)。

共收集樣本510個(gè)，以3倍絕對(duì)中位差為標(biāo)準(zhǔn)排除反應(yīng)時(shí)和注視點(diǎn)個(gè)數(shù)異常數(shù)據(jù)共計(jì)15個(gè)。

4.2 多因素方差分析

將待研究方案a，b，c，d視為自變量，反應(yīng)時(shí)和注視點(diǎn)個(gè)數(shù)為因變量，實(shí)驗(yàn)數(shù)據(jù)使用SPSS，得出多因素方差分析。由表3可知，顯著性小于0.05說明當(dāng)該數(shù)值對(duì)應(yīng)的自變量改變時(shí)能顯著影響操作效率；效應(yīng)量表示各對(duì)應(yīng)的自變量因素分別對(duì)反應(yīng)時(shí)和注視點(diǎn)個(gè)數(shù)的影響程度，效應(yīng)量越大，表示該因素的選擇對(duì)結(jié)果的影響程度越大。

由表3可知單個(gè)自變量對(duì)反應(yīng)時(shí)長和注視點(diǎn)個(gè)數(shù)均有顯著性影響（0.00＜0.05），這說明不同優(yōu)化方式（交互手段）對(duì)認(rèn)知的效能是有影響的。其中對(duì)a1與a22種不同的優(yōu)化方式進(jìn)行選擇，能顯著影響操作效率，其反應(yīng)時(shí)效應(yīng)量為0.999，注視點(diǎn)個(gè)數(shù)效應(yīng)量為0.996；對(duì)b1與b22種不同優(yōu)化方式的選擇造成操作效率的影響最強(qiáng)，反應(yīng)時(shí)和注視點(diǎn)個(gè)數(shù)的效應(yīng)量分別為1.000，0.999；對(duì)c1與c22種不同優(yōu)化方式的選擇也會(huì)影響操作效率，但略弱于前兩者，效應(yīng)量分別為0.995，0.980；d1與d22種不同優(yōu)化方式的選擇對(duì)操作效率的影響最弱，分別為0.901，0.910。

4種自變量的綜合因素對(duì)反應(yīng)時(shí)有顯著性影響（0.005＜0.05），綜合因素對(duì)注視點(diǎn)個(gè)數(shù)同樣有顯著性影響（0.013＜0.05）。其中a信息呈現(xiàn)方式與b顏色分類方式影響效果很強(qiáng)烈，d計(jì)時(shí)情況的效應(yīng)量最低，是其中最弱因素。

4.3 布局方案績效分析

將某智慧礦山信息交互界面定為原方案f（17），根據(jù)認(rèn)知負(fù)荷理論所提出的界面優(yōu)化方案與原方案f（17）（共17種）在注視點(diǎn)個(gè)數(shù)和反應(yīng)時(shí)方面的效率情況如圖10，圖11所示。

反應(yīng)時(shí)是完成任務(wù)的時(shí)間，注視點(diǎn)個(gè)數(shù)是眼動(dòng)儀記錄任務(wù)過程中人眼注視的信息總量，二者是組成操作效率的關(guān)鍵部分，反應(yīng)時(shí)越短，注視點(diǎn)個(gè)數(shù)越少，則認(rèn)為操作效率越高。以顏色分類方式的不同將數(shù)據(jù)分為f（1-4，9-12）、f（5-8，13-16）2組，可以看出反應(yīng)時(shí)長與注視點(diǎn)個(gè)數(shù)差異均最顯著，這表示b狀態(tài)顏色分類方式在效率反應(yīng)上明顯優(yōu)于b參數(shù)關(guān)聯(lián)顏色分類方式，同時(shí)驗(yàn)證了方差分析中顏色分類方式為最顯著影響因素。同理，a卡片式信息呈現(xiàn)方式在操作效率上明顯優(yōu)于a平鋪式信息呈現(xiàn)方式；c抽象圖形呈現(xiàn)方式效率明顯優(yōu)于c寫實(shí)圖形呈現(xiàn)方式；d無計(jì)時(shí)顯示方案明顯優(yōu)于d含計(jì)時(shí)顯示方案。

在單個(gè)方案效率情況方面，f（5）的反應(yīng)時(shí)最多為12.32 s，注視點(diǎn)高達(dá)45.78，而f（12）方案的反應(yīng)時(shí)和注視點(diǎn)數(shù)均最少，分別為7.69 s和24.13，對(duì)比f（5）方案在時(shí)間上縮短約38%，注視點(diǎn)個(gè)數(shù)減少約47%，操作效率明顯優(yōu)于其他方案，因此f（12）方案為備選方案中的最優(yōu)方案。所以優(yōu)化方式應(yīng)首先選擇卡片式信息呈現(xiàn)方式、狀態(tài)顏色分類方式、抽象圖形呈現(xiàn)方式、無計(jì)時(shí)顯示方案。計(jì)時(shí)顯示雖然會(huì)增加相關(guān)認(rèn)知負(fù)荷，但同時(shí)會(huì)分散操作者的注意力，導(dǎo)致操作效率降低。

對(duì)比原方案f（17），最優(yōu)方案f（12）在操作效率方面明顯優(yōu)于原方案，其中反應(yīng)時(shí)長較原方案縮短23%，注視點(diǎn)個(gè)數(shù)減少37%。同理，因開篇說明綜合認(rèn)知負(fù)荷與工作效率成負(fù)相關(guān)，故方案f（12）的認(rèn)知負(fù)荷情況明顯優(yōu)于原方案f（17），證明優(yōu)化方法有效。

5 結(jié) 論

1）智慧礦山信息交互界面中信息類型的重要程度由大到小為：設(shè)備狀態(tài)信息＞設(shè)備參數(shù)信息＞任務(wù)信息＞層級(jí)信息＞基本信息。

2）實(shí)驗(yàn)表明，信息顯示方式、顏色呈現(xiàn)方式、圖形呈現(xiàn)方式、計(jì)時(shí)顯示界面都能顯著影響操作效率，且信息顯示、顏色呈現(xiàn)方式的影響較強(qiáng)。經(jīng)實(shí)驗(yàn)分析篩選的界面優(yōu)化內(nèi)容組合為：a卡片式信息呈現(xiàn)方式、b狀態(tài)顏色呈現(xiàn)方式、c抽象圖形呈現(xiàn)方式、d無計(jì)時(shí)顯示界面。

3）實(shí)驗(yàn)結(jié)果分析表明，優(yōu)化方案f（12）對(duì)比原始界面在反應(yīng)時(shí)長和注視點(diǎn)個(gè)數(shù)上分別減少23%和37%，說明通過認(rèn)知負(fù)荷理論對(duì)智慧礦山信息交互界面進(jìn)行優(yōu)化的方法是可行有效的。在實(shí)驗(yàn)中未考慮到具體交互行為的其他因素，例如界面權(quán)重與面積的對(duì)應(yīng)轉(zhuǎn)化難以精確，操作者點(diǎn)擊行為的延遲、色彩對(duì)比度等等，還需繼續(xù)進(jìn)行更為深入的研究。

參考文獻(xiàn)（References）：

[1]王國法，王虹，任懷偉，等.智慧煤礦2025情景目標(biāo)和發(fā)展路徑[J].煤炭學(xué)報(bào)，2018，43（2）：295-305.WANG Guofa，WANG Hong，REN Huaiwei，et al.2025 scenarios and development path of intelligent coal mine[J].Journal of China Coal Society，2018，43（2）：295-305.

[2]張旭輝，楊文娟，薛旭升，等.煤礦遠(yuǎn)程智能掘進(jìn)面臨的挑戰(zhàn)與研究進(jìn)展[J].煤炭學(xué)報(bào)，2022，47（1）：579-597.ZHANG Xuhui，YANG Wenjuan，XUE Xusheng，et al.Challenges and developing of the intelligent remote controlon roadheaders in coal mine[J].Journal of China Coal Society，2022，47（1）：579-597.

[3]李紅霞，樊恒子，張嘉琦，等.智慧礦山工人人因失誤影響因素研究[J].西安科技大學(xué)學(xué)報(bào)，2021，41（6）：1090-1097.LI Hongxia，F(xiàn)AN Hengzi，ZHANG Jiaqi，et al.Influencing factors of human error in Smart Mines[J].Journal of Xi’an University of science and technology，2021，41（6）：1090-1097.

[4]孫林輝，韓貝貝，袁曉芳.礦山瓦斯監(jiān)測系統(tǒng)中界面參數(shù)名稱呈現(xiàn)方式的眼動(dòng)研究[J].人類工效學(xué)，2020，26（2）：1-7，18.SUN Linhui，HAN Beibei，YUAN Xiaofang.Eye movement research on the presentation mode of interface parameter names in mine gas monitoring system[J].Chinese Journal of Ergonomics，2020，26（2）：1-7，18.

[5]李晶，郁舒蘭，吳曉莉.人機(jī)界面形狀特征編碼對(duì)視覺認(rèn)知績效的影響[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2018，30（1）：163-172，179.LI Jing，YU Shulan，WU Xiaoli.Effect of shape character encodings in the human-computer interface on visual cognitive performance[J].Journal of Computer-Aided Design & Computer，2018，30（1）：163-172，179.

[6]張寧，劉正捷.基于用戶認(rèn)知能力的自助服務(wù)終端界面交互設(shè)計(jì)方法[J].計(jì)算機(jī)應(yīng)用研究，2013，30（8）：2455-2460.ZANG Ning，LIU Zhengjie.Self-service terminal interface design method based on users’ cognitive skills[J].Application Research of Computers，2013，30（8）：2455-2460.

[7]戴立操，張美慧，李宇，等.基于注視熵的核電廠數(shù)字化主控室操縱員認(rèn)知負(fù)荷研究[J/OL].安全與環(huán)境學(xué)報(bào)，2021，24（3）：1009-1094.DAI Licao，ZHANG Meihui，LI Yu，et al.Research on cognitive load of operators in digital main control room of nuclear power plant based on gaze entropy[J/OL].Journal of Safety and Environment，2021，24（3）：1009-1094.

[8]SWELLER J.Cognitive load during problem solving：effects on learning[J].Cognitive Science，1988，12（2）：257-285.

[9]SWELLER J，AYRES P，KALYUGA S.Cognitive load theory[M].New York：Springer，2011.

[10]呂鵬飛，何敏，陳曉晶，等.智慧礦山發(fā)展與展望[J].工礦自動(dòng)化，2018，44（9）：84-88.LV Pengfei，HE Min，CHEN Xiaojing，et al.Development and prospect of wisdom mine[J].Industry and Mine Automation，2018，44（9）：84-88.

[11]胡文濤，卓敏敏，趙立廠，等.一種智慧礦山信息交互方法[J].工礦自動(dòng)化，2020，46（10）：55-60.HU Wentao，ZHUO Minmin，ZHAO Lichang，et al.An information interaction method for smart mine[J].Industry and Mine Automation，2020，46（10）：55-60.

[12]HARTSON H R.Cognitive，physical，sensory，and functional affordances in interaction design[J].Behaviour & Information Technology，2003，22（5）：315-338.

[13]賀孝梅，李劍鈺.人機(jī)交互中認(rèn)知負(fù)荷的成因分析與設(shè)計(jì)策略研究[J].包裝工程，2020，41（10）：24-30.HE Xiaomei，LI Jianyu.Cause analysis and design strategies of cognitive load in human-computer interaction[J].Packaging Engineering，2020，41（10）：24-30.

[14]顧立平.個(gè)性化交互設(shè)計(jì)的研究綜述[J].數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)，2010（11）：10-16.GU Liping.Review of personalized interaction design[J].Data Analysis and Knowledge Discovery，2010（11）：10-16.

[15]馮青，武智靈.基于QFD的應(yīng)急通信車公理化設(shè)計(jì)與評(píng)價(jià)研究[J].湖南包裝，2019，34（2）：67-71.FENG Qing，WU Zhiling.Research for axiomatic design and evaluation of emergency communication vehicle based on QFD[J].Hunan Packaging，2019，34（2）：67-71.

[16]夏春艷，蔣鯤.基于信度系數(shù)的人機(jī)界面評(píng)價(jià)指標(biāo)權(quán)重分配[J].沈陽工業(yè)大學(xué)學(xué)報(bào)，2013，35（1）：53-57.XIA Chunyan，JIANG Kun.Weight assignment of evaluation indexes for human-machine interface based on reliability coefficient[J].Journal of Shenyang University of Technology，2013，35（1）：53-57.

[17]CHATZIMOURATIDIS A I，PILAVACHI P A.Multicriteria evaluation of power plants impact on the living standardusing the analytic hierarchy process[J].Energy Policy，2008，36（3）：1074-1089.

[18]DAGDEVIREN M，YAVUZ S，KILINC N.Weapon selection using the AHP and TOPSIS methods under fuzzy environment[J].Expert Systems with Applications，2009，36（4）：8143-8151.

[19]YANG CL，CHUANG S P，HUANG R H.Manufacturing evaluation system based on AHP/ANP approach for wafer fabricating industry[J].Expert Systems with Applications，2009 36（8）：11369-11377.

[20]沈張帆，李瑞，牛亞峰.復(fù)雜系統(tǒng)數(shù)字界面的多層級(jí)導(dǎo)航布局實(shí)驗(yàn)研究[J].包裝工程，2021，42（4）：70-76.SHEN Zhangfan，LI Rui，NIU Yafeng.Experimental study on multilevel navigation layout of digital interface in complex systems[J].Packaging Engineering，2021，42（4）：70-76.

[21]馮青，吳夢迪，余隋懷，等.基于BP神經(jīng)網(wǎng)絡(luò)的罐式車輛配色與評(píng)價(jià)方法研究[J].機(jī)械設(shè)計(jì)，2019，36（1）：118-123.FENG Qing，WU Mengdi，Yu Suihuai，et al.Research of tank vehicle colour matching and evaluation method based on BP neural network[J].Journal of Machine Design，2019，36（1）：118-123.

[22]楊景，李培林，王崴，等.指控艙顯控界面字符顯示對(duì)認(rèn)知負(fù)荷的影響[J].計(jì)算機(jī)工程與設(shè)計(jì)，2015，36（12）：3306-3310，3323.YANG Jing，LI Peilin，WANG Wei，et al.Influence of character display of command and control cabin display interface on cognitive load[J].Computer Engineering and Design，2015，36（12）：3306-3310，3323.

[23]李鐵萌，李勇，秦憲剛.視覺反饋對(duì)虛擬環(huán)境中徒手抓取交互的影響研究[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2019，31（10）：1711-1718.LI Tiemeng，LI Yong，Qin Xiangang.Study on the influence of visual feedback on freehand grasping performance in virtual environment[J].Journal of Computer-Aided Design ＆ Computer Graphics，2019，31（10）：1711-1718.