數(shù)字化人機(jī)界面復(fù)雜度對(duì)人因失誤的影響研究

陳馳航CHEN Chi-hang

（杭州電子科技大學(xué)管理學(xué)院，杭州 310018）

0 引言

“十四五”規(guī)劃指出，要加快數(shù)字化發(fā)展，深化研發(fā)設(shè)計(jì)、生產(chǎn)制造等環(huán)節(jié)的數(shù)字化應(yīng)用。因此，我國(guó)企業(yè)低端制造設(shè)備被逐步淘汰，大量引入以數(shù)字化人機(jī)界面為主要交互方式的智能制造設(shè)備。一方面，數(shù)字化人機(jī)界面信息提供、顯示能力更加出色，操作更加便捷。然而另一方面，巨量的信息顯示以及區(qū)別于傳統(tǒng)設(shè)備的操作方式使操作員負(fù)荷增大，在單位時(shí)間內(nèi)可能無法有效地做出反應(yīng)，進(jìn)而引發(fā)人因失誤[1]。

人因失誤會(huì)降低設(shè)備運(yùn)行的安全性，嚴(yán)重時(shí)可能引發(fā)重大事故。經(jīng)調(diào)查發(fā)現(xiàn)，由于人的不安全操作或行為而引發(fā)的事故占總事故的70%～90%[2]。因此，盡管如今數(shù)字化設(shè)備已經(jīng)廣泛運(yùn)用，但機(jī)器并不能完全將人替代，人作為人機(jī)系統(tǒng)中的主體，仍然是最重要的角色。

綜上，合理優(yōu)化數(shù)字化人機(jī)界面，豐富操作員與智能設(shè)備的交互經(jīng)驗(yàn)，減少人因失誤，在當(dāng)下的研究中顯得尤為重要。雖然，針對(duì)數(shù)字化人機(jī)界面和人因失誤的相關(guān)研究十分豐富，但是鮮有學(xué)者將兩者聯(lián)系起來，從數(shù)字化人機(jī)界面的角度，來對(duì)人因失誤進(jìn)行相關(guān)實(shí)證研究。因此，文章從數(shù)字化人機(jī)界面的角度，引入認(rèn)知負(fù)荷及生理負(fù)荷作為中介變量，構(gòu)建了對(duì)人因失誤的影響機(jī)制模型，對(duì)數(shù)字化制造企業(yè)的人因失誤進(jìn)行相關(guān)實(shí)證研究。研究結(jié)論對(duì)如何減少數(shù)字化制造企業(yè)人因失誤具有一定借鑒意義。

1 理論分析與研究假設(shè)

1.1 數(shù)字化人機(jī)界面復(fù)雜度與人因失誤

人機(jī)界面是人機(jī)交互的重要媒介，隨著數(shù)字化和智能化的發(fā)展，人機(jī)界面有了很多新的特征，如：信息顯示、用戶界面交互與管理、軟控制系統(tǒng)等。根據(jù)上述特征，將人機(jī)界面復(fù)雜度分為界面顯示復(fù)雜度以及界面控制復(fù)雜度。一方面，顯示界面的信息量更大，窗口更多，色彩顯示更加豐富，操作人員極有可能會(huì)產(chǎn)生信息混淆、情境意識(shí)喪失等問題[3]。另一方面，人機(jī)界面的數(shù)字化使操作員需要同時(shí)進(jìn)行軟硬件控制，不合理的控制界面設(shè)計(jì)以及更加復(fù)雜的操作邏輯會(huì)導(dǎo)致操作員的行為達(dá)不到操控的要求，從而出現(xiàn)更高的人因失誤概率[4]。因此，提出以下研究假設(shè)：

H1：界面顯示復(fù)雜度會(huì)對(duì)人因失誤產(chǎn)生顯著的正向影響

H2：界面控制復(fù)雜度會(huì)對(duì)人因失誤產(chǎn)生顯著的正向影響

1.2 認(rèn)知負(fù)荷的中介效應(yīng)

于數(shù)字化制造企業(yè)員工而言，設(shè)備顯示界面大量的文字、圖片等信息需要接受加工，信息呈現(xiàn)方式（如二維圖像、三維圖像和視頻）多種多樣，造成的視覺復(fù)雜性使操作員難以理解消化，會(huì)產(chǎn)生認(rèn)知負(fù)荷；同時(shí)，操作員在對(duì)界面圖標(biāo)控件進(jìn)行操控時(shí)，若其設(shè)計(jì)的過于抽象或是出現(xiàn)語義不明，表意不清等情況，同樣會(huì)加重操作員的認(rèn)知負(fù)荷。認(rèn)知負(fù)荷過重狀態(tài)下會(huì)影響操作員后續(xù)對(duì)信息的感知和記憶，從而導(dǎo)致識(shí)別效率下降，對(duì)信號(hào)做出的反應(yīng)遲鈍，最終導(dǎo)致人因失誤[5]。因此，提出以下假設(shè)：

H3：認(rèn)知負(fù)荷在人機(jī)界面顯示復(fù)雜度和人因失誤之間產(chǎn)生中介效應(yīng)

H4：認(rèn)知負(fù)荷在人機(jī)界面控制復(fù)雜度和人因失誤之間產(chǎn)生中介效應(yīng)

1.3 生理負(fù)荷的中介效應(yīng)

智能制造企業(yè)中操作員需長(zhǎng)時(shí)間面對(duì)顯示界面進(jìn)行工作，會(huì)給操作員的身體尤其是眼睛帶來巨大負(fù)荷[6]。此外，操作員可能還需要面對(duì)同時(shí)執(zhí)行數(shù)臺(tái)操控設(shè)備的工作任務(wù)，來回移動(dòng)無疑也會(huì)帶來身體上的壓力。因此，若是長(zhǎng)時(shí)間執(zhí)行較高強(qiáng)度的工作任務(wù)，操作員的體力、耐力以及行動(dòng)能力等可能會(huì)出現(xiàn)不同程度的下降，出現(xiàn)生理負(fù)荷。持續(xù)處于生理負(fù)荷狀態(tài)下，操作員易產(chǎn)生疲勞，錯(cuò)誤率會(huì)增加，對(duì)作業(yè)績(jī)效以及安全績(jī)效產(chǎn)生負(fù)面影響[7]，還會(huì)危害身體健康。因此，提出以下假設(shè)：

H5：生理負(fù)荷在人機(jī)界面顯示復(fù)雜度和人因失誤之間產(chǎn)生中介效應(yīng)

H6：生理負(fù)荷在人機(jī)界面控制復(fù)雜度和人因失誤之間產(chǎn)生中介效應(yīng)

2 研究設(shè)計(jì)

2.1 變量測(cè)量

為保證變量測(cè)量的信度與效度，從國(guó)內(nèi)外研究中甄選符合本文研究情境的成熟量表，結(jié)合數(shù)字化制造企業(yè)員工的操作特點(diǎn)進(jìn)行反復(fù)修改，最終編制而成。量表使用Likert 五級(jí)量表，分別設(shè)置“非常不同意、不同意、不確定、同意和非常同意”，對(duì)應(yīng)分值為“1、2、3、4、5”。量表從以下六個(gè)方面進(jìn)行設(shè)計(jì)。①界面顯示復(fù)雜度（X1）。界面顯示復(fù)雜度參考Geissler[8]等對(duì)網(wǎng)頁界面感知復(fù)雜度的測(cè)量維度，設(shè)計(jì)5 個(gè)題項(xiàng)。②界面控制復(fù)雜度（X2）。界面控制復(fù)雜度參考SUS 系統(tǒng)可用性量表，設(shè)計(jì)5 個(gè)題項(xiàng)。③認(rèn)知負(fù)荷（M1）。根據(jù)Tsang 和Velazquez[9]基于心理負(fù)荷的多重資源模型而提出的多維主觀評(píng)估負(fù)荷量表，結(jié)合操作員工作的實(shí)際情況，共設(shè)計(jì)7 個(gè)題項(xiàng)。④生理負(fù)荷（M2）。參考Martens[10]針對(duì)軀體焦慮設(shè)計(jì)的量表，結(jié)合企業(yè)員工操作設(shè)備時(shí)的負(fù)荷，設(shè)計(jì)4 個(gè)題項(xiàng)。⑤人因失誤（Y）。參考張力等[11]以S-O-R 人因失誤理論構(gòu)建人因失誤量表，進(jìn)行適當(dāng)修改，最終確定8 個(gè)題項(xiàng)。⑥控制變量。操作員的性別（W1）、年齡（W2）、本工種工齡（W3）、文化程度（W4）和日均工作時(shí)長(zhǎng)（W5）都可能影響人因失誤，因此選取以上人口統(tǒng)計(jì)學(xué)變量作為控制變量處理。

2.2 問卷發(fā)放與收集

對(duì)杭州、寧波、北京、廣州等地的多家數(shù)字化制造企業(yè)發(fā)放問卷，發(fā)放對(duì)象均屬于企業(yè)一線操作員工，且保證樣本多元化，最終共歷時(shí)數(shù)月時(shí)間，最終共回收問卷286 份，對(duì)問卷進(jìn)行檢查，剔除填寫不完全以及明顯填寫錯(cuò)誤的問卷，得有效問卷254 份，有效率為89%。

3 實(shí)證分析

3.1 信效度檢驗(yàn)

3.1.1 信度檢驗(yàn)

使用SPSS25.0 對(duì)量表進(jìn)行信度檢驗(yàn)，總量表的克隆巴赫α 系數(shù)為0.970，說明量表整體屬于高信度水平。進(jìn)一步對(duì)各分量表進(jìn)行測(cè)算，測(cè)得各分量表的克隆巴赫α系數(shù)分別為0.903、0.907、0.919、0.904、0.940，均大于0.85，信度都處于較高水平，表明該量表的一致性較好。

3.1.2 效度檢驗(yàn)

首先進(jìn)行探索性因子分析，量表的KMO 值為0.959＞0.6，巴特利特球形度檢驗(yàn)顯著性小于0.001，因此，調(diào)查問卷所收集的數(shù)據(jù)初步符合要求。其次，進(jìn)行驗(yàn)證性因子分析，使用AMOS25.0 測(cè)量量表的結(jié)構(gòu)效度，聚合效度以及區(qū)分效度。表1 結(jié)果顯示，各擬合優(yōu)度指標(biāo)均處于較好的范圍內(nèi)，因此，該模型結(jié)構(gòu)效度良好。表2 結(jié)果顯示，AVE均大于0.5，CR 均大于0.8，均顯著高于觀測(cè)值，說明量表具有較好的聚合效度，同時(shí)，AVE 平方根均顯著高于其他變量之間的相關(guān)系數(shù)（相關(guān)系數(shù)如表3 所示），說明量表具有良好的區(qū)分效度。

表1 驗(yàn)證性因子分析指標(biāo)擬合結(jié)果

表2 效度分析結(jié)果

表3 描述性統(tǒng)計(jì)與相關(guān)性分析

3.2 假設(shè)檢驗(yàn)

3.2.1 描述性統(tǒng)計(jì)與相關(guān)分析

對(duì)樣本數(shù)據(jù)的均值、標(biāo)準(zhǔn)差進(jìn)行統(tǒng)計(jì)，并進(jìn)行Pearson相關(guān)系數(shù)檢驗(yàn)。結(jié)果如表3 所示，5 個(gè)主要變量之間均存在顯著的正相關(guān)（p＜0.01）。

3.2.2 主效應(yīng)檢驗(yàn)

采用多元回歸分析方法對(duì)主要假設(shè)進(jìn)行檢驗(yàn)，結(jié)果見表4。根據(jù)模型4 的回歸結(jié)果顯示，界面顯示復(fù)雜度和界面控制復(fù)雜度均對(duì)人因失誤產(chǎn)生顯著的正向影響（β=0.455，p＜0.001；β=0.412，p＜0.001），假設(shè)H1 和H2 得以驗(yàn)證。

表4 基本回歸模型

3.2.3 中介效應(yīng)檢驗(yàn)

使用Bootstrap 法進(jìn)行中介效應(yīng)檢驗(yàn)，當(dāng)Bootstrap 檢驗(yàn)區(qū)間[LLCI，ULCI]不包括0 時(shí)，說明效應(yīng)顯著。如表5 所示，界面顯示復(fù)雜度通過認(rèn)知負(fù)荷以及生理負(fù)荷影響人因失誤時(shí)，置信區(qū)間分別為[0.119，0.358]、[0.052，0.220]，未經(jīng)過0，說明認(rèn)知負(fù)荷以及生理負(fù)荷在界面顯示復(fù)雜度與人因失誤之間起到顯著的中介效應(yīng)，假設(shè)H3、H5 得到驗(yàn)證。同樣，界面控制復(fù)雜度通過認(rèn)知負(fù)荷以及生理負(fù)荷影響人因失誤時(shí)，置信區(qū)間為（[0.174，0.430]；[0.013，0.234]），未經(jīng)過0，說明認(rèn)知負(fù)荷以及生理負(fù)荷在界面控制復(fù)雜度與人因失誤間同樣起到顯著的中介效應(yīng)，假設(shè)H4 和H6 得到驗(yàn)證。最終所有假設(shè)均通過檢驗(yàn)。

表5 Bootstrap 中介效應(yīng)檢驗(yàn)

4 主要研究結(jié)論與啟示

4.1 研究結(jié)論

①數(shù)字化人機(jī)界面復(fù)雜度對(duì)人因失誤有著顯著的正向影響。說明界面顯示的信息量越大，越多樣化，操作員接收難度越大，從而更加容易產(chǎn)生人因失誤。同時(shí)，界面控制越復(fù)雜，其操作邏輯、操作方式都相對(duì)會(huì)更加困難，不可避免地會(huì)出現(xiàn)更多差錯(cuò)。

②認(rèn)知負(fù)荷在人機(jī)界面復(fù)雜度與人因失誤之間起中介作用。說明界面顯示或界面控制復(fù)雜度的增加，都會(huì)導(dǎo)致信息量增大，當(dāng)信息總量超過了操作員本身所具有的認(rèn)知能力時(shí)，會(huì)產(chǎn)生人因失誤。同樣，生理負(fù)荷在人機(jī)界面復(fù)雜度與人因失誤之間也起部分中介作用。說明在數(shù)字化制造企業(yè)中操作員仍需要消耗大量體力操作設(shè)備，產(chǎn)生的生理負(fù)荷會(huì)導(dǎo)致操作員失誤率增加。

4.2 不足與展望

研究針對(duì)數(shù)字化程度較高的制造企業(yè)，獲取的樣本數(shù)量尚有不足，未來研究可加大樣本量進(jìn)行分析。此外，研究未對(duì)數(shù)字化制造企業(yè)進(jìn)行進(jìn)一步細(xì)分，不同的細(xì)分行業(yè)可能存在不同的情況，后續(xù)研究可以從各細(xì)分行業(yè)入手，進(jìn)行更詳細(xì)的對(duì)比分析。最后，本文采用線性回歸的方法進(jìn)行分析，得出人機(jī)界面復(fù)雜度對(duì)人因失誤存在顯著的正向影響，然而現(xiàn)實(shí)中，兩者之間存在的可能并非單純的線性關(guān)系。上述不足還有待進(jìn)一步解決，猜想還等未來進(jìn)一步考證。