[논문]ACT-R 인지 아키텍처를 이용한 운전자의 인지 부하 측정

임수용; 명노해; 홍기범

doi:10.7232/ieif.2012.25.2.187

ACT-R 인지 아키텍처를 이용한 운전자의 인지 부하 측정
Prediction of Driver's Cognitive Workload using Cognitive Architecture : ACT-R 원문보기

산업공학 = IE Interfaces, v.25 no.2, 2012년, pp.187 - 195

임수용 (고려대학교 산업경영공학과) , 명노해 (고려대학교 산업경영공학과) , 홍기범 (현대자동차 인간편의연구팀)

Abstract ▼ AI-Helper

The driver model based on the ACT-R cognitive architecture was developed in order to predict the performance and cognitive workload of a driver operating HVI devices. In the 10 HVI tasks, the predicted performance time and cognitive workload by the ACT-R driver model was well matched and highly correlated with the mean of performance times and subjective workload ratings from 15 participants, respectively. It is strongly proposed that the ACT-R driver model in this study can be applied to evaluate the usability of a new HVI design with less cost in the early stage of system development.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

ACT-R 인지 아키텍처를 기반으로 개발된 운전 모델이 실제 운전자의 수행시간과 인지부하를 잘 예측하고 있는지를 검증하기 위하여 다음과 같은 실험을 실시하였다.
이에 본 연구에서는 지금까지 개발된 여러 가지 인지 모델 중에서도 인간의 인지과정을 가장 세부적으로 그리고 정량적으로 정확히 묘사할 수 있는 모델로 인정받고 있는 ACT-R을 이용한다. 본 연구의 목표는 ACT-R을 통해 운전자의 인지적 행동 절차를 모의하여 운전자의 과제 수행시간을 예측하고, 그 과정에서 모델에 의해 처리된 정보량을 계산함으로써, 운전을 하면서 동시에 내비게이션 메뉴를 조작할 때 운전자가 느끼게 되는 운전 작업부하를 평가하는 것이다. 또한 이를 통해 예측된 수행시간이 피실험자의 수행시간을 정확히 묘사하고 있는지 검증하고 운전 모델에서의 운전 부하 예측 값이 운전자가 실제로 느끼는 운전 부하를 반영하는지를 평가한다.
본 연구의 ACT-R 운전 모델은 ACT-R 인지 아키텍처를 이용하여 수립된 운전자 행동에 대한 컴퓨터를 이용한 인지 모델로서 Salvucci(2004)에 의해 개발된 운전 모델에 기초를 두고 있다. 이 모델은 차선 중앙과 선행 차량과의 간격을 유지하는 운전 행동과 차량 내부의 각종 장치를 조작하는 2차 과제를 모의할 수 있도록 개발되었다. 모델의 운전환경은 일반적인 고속도로 교통상황에서 주행하는 차량을 기준으로 하였다.
Jo 등의 연구(2010)에 따르면 ACT-R로 수립된 모델 예측 결과가 NASA-TLX로 분석된 피실험자의 작업 부하와 높은 상관관계가 있음을 증명한 바 있다. 이들에 따르면 과제 수행에 주어진 가용시간 동안 그 과제를 수행하는 인지 모델의 자원이 얼마만큼의 시간 동안 사용되었는지를 산출하여 비교함으로써 정신적 작업부하를 예측하고자 하였다. 또한 인지 모델에서 이루어지는 활동과 정신적 작업부하와의 관계에 대해 다음과 같은 가정을 바탕으로 정신적 작업부하를 예측하는 수학적 방정식을 수립하였다.
이에 본 연구에서는 여러 작업부하 측정 방법론 중에서도 컴퓨터 인지 모델을 이용한 시뮬레이션에 의한 정신적 작업부하 평가 방법을 적용하였고, 지금까지 개발된 여러 가지 인지모델 중에서도 인간의 인지과정을 가장 세부적으로 그리고 정량적으로 정확히 묘사할 수 있는 인정받고 있는 ACT-R로 작업부하를 측정하기로 하였다. Jo 등의 연구(2010)에 따르면 ACT-R로 수립된 모델 예측 결과가 NASA-TLX로 분석된 피실험자의 작업 부하와 높은 상관관계가 있음을 증명한 바 있다.

가설 설정

가정 1 : 과제 수행을 위해 주어진 가용시간 동안 ACT-R 인지모델의 각 모듈이 활동한 시간이 길수록 정신적 작업부하가 증가한다.
가정 2 : ACT-R 각 모듈의 인지적 기능 특성에 따라 정신적 작업부하에 미치는 영향이 다르다.
가정 3 : ACT-R 각 모듈 내에서 자원의 경합으로 인해 시간적지연이 발생하거나 수행의 오류가 발생하면 정신적 작업부하가 높아진다.
또한 운전 중 차량 내부 기기를 조작하는 등의 2차 과제를 수행하는 운전 모델의 운전 규칙은 [Figure 3]에서 보는 바와 같으며 운전자가 1차 과제인 운전과 2차 과제를 완벽하게 다중작업을 할 수 있다는 가정 하에, 기본 운전 모델과 스레드 인지이론(threaded cognition theory)(Salvucci and Taatgen, 2008)을 이용하여 기본 운전 모델에 해당하는 하위 목표(subgoal)와 2차 과제에 해당하는 하위 목표를 동시에 수행할 수 있다. 2차 과제를 수행하는 운전 모델의 운전 규칙은 차량 변경 운전 모델의 운전 규칙과 매우 유사하다.
(t)는 dt 동안 모듈 i에 자원 경합이나 에러가 발생했는지를 나타내는 함수이다. 본 연구에서는 Jo and Myung의 연구(2012)를 바탕으로 ACT-R 모듈 중 지각-반응과 같은 단순한 절차와 관련된 visual, aural, manual, vocal 모듈의 가중치를 1, 행동 절차를 통제하는 중앙처리 기능을 수행하는 procedural, goal 모듈의 가중치를 2, 기억 저장과 인출 기능을 수행하는 imaginal, declarative 모듈의 가중치를 4로 선정하였으며, 가정 3에 따라 모듈 내 자원경합이 발생하거나 기억 인출이 실패하는 등의 에러 가중치를1로 선정하였다. 한편 과제 수행을 위해 주어진 가용시간을 T라 했을 때 그 시간 동안 모듈 i에 의해 유발된 누적 작업부하는 시간 간격 [0, T]동안 위의 식을 적분하여 다음과 같이 구할 수 있다.

제안 방법

운전과 같은 과제의 경우 소홀히 수행할 경우 자칫 치명적인 사고와 이어질 수 있기 때문에 검증 실험을 함에 있어서 2차 과제를 수행하느라 1차 과제(운전)가 소홀하지 않도록 피실험자가 충분히 인지한 상태에서 실험을 진행하였으며 매 과제를 수행하기 전에 2차 과제, NASA-TLX 작성 방법(Yeh and Wickens, 1988)에 대한 충분한 설명이 제시되었다. 각 과제가 시작될 때 선행 차량과의 거리를 유지하도록 실험을 진행하였고 최대한 차선의 중앙에 차량을 위치하면서 운전하도록 하였다. 2차 과제 수행은 100m를 진행한 이후에 2차 과제를 수행하라는 구두 명령이 주어지면 그 시점부터 2차 과제를 수행할 수 있도록 하였다.
본 연구의 목표는 ACT-R을 통해 운전자의 인지적 행동 절차를 모의하여 운전자의 과제 수행시간을 예측하고, 그 과정에서 모델에 의해 처리된 정보량을 계산함으로써, 운전을 하면서 동시에 내비게이션 메뉴를 조작할 때 운전자가 느끼게 되는 운전 작업부하를 평가하는 것이다. 또한 이를 통해 예측된 수행시간이 피실험자의 수행시간을 정확히 묘사하고 있는지 검증하고 운전 모델에서의 운전 부하 예측 값이 운전자가 실제로 느끼는 운전 부하를 반영하는지를 평가한다.
이들에 따르면 과제 수행에 주어진 가용시간 동안 그 과제를 수행하는 인지 모델의 자원이 얼마만큼의 시간 동안 사용되었는지를 산출하여 비교함으로써 정신적 작업부하를 예측하고자 하였다. 또한 인지 모델에서 이루어지는 활동과 정신적 작업부하와의 관계에 대해 다음과 같은 가정을 바탕으로 정신적 작업부하를 예측하는 수학적 방정식을 수립하였다.
본 연구에서 개발된 운전 모델이 다양한 운전환경에서 서로 다른 2차 과제 수행을 모두 잘 예측할 수 있는지를 확인하기 위하여, 검증실험의 독립변수는 운전의 난이도와 2차 과제의 종류 두 가지로 선정되었다. 운전의 난이도는 도로 형태를 직선, 곡선의 2수준으로 구분하여 설정하였으며, 2차 과제는 정적 메뉴, 동적 메뉴, 목적지 검색, 주유소 찾기, 음악 곡명 검색 등 5가지 메뉴 선택과제로 구분하였다.
본 연구에서는 운전 중 HVI 조작 과제를 수행하는 운전자의 행동을 ACT-R 인지 아키텍처를 이용하여 모델링하고 운전자의 과제 수행시간과 인지부하를 예측하였다. 개발된 ACT-R 운전모델은 실제 운전자의 수행시간과 주관적 인지부하를 잘 예측 할 수 있었으며, 이를 통해 모델이 피실험자의 행동을 정확히 묘사하고 있다고 볼 수 있다.
실험은 피실험자 내 실험(within-subject)으로 계획되어 피실험자는 개인별로 10개의 과제를 수행하였고 피실험자가 과제의 반복으로 인해 학습하는 효과를 줄이기 위해서 과제 순서를 임의로 제시하였다.
피실험자는 실험에 시작하기에 앞서 자유롭게 운전을 하여 핸들의 감이나 속도감 등을 느껴볼 수 있도록 하였고, 운전의 피로와 지루함을 고려하여 매 과제가 끝날 시에 적절한 휴식시간이 주어졌다. 운전과 같은 과제의 경우 소홀히 수행할 경우 자칫 치명적인 사고와 이어질 수 있기 때문에 검증 실험을 함에 있어서 2차 과제를 수행하느라 1차 과제(운전)가 소홀하지 않도록 피실험자가 충분히 인지한 상태에서 실험을 진행하였으며 매 과제를 수행하기 전에 2차 과제, NASA-TLX 작성 방법(Yeh and Wickens, 1988)에 대한 충분한 설명이 제시되었다. 각 과제가 시작될 때 선행 차량과의 거리를 유지하도록 실험을 진행하였고 최대한 차선의 중앙에 차량을 위치하면서 운전하도록 하였다.
본 연구에서 개발된 운전 모델이 다양한 운전환경에서 서로 다른 2차 과제 수행을 모두 잘 예측할 수 있는지를 확인하기 위하여, 검증실험의 독립변수는 운전의 난이도와 2차 과제의 종류 두 가지로 선정되었다. 운전의 난이도는 도로 형태를 직선, 곡선의 2수준으로 구분하여 설정하였으며, 2차 과제는 정적 메뉴, 동적 메뉴, 목적지 검색, 주유소 찾기, 음악 곡명 검색 등 5가지 메뉴 선택과제로 구분하였다. 메뉴의 배치가 빈도수에 따라 달라지는 동적 메뉴의 경우 기존 정적 메뉴와 달리 선택된 상위 메뉴의 위치에 가장 빈번하게 선택되었던 하위 메뉴가 나타나는 메뉴 구조를 말하며 ACT-R로 사용성에 대해 검증되었던 과제(Kong et al.
운전 모델의 제어 요소는 차량의 횡적 제어(lateral control)와 종적 제어(longitudinal control)를 수행하기 위해 시각적 단서들을 지각하는 과정을 거친다. 특히 차량의 횡적 제어와 종적 제어를 위해서 두 개의 지점을 시각적으로 처리하고 이를 비교하여 차량을 통제한다. ‘control attend near’ 규칙은 차량 전방 10m인 근접 지점(near point)으로 시각적 주의를 이동하여 근접지점에 대한 시선 각도를 판단한다.
2차 과제 수행은 100m를 진행한 이후에 2차 과제를 수행하라는 구두 명령이 주어지면 그 시점부터 2차 과제를 수행할 수 있도록 하였다. 피실험자는 1차 과제인 운전을 최대한 유지하면서 여유가 생길 때마다 2차 과제를 수행하도록 숙지한 상태에서 운전 및 2차 과제를 수행하였다.
피실험자는 실험에 시작하기에 앞서 자유롭게 운전을 하여 핸들의 감이나 속도감 등을 느껴볼 수 있도록 하였고, 운전의 피로와 지루함을 고려하여 매 과제가 끝날 시에 적절한 휴식시간이 주어졌다. 운전과 같은 과제의 경우 소홀히 수행할 경우 자칫 치명적인 사고와 이어질 수 있기 때문에 검증 실험을 함에 있어서 2차 과제를 수행하느라 1차 과제(운전)가 소홀하지 않도록 피실험자가 충분히 인지한 상태에서 실험을 진행하였으며 매 과제를 수행하기 전에 2차 과제, NASA-TLX 작성 방법(Yeh and Wickens, 1988)에 대한 충분한 설명이 제시되었다.
한편 종속 변수는 (1) 2차 과제 수행 시간, (2) 운전과제와 2차 과제를 동시에 수행할 때 실험자의 주관적 인지부하 평가 값으로 선정하였다. 2차 과제 수행 시간은 운전 중 2차 과제 개시부터 종료 시점까지의 시간을 측정하였고 인지부하의 주관적 평가 값은 피실험자가 각 과제를 수행한 후 작성한 NASA-TLX평가를 통해 측정하였다.

대상 데이터

운전 수행에 영향을 줄 수 있는 신체 질환이 없으며 운전면허를 소지한 대학생 및 대학원생 15명이 실험에 참가하였다. 이들의 평균 연령은 28.

데이터처리

한편 종속 변수는 (1) 2차 과제 수행 시간, (2) 운전과제와 2차 과제를 동시에 수행할 때 실험자의 주관적 인지부하 평가 값으로 선정하였다. 2차 과제 수행 시간은 운전 중 2차 과제 개시부터 종료 시점까지의 시간을 측정하였고 인지부하의 주관적 평가 값은 피실험자가 각 과제를 수행한 후 작성한 NASA-TLX평가를 통해 측정하였다.
Campbell and Bolton(2005)에 따르면, 인지 모델과 피실험자의 결과를 통계적으로 비교할 때 전통적인 가설 검정 방법은 적합하지 않다고 보면서 그 대안으로 인지 모델의 적합도를 고려해야 한다고 주장하였다. 이를 위해 모델과 피실험자의 결과 간 경향의 적합도를 산정하기 위해서 회귀분석을 통한 r²를 계산하였고 정확한 대응의 정도를 산정하기 위해서 RMSE(Root Mean Square Error)를 계산하였다. 그 결과 피실험자의 결과와 모델의 예측 값 사이의 추세(r² = 0.
이는 피실험자들이 직선 주행 상황보다 곡선 주행 상황에서 더 많은 노력을 기울여 수행도를 향상시키고자 하였기 때문이고 따라서 결과적으로 직선 상황보다 곡선 상황에서 수행시간은 적게 증가하였지만 주관적 작업부하 평가 값은 그보다 더 많이 증가한다. 이에 본 연구에서 모델과 피실험자의 인지부하비교를 운전과제 수행이 용이한 직선 환경과 운전과제 수행이 더 어려운 곡선 환경을 분리하여 각각 회귀분석을 실시하였다. 그 결과 모델 예측 값이 주관적 인지부하 측정값을 정확하게 예측할 수 있음을 알 수 있었다(r²_직선 = 0.

이론/모형

본 연구의 ACT-R 운전 모델은 ACT-R 인지 아키텍처를 이용하여 수립된 운전자 행동에 대한 컴퓨터를 이용한 인지 모델로서 Salvucci(2004)에 의해 개발된 운전 모델에 기초를 두고 있다. 이 모델은 차선 중앙과 선행 차량과의 간격을 유지하는 운전 행동과 차량 내부의 각종 장치를 조작하는 2차 과제를 모의할 수 있도록 개발되었다.
이에 본 연구에서는 지금까지 개발된 여러 가지 인지 모델 중에서도 인간의 인지과정을 가장 세부적으로 그리고 정량적으로 정확히 묘사할 수 있는 모델로 인정받고 있는 ACT-R을 이용한다. 본 연구의 목표는 ACT-R을 통해 운전자의 인지적 행동 절차를 모의하여 운전자의 과제 수행시간을 예측하고, 그 과정에서 모델에 의해 처리된 정보량을 계산함으로써, 운전을 하면서 동시에 내비게이션 메뉴를 조작할 때 운전자가 느끼게 되는 운전 작업부하를 평가하는 것이다.

성능/효과

본 연구에서는 운전 중 HVI 조작 과제를 수행하는 운전자의 행동을 ACT-R 인지 아키텍처를 이용하여 모델링하고 운전자의 과제 수행시간과 인지부하를 예측하였다. 개발된 ACT-R 운전모델은 실제 운전자의 수행시간과 주관적 인지부하를 잘 예측 할 수 있었으며, 이를 통해 모델이 피실험자의 행동을 정확히 묘사하고 있다고 볼 수 있다. 또한 모델과 피실험자 모두 2차과제 완료를 위한 수행시간이 길어질수록 인지부하도 증가하는 것으로 나타났다.
이에 본 연구에서 모델과 피실험자의 인지부하비교를 운전과제 수행이 용이한 직선 환경과 운전과제 수행이 더 어려운 곡선 환경을 분리하여 각각 회귀분석을 실시하였다. 그 결과 모델 예측 값이 주관적 인지부하 측정값을 정확하게 예측할 수 있음을 알 수 있었다(r²_직선 = 0.952, r²_곡선 = 0.982).
이를 위해 모델과 피실험자의 결과 간 경향의 적합도를 산정하기 위해서 회귀분석을 통한 r²를 계산하였고 정확한 대응의 정도를 산정하기 위해서 RMSE(Root Mean Square Error)를 계산하였다. 그 결과 피실험자의 결과와 모델의 예측 값 사이의 추세(r² = 0.950)와 편차(RMSE = 1.253)로 분석되어 모델이 피실험자의 결과를 정확히 반영함을 알 수 있다. 이러한 결과는 본 연구에서 개발된 운전자 모델이 실제 운전자의 운전 수행을 잘 예측할 수 있음을 의미한다.
개발된 ACT-R 운전모델은 실제 운전자의 수행시간과 주관적 인지부하를 잘 예측 할 수 있었으며, 이를 통해 모델이 피실험자의 행동을 정확히 묘사하고 있다고 볼 수 있다. 또한 모델과 피실험자 모두 2차과제 완료를 위한 수행시간이 길어질수록 인지부하도 증가하는 것으로 나타났다.
본 연구에서 개발된 ACT-R 운전 모델로부터 예측된 수행시간과 인지부하는 각각 피실험자의 과제 수행시간과 인지부하를 정확히 예측할 수 있음을 확인할 수 있다. 그러나 [Table 1]과[Table 2]에서 볼 수 있는 것처럼 대부분의 과제에서 모델의 수행시간과 인지부하가 피실험자의 수행시간과 인지부하보다 작은 값을 가지는 것으로 나타났다.
수행시간과 마찬가지로 운전 모델의 인지부하 예측 값이 주관적 인지부하 평가 값을 정확히 반영하고 있음(r² = 0.846, RMSE = 6.837)을 확인할 수 있다. 한편, 과제 수행의 난이도가 높은 환경에서는 과제 수행자가 경험하는 주관적 인지부하가 더 높게 평가될 수도 있고(Salvucci and Taatgen, 2010) 직선 도로주행 상황보다 곡선 주행 상황에서 피실험자가 느끼는 작업부하가 모델에서 예측한 값보다 크게 나타남을 알 수 있다.
한편 Ma and Kaber(2005)는 모의 운전 실험을 통해 적응형 크루즈 컨트롤(adaptive cruise control)이 적용된 운전 시스템에서 운전 중 휴대폰을 사용할 경우 운전자의 상황인식과 작업부하의 변화에 대해 연구하였다. 이들은 차선과 속도 유지 등의 운전 수행도가 상황인식과 주관적 작업부하와서로 상관관계를 가지며, 운전 시스템의 자동화가 운전 작업부하 감소에 기여할 수 있음을 확인하였다. 그리고 Bardauf(2009)등은 모의 운전 실험에서 2차 과제로 주어진 시간 지각이 운전수행도에 영향을 미치며 SWAT (Subjective Workload Assessment Technique)에 의한 주관적 작업부하 측정 결과와 상관관계가 있음을 확인하였다.
253)로 분석되어 모델이 피실험자의 결과를 정확히 반영함을 알 수 있다. 이러한 결과는 본 연구에서 개발된 운전자 모델이 실제 운전자의 운전 수행을 잘 예측할 수 있음을 의미한다.
이를 통해 본 연구에서 개발된 ACT-R 운전 모델을 HVI 조작과제가 운전과제 수행에 미치는 영향을 평가하는데 적절히 활용할 수 있음을 알 수 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	운전자의 인지적 작업부하를 여러 가지의 측정방법론을 동시에 적용하여 운전과제와 2차 과제 수행에 대한 영향, 운전자의 생리적 상태의 변화 등을 측정하고 그 결과를 종합적으로 분석해야하는 이유는?	, 2009; Recarte and Nunes, 2003). 그런데 운전자의 인지적 작업부하는 다차원적 변수로서 이에 영향을 미치는 요인들이 매우 다양하기 때문에 여러 가지의 측정방법론을 동시에 적용하여 운전과제와 2차 과제 수행에 대한 영향, 운전자의 생리적 상태의 변화 등을 측정하고 그 결과를 종합적으로 분석해야 한다. 그러나 프로토타입(prototype)이 가용하지 않은 개발 초기단계에서는 실제 피실험자의 수행도와 생리적 측정, 주관적 평가 등의 여러 기법을 동시에 적용하기 곤란하다.
	ACT-R의 각 모듈은 어떤 역할을 할 수 있는가?	이 때 버퍼에서는 한 번에 한 개의 정보만 순차적으로 저장하고 처리할 수 있어 사람의 인지적 한계를 잘 묘사할 수 있다. 반면 각 모듈은 여러 개의 정보를 동시에 검색하거나 저장할 수 있으며, 여러 개의 생산 규칙(production rule)을 동시에 병렬적으로 비교 처리할 수 있어 다중 과제를 동시에 수행하는 사람의 인지적 과정을 정확히 묘사할 수 있다.
	인간-자동차 상호작용에 매우 중요한 단서를 제공할 수 있는 것은?	운전 시 차량 내의 내비게이션 장치나 공조 및 라디오 버튼의 사용이 증가하고 여러 형태의 인터페이스가 개발됨에 따라 이러한 장치들이 운전과제 수행에 어떠한 영향을 미치게 되는지, 그리고 운전자가 어느 정도의 인지적 작업부하를 느끼게 되는지를 예측하는 것은 인간-자동차 상호작용(HVI; Human-Vehicle Interaction)에 매우 중요한 단서를 제공할 수 있다. 이러한 이유로 다양한 내비게이션 장치의 조작이나 휴대폰 통화 등과 같은 2차 과제들이 운전자의 운전 과제 수행에 어떠한 영향을 미치는지에 대한 많은 연구가 진행되어 왔다(Briem and Hedman, 1995; Salvucci et al.

참고문헌 (30)

Anderson, J. R. (2007), How Can the Human Mind Occur in the Physical Universe?, Oxford University Press, Oxford.
Bardauf, D., Burgard, E., and Wittmann, M. (2009), Time Perception as a Workload Measure in Simulated Car Driving, Applied Ergonomics, 40(5), 929-935.

상세보기
Briem, V. and Hedman, L. R. (1995), Behavioral Effects of Mobile Telephone Use during Simulated Driving, Ergonomics, 38(12), 2536-2562.

상세보기
Collet, C., Clarion, A., Morel, M., Chapon, A., and Petit, C. (2009), Physiological and Behavioural Changes Associated to the Management of Secondary Tasks while Driving, Applied Ergonomics, 40(6), 1041-1046.

상세보기
Fuller, H. J. A., Reed, M. P., and Liu, Y. (2010), Integrating Physical and Cognitive Human Models to Represent Driving Behavior, Human Factors and Ergonomics Society Annual Meeting Proceedings, 54, 1042-1046.
Campbell, G. E. and Bolton, A. E. (2005), HBR Validation : Integrating Lessons Learned from Multiple Academic Disciplines, Applied Communities and the AMBR Project, In Modeling Human Behavior with Integrated Cognitive Architectures : Comparison, Evaluation, and Validation, R. W. Pew and K. Gluck, Eds. Lawrence Erlbaum.
Hart, S. and Staveland, L. (1988), Development of NASA-TLX Results of Empirical and Theoretical Research, Human Mental Workload, Elsevier Science Publishers B. V., Amsterdam, 139-183.
Jo, S., Myung. R., and Yoon, D. (2012), Quantitative Prediction of Mental Workload with the ACT-R Cognitive Architecture, International Journal of Industrial Ergonomics, 42(4).

상세보기
Jo, S., Myung, R., and Yoon, D. (2010), A Proposed Methodology for the Theory-Based Prediction of Mental Workload with a Cognitive Architecture, Human Factors and Ergonomics Society Annual Meeting Proceedings, 54, 1941-1945.
Kong, B. D., Min, J. S., and Myung, R. (2009), Menu Design for Touch Screen Interfaces, Human Factors and Ergonomics Society, 53rd Annual Meeting Proceedings, 53(15), 950-954.
Lebiere, C. (2001), A Theory Based Model of Cognitive Workload and Its Applications, In Proceedings of the 2001 Interservice/Industry Training, Simulation and Education Conference, Arlington, VA : NDIA, USA.
Lysaght, R. J., Hill, S. G., Dick, A. O., Plamondon, B. D., and Lintion, P. M. (1989), Operator Workload : Comprehensive Review and Evaluation of Operator Workload Methodologies, Army Research Institute for the Social Sciences.
Ma, R. and Kaber, D. B. (2005), Situation Awareness and Workload in Driving while using Adaptive Cruise Control and a Cell Phone, International Journal of Industrial Ergonomics, 35(10), 939-953.

상세보기
Michon, J. A. (1985), A Critical View of Driver Behavior Models: What Do We Know, What Should We Do, Human Behavior and Traffic Safety, Plenum Press, New York, 485-520.
Min, J. S., Jo, S. S., and Myung, R. (2010), Prediction of Menu Selection on Touch-screen using a Cognitive Architecture : ACT-R, Journal of the Ergonomics Society of Korea, 29(6), 907-914.

원문보기 상세보기
Mitchell, D. (2000), Mental Workload and ARL Workload Modeling Tools, Army Research Laboratory.
Pauzie, A. (2008), Evaluating Driver Mental Workload using Driving Activity Load Index (DALI), European Conference on Human Centered Design for Intelligent Transports Systems, Lyon, 67-77.
Recarte, M. and Nunes, L. (2003), Mental Workload While Driving : Effects on Visual Search, Discrimination, and Decision Making, Journal of Experiment Psychology : Applied, 9(2), 119-137.

상세보기
Ryu, K. and Myung, R. (2005), Evaluation of Mental Workload with a Combined Measure Based on Physiological Indices during a Dual Task of Tracking and Mental Arithmetic, International Journal of Industrial Ergonomics, 35, 991-1009.

상세보기
Salvucci, D. D. (2001), Predicting the Effects of In-Car Interface Use on Driver Performance : An Integrated Model Approach, Journal of Human-Computer Studies, 55, 85-107.

상세보기
Salvucci, D. D. (2006), Modeling Driver Behavior in a Cognitive Architecture, Human Factors, 48(2), 362-380.

상세보기
Salvucci, D. D. and Gray, R. (2004), A Two-Point Visual Control Model of Steering, Perception, 33, 1233-1248.

상세보기
Salvucci, D. D. and Macuga, K. L. (2002), Predicting the Effects of Cellular-Phone Dialing on Driver Performance, Cognitive Systems Research, 3, 95-102.

상세보기
Salvucci, D. D., Markley, D., Zuber, M., and Brumby, D. P. (2007), iPod Distraction: Effects of Portable Music-Player Use on Driver Performance, In Proceedings of the SIGCHI Conference on Human Factors in Computing Systems.
Salvucci, D. D. and Taatgen, N. A. (2008), Threaded Cognition : An Integrated Theory of Concurrent Multitasking, Psychological Review, 115, 101-130.

상세보기
Salvucci, D. D. and Taatgen, N. A. (2010), The Multitasking Mind, Oxford University Press.
Sayer, J. R., Devonshire, J. M., and Flannagan, C. A. (2005), The Effects of Secondary Tasks on Naturalistic Driving Performance, University of Michigan Transportation Research Institute.
Siewiorek, D., Smailagic, A., and Hornyak, M. (2002), Multimodal Contextual Car-Driver Interface, In Proceedings of Multimodal Interfaces, 367-373.
Wu, C. and Liu, Y. (2007), Queuing Network Modeling of Driver Workload and Performance, Intelligent Transportation System, 8(3), 528-537.

상세보기
Yeh, Y. and Wickens, C. D. (1988), Dissociation of Performance and Subjective Measures of Workload, Human Factors, 30(1), 111-120.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증