Bilgi İşlemeye İlişkin İçgörüler İçin Karmaşık Bir Havacılık Görevi Sırasında Göz İzleme
4 Nisan 2025
Göz izleme, bilgi işlemeyi araştırmak için invaziv olmayan bir yöntemdir. Bu makale, düşük zamanlı pilotlarda (yani, 350 uçuş saati) bir uçuş simülasyonu acil durum görevi sırasında bakış davranışını incelemek için göz izlemenin nasıl kullanılabileceğini < açıklamaktadır.
Araştırmamız, veriye dayalı, yetkinliğe dayalı eğitim ve değerlendirmeyi geliştirmek için göz izlemeyi kullanarak pilotların durum farkındalığının objektif psikofizyolojik ölçümlerini geliştirir. Göz takibindeki gelişmeler, yorgunluk, bilişsel yük ve zihnin dağılması gibi dikkat durumlarını izleyerek pilot performansını ve güvenliğini artırarak havacılık eğitimini geliştirir. Simülatörlerde, VR'de ve AR'de entegre göz izleme, pilotun zihinsel durumunun ve tarama davranışlarının gerçekçi bir şekilde değerlendirilmesini sağlayarak araştırmaları laboratuvarların ötesine taşıyarak gerçek kokpitlere ve yüksek kaliteli simülasyonlara ilerletme imkanı sunar.
Önemli bir zorluk, emek yoğun ancak çok önemli olan ilgi alanı segmentasyonu ve etiket doğrulamasıdır. Deneyimiz, daha fazla geliştirme gerektiren erken aşama bir otomasyon yöntemini araştırıyor. Çalışmam, pilotların bilgi işleme, dikkat tahsisi, stres yönetimi ve uçak izleme ve güvenliğini etkileyen riskleri gösteren bakış davranışlarını değerlendirmek için havacılık eğitiminde göz izlemeyi destekliyor.
Başlamak için uçuş simülatörünü ve projektör ekranlarını açın. Talimat Ekranında, Ön Ayarlar sekmesine basın ve gerekli Konum ve/veya Hava Durumu ön ayarlarının mevcut olduğunu doğrulayın. Ardından, koleksiyon dizüstü bilgisayarını açın ve kimlik bilgileriyle oturum açın.
İstendiğinde, önceden var olan bir profili seçin, yeni bir katılımcı için yeni bir profil oluşturun veya son kalibrasyonunun üzerine yazmak için Misafir seçeneğini belirleyin. Gözlükleri kalibre etmek için göz izleyici kutusunu açın ve gözlükleri çıkarın. Ardından burunluğu seçin.
USB'yi dizüstü bilgisayardan gözlüğe giden Mikro USB kablosuna bağlayın. Ardından, göz izleyici kutusunun içindeki siyah kalibrasyon kutusunu bulun. Gözlükleri kalibrasyon kutusunun içine yerleştirin.
Koleksiyon dizüstü bilgisayarında, göz izleme Hub'ında Araçlar'ı ve ardından Cihaz Kalibrasyonu'nu seçin. Kalibrasyonu başlatmak için açılır pencerede Başlat'a basın. Kalibrasyon tamamlandıktan sonra gözlükleri kutudan çıkarın.
Burunluğun düzgün oturmasını sağlamak için katılımcıya kokpitte oturmasını ve gözlüğü takmasını söyleyin. Ekranın sağ alt tarafındaki gözlüğünüzün uyumunu ayarla kutusunu kontrol edin. Uyum mükemmel olarak işaretlenirse, bir sonraki adıma geçin.
Aksi takdirde, kutuyu tıklayın. Ardından katılımcıya ekrandaki uyum önerilerine uymasını, burunluğu ayarlamasını, gözlüklerin rahatça oturduğundan emin olmasını ve dizüstü bilgisayara doğrudan ileriye bakmasını söyleyin. Şimdi, burunluğu ortadan sıkıştırın, gözlüklerden dışarı kaydırın ve bir tane daha içeri kaydırın.
Etüt için sabit bakış kalibrasyon modunu takip etmek için, katılımcıya başını hareket ettirmesini söyleyin, böylece kutu siyah kare ile örtüşür ve hizalanır. Ardından katılımcıdan bakışlarını siyah karenin içindeki artı işaretine odaklamasını isteyin ve Boşluk Çubuğuna basın. Ardından, kulaklığın gösterge panelinin sol alt tarafındaki jaka takılıp takılmadığını kontrol edin.
Göz küresi kalibrasyonundan önce, göz izleme Hub'ındaki Parametre kutusuna gidin. Kalibrasyon modunu kontrol edin ve etüt için uygun şekilde eter Sabit bakış veya Sabit kafa öğesini seçin. Kalibrasyon noktalarının toplam dokuz noktadan oluşan üçe üç ızgara olarak görüntülendiğinden emin olun.
Doğrulama modunun Kalibrasyon moduyla eşleştiğini doğrulayın. Ardından göz izleme çıktılarını inceleyin ve çalışma için gerekli tüm parametrelerin onay kutuları kullanılarak kontrol edildiğinden emin olun. Göz izleme Merkezi'nde Dosya, Ayarlar ve Göz izleme'yi tıklayın.
Örnekleme hızının 250 hertz olarak ayarlandığını kontrol edin. Ayarlarınızı doğrulayın kutusuna basın ve ortalama mutlak hatanın bir dereceden az olduğunu kontrol edin, ardından kalibrasyonu profile kaydedin. Veri toplama için, simülasyon başlamadan önce gösterge panelindeki ayarların nasıl yapılacağı da dahil olmak üzere katılımcıya deneme veya uçuş yolu hakkında net talimatlar verin.
Talimat Ekranında, veri toplamayı başlatmak için turuncu Durduruldu düğmesine basın. Rengin yeşile döndüğünü ve metnin Uçan olarak güncellendiğini onaylayın. Toplama dizüstü bilgisayarında, göz izleyici verilerini uçuş simülatörü verileriyle senkronize etmek için Kaydı Başlat'a basın.
Katılımcı devresini tamamlayıp iniş yaptığında, uçak tamamen durana kadar bekleyin. Talimat Ekranında, veri toplamayı durdurmak için yeşil Uçan düğmeye basın. Rengin tekrar turuncuya döndüğünü ve metnin Durduruldu olarak güncellendiğini onaylayın.
Bakış eşleme için İlgi Alanlarını veya AOI'leri manuel olarak tanımlamak için bir göz izleme toplu komut dosyası çalıştırın. Komut dosyası, ana kare seçimi için yeni bir pencere açacaktır. Videoda ilerleyin ve analiz edilecek tüm önemli AOI'leri net bir şekilde gösteren bir çerçeve seçin.
Çerçevenin tüm video boyunca görülebilen, benzersiz ve sabit kalan bir bölgesinin üzerine bir dikdörtgen çizmek için ekrandaki talimatları izleyin. Ardından, çerçevedeki her AOI için birer birer dikdörtgen çizin. Her dikdörtgeni buna göre adlandırın.
Yeni AOI'ler eklemek için Daha fazla ekle düğmesini kullanın ve sonuncusunda Bitti'ye basın. AOI'leri işlemek ve video üzerinde sakkadları ve fiksasyonları gösteren bir çizim oluşturacak olan sabitleme verileri oluşturmak için komut dosyasını başlatın. Acil görev koşulları, temel koşullara kıyasla inişlerin başarı oranını önemli ölçüde azalttı.
Acil çalışmalarda tamamlama süresi, temel denemelere göre anlamlı derecede daha kısaydı. İniş hatası da acil denemelerde temel denemelere göre anlamlı derecede yüksekti. Subjektif durum farkındalığı puanı, acil görevler sırasında temel görevlere göre anlamlı derecede düşüktü.
Durum farkındalığı arz ve talebi temel denemelerden acil durum denemelerine doğru artmış, durum farkındalığı anlayışı ise temel denemelerden acil durum denemelerine doğru azalmıştır. Bakış ölçümleri, acil durumlarda altimetre ve tutum göstergeleri gibi temel araçlarda bekleme süresinde önemli azalmalar olduğunu ortaya koydu. Göz kırpma hızı, acil durumlarda temel koşullara göre önemli ölçüde artmıştır.
SGE ve GTE gibi gelişmiş bakış ölçümleri, acil durumlarda önemli ölçüde azaltıldı.
Tam transkripti görüntüleyin ve binlerce bilimsel videoya erişin
Genel Bakış
Bu makale, uçuş simülasyon acil durum görevleri sırasında düşük uçuş saatli pilotların bakış davranışını incelemek için non-invaziv bir yöntem olarak göz izleme kullanımını araştırmaktadır. Pilot eğitimini ve güvenliği artırmak için dikkat durumlarının izlenmesinin önemini vurgulamaktadır.
Çalışmanın Temel Bileşenleri
Bilim Alanı
- Nörobilim
- Havacılık Psikolojisi
- İnsan Faktörleri
Arka Plan
- Göz izleme, pilotların durum farkındalığını objektif ölçütlerle sağlar.
- Teknolojideki gelişmeler, yorgunluk ve bilişsel yük gibi bilişsel durumların izlenmesine olanak tanır.
- Simülatörler ve VR'de göz izlemenin entegrasyonu, eğitimin gerçekliğini artırır.
- Zorluklar arasında iş gücü yoğun ilgi alanı segmentasyonu ve etiket doğrulama yer alır.
Çalışmanın Amacı
- Pilotların bilgi işleme ve dikkat dağıtımını değerlendirmek.
- Havacılıktaki eğitim ve değerlendirme yöntemlerini geliştirmek.
- Göz izleme analizi için otomasyon yöntemlerini keşfetmek.
Kullanılan Yöntemler
- Uçuş simülatörlerine entegre edilmiş göz izleme teknolojisi.
- Acil durum görevleri sırasında dikkat durumlarının izlenmesi.
- Bakış davranışları ve bilişsel yük üzerinde veri toplama.
- İlgi alanı segmentasyonunda otomasyonun keşfi.
Ana Sonuçlar
- Göz izleme, pilotların zihinsel durumlarını etkili bir şekilde izler.
- Uçak izleme risklerini gösteren bakış davranışları belirlendi.
- Bilişsel yük ve dikkat dağıtımı hakkında daha iyi anlayış sağlandı.
- Ön bulgular, otomasyon yöntemlerinin daha da geliştirilmesini destekliyor.
Sonuçlar
- Göz izleme, havacılık eğitimini geliştirmek için değerli bir araçtır.
- Pilotların bilişsel süreçlerine ve risklerine dair içgörüler sağlar.
- Otomasyon tekniklerini iyileştirmek için daha fazla araştırma gerekmektedir.
Sıkça Sorulan Sorular
Executive Industry Relevance
Objective eye tracking in high-fidelity simulation environments enables quantifiable assessment of information processing, attention allocation, and cognitive load during complex operational tasks. For biopharma R&D, such methodologies inform the design and validation of translational models that require robust measurement of human performance and cognitive state. These capabilities support predictive confidence in early-stage target validation and mechanistic de-risking for neurocognitive and human factors research portfolios.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables objective quantification of cognitive and perceptual responses to defined stimuli.
- Supports mechanistic de-risking by linking gaze metrics to information processing efficiency.
- Facilitates functional validation of neurocognitive targets in translational research settings.
Screening & Assay Development
- Provides validated behavioral endpoints for screening interventions affecting attention or cognitive load.
- Standardizes measurement of gaze allocation and dwell time as reproducible quantitative outputs.
- Enables assay development for compounds or devices targeting cognitive performance.
Translational & Preclinical Research
- Aligns human behavioral metrics with disease-relevant endpoints for translational continuity.
- Supports risk-adjusted advancement of neurocognitive interventions based on objective readouts.
- Facilitates cross-species or cross-model comparison of attention and information processing metrics.
Pipeline & Workflow Integration
Wearable eye tracking and AOI-based gaze analysis integrate into the discovery-to-preclinical continuum for neurocognitive and behavioral research.
- Discovery Biology: Quantifies attention allocation and cognitive load as mechanistic endpoints for hypothesis testing.
- Screening: Delivers reproducible, quantitative gaze metrics for evaluating intervention effects.
- Analytics: Provides statistical outputs such as dwell time, gaze dispersion, and blink rate for condition comparison.
- Translational Research: Bridges human simulation data with preclinical models for biomarker alignment.
- Enterprise Reuse: Establishes a scalable, reusable platform for cognitive and behavioral assessment across programs.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces ambiguity in neurocognitive target validation.
- Operational Value: Standardizes behavioral measurement and enhances reproducibility across studies.
- Strategic Value: Informs go/no-go decisions and portfolio triage based on objective cognitive endpoints.
- Portfolio Impact: Supports risk-adjusted prioritization of neurocognitive and behavioral intervention programs.
Implementation Considerations
- Requires expertise in psychophysiological measurement and behavioral analytics.
- Demands high-fidelity simulation infrastructure and validated eye tracking instrumentation.
- Necessitates rigorous AOI segmentation and label validation for reproducibility.
- Must address adaptation of gaze mapping algorithms across different simulation or model systems.
- Current automation of AOI labeling is early-stage and may require manual validation.
