摘 要: 认知任务分析包括知识引导、 数据分析和知识表征， 它们源于认知心理学、 计算机科学和人工智能等学科的发展， 是一种依据环境变化的适应性表征。 作为一种宏观认知方法， 其过程包括准备数据、 安排数据、 发现意义和表征发现物四个阶段。 以决策为中心的设计,是认知任务分析的一个精致案例。
关键词: 认知； 认知任务分析； 适应性表征
一、认知任务的分析与表征
对于一个认知任务， 我们如何对其进行分析与表征呢？一般而言， 分析过程不外乎四个步骤或阶段： 准备数据→安排数据→发现意义→表征发现物。
第一， 准备数据的目标是从一个非正式的、 直觉的开始转移到一个结构化的探寻过程， 任务是准备交流和观察数据， 准备分析组织， 其程序是完善和评估数据记录， 规划评估的问题， 计划第一次数据扫描。 准备数据的关键一步是检查每个数据记录的准确性和可靠性， 数据是否有遗漏等。 接下来就是组织分析数据， 分析者有时可能是一个人， 大多数情况下是一个研究团队或小组。 研究者要着重回答： 以什么方式从数据获得什么问题？是否阅读了所有数据并做了详细记录？是否建立了一个完整的分析框架？
第二， 安排数据就是结构化数据， 其目标是将数据分解为离散的元素， 检查片段和部分， 检验可靠性， 任务是数据洗礼——识别元素和环节、 解开难题、 检验片段和部分， 程序包括列表、 分类、 定期检查、 编码、 编目、 频率计数、 描述统计。 这是一个深入分析的过程。 具体说， 数据结构化就是为了以不同方式组织数据而分解数据， 并在数据范围开始理解模式， 在接下来的分析过程中， 研究者将有时间和机会寻找主题， 并发现数据集合之间的复杂关系， 这意味着首先要确定数据集中的数据元素——片段和部分。 毫无疑问， 数据分析是认知任务分析的一个重要环节， 它就像解决一个难题。 解决这个难题的一个进路是确定细节和分离元素， 并将它们归类和编目。 比如面对一堆有各种各样球和正方体的认知对象， 为了有效正确地解决这个问题， 你经过观察后会根据颜色、 形状、 大小对它们进行分类， 先按照形状将球体和正方体分开， 然后根据颜色再对球或正方体分类， 最后按照大小对球或正方体分类和排列。 总之， 数据结构化需要对数据集进行系统的观察和分析， 注意其中包含的确定问题和主题的内容。 这可以通过分类、 编排具体内容， 制作表格， 把数据元素范畴化， 在每个事件内确定和划分关键间隔， 或者例示不同因素的发生等。
增加企业于市场竞争当中的整体优势是企业实行总体战略的最终追求目标，而价值优势与成本优势是企业市场竞争优势的主要体现领域，所谓价值优势，所指的是站在顾客的角度来看，企业需具有不同于其他竞争者的顾客价值；而成本优势所指的即为低成本经营，企业需获取与其他竞争者相较更低的价格方面优势。物流管理可为顾客提供更加个性化的服务，将可靠的服务与快速的反应能力作为企业的价值优势；且其可有效提升企业的资产周转率与生产能力利用率，使企业业务流程得到获得更好的整合与协作，为企业增加成本优势，提升企业市场竞争力。
第三， 发现意义的目标是确定核心问题、 争论、 意义的应急线索， 任务是解构、 整合、 对照、 比较， 其程序包括线索集、 编目、 排列、 模式与主题、 分歧与矛盾、 次序、 评估、 统计检验。 这是分析过程中的一个聚焦的转换点， 即从检验个别数据记录转移到数据集作为整体的更一般的特征， 其中的核心问题是： 这个数据中包含什么故事(意义)？这一分析阶段的中心任务是确定包含在数据中的重要发现和洞见。 这些发现和洞见可以通过系统地检验概念和关系是否一致地出现在更大的数据集的交叉而被获得。 这一过程可能包括[1]117：
(1)通过将列表、 编目和数据编码组织成更一般的单元， 如决策表。
数码互动教学较传统教学相比有诸多优点，但不能因此否认传统教学的重要性。传统教学可以增强授课的艺术感受，利于师生之间的情感交流和对青年教师教学基本功的培养。此外，由于学生人数多，且目前数码互动系统平台的软件和硬件稳定性尚待完善，因此在实践教学中要结合实际情况将两者结合起来，以更好地增强实验教学效果。
需要专门训练的人才， 如科学家、 医生， 通常被称为专家， 他们是通晓专门领域知识的特殊人才。 与普通人相比， 专家拥有丰富的心理模型， 如爱因斯坦的超常思维模式； 训练出特殊的感知技能使他们能够发现普通人不能看见的细微线索， 如牛顿发现万有引力； 拥有许多陈述性知识——他们能够利用的许多实际信息、 规则和程序(经过专门教育和学习获得)。 这些类型的知识将专家与普通人区分开来。 比如医学这个领域， 分工相当精细， 其专门程度就连同行都难以理解， 比如脑科医生和眼科医生彼此之间由于专门知识的不同而难以沟通。 因此， 专家有能力利用专门知识探讨复杂的认知任务， 迅速做决定， 而普通人则不能。
要理解这种宏观认知功能， 我们必须评估在其中被执行任务的语境。 也就是说， 认知任务是在一定的语境中展示的。 我们对要完成的任务的理解越深入越全面， 我们就越能够运用认知任务分析获得人们思考的机制。 比如， 猎人要设置一个陷阱， 他必须确定他要捕获什么动物， 也就是根据所捕获的猎物是狼、 熊， 还是鹰来设置什么样的陷阱。 若是熊， 为了解决如何设置陷阱， 猎人需要绘制它的活动范围， 比如它在哪里抓鱼、 在哪里睡觉、 在哪里觅食等。 因此， 认知不是发生在真空中， 人的思维是目标引导的， 如猎人捕猎。
在测试数据集上的分类正确率和RMSE如图2所示。图中K是表示待测试数据的最近邻数量，分别取5，10和 15。从图中可知，当 K=10时，其 RMSE和预测正确率明显高于 K=5时的性能；但相较于 K=10，K=15时的RMSE和正确率指标略有改进，但幅度不大。
意义形成与境遇评估是结合在一起的。 大多数自然环境要求积极的意义形成， 因为意义形成允许人们诊断事件的当下状态如何产生， 通过将数据与一个框架匹配形成深思熟虑的、 有意识的过程， 预测它在未来会如何发展。 克莱因等发展了一种意义形成的数据-框架模型来评估人们需要某类框架， 比如一个脚本或场景， 来理解和使用数据元素， 同时需要数据来选择或建构这个框架。 当然， 意义形成有不同方式： 扩展境遇的一个现存说明， 质疑一个现存说明是否准确， 解释不一致数据， 对比相同数据的不同说明的优点， 用一个说明代替另一个并建构一个新的说明。
(5)执行统计分析以经验地检验数据集中的簇、群差异性、联系和其他类型的关系。
(2)知识引导——使用认知任务分析方法组织实施关键决定和认知复杂任务的一个深入检验。
第四，表征发现物的目标就是让数据的意义成为看得见的， 将蕴含在数据中的故事挖掘出来，其任务是交流、展示、说明和表征，其程序步骤包括故事与实践说明、图解、绘图、表格、时间-事件线、概念地图等。这是展示意义的最后一个环节。如果说前三个环节的表征是数据驱动的，因为它们是基于个别数据记录的，那么这个环节就是意义驱动的，因为认知任务分析的目的就是分析和表征数据中所包含的意义。 如果一种分析和表征没有包含任何意义， 或者说不能给出合理的解释，这种分析和表征就没有任何价值。这就是数据的表征问题， 即如何将一堆数据转化成可以解释和理解的内容，也是著名的“符号接地”问题，即将数字或符号与经验内容结合的问题。
认知研究就是关于人们思考方式的探讨， 就是探讨人们在执行任务过程中是如何思维的。 这包括两个方面： 一是认知的微观探讨(深入大脑内部)， 这是认知神经科学的任务和目标； 二是认知的宏观探讨， 就是以人的认知行为或事件为目标从大脑外部对认知过程进行观察， 这是认知任务分析的目标。 这就是所谓的“宏观认知”。[2]81-85这里探讨的是宏观认知而不是微观认知。
二、自然语境中的宏观认知功能
总之，任何表征都是有内容的，如概念是有所指的，所指就是其内容或意义。表征的类型有多种， 如命题、模型、图解、符号表达等。在语言描述方面，常见的有叙事格式、年代记事、数据组织者、过程图解、概念地图等。叙事格式在事件说明中捕捉丰富的细节，能够突出行为的认知方面，揭示隐藏在背后的意义，因为事件说明包含年代记事和语境。 年代记事描述事件的发生序列和认知过程的次序，如爱因斯坦大事年表，它提供了如何表征一个语境变化和时间如何影响行为的认知特征的方式。数据组织者是一种表征格式，它提供范畴分类中的数据比较， 通常以表格的方式出现。 过程图解是以图谱的方式(使用方框、箭头线、坐标系)描述行为或事件的发生过程以及行动中的认知。 概念地图如上所述，是一个具体任务或工作领域中的知识结构的等级图解说明。
(3)确定所缺失的东西，通过对照和比较数据是不同片段和子集，确定有兴趣的分歧和矛盾， 比如发现一个研究小组中共享的重要信息，而在另一个小组中缺失。
我曾记得某文章介绍，美国社会良好教养的习惯，很大一部分应该是得益于当年的欧洲移民祖先，感觉还是有一定道理的。因隔壁凯特家接触比较多，而他们又是典型的欧洲移民且规矩很多，所以当例子讲下我见到的一些情形。
1.4 研究分析指标 分析研究实验组和对照组手术时间与住院时间以及医疗费用情况，观察患者的并发症发生情况。比较两组的美容满意度，分数在0～10分之间，越高越好，其中≤3分为不满意，4～7分为基本满意，≥8分为满意，以基本满意率与满意率之和为满意度[5]。
根据对各生产厂家补贴的机具型号来看，新疆本土企业主要以生产加工低价低端犁为主。在自主知识产权方面，兵团犁具生产企业还很落后，如表3所示，17家生产企业中，仅3家企业拥有国家专利，最多的为新疆科神股份的6项，剩余石河子永昌农机1项，石河子精功农机1项，其余企业均未查询到相关专利，生产企业研发投入的重视程度很低，低水平仿制严重。
人的认知目标通常不止一个， 而是多个， 即使像家庭开支这样非常琐碎的任务， 在家庭语境中可能同时有几个目标， 如购置衣服、 购食品、 买书、 购车、 购房等， 这些目标可能是一致的， 也可能是冲突的[3]， 比如要买房就不能买车了， 因为资金有限。 要保持家庭的收支平衡而不至于入不敷出， 就必须做到心中有数。 为了保持家庭收支平衡， 我们需要记账， 详细记录开支明细(流水账)， 这构成了过去经验这个重要的语境因素。 在对自然事件的认知中， 真实世界的环境是不可或缺的语境因素， 这是一种实地调查或田野研究， 它提供了真实世界任务和环境的语境， 允许我们在其中检验高度技能化的行为——专门知识。 专门知识是一种能确定认知场景的特征看起来像什么和它们如何起作用的重要因素。 科学知识就是一种专门知识， 如量子力学， 它是科学家群体如物理学家掌握的领域， 大众很难理解。 在这个意义上， “科学共同体”就是一个特殊语境， 只有进入这种语境的人， 才能理解专门知识， 才能相互交流对话。 所以， 对于科学认知任务的分析， 专门知识是一个不可或缺的方面。
(2)通过确定模式、 主题和线索集描述数据中存在的规律， 如发展关键线索的清单。
要分析专家的认知过程和功能， 就需要“宏观认知”的概念。 “宏观认知”是指自然环境中描述人们如何思维的认知过程和功能的组合。[1]136 它是相对于微观认知而言的。 微观认知包括注意是不是序列或平行的， 人们如何解决难题， 这些过程通常在实验室而不是田野进行。 毕竟实验室条件与田野自然条件完全不同。 在自然条件下， 宏观认知功能通常包括自然主义决策、 意义形成(成理)、 计划、 适应、 问题探测、 协调。
决策在大多数自然环境中是一个重要认知活动。 人们是如何完成这一过程的？克莱因(G.Klein)对于消防员和军事指挥员的决策研究表明[4]， 人们典型地依赖他们的经验来确定一个似真的行动过程， 使用心理模拟评估那个行动过程， 而不用与其他过程比较。 克莱因的再认知-启动决策(RPD)模型描述了在自然环境中做出的近90%的挑战性决策， 发现决策过程被重复多次。[5]47-92
(4)检验群相似性和差异性，比如，比较专家和新手、不同的交流信息或工作环境。
计划是修正行动将一个当下状态转换为一个期望状态的过程。 这种功能随着新信息技术提供大量的数据而变得复杂， 比如军事计划的制定需要大量的数据支撑， 因为这是一个理性的、 深思熟虑的计划过程， 其中有多种行动需要得到评估。 在这一过程中， 由于情形的变化或获得新的信息， 有些计划需要及时修正或调整， 甚至重新做计划， 这就是行动的适应性。 比如在航海中， 计划修正或重新计划有着重要功能， 因为要到达目的地， 舵手必须随时考虑洋流、 风向、 气象等变化因素， 以便及时调整航线。 不过， 重新计划是一个比计划更可能发生的事情， 因为时间压力通常是更大的因素， 这意味着很可能错失良机。 正所谓“机不再失， 时不再来”。 而且当计划已经实施时， 要调整也并非易事， 这涉及目标的改变和人员的分配等棘手问题。
水分测试仪进行测试。将烹饪好的鸡翅冷却至室温，去除鸡皮，取2±0.05g鸡肉，采用200℃进行快速测试。
重新计划还非常依赖于问题探测， 因为重新计划意味着原计划的改变与目标协商， 而且重新计划减少了可预测性， 而可预测性是协调所需要的。 问题探测是早期阶段发现潜在问题的能力， 这种能力在自然环境中显得格外重要。 克莱因等对消防、 护理、 天气预报等问题探测的研究发现， 在许多情形中， 发现问题的能力依赖于对境遇的一个同时再构造。 即问题探测由一个线索启动来修正研究者关于那个境遇的信念， 同时， 信念的修正允许对线索的更丰富的评价。[6]14-28
由于计划调整会带来一系列问题， 这就需要研究团队内部的协调。 在当代大科学时代， 团队合作是科学研究的常态， 认知任务目标的改变势必涉及整个计划和人员分配以及经费的调整。 因此， 协调对于认知任务分析是非常重要的一环。 协调不好， 必然会影响研究工作的进行。 这就是科学知识社会学上的科学知识产生的协商机制， 即科学知识的形成是科学家群体协商的结果。 这种观点虽然有点极端， 但也说明了知识形成过程中协商的重要性。 这是大科学时代科学合作的价值所在， 超越了小科学时代个人奋斗的认知方式， 如牛顿的研究。
定义 3[9] 设(U,A)是一个覆盖信息系统,C={C1,C2,…,Ct}是由A中属性a产生的论域U的一个覆盖。对任意的对象U,设(x)a=∩{C, Cj},则Cov(C)={U}是U的一个覆盖,并称之为覆盖C的诱导覆盖。
在本文中，FT2232D的两个多用途的UART/FIFO控制器分别被配置成串口模式和多协议同步串行接口模式。在这里，多协议同步串行接口模式是指JTAG-DP接口模式。同时，ARM SW-DP接口分时复用了JTAG-DP接口的TDO、TDI和串口的TX作为ARM SW-DP接口的信号线。如图3所示。
三、自然语境中的宏观认知过程
认知功能必然产生相应的认知过程。 宏观认知过程一般包括六个环节——保持共同基础、 发展心理模型、 心理模拟和故事(意义)建构、 控制不确定性和危机、 确定杠杆点、 控制注意。
保持共同基础对于团队内部的交流和协调以及高效工作是必要的[7]85-104， 因为认知任务的分析者是一个团队而非个人， 对于这个共同体中的每个成员， 他们有着共同的专业知识、 理论、 信念、 心理模型， 共享的境遇意识等。
心理模型是认知心理学的一个重要概念， 主要是指一种微观认知模式， 旨在揭示基本认知操作之间的因果关系， 如注意转移、 长时记忆中储存的内容等。 这里的心理模型是指有意识经验的宏观认知现象， 具有心理表象特征和事件综合理解的特征。 心理模型中的事件是基于域名概念和原则的抽象知识而形成的， 如此一来， 心理模型就与“心理图示”概念相关。 不过， 心理模型不像模板那样存储于心中， 随时可以脱掉心理架子， 被用于独立的认知行为。 每一次当数据集或境遇被感知时， 它们是积极地、 深思熟虑地重新形成的。 或者说， 心理模型是新境遇中产生的心理图像。 当人们获得经验时， 他们能够建构更丰富、 更准确、 更一致、 更连贯的心理模型。 有证据表明， 决策者在几乎所有领域中使用认知任务分析时会形成心理模型。 比如天气预报员会形成丰富的心理模型， 包括空气质量、 湿度、 云层变化等四维表象。
心理模拟是将心理模型投射到未来境遇中并建构故事。 我们能够在心中模拟一个新境遇如去三亚旅游， 并描述它的可能场景和过程， 如海边散步。 这样， 心理模型就提供了境遇如何产生以及它们现在是什么的因果理解， 而心理模拟涉及生成一系列事件并思考它们好像引起了可能的未来事件。 同心理模型一样， 心理模拟和故事建构对于意义形成、 问题探测和决策是必要的。
在心理模拟过程和故事建构过程中， 不确定性是不可避免的。 不确定性是一个状态、 一种感觉， 在这种情形中， 我们不知道或不理解某物， 但是感觉到我们需要它。 当重要数据缺失， 或者当我们的目标不明确， 或者问题本身没有得到清晰表达， 或者我们不知道接下来做什么时， 这些正是我们处于的一种不确定状态。 因此， 控制不确定性对于结构不明确和限定不明确的领域就是非常必要的。 那么， 不确定性是如何产生的呢？在认知活动中， 数据缺失、 数据的有效性不明确、 竞争性境遇评估模糊、 干扰意义形成的复杂性等， 都会产生不确定性。[8]62-69 在这一过程中， 我们尽量减少不确定性， 但在许多情形中， 数据收集会持续很长时间， 以至于不能获得完整数据， 因此研究者不得不面对不确定性， 也不得不发展技能积极应对不确定性。 也就是说， 认知过程中的不确定性是不可完全消除的， 只能尽力减少。
确定杠杆点(支点)就是识别机会， 并将那些机会转化为行动的过程。 在认知任务分析中， 比如消防员在灭火过程中， 他们不是通过搜索一个未确定的问题空间产生机会， 相反， 他们使用他们的经验来确定一个境遇中(如着火场景)的有希望的杠杆点， 寻求有利的杠杆点建构一个行动计划， 如找到一个最有利的灭火点。 因此， 机会的产生依赖于经验来建构一个行动过程以及记忆搜索。 这就涉及控制注意力的问题。 注意控制是利用感知过滤器来确定一个人将寻找和注意的信息。 在认知活动中， 注意力集中不集中关系到认知任务分析的成败。 随着信息技术的发展， 数据的流动异常快捷， 如手机的普及使信息交流迅速方便， 人们必须学会不断地避开干扰， 学会如何分配自己的注意力。
显然， 认知流动意味着认知是时间的函数， 也就是一个动力学过程， 其中认知功能与认知过程是变化的和交叉的。 宏观认知反映了多认知事件是如何在真实世界一起发生的， 同时也说明了复杂认知的本质——认知发生在功能与过程的框架中， 而不是发生在单一的、 连续的实体如长时记忆的因果链中。 认知元素以一个流动的和灵活的方式出现， 在与环境的动态互动中转移。 我们使用认知任务分析工具来理解和表征认知流动， 这对于探讨心智工作的真实机制是必要的。
然而问题是， 这种宏观认知是定性的而非定量的， 是否缺乏科学性？在笔者看来， 宏观认知作为一种实地调查研究， 是一种自然主义的解释方法， 不乏有控制性的实验科学所具有的特征， 如客观性、 可重复性、 可证伪性、 概括性、 可观察性、 简单性、 怀疑性， 其目的是发现一种因果解释， 尽管它缺乏严格的定量分析。 这是因为对认知的实地考察本身就包括了观察、 归纳、 假设、 检验等过程， 这与科学哲学中强调的科学方法(1)科学方法一般包括五个阶段： (1)选择一个问题或现象进行研究； (2)观察； (3)提出假设； (4)检验假设； (5)概括出广泛的理论， 或者其他应用。 参见Hogarth,R.Educating intuition.Chicage: University ofChicage Press,2001. 其实， 波普尔在《猜想与反驳》中更早描述了这一过程， 即问题→观察→假设→检验→理论或应用。 是一致的。
3) 更新:经过分裂步骤产生子集的某些整体特征可能与原始数据并不一致，为了保持数控机床热误差数据的这些整体特征，需要一个更新的过程。将更新过程用算子U来代替，其过程为：
其中，α∈[0,1]用于控制两种隐式信任对预测评分影响的重要性.特别地，当α=0意味着只考虑信任u的用户带来的隐式影响，α=1意味着只考虑u信任的用户带来的隐式影响.
四、以决策为中心的设计： 认知任务分析的一个精致案例
在认知系统发展过程中使用认知任务分析的目的之一是扩大和延伸我们人类做好决策的能力。 一种以决策为中心的设计(decision-centered design,DCD)方法为我们提供了一个精致的认知分析工具。 DCD方法使用认知任务分析来发展新技术， 包括复杂的人机系统， 即使用认知任务分析方法详细阐明基本认知需要， 并激活设计过程， 它是为解决系统必须支持的棘手案例或重要事件(困难的和挑战性的决策)而提出的。
DCD方法由五个阶段构成[1]180-187：
(1)准备——理解认知工作的领域和性质、 任务和功能的范围； 确定在哪里集中任务认知分析资源， 以及选择认知任务分析方法。
发现意义的任务将涉及发现“二级层次”的数据结构，该结构允许对更一般的发现物的认同和解释， 这种解释可能与个别数据记录相抵触。比如早产婴儿脓毒病的线索分析就包括一个“二级层次”的数据结构——脓毒病早期的信号、系统性感染，包括颜色变化、呼吸与脉搏率、昏睡、无反应性以及喂食异常等。所有这些过程会涉及如何创造数据的表征问题，因为表征的重要性不仅体现在描述关系和洞见上，也体现在揭示数据中包含的规律性方面。
(3)分析与表征——分解数据并结构化数据以启迪决策需要和设计杠杆点。
(4)应用设计——重复地发展设计概念和支持使用者的决策应用原型。
(5)评价——确定行为的重要测量， 评价和提升原型。
在这些步骤中， (1)是领域理解， 即理解领域、 任务和使用者； (2)是关键决定， 即使用认知任务分析方法理解重要决定， 确定研究团队的结构和交流； (3)是杠杆点， 即将数据分解为离散元素， 确定使用者的决策需求、 中心问题与主题； (4)是设计概念， 即建立原型系统和过程， 将决策需求转化为设计概念， 并决定如何最好支持使用者决策； (5)是影响估计， 即决定哪些优点将最好地测量行为， 检验系统是否支持使用者， 并建议重新设计以提供更大的支持。
克兰德尔等以海军船员在军舰受损的情况下运用信息技术应对危机的行为为例， 说明DCD方法的使用。 在军舰严重受损时， 比如被鱼雷击中或触礁起火， 对军舰的快速的、 有效的损伤控制避免其沉没是极其重要的， 这关乎全体船员的生命。 他们引用米勒等使用的DCD方法提出一个损伤控制个人管理系统， 被称为“损伤控制-跟踪资源和船员”(damage control-tracking resources and crew， DC-TRAC)， 目的是寻求加强指挥和控制军舰着火的方法。 米勒等提供了7种方法： (1)增强负责灭火的损伤控制助手(damage control assistant,DCA)的境遇意识； (2)加快决策； (3)提供更好的资源配置； (4)便利工作区， 适应意外事件； (5)帮助损伤控制团队强化他们的技能， 发展专门知识； (6)减轻工作量； (7)帮助团队评估他们的反应效率。
可以看出， 这些方法与DCD的阶段是基本一致的。 与DC-TRAC相比， 在DCD中， 阶段(1)是团队准备， 他们评估文档或文献， 研究最先进的损伤控制系统， 并注意关于损伤控制的海军教程。 阶段(2)实施知识引导程序。 在这方面， 该团队使用已超过25年的、 非常系统的分类决策方法， 该方法包括现在和先前的损伤控制助手、 损伤控制程序、 损伤控制研究人员以及其他损伤控制专家等。 这是一个损伤控制研究团队， 该团队专门采访了水面作战办公室学校(Surface Warfare Office School)的教师和位于弗吉尼亚诺福克岛的海上训练小组(At-sea training group)的成员。 该团队还考察了在前美国军舰沙德韦尔号(Shadwell)(2)沙德韦尔号是一艘退役的军舰，停泊在美国阿拉巴马的莫比尔海岸，它被配置成为专门实验损伤控制策略和技术的场所。现在，沙德韦尔号是世界上最大的船着火研究机构。美国海军将沙德韦尔号作为实验室使用。它的DC-TRAC团队目前通过观察和采访编制收藏了18起事故的全部资料。上收藏的损伤控制事件， 建立了可控制火的实验方法， 研究不同策略和技术的效果。
在阶段(3)该团队对他们所收集的数据进行广泛细致的分析， 有些分析是详细的， 一个事件接一个事件地进行检验。 其他分析编制所发现的信息， 并通过交叉的全数据系统确定它们。 例如， 他们利用DCD按照分类和决策进行分类， 也称分类决策方法(见表1)。
表1 分类决策方法
这些数据的分析说明， 在许多损伤控制事件中， 损伤控制助手方法通常将着火的地点和范围与船员所在的地点和范围混淆。 这一发现对于决策及其修正是非常重要的， 因为混淆了这一点， 对于及时营救船员是十分不利的。 这种损伤控制助手方法使用概念地图方法可以表示为概念地图(见图1)， 研究者设计“损伤控制-跟踪资源和船员”系统， 利用技术能力和使用传感器和遥测数据来提高损伤控制助手的境遇理解力。
图1 损伤控制助手方法概念地图
概念地图突出了损伤控制助手专门知识的几个附加方面： (1)通过散步并注意观察每一部分， 学习他的舰船， 即通过心理模拟一个问题如何传播和识别可能产生毁灭性事故的潜在危险； (2)知道如何保持大图景而不失去细节； (3)为获得所需信息展示主动出击的行为； (4)有效和快速地沟通交流； (5)与导致数据模糊的不确定性自如地共存。 显然， 研究团队创造了一个大的决策寻求表格来表征关于“损伤控制-跟踪资源和船员”系统的专门知识和境遇意识。 该表格通过决策类型包含了组织化和范畴化的数据， 以及利用线索和知识， 展示了这个决策为什么具有挑战性。
近几年，我国城市化水平得到了快速发展，城市中的给排水工程的规模也不断扩大。给排水工程是城市建设过程中一项基础工程，其质量，以及运行效果都会对人们的日常生活产生直接影响。因此，在给排水工程施工期间，要采取合理的措施，工程施工进行控制，从而使给排水工程的质量能够得到显著提高。
在DCD过程的第四阶段， 研究团队将决策需求转换为设计概念。 他们确定了两个主要概念： 其一， 支持损伤控制助手建立和保持对所揭示事件的境遇理解的能力。 这通过三个步骤来实现： 一是提供使事件的范围更可见的信息； 二是通过帮助损伤控制助手回答问题突出资源的位置和地位， 以便支持不确定性控制； 三是为通过提供关键信息建立境遇意识， 将损伤控制助手转换为回路并加快速度。 这些过程会反映在DC-TRAC界面上(屏幕上)。 其二， 支持损伤控制助手领域专门知识的获得。 这通过两方面来实现： 一方面， 创造一个工具， 它在迅速决策时支持技能的发展； 另一方面， 为普通人员(相对于专家)提供船的知识， 以便确定潜在级联事故。 研究团队设计“损伤控制-跟踪资源和船员”系统来支持“了解你的船”技能建构功能， 增强船员的境遇意识， 比如他们的位置、 地位、 技能信息， 提供可视化船的特征、 船员位置的一个平台， 并在一个框架中描述损伤情况。
DCD过程的第五阶段是评价DC-TRAC系统。 DC-TRAC的原型展示在退役军舰沙德韦尔号上四天， 看它在实战灭火中是否有用。 现实境遇的评价不同于使用分段模拟。 当遇到火焰、 烟雾和热的现实和压力时， 一个设计的抽象概念迅速地成为具体的概念。 在这一阶段， DCD团队的评价包括检验DC-TRAC对决策、 境遇意识的影响， 建立专门知识， 控制注意和探测问题。 每个特殊认知元素的评价维度是基于最初的认知任务分析的发现被确定和评估的。 比如， 研究者评价损伤控制助手的能力来做出关于覆盖危险区域的决断， 优化事故次序， 使用有效信息并传播给他人。 评估表明， DC-TRAC系统对于灭火操作和训练是有效的， 有助于损伤控制助手方法可视化多维度方面的损伤， 平行观看不同受影响的甲板的情形， 发现潜在的问题区域， 理解约定的几何图和火焰的垂直扩散。 另外， 评估也有助于研究团队发现他们需要在哪里强化进一步的设计。 因此， 测试与评估阶段为进一步发展提供了一套清晰的建议和属性。
[参 考 文 献]
[1] CRANDALL B, KLEIN G, HOFFMAN R R. Working Mind: A Practitioner’s Guide to Cognitive Task Analysis[M].Cambridge, Massachusetts: The MIT Press, 2006.
[2] KLEIN G,ROSS K G,MOON B M,et al. Macrocognition[J]. IEEE Intelligent System,2003,18(3).
[3] VICENTE K J. Cognitive work analysis:Towardsafe,productive,and healthy computer-based work[M].Mahwah,NJ:Lawrence Erlbaum & Associates,1999.
[4] KLEIN G. Sources of power: How people make decisions[M].Cambridge,MA: MIT Press,1999.
[5] KLEIN G.Recognition-primed decisions[J].Advances in man-machine system research.Greenwich,CT;JAIPress,1989(5).
[6] KLEIN G,PLISKE R M,CRANDAL B, et al.Problem detection[J].Cognition,Technology,and Work,2005,7(1).
[7] ENDSLEY M R.Situation awareness and the cognitive management of complex systems[J]. Human Factors,1995,37(1).
[8] SCHMITT J F,KLEIN G. Fighting in the fog: Dealing with battlefield uncertainty[J].Marine Corps Gazette,1996,80(8).
CognitiveTaskAnalysis:AMethodologyforAdaptiveRepresentation(Part2)
Wei Yidong
(ResearchCenterforPhilosophyofScienceandTechnology,ShanxiUniversity,Taiyuan030006,China)
Abstract: Cognitive task analysis, including knowledge guidance, date analysis and knowledge representation, which originates from the development of cognitive psychology, computer science and artificial intelligence and the like, is an adaptive representation based on environmental changes. As a macro cognitive method, it includes four stages: preparing date, arranging date, discovering meaning and representing discovery. Decision-centered design is a fine example of cognitive task analysis.
KeyWords: cognition; cognitive task analysis; adaptive representation
中图分类号:N031
文献标识码:A
文章编号:1009-4970(2019)10-0001-07
收稿日期：2019-03-14
基金项目：国家社会科学基金重点项目(16AZX006)
作者简介： 魏屹东(1958—)， 男， 山西永济人， 博士， 教授， 博士生导师。
[责任编辑 尚东涛]
标签：认知论文; 数据论文; 过程论文; 表征论文; 损伤论文; 哲学论文; 宗教论文; 心理学论文; 心理过程与心理状态论文; 《洛阳师范学院学报》2019年第10期论文; 国家社会科学基金重点项目(16AZX006)论文; 山西大学科学技术哲学研究中心; 哲学社会学学院论文;