Autoren: Wolfgang Schoppek & Deborah Boehm-Davis

Die kognitive Modellierung kann im Anwendungskontext wie in der Grundlagenforschung eine wertvolle Methode sein. Wegen der Komplexität und dem erforderlichen Expertenwissen ist die Modellierung von ?Real World?-Aufgaben schwieriger als die von Laboraufgaben. Die Entwicklungszeit muss kurz sein und die Modelle müssen gültige Vorhersagen erbringen, wenn diese Methode in der angewandten Forschung für die Mensch-Maschine-Interaktion einen Einfluss erlangen soll. Wir vertreten die Auffassung, dass diese Anforderungen nur durch die Modellierung innerhalb von kognitiven Architekturen erfüllt werden können, in denen Standard-Lösungen für Mechanismen wie Entscheiden und Zielverwaltung vorgegeben sind. Als ein Beispiel für dieses Vorgehen, stellen wir ein ACT-R-Modell vor, das die Interaktion zwischen Pilot und Flight-Management-System simuliert. Das Modell erfüllt die vorgegebenen Aufgaben sehr gut, kann aber nur eine Teilmenge der Fehler begehen, die Menschen gewöhnlich machen. Unsere Forschung erbrachte nützliche Hinweise, wie ACT-R für die Simulation in komplexeren und dynamischeren Aufgabenumgebungen zu erweitern ist. Die meisten Aspekte, für die ACT-R nicht genug Beschränkungen liefert, resultieren aus der Aufgabendynamik und der Anforderung Teilaufgaben während langer Zeitintervalle auszulassen.

cognitive modeling, human-machine interaction, automation, task analysis, human error