互聯網技術企業R&D人員腦力負荷評價及其應用研究

（杭州電子科技大學 管理學院，浙江 杭州 310018）

互聯網技術企業R&D人員腦力負荷評價及其應用研究

蔡敏，陳蕓

（杭州電子科技大學 管理學院，浙江 杭州 310018）

隨著計算機技術及網絡技術的高速發展，國內涌現出大批互聯網技術企業，使得互聯網經濟應運而生，近年來互聯網技術企業R&D人員“過勞死”事件頻見于報端，因此對互聯網技術企業R&D人員腦力負荷進行評定，了解其腦力負荷水平以及變化規律，對于保證互聯網技術企業R&D人員身心健康，促進互聯網經濟健康持續發展有重要的現實意義。文章首先針對互聯網技術企業R&D人員腦力負荷特點，對目前國內外廣泛使用的SW A T量表進行修訂，形成C-SW A T量表，并對C-SW A T量表進行信度和效度評價，結果表明C-SW A T具有較好的信度和效度。然后基于C-SW A T量表設計調查問卷，對297名互聯網技術企業R&D人員進行腦力負荷評定，并分析其腦力負荷分布特征、變化規律及影響因素，結果表明互聯網技術企業R&D人員整體腦力負荷較高且呈正態分布，年齡、工齡、學歷水平和腦力負荷呈現出明顯正相關性。

互聯網技術企業；腦力負荷；SW A T量表；因子分析

一、引言

（一）研究的意義

計算機技術及網絡技術的高速發展，使得互聯網經濟如異軍突起般飛速發展，近年來，國內涌現出以阿里巴巴、百度、京東等為典型代表的互聯網技術企業，為中國經濟發展帶來了不容小覷的貢獻。2015年6月國務院發布了《實施“互聯網+”戰略，推動傳統產業升級的建議》，為互聯網技術企業帶來了最佳的發展契機[1]。R&D人員在互聯網技術企業中所占的比例要遠遠高于傳統企業，是互聯網技術企業核心競爭力之一，R&D投入已成為衡量一個企業創新能力高低的標準之一，但由于互聯網經濟下，產品更新換代速率明顯加快，使得互聯網技術企業R&D人員存在工作時間長、工作壓力大、腦力負荷重等現象，互聯網技術企業R&D人員“過勞死”事件也頻見于報端。因此，基于互聯網技術企業R&D人員工作特點對已有的腦力負荷主觀評價量表進行修訂，對其腦力負荷進行評定，并分析其腦力負荷分布特征、變化規律及影響因素，對于保證互聯網技術企業R&D人員身心健康，促進互聯網經濟健康持續發展有重要的現實意義。

（二）國內外研究現狀

腦力負荷是與體力負荷相對應的一個術語，腦力負荷是人因工程領域的一項重要的研究課題。早在20世紀70年代初期，西方國家就認識到評估腦力負荷的重要性，并投入了大量的人力和物力對腦力負荷進行研究[2]。但目前為止，腦力負荷還沒有嚴格的定義。Meijman等認為腦力負荷和勞動者在工作中愿意付出的信息處理能力有關，是一個相對的概念[3]。O'Donnell等將勞動者用于執行特定任務時使用的那部分信息處理能力定義為腦力負荷，而腦力負荷的測量就是對這部分信息處理能力進行的測量[4]。國內的廖建橋等認為腦力負荷是人的信息處理系統在工作時被使用情況的一個指標，并與人工作時閑置未用的信息處理能力成反比。他們認為腦力負荷可以用時間占有率和信息處理強度兩個因素來概括，時間占用率越高，腦力負荷越高，信息處理強度越大，腦力負荷越高[5-6]。

腦力負荷目前還不能直接進行測量，只能采用一些間接的方法對其進行評定，目前主要評定手段包括工作測量法、生理測量法和主觀測量法三種。工作測量法以勞動者待完成任務的績效（如作業速度、作業時間、成績、錯誤率等）作為腦力負荷的指標，它直接反映了勞動者的努力結果，但是它很難在不同任務間進行比較[7-9]。生理測量法是通過測量勞動者的某些生理指標的變化來反映其腦力負荷情況，目前研究的比較多的生理指標有自發腦電、事件相關電位（如P300）、心電、功能性近紅外光譜、腦血氧、眨眼率等[10-14]。但生理測量法需要有較為昂貴的專業生理信號測量設備，并且需要專業人員進行測試和分析，這給實際實施和應用帶來不便。主觀測量法，是一種最簡單也是最流行的腦力負荷評定方法，在其實施過程中，勞動者被要求判斷某一個工作強加于他們身上所產生的腦力負荷，通常需要給出一些定義和規則以指導勞動者進行腦力負荷評估，主觀測量法的理論基礎是勞動者能力的占用與他們較準確地報道的個人的努力程度是相關的。主觀測量法實施簡單，使用方便，它使用統一的維度對腦力負荷進行評定，可以對不同任務所產生的腦力負荷進行比較，它不僅能夠區分超負荷和非負荷，而且對中、低負荷的變化也比較敏感。由于主觀測量法具備效度高、無入侵性、使用經濟等特點，近20年來一直是最受歡迎的腦力負荷評定方法[15]。

目前使用較為廣泛的主觀測量技術是由美國空軍某基地航空醫院研究所開發的主觀負荷評價技術（Subjective Workload Assessment Technique，SWAT）[16]，在這種評價技術中，腦力負荷被認為與時間、壓力和努力程度這三個主要因素相關，每個因素有高、中、低三個水平，測試者被要求評估某項任務中這三個因素的高、中、低水平，然后由研究人員計算出完成這一任務的腦力負荷高低。但目前使用主觀評測法評估腦力負荷大多數集中于飛行駕駛、機場調度、交通調度等短時間需要處理大量信息的工作[17-22]，應用的領域比較狹窄，對于近年來蓬勃發展的互聯網技術企業R&D人員腦力負荷的研究幾乎空白，而由于近年來互聯網技術企業以及互聯網經濟的高速發展，互聯網技術企業R&D從業人員數量正在飛速增長，并且關于互聯網技術企業R&D人員“過勞死”的報道也頻見于報端，說明互聯網技術企業R&D人員的腦力負荷較重，并且已經影響到其身心健康。因此，研究互聯網技術企業R&D人員的腦力負荷及其主要影響因素，使其腦力負荷維持在一個適度的水平，對于保護互聯網技術企業R&D人員的身心健康，促進互聯網技術企業健康、穩定、持續發展具有非常重要的現實意義。

二、研究設計

（一）問卷指標的設計

本文針對互聯網技術企業R&D人員工作特點，參考國內外多篇文獻，綜合多位專家的意見，進行了大量前測工作，對傳統SWAT量表進行修訂形成C-SWAT量表，并根據C-SWAT量表設計互聯網技術企業R&D人員腦力負荷評定問卷，本問卷包含3個部分：第1部分向被調查者解釋調查的目的和內容；第2部分統計被調查者的基本特征，如性別、年齡、學歷水平等，如表1所示；第3部分是C-SWAT量表問項，包含量表維度說明、負荷指數評價以及維度兩兩對比表，分別如表2、圖1、表3所示。

表1 調查對象特征統計表

表2 量表維度說明

圖1 負荷指數評價

表3 維度兩兩對比表

量表維度說明用于向被測試者解釋每個測試維度的定義，以方便被測試者理解每個維度的具體含義。負荷指標評價包含時間負荷、努力負荷、心理緊張負荷、工作興趣和工作自由度5個維度，調查對象根據自己執行工作的實際情況，分別在代表5個維度的直線上的相應位置做標記。維度兩兩對比表用于確定每個維度對于特定調查對象的腦力負荷貢獻權重。

（二）問卷的發放和數據統計處理

本文以杭州市某互聯網技術企業R&D部門R&D人員為調查目標，此次調查共發放問卷381份，回收問卷324份，回收率為85.04%，有效問卷為 297份，有效率為91.67%，其中120例在2—3周內重新進行測試，用于重測信度分析。

數據統計之前需要將量表各維度1～10的得分值換成百分制，需要特別注意的是，工作興趣和工作自由度兩個本來是從左往右逐漸減小的，因為工作興趣越小、工作自由度越小，腦力負荷越大，但是為了防止調查對象在量表填寫時出錯，將這兩個維度也調整成從左往右逐漸增加，以和另外三個維度保持一致，減少調查對象在填寫量表時的困惑，提高量表填寫的可靠性，因此，在數據處理時，工作興趣和工作自由度這樣兩個維度需要按照公式1進行百分制換算。

維度最終分值=（10-維度填寫分值）*10 （1）

五個維度的兩兩對比表用于確定每個維度對于腦力負荷貢獻的權重，通過表4確定每個維度的對應權重。最終調查對象的腦力負荷等于5個維度的最終值乘以相應權重的總和。

表4 維度被選次數與其權重對應表

三、實證分析

（一）量表信度評價

本研究從重測信度、分半信度、α系數、Ω系數、θ系數以及條目與總分的一致性分析方面對C-SWAT量表進行信度評價。

C-SWAT量表及其各維度重測信度分析結果如表 5所示，C-SWAT量表及其各維度的 ICC位于0.611～0.752，P值均小于0.001，具有統計學意義，根據ICC要求，其穩定性屬于良好。其Pearson線性相關分析結果顯示相關系數r與相應的ICC均較接近，表明兩次調查的誤差都是隨機誤差。

表5 C-SWAT量表及其各維度重測信度結果

C-SWAT量表的分半信度、α系數、Ω系數、θ系數對比如表6所示，C-SWAT量表的分半信度均大于0.88，α系數均大于0.78，Ω系數、θ系數大于0.90，均符合心理測量學的要求，由此表明修訂后的C-SWAT量表的各維度測試內容依然具備很好的一致性。

表6 C-SWAT量表的分半信度、α系數、Ω系數、θ系數分析結果

C-SWAT量表各維度得分與總分之間的一致性分析結果如表7所示，C-SWAT量表各維度得分與總分之間的相關系數分別為0.887、0.891、0.816、0.511、0.548，均大于0.5，而研究表明量表與總分之間的相關系數大于0.3即表明該維度較好[23]，因此新增的工作興趣和工作自由度這兩個維度與量表整體測試內容之間也具有較好的一致性。所有系數的P值均小于0.001，具有統計學意義，表明C-SWAT量表各維度測定內容與量表整體測試定內容之間具有較好的一致性。

表7 C-SWAT量表各維度與總分的一致性分析

（二）量表效度評價

區分效度評價方法是通過將參與重復測試的120名對象的腦力負荷總得分由高到低進行排序，然后把總得分最高的20%作為高得分組，總得分最低的20%作為低得分組，采用獨立樣品t檢驗對比高低得分組各維度的得分差異，分析結果如表8所示。結果表明C-SWAT量表各個維度在高得分組和低得分組具有明顯差異，新增的工作興趣和工作自由度兩個維度相比至于另外三個維度，高分組和低分組的差異要稍弱一點，但依然符合心理統計學要求。因此，C-SWAT量表的各個維度均具有鑒別能力，能夠區分調查對象的不同腦力負荷水平。

表8 C-SWAT量表區分效度結果

C-SWAT量表的KMO檢驗及Bartlett's檢驗結果如表9所示，結果表明C-SWAT量表的KMO值大于0.68，P值均小于0.001，因此適合進行因子分析。C-SWAT量表的因子分析結果如表10所示，C-SWAT量表共提取一個特征根大于等于1的公因子，其貢獻率為76.531%，相比于W1量表有所提高，且五個維度在該因子上的因子負荷均大于0.75，公因子方差大于0.65。因此，C-SWAT量表能很好地反映調查對象的腦力負荷情況。

表9 C-SWAT量表KMO及Bartlett's檢驗結果

表10 C-SWAT量表各維度因子分析結果

（三）互聯網技術企業R&D人員腦力負荷分布特征及其變化規律

統計分析結果表明，調查對象C-SWAT腦力負荷均數為74.18，中位值為75.12，較為接近，其頻數分布如圖 2所示，近似正態分布。單樣本K-S檢驗Z值為0.853，P值為0.863（P＞0.05），提示互聯網技術企業R&D人員腦力負荷的分布為近似正態分布。同時，互聯網技術企業R&D人員腦力負荷平均值為74.81，表明互聯網技術企業R&D人員腦力負荷相對較重。

圖2 互聯網技術企業R&D人員腦力負荷頻點分布圖

以年齡、工齡、學歷水平等個體特征為自變量，以腦力負荷為因變量對互聯網技術企業R&D人員腦力負荷水平進行一元和多元線性回歸分析?；貧w分析時，年齡、工齡為連續變量，以原變量形式引入，性別、婚育狀況為無序分類變量，以啞變量形式引入，學歷水平為有序分類變量，但無法確認各學歷水平間腦力負荷是否呈直線關系，故在此也采用啞變量形式引入。啞變量中，性別以女性為參照，0為女性，1位男性；婚育情況以未婚為參照，0為未婚，1為已婚未育，2為已婚已育；學歷水平以本科為參照，0為本科，1位碩士研究生，2位博士研究生。

互聯網技術企業R&D人員腦力負荷與個體特征間的一元線性回歸分析結果如表11所示。一元線性分析結果表明，年齡、性別、工齡、學歷水平1和婚育狀況2的偏回歸系數均為正值，且 P值小于0.05，具有統計學意義，說明互聯網技術企業R&D人員腦力負荷隨著年齡、工齡以及學歷水平的增加而增加，男性員工的腦力負荷水平高于女性員工，已婚已育員工的腦力負荷高于未婚員工。

表11 互聯網技術企業R&D人員腦力負荷與個體特征的一元線性回歸分析

多元線性回歸分析中，首先將調查對象的所有個體特征因素均納入回歸分析中，并按照α=0.10的標準選擇變量進行擬合腦力負荷水平的多元線性回歸模型，以更好地控制各種混雜因素。

多元線性回歸分析結果如表12所示，結果表明，年齡、文化程度的偏回歸系數P值小于0.01，具有統計學意義，而性別、工齡、婚育狀況的偏回歸系數無統計學意義。

表12 互聯網技術企業R&D人員腦力負荷與個體特征的多元線性回歸分析

從表13中各自變量的容差和方差膨脹因子分析結果可以看出，年齡和工齡的容差較小而方差膨脹因子很大，年齡和工齡的線性診斷顯示最大條件指數為64.465，遠遠大于10，并且常數項、年齡和工齡的方差比分別是0.85、0.94、0.84，均大于0.5，由此表明年齡和工齡存在共線性。故在此將年齡和工齡分開進行腦力負荷多元線性分析，結果表明刪除年齡自變量的多元線性分析結果與刪除工齡自變量后的多元線性分析結果顯示，表14所示為刪除工齡后的腦力負荷多元線性回歸分析結果，結果表明各變量的方差膨脹因子均小于10，說明各自變量間共線性不明顯。

表13 刪除工齡后的腦力負荷與個體特征的多元線性回歸分析

按照α=0.10的標準選擇表 13中的個體特征變量進行腦力負荷多元線性回歸模型擬合，擬合結果如表14所示，結果表明，年齡（或者工齡）、學歷水平的P值均小于0.05，可作為腦力負荷的影響因素，擬合出的多元線性回歸模型的P值小于0.001，具備顯著的統計學意義。同時，年齡（或者工齡）和學歷水平的偏回歸系數均為正值，說明腦力負荷隨著的年齡的增長而增加，學歷水平越高，腦力負荷越大。

表14 刪除工齡后的腦力負荷與個體特征的多元線性回歸分析

四、結論

本文結合目前互聯網技術企業R&D人員腦力負荷特征，對目前廣泛使用的SWAT主觀腦力負荷評價量表進行了修訂，形成C-SWAT量表，并對C-SWAT量表的信度和效度進行檢驗，然后針對C-SWAT量表進行問卷設計，并對297名互聯網技術企業R&D人員進行腦力負荷評定，分析其腦力負荷分布特征和影響影響因素，本文結論如下：

1.修訂的C-SWAT量表具有很好的信度和效度。修訂的C-SWAT具有很好的重測信度、分半信度、內部一致性以及維度與總分的一致性；修訂的C-SWAT量表的KMO效驗和球形效驗表明C-SWAT量表仍適合做因子分析，C-SWAT量表的因子分析結果表明其具有更好的結構效度。因此，C-SWAT量表適合作為互聯網技術企業R&D人員腦力負荷測量工具。

2.互聯網技術企業R&D人員腦力負荷分布特征、變化規律和影響因素。互聯網技術企業R&D人員腦力負荷呈現出正態分布特征，且整體腦力負荷較重；年齡（或者工齡）、學歷水平為腦力負荷的主要影響因素，且年齡（或者工齡）對于腦力負荷影響要大于學歷水平。

[1]王宇虹，2016.我國互聯網企業人力彈性管理研究[J].經營管理者（2）：150-151.

[2]Neville M.Mental Workload：its theory and measurement[M].New York：Plenum，1979：3-19.

[3]Meijman TF，O'Hanlon JF.Workload：An introduction to psychological theories and measurement methods[J].Handbook of Work and Organizational Psychology.New York：Wiley.1984：257-288.

[4]O'Donnell RD，Eggemeier FT.Workload assessment methodology[J]. Handbook of perception and human performance.New York：Wiley. 1986，2：42-49.

[5]廖建橋.腦力負荷及其測量[J].系統工程學報，1995，10（3）：119-123.

[6]廖建橋，王文弼.時間長短對腦力負荷強度影響的研究[J].人類工效學，1997，3（4）：16-21.

[7]Meshkati N，Loewenthal A.An eclectic and critical review of four primary mental workload assessment methods：a guide for developing a comprehensive model[J].Advances in Psychology，1988（52）：251-267.

[8]Albert J Rehmann.Handbook of human performance measure and crew requirements for flight deck research[J].The National Technical Information Service：Springfieled，1995：19-21.

[9]Hicks T G，Wierwille W W.Comparion of five mental workload assessment procedures in a moving-base driving simulator[J].Human Factors：The Journal of the Human Factors and Ergonomics Society，1979，21（2）：129-143.

[10]Kakizaki T.Occipital midline EEG and subjective rating of task difficulty as indices of mental task strain[J].European journal of applied physiology and occupational physiology，1987，56（2）：163-168.

[11]Koles Z J，Flor-Henry P.Mental activity and the EEG：task and workload related effects[J].Medical and biological Engineering and Computing，1981，19（2）：185-194.

[12]Kakizaki T.Relationship between EEG amplitude and subjective rating of task strain during performance of a calculating task[J]. European journal of applied physiology and occupational physiology，1984，53（3）：206-212.

[13]Kakizaki T.Evaluation of mental task strain based on occipital beta activity and subjective rating of task difficulty[J].European journal of applied physiology and occupational physiology，1985，54（5）：466-470.

[14]ULLSPERGER P，METZ A M，GILLE H G.The P300 component of the event-related brain potential and mental effort[J].Ergonomics，1988，31（8）：1127-1137.

[15]柳忠起，袁修干，劉濤，等.航空工效中的腦力負荷測量技術[J].人類工效學，2003，9（20）：19-22.

[16]Reid G B，Nygren T E.The subjective workload assessment technique：a scaling procedure for measuring mental workload[J].Human Mental Workload Amsterdam：North-Holland，1988：185-218.

[17]姚永杰，常耀明，吳興裕，等.儀表飛行時直升機飛行員腦力負荷的主觀評價[J].中華航空航天醫學雜志，2007，18（3）：176-180.

[18]劉寶善，廖建橋，王玉紅，等.殲擊機飛行員腦力負荷評價模型的研究[J].中華航空航天醫學雜志，2000，11（1）：24-28.

[19]劉維平，聶俊峰，金毅，等.基于任務-網絡模型的裝甲車輛乘員腦力負荷評價方法研究[J].兵工學報，2015，36（9）：1805-1810.

[20]Lamoureux T.The influence of aircraft proximity data on the subjective mental workload of controllers in the air traffic control task[J]. Ergonomics，1999，42（11）：139-142.

[21]Hankins T C，Wilson G F.A comparison of heart rate，eye activity，EEG and subjective measures of Pilot mental workload during flight [J].Aviation，space，and environmental medicine，1998，69（4）：75-79.

[22]Fallahi Majid，Motamedzade Majid，et al.Assessment of operators' mental workload using physiological and subjective measures in cement，city traffic and power plant control centers[J].Health promotion perspective，2016，6（2）：96-103.

[23]鄭延平.量表研究的策略[J].國際精神病學雜志，1987，14（3）：144-148.

（責任編輯：C 校對：R）

F272.92

A

1004-2768（2017）01-0118-05

2016-11-08

蔡敏（1973-），女，浙江溫州人，杭州電子科技大學管理學院副教授，研究方向：人因工程；陳蕓（1988-），女，安徽滁州人，杭州電子科技大學管理學院碩士研究生，研究方向：人因工程。