數字化人機界面復雜度對人因失誤的影響研究

陳馳航CHEN Chi-hang

（杭州電子科技大學管理學院，杭州 310018）

0 引言

“十四五”規劃指出，要加快數字化發展，深化研發設計、生產制造等環節的數字化應用。因此，我國企業低端制造設備被逐步淘汰，大量引入以數字化人機界面為主要交互方式的智能制造設備。一方面，數字化人機界面信息提供、顯示能力更加出色，操作更加便捷。然而另一方面，巨量的信息顯示以及區別于傳統設備的操作方式使操作員負荷增大，在單位時間內可能無法有效地做出反應，進而引發人因失誤[1]。

人因失誤會降低設備運行的安全性，嚴重時可能引發重大事故。經調查發現，由于人的不安全操作或行為而引發的事故占總事故的70%～90%[2]。因此，盡管如今數字化設備已經廣泛運用，但機器并不能完全將人替代，人作為人機系統中的主體，仍然是最重要的角色。

綜上，合理優化數字化人機界面，豐富操作員與智能設備的交互經驗，減少人因失誤，在當下的研究中顯得尤為重要。雖然，針對數字化人機界面和人因失誤的相關研究十分豐富，但是鮮有學者將兩者聯系起來，從數字化人機界面的角度，來對人因失誤進行相關實證研究。因此，文章從數字化人機界面的角度，引入認知負荷及生理負荷作為中介變量，構建了對人因失誤的影響機制模型，對數字化制造企業的人因失誤進行相關實證研究。研究結論對如何減少數字化制造企業人因失誤具有一定借鑒意義。

1 理論分析與研究假設

1.1 數字化人機界面復雜度與人因失誤

人機界面是人機交互的重要媒介，隨著數字化和智能化的發展，人機界面有了很多新的特征，如：信息顯示、用戶界面交互與管理、軟控制系統等。根據上述特征，將人機界面復雜度分為界面顯示復雜度以及界面控制復雜度。一方面，顯示界面的信息量更大，窗口更多，色彩顯示更加豐富，操作人員極有可能會產生信息混淆、情境意識喪失等問題[3]。另一方面，人機界面的數字化使操作員需要同時進行軟硬件控制，不合理的控制界面設計以及更加復雜的操作邏輯會導致操作員的行為達不到操控的要求，從而出現更高的人因失誤概率[4]。因此，提出以下研究假設：

H1：界面顯示復雜度會對人因失誤產生顯著的正向影響

H2：界面控制復雜度會對人因失誤產生顯著的正向影響

1.2 認知負荷的中介效應

于數字化制造企業員工而言，設備顯示界面大量的文字、圖片等信息需要接受加工，信息呈現方式（如二維圖像、三維圖像和視頻）多種多樣，造成的視覺復雜性使操作員難以理解消化，會產生認知負荷；同時，操作員在對界面圖標控件進行操控時，若其設計的過于抽象或是出現語義不明，表意不清等情況，同樣會加重操作員的認知負荷。認知負荷過重狀態下會影響操作員后續對信息的感知和記憶，從而導致識別效率下降，對信號做出的反應遲鈍，最終導致人因失誤[5]。因此，提出以下假設：

H3：認知負荷在人機界面顯示復雜度和人因失誤之間產生中介效應

H4：認知負荷在人機界面控制復雜度和人因失誤之間產生中介效應

1.3 生理負荷的中介效應

智能制造企業中操作員需長時間面對顯示界面進行工作，會給操作員的身體尤其是眼睛帶來巨大負荷[6]。此外，操作員可能還需要面對同時執行數臺操控設備的工作任務，來回移動無疑也會帶來身體上的壓力。因此，若是長時間執行較高強度的工作任務，操作員的體力、耐力以及行動能力等可能會出現不同程度的下降，出現生理負荷。持續處于生理負荷狀態下，操作員易產生疲勞，錯誤率會增加，對作業績效以及安全績效產生負面影響[7]，還會危害身體健康。因此，提出以下假設：

H5：生理負荷在人機界面顯示復雜度和人因失誤之間產生中介效應

H6：生理負荷在人機界面控制復雜度和人因失誤之間產生中介效應

2 研究設計

2.1 變量測量

為保證變量測量的信度與效度，從國內外研究中甄選符合本文研究情境的成熟量表，結合數字化制造企業員工的操作特點進行反復修改，最終編制而成。量表使用Likert 五級量表，分別設置“非常不同意、不同意、不確定、同意和非常同意”，對應分值為“1、2、3、4、5”。量表從以下六個方面進行設計。①界面顯示復雜度（X1）。界面顯示復雜度參考Geissler[8]等對網頁界面感知復雜度的測量維度，設計5 個題項。②界面控制復雜度（X2）。界面控制復雜度參考SUS 系統可用性量表，設計5 個題項。③認知負荷（M1）。根據Tsang 和Velazquez[9]基于心理負荷的多重資源模型而提出的多維主觀評估負荷量表，結合操作員工作的實際情況，共設計7 個題項。④生理負荷（M2）。參考Martens[10]針對軀體焦慮設計的量表，結合企業員工操作設備時的負荷，設計4 個題項。⑤人因失誤（Y）。參考張力等[11]以S-O-R 人因失誤理論構建人因失誤量表，進行適當修改，最終確定8 個題項。⑥控制變量。操作員的性別（W1）、年齡（W2）、本工種工齡（W3）、文化程度（W4）和日均工作時長（W5）都可能影響人因失誤，因此選取以上人口統計學變量作為控制變量處理。

2.2 問卷發放與收集

對杭州、寧波、北京、廣州等地的多家數字化制造企業發放問卷，發放對象均屬于企業一線操作員工，且保證樣本多元化，最終共歷時數月時間，最終共回收問卷286 份，對問卷進行檢查，剔除填寫不完全以及明顯填寫錯誤的問卷，得有效問卷254 份，有效率為89%。

3 實證分析

3.1 信效度檢驗

3.1.1 信度檢驗

使用SPSS25.0 對量表進行信度檢驗，總量表的克隆巴赫α 系數為0.970，說明量表整體屬于高信度水平。進一步對各分量表進行測算，測得各分量表的克隆巴赫α系數分別為0.903、0.907、0.919、0.904、0.940，均大于0.85，信度都處于較高水平，表明該量表的一致性較好。

3.1.2 效度檢驗

首先進行探索性因子分析，量表的KMO 值為0.959＞0.6，巴特利特球形度檢驗顯著性小于0.001，因此，調查問卷所收集的數據初步符合要求。其次，進行驗證性因子分析，使用AMOS25.0 測量量表的結構效度，聚合效度以及區分效度。表1 結果顯示，各擬合優度指標均處于較好的范圍內，因此，該模型結構效度良好。表2 結果顯示，AVE均大于0.5，CR 均大于0.8，均顯著高于觀測值，說明量表具有較好的聚合效度，同時，AVE 平方根均顯著高于其他變量之間的相關系數（相關系數如表3 所示），說明量表具有良好的區分效度。

表1 驗證性因子分析指標擬合結果

表2 效度分析結果

表3 描述性統計與相關性分析

3.2 假設檢驗

3.2.1 描述性統計與相關分析

對樣本數據的均值、標準差進行統計，并進行Pearson相關系數檢驗。結果如表3 所示，5 個主要變量之間均存在顯著的正相關（p＜0.01）。

3.2.2 主效應檢驗

采用多元回歸分析方法對主要假設進行檢驗，結果見表4。根據模型4 的回歸結果顯示，界面顯示復雜度和界面控制復雜度均對人因失誤產生顯著的正向影響（β=0.455，p＜0.001；β=0.412，p＜0.001），假設H1 和H2 得以驗證。

表4 基本回歸模型

3.2.3 中介效應檢驗

使用Bootstrap 法進行中介效應檢驗，當Bootstrap 檢驗區間[LLCI，ULCI]不包括0 時，說明效應顯著。如表5 所示，界面顯示復雜度通過認知負荷以及生理負荷影響人因失誤時，置信區間分別為[0.119，0.358]、[0.052，0.220]，未經過0，說明認知負荷以及生理負荷在界面顯示復雜度與人因失誤之間起到顯著的中介效應，假設H3、H5 得到驗證。同樣，界面控制復雜度通過認知負荷以及生理負荷影響人因失誤時，置信區間為（[0.174，0.430]；[0.013，0.234]），未經過0，說明認知負荷以及生理負荷在界面控制復雜度與人因失誤間同樣起到顯著的中介效應，假設H4 和H6 得到驗證。最終所有假設均通過檢驗。

表5 Bootstrap 中介效應檢驗

4 主要研究結論與啟示

4.1 研究結論

①數字化人機界面復雜度對人因失誤有著顯著的正向影響。說明界面顯示的信息量越大，越多樣化，操作員接收難度越大，從而更加容易產生人因失誤。同時，界面控制越復雜，其操作邏輯、操作方式都相對會更加困難，不可避免地會出現更多差錯。

②認知負荷在人機界面復雜度與人因失誤之間起中介作用。說明界面顯示或界面控制復雜度的增加，都會導致信息量增大，當信息總量超過了操作員本身所具有的認知能力時，會產生人因失誤。同樣，生理負荷在人機界面復雜度與人因失誤之間也起部分中介作用。說明在數字化制造企業中操作員仍需要消耗大量體力操作設備，產生的生理負荷會導致操作員失誤率增加。

4.2 不足與展望

研究針對數字化程度較高的制造企業，獲取的樣本數量尚有不足，未來研究可加大樣本量進行分析。此外，研究未對數字化制造企業進行進一步細分，不同的細分行業可能存在不同的情況，后續研究可以從各細分行業入手，進行更詳細的對比分析。最后，本文采用線性回歸的方法進行分析，得出人機界面復雜度對人因失誤存在顯著的正向影響，然而現實中，兩者之間存在的可能并非單純的線性關系。上述不足還有待進一步解決，猜想還等未來進一步考證。