نمذجة الأداء البشري

أشار هيك (1952) وهايمان (1953) إلى أن صعوبة مهمة زمن رد الفعل الاختياري تتحدد إلى حد كبير بإنتروبيا المعلومات في الموقف. واقترحا أن إنتروبيا المعلومات ( H ) هي دالة لعدد البدائل ( n ) في مهمة الاختيار، H = log₂ ₍ n + 1) ؛ وأن زمن رد الفعل (RT) للمُشغِّل البشري هو دالة خطية للإنتروبيا: RT = a + bH . يُعرف هذا بقانون هيك-هايمان لزمن استجابة الاختيار. ^{[ 7 ]}

يُعدّ التأشير إلى أهداف ثابتة كالأزرار والنوافذ والصور وعناصر القوائم وأدوات التحكم على شاشات الحاسوب أمرًا شائعًا، وله أداة نمذجة راسخة للتحليل، وهي قانون فيتس (فيتس، 1954)، الذي ينص على أن زمن القيام بحركة مُوجّهة (MT) هو دالة خطية لمؤشر صعوبة الحركة: MT = a + bID . ويُعدّ مؤشر الصعوبة (ID) لأي حركة معينة دالةً لنسبة المسافة إلى الهدف (D) إلى عرض الهدف (W): ID = log ₂ (2D/W)، وهي علاقة مُستنتجة من نظرية المعلومات . ^{[ 7 ]} ويُعزى انتشار استخدام فأرة الحاسوب إلى قانون فيتس ، وذلك بفضل أبحاث كارد وإنجلش وبور (1978). تنطبق امتدادات قانون فيت أيضًا على توجيه المؤشر نحو الأهداف المتحركة مكانيًا، وذلك عبر قانون التوجيه ، الذي اكتشفه سي جي دروري لأول مرة عام 1971 ^{[ 16 ] [ 17 ] [ 18 ]} ، ثم أعيد اكتشافه لاحقًا في سياق التفاعل بين الإنسان والحاسوب بواسطة أكوت وزهاي (1997، 1999). ^{[ 19 ] [ 20 ]}

لا تُنمذج المهام الحركية المعقدة، كتلك التي يؤديها الموسيقيون والرياضيون، بشكل جيد نظراً لتعقيدها. ومع ذلك، يُعد سلوك تتبع الهدف لدى الإنسان مثالاً ناجحاً على استخدام نماذج الأداء البشري في المهام الحركية المعقدة.

إن تاريخ نظرية التحكم اليدوي واسع النطاق، ويعود إلى القرن التاسع عشر فيما يتعلق بالتحكم في الساعات المائية. ومع ذلك، خلال أربعينيات القرن العشرين، ومع ابتكار آليات المؤازرة في الحرب العالمية الثانية، تم إجراء أبحاث مكثفة حول التحكم المستمر واستقرار الأنظمة المعاصرة مثل هوائيات الرادار وأبراج المدافع والسفن/الطائرات عبر إشارات التحكم التغذية الراجعة.

طُوِّرت أساليب تحليلية للتنبؤ بأنظمة التحكم اللازمة لتمكين تحكم مستقر وفعال في هذه الأنظمة (جيمس، نيكولز، وفيليبس، 1947). انصبّ اهتمام جيمس وآخرون (1947) في البداية على الاستجابة الزمنية - أي العلاقة بين المخرجات المُستشعرة ومخرجات المحرك كدالة للزمن - واكتشفوا أن خصائص هذه الأنظمة تُوصَف على أفضل وجه بفهم الاستجابة الزمنية بعد تحويلها إلى استجابة ترددية؛ وهي نسبة سعة المخرجات إلى سعة المدخلات وتأخر الاستجابة ضمن نطاق الترددات التي تكون حساسة لها. بالنسبة للأنظمة التي تستجيب خطيًا لهذه المدخلات، يمكن التعبير عن دالة الاستجابة الترددية بتعبير رياضي يُسمى دالة النقل . ^{[ 7 ]} طُبِّق هذا أولًا على أنظمة الآلات، ثم على أنظمة التفاعل بين الإنسان والآلة لتعظيم الأداء البشري. وكان توستين (1947)، الذي اهتم بتصميم أبراج المدافع للتحكم البشري، أول من أثبت إمكانية تقريب الاستجابة البشرية غير الخطية بنوع من دوال النقل. قام ماكروير وكرينزل (1957) بتجميع جميع الأعمال التي أُنجزت منذ توستين (1947)، وقاما بقياس وتوثيق خصائص دالة النقل البشري، مما بشّر بعصر نماذج التحكم اليدوي للأداء البشري. ومع تطبيق أنظمة التحكم الكهروميكانيكية والهيدروليكية في الطائرات، بدأت أنظمة الأتمتة وأنظمة الاستقرار الإلكتروني الاصطناعي في تمكين الطيارين من التحكم في أنظمة بالغة الحساسية. ولا تزال دوال النقل هذه تُستخدم حتى اليوم في هندسة التحكم .

انطلاقًا من ذلك، طُوِّر نموذج التحكم الأمثل (بيو وبارون، 1978) لمحاكاة قدرة المشغل البشري على استيعاب ديناميكيات النظام وتقليل دوال الهدف، مثل متوسط ​​الجذر التربيعي للخطأ عن القيمة المستهدفة. كما يُراعي نموذج التحكم الأمثل التشويش في قدرة المشغل على ملاحظة إشارة الخطأ، ويُقرّ بالتشويش في نظام الإخراج الحركي البشري.

إلا أن التقدم التكنولوجي وما تبعه من أتمتة قد قلل من ضرورة ورغبة التحكم اليدوي في الأنظمة. أصبح التحكم البشري في الأنظمة المعقدة في كثير من الأحيان ذا طبيعة إشرافية على نظام معين، وقد تحول كل من العوامل البشرية وإدارة الأداء البشري من دراسة المهام الإدراكية الحركية إلى الجوانب المعرفية للأداء البشري.

على الرغم من أن نظرية كشف الإشارات ليست جزءًا رسميًا من منهجية إدارة الأداء البشري، إلا أنها تؤثر على هذه المنهجية، لا سيما ضمن النماذج المتكاملة. تُعد نظرية كشف الإشارات بلا شك الإطار النموذجي الأكثر شهرة واستخدامًا في مجال العوامل البشرية، وهي عنصر أساسي في تعليم الإحساس والإدراك البشري. عمليًا، يتمثل الموقف محل الاهتمام في حالة يتعين على المشغل البشري فيها إصدار حكم ثنائي حول وجود إشارة أو عدم وجودها في بيئة ضوضاء. يمكن تطبيق هذا الحكم في العديد من السياقات الحيوية. إلى جانب استجابة المشغل، هناك حالتان "صحيحتان" محتملتان: إما وجود الإشارة أو عدم وجودها. إذا حدد المشغل وجود الإشارة بشكل صحيح، يُطلق على ذلك "نجاحًا" ( H). إذا أجاب المشغل بوجود إشارة في حين أنها غير موجودة، يُطلق على ذلك " إنذارًا خاطئًا" (FA). إذا أجاب المشغل بشكل صحيح في حين أنه لا توجد إشارة، يُطلق على ذلك " رفضًا صحيحًا" (CR). أما إذا كانت الإشارة موجودة ولم يتمكن المشغل من تحديدها، فيُطلق على ذلك " فشلًا" (M).

في علم النفس التطبيقي وعلم العوامل البشرية، تُطبَّق نظرية تقرير المصير على مشكلات بحثية تشمل التعرّف والذاكرة واختبار القدرات واليقظة. وتُعدّ اليقظة ، التي تُشير إلى قدرة الأفراد على رصد الإشارات غير المتكررة بمرور الوقت، مهمةً في مجال العوامل البشرية عبر مجموعة متنوعة من المجالات.

Many domains contain multiple displays, and require more than a simple discrete yes/no response time measurement. A critical question for these situations may be "How much time will operators spend looking at X relative to Y?" or "What is the likelihood that the operator will completely miss seeing a critical event?" Visual sampling is the primary means of obtaining information from the world.^[25] An early model in this domain is Sender's (1964, 1983) based upon operators monitoring of multiple dials, each with different rates of change.^[26][27] Operators try, as best as they can, to reconstruct the original set of dials based on discrete sampling. This relies on the mathematical Nyquist theorem stating that a signal at W Hz can be reconstructed by sampling every 1/W seconds. This was combined with a measure of the information generation rate for each signal, to predict the optimal sampling rate and dwell time for each dial. Human limitations prevent human performance from matching optimal performance, but the predictive power of the model influenced future work in this area, such as Sheridan's (1970) extension of the model with considerations of access cost and information sample value.^[7][28]

A modern conceptualization by Wickens et al. (2008) is the salience, effort, expectancy, and value (SEEV) model. It was developed by the researchers (Wickens et al., 2001) as a model of scanning behavior describing the probability that a given area of interest will attract attention (AOI). The SEEV model is described by p(A) = sS - efEF + (exEX)(vV), in which p(A) is the probability a particular area will be samples, S is the salience for that area; EF represents the effort required in reallocating attention to a new AOI, related to the distance from the currently attended location to the AOI; EX (expectancy) is the expected event rate (bandwidth), and V is the value of the information in that AOI, represented as the product of Relevance and Priority (R*P).^[25] The lowercase values are scaling constants. This equation allows for the derivation of optimal and normative models for how an operator should behave, and to characterize how they behave. Wickens et al., (2008) also generated a version of the model that does not require absolute estimation of the free parameters for the environment - just the comparative salience of other regions compared to region of interest.^[7]

تشمل نماذج التمييز البصري للأحرف الفردية نماذج جيبسون (1969)، وبريجز وهوسيفار (1975)، وماكليلاند وروميلهارت (1981)، ويُعدّ الأخير جزءًا من نموذج أوسع للتعرف على الكلمات، اشتهر بتفسيره لتأثير تفوق الكلمة . وتتميز هذه النماذج بتفاصيلها الدقيقة، وتقدم تنبؤات كمية حول التأثيرات الطفيفة لأحرف محددة. ^{[ 7 ]}

يتضمن مثال HPM النوعي نموذج Cutting and Vishton (1995) لإدراك العمق، والذي يشير إلى أن إشارات إدراك العمق تكون أكثر فعالية على مسافات مختلفة.

على الرغم من أن تعريفًا دقيقًا أو طريقة لقياس مفهوم عبء العمل لا تزال محل نقاش في أوساط العاملين في مجال العوامل البشرية، إلا أن جزءًا أساسيًا من هذا المفهوم يتمثل في أن لدى العاملين البشريين حدودًا معينة في قدراتهم، وأن تجاوز هذه الحدود لا يكون إلا على حساب تراجع الأداء. فعلى سبيل المثال، بالنسبة لعبء العمل البدني، يمكن فهم أن هناك حدًا أقصى لما يجب أن يُطلب من الشخص رفعه بشكل متكرر. ومع ذلك، يصبح مفهوم عبء العمل أكثر إثارة للجدل عندما يتعلق الأمر بالقدرة على التركيز - ما هي حدود التركيز البشري، وماذا يُقصد بالتركيز تحديدًا؟ يقدم نمذجة الأداء البشري رؤى قيّمة في هذا المجال. ^{[ 7 ]}

تناول بيرن وبيو (2009) مثالًا على سؤال أساسي حول عبء العمل: "إلى أي مدى تتداخل المهمتان أ و ب؟" ويشير الباحثان إلى هذا السؤال كأساس لنموذج فترة الاستجابة النفسية (PRP). يؤدي المشاركون مهمتين تتطلبان اختيار زمن رد الفعل، وتتداخل المهمتان إلى حد ما - خاصةً عندما يتعين على المشارك الاستجابة للمحفزات الخاصة بالمهمتين عندما تكونان متقاربتين زمنيًا - ولكن عادةً ما تكون درجة التداخل أقل من إجمالي الوقت المستغرق لأي من المهمتين. يُجسد نموذج عنق الزجاجة لاختيار الاستجابة (باشلر، 1994) هذا الوضع بشكل جيد - حيث تتكون كل مهمة من ثلاثة عناصر: الإدراك، واختيار الاستجابة (المعرفة)، والناتج الحركي. يتمثل القيد الانتباهي - وبالتالي موضع عبء العمل - في أنه لا يمكن اختيار الاستجابة إلا لمهمة واحدة في كل مرة. يقدم النموذج العديد من التنبؤات الدقيقة، أما تلك التي لا يستطيع تفسيرها فتتم معالجتها بواسطة البنى المعرفية (بيرن وأندرسون، 2001؛ ماير وكيراس، 1997). في حالات المهام المزدوجة البسيطة، يتم قياس الانتباه وعبء العمل، ويصبح من الممكن إجراء تنبؤات ذات مغزى. ^{[ 7 ]}

يتناول هوري وويكنز (2003) السؤالين التاليين: إلى أي مدى يؤثر أداء مهمة ثانوية على أداء القيادة، وهل يعتمد ذلك على طبيعة القيادة وعلى واجهة المستخدم المُقدمة في المهمة الثانوية؟ باستخدام نموذج قائم على نظرية الموارد المتعددة (ويكنز، 2002، 2008؛ نافون وغوفر، 1979)، والتي تقترح وجود عدة مواقع لتداخل المهام المتعددة (مراحل المعالجة، ورموز المعالجة، والطرائق الحسية )، يشير الباحثان إلى أن التداخل بين المهام يزداد طرديًا مع مدى استخدام المهمتين لنفس الموارد ضمن بُعد معين: فالعرض المرئي لمهمة القراءة الاسترجاعية من شأنه أن يؤثر على القيادة بشكل أكبر من العرض السمعي، لأن القيادة نفسها تتطلب جهدًا أكبر من الحاسة البصرية مقارنةً بالحاسة السمعية. ^{[ 7 ]}

على الرغم من أن نظرية الموارد المتعددة هي النموذج الأكثر شهرةً لإدارة عبء العمل في مجال العوامل البشرية، إلا أنها غالبًا ما تُعرض بشكل وصفي. تُعدّ التطبيقات الحاسوبية التفصيلية بدائل أفضل لتطبيقها في أساليب إدارة الأداء البشري، بما في ذلك نموذج هوري وويكنز (2003)، الذي يتميز بعموميته الكافية لتطبيقه في العديد من المجالات. كما أن المناهج المتكاملة، مثل نمذجة شبكة المهام، أصبحت أكثر شيوعًا في الأدبيات. ^{[ 7 ]}

تُعدّ الكتابة الرقمية مهمةً إدراكية حركية هامة، وقد يختلف أداؤها باختلاف سرعة الكتابة، واستراتيجيات الأصابع، ومدى إلحاح الموقف. يسمح نموذج معالج البيانات البشرية القائم على شبكة الانتظار (QN-MHP)، وهو بنية حاسوبية، بنمذجة أداء المهام الإدراكية الحركية رياضيًا. حسّنت هذه الدراسة نموذج QN-MHP بآلية تحكم من أعلى إلى أسفل، وآلية تحكم حركي ذات حلقة مغلقة، وآلية تحكم حركي متعلقة بالأصابع، وذلك لمراعاة تداخل المهام، وتقليل نقطة النهاية، ونقص القوة، على التوالي. كما دمج النموذج نظرية الضوضاء العصبية الحركية لتحديد تباين نقطة النهاية في الكتابة. تم التحقق من صحة تنبؤات النموذج لسرعة الكتابة ودقتها باستخدام نتائج تجارب لين وو (2011). بلغت أخطاء الجذر التربيعي المتوسط ​​الناتجة 3.68% بمعامل ارتباط 95.55% لوقت الاستجابة، و35.10% بمعامل ارتباط 96.52% لدقة الكتابة. يمكن تطبيق هذا النموذج لتوفير معدلات الكلام المثلى لتوليف الصوت وتصميم لوحات المفاتيح في مختلف حالات الكتابة الرقمية. ^{[ 29 ]}

The psychological refractory period (PRP) is a basic but important form of dual-task information processing. Existing serial or parallel processing models of PRP have successfully accounted for a variety of PRP phenomena; however, each also encounters at least 1 experimental counterexample to its predictions or modeling mechanisms. This article describes a queuing network-based mathematical model of PRP that is able to model various experimental findings in PRP with closed-form equations including all of the major counterexamples encountered by the existing models with fewer or equal numbers of free parameters. This modeling work also offers an alternative theoretical account for PRP and demonstrates the importance of the theoretical concepts of “queuing” and “hybrid cognitive networks” in understanding cognitive architecture and multitask performance.^[30]

أحد مجالات الذاكرة والإدراك يتعلق بنمذجة المهارات المعرفية الروتينية؛ حيث يمتلك المستخدم المعرفة الصحيحة بكيفية أداء مهمة ما، ويحتاج فقط إلى تطبيق تلك المعرفة. وهذا ينطبق على نطاق واسع، إذ أن العديد من المستخدمين يتمتعون بخبرة كافية تجعل إجراءاتهم روتينية. وقد تم تطبيق نماذج أداء الإنسان من عائلة GOMS (الأهداف، والمشغلون، والأساليب، وقواعد الاختيار)، التي شاع استخدامها ووُضِّحت بدقة من قِبَل باحثين في هذا المجال (Card et al., 1983; John & Kieras, 1996a, 1996b)، في الأصل لنمذجة مستخدمي واجهات الحاسوب، ولكن تم توسيع نطاق استخدامها لاحقًا ليشمل مجالات أخرى. تُعد هذه النماذج أدوات مفيدة في مجال أداء الإنسان، ومناسبة لمجموعة متنوعة من الاهتمامات وأحجام التحليل المختلفة، ولكنها محدودة فيما يتعلق بتحليل أخطاء المستخدم (انظر Wood & Kieras, 2002، للاطلاع على محاولة لتوسيع نطاق GOMS ليشمل معالجة الأخطاء). ^{[ 7 ]}

أبسط أشكال نموذج GOMS هو نموذج مستوى ضغطات المفاتيح (KLM)، حيث تُدرج فيه جميع الإجراءات المادية (مثل ضغطات المفاتيح، ونقرات الفأرة)، والتي تُسمى أيضًا العمليات، التي يجب على المستخدم القيام بها لإكمال مهمة معينة. تُضاف العمليات الذهنية (مثل البحث عن عنصر على الشاشة) باستخدام مجموعة بسيطة من القواعد. لكل عملية وقت محدد (مثل 280 مللي ثانية لضغطة مفتاح)، ويُقدّر إجمالي وقت المهمة بجمع أوقات العمليات. بعد ذلك، يمكن مقارنة كفاءة إجراءين باستخدام أوقات التنفيذ المُقدّرة لكل منهما. على الرغم من أن هذا النموذج تقريبي للغاية (حيث تُفترض العديد من الافتراضات)، إلا أنه لا يزال يُستخدم حتى اليوم (مثل أنظمة المعلومات داخل المركبات والهواتف المحمولة). ^{[ 7 ]}

توجد نسخ مفصلة من GOMS، بما في ذلك:

-- CPM-GOMS : "المعرفي، الإدراكي، الحركي" و"طريقة المسار الحرج" (جون وكيراس، 1996أ، 1996ب) - محاولات لتقسيم الأداء إلى وحدات CPM أولية تستغرق من عشرات إلى مئات المللي ثوانٍ (مدد العديد من العمليات في نماذج CPM-GOMS مستمدة من الأدبيات المنشورة، وخاصة كارد وآخرون، 1983). ^{[ 7 ]}

لغة GOMS أو لغة GOMS الطبيعية ( GOMSL/NGOMSL ) تركز على التفكيك الهرمي للأهداف، مع تحليل يشمل الأساليب - الإجراءات التي يستخدمها الأفراد لتحقيق تلك الأهداف. يتم استبدال العديد من العمليات الذهنية العامة في نموذج KLM بأوصاف تفصيلية للنشاط المعرفي الذي يتضمن تنظيم المعرفة الإجرائية للأفراد في أساليب. يسمح تحليل GOMSL المفصل بالتنبؤ ليس فقط بوقت التنفيذ، ولكن أيضًا بالوقت اللازم لتعلم الإجراءات، ومقدار النقل المتوقع بناءً على الإجراءات المعروفة مسبقًا (Gong and Kieras, 1994). لا تقتصر فائدة هذه النماذج على توجيه عمليات إعادة تصميم واجهات المستخدم فحسب، بل إنها تتنبأ كميًا بوقت التنفيذ والتعلم لمهام متعددة. ^{[ 7 ]}

من الأنشطة المعرفية الحاسمة الأخرى التي تهمّ علم العوامل البشرية، عملية إصدار الأحكام واتخاذ القرارات. وتختلف هذه الأنشطة اختلافًا جذريًا عن المهارات المعرفية الروتينية، التي تكون إجراءاتها معروفة مسبقًا، إذ تتطلب العديد من المواقف من العاملين إصدار أحكام في ظل عدم اليقين، كتقييم الجودة أو الاختيار بين بدائل متعددة. ورغم أن العديد من التخصصات، بما فيها الرياضيات والاقتصاد، تُسهم إسهامًا كبيرًا في هذا المجال، فإن معظم هذه النماذج لا تُحاكي السلوك البشري، بل تُحاكي السلوك الأمثل، مثل نظرية المنفعة المتوقعة الذاتية (سافاج، 1954؛ فون نيومان ومورجنسترن، 1944). وبينما تُعدّ نماذج السلوك الأمثل مهمة ومفيدة، إلا أنها لا تُراعي معيارًا للمقارنة مع الأداء البشري، مع أن الكثير من الأبحاث حول اتخاذ القرارات البشرية في هذا المجال تُقارن الأداء البشري بالصيغ الرياضية المثلى. ومن أمثلة ذلك نظرية الاحتمالات لكاهنمان وتفيرسكي (1979) ونموذج الاستبعاد بالجوانب لتفيرسكي (1972) . تشمل المناهج الأقل رسمية العمل الرائد لتفيرسكي وكاهنمان حول الاستدلالات والتحيزات، وعمل جيجيرينزر حول الاختصارات "السريعة والاقتصادية" (جيجيرينزر، تود، ومجموعة أبحاث ABC، 2000)، والنماذج الوصفية لباون، بيتمان، وجونسون (1993) حول الاستراتيجيات التكيفية. ^{[ 7 ]}

في بعض الأحيان، يكون الأداء الأمثل غير مؤكد، ومن الأمثلة القوية والشائعة نموذج العدسة (برونزويك، 1952؛ كوكسي، 1996؛ هاموند، 1955)، الذي يتناول استخلاص السياسات ، والتحكم المعرفي ، واستخدام الإشارات ، وقد استُخدم في مجال الطيران (بيسانتز وبريتشيت، 2003)، والقيادة والسيطرة (بيسانتز وآخرون، 2000)؛ لدراسة الحكم البشري في مقابلات التوظيف (دوهيرتي، إيبرت، وكالندر، 1986)، والتحليل المالي (إيبرت وكروز، 1978)، وتشخيصات الأطباء (لادوكا، إنجل، وشوفان، 1988)، وتقييمات المعلمين (كاركينورد وستيفنز، 1944)، وغيرها الكثير. ^{[ 7 ]} على الرغم من أن النموذج له بعض القيود [الموصوفة في بيرن وبيو (2009)]، إلا أنه يتمتع بقوة كبيرة ولا يزال استخدامه محدودًا في مجال العوامل البشرية. ^{[ 7 ]}

يشير مصطلح "نموذج الشبكة" إلى إجراء نمذجة يتضمن محاكاة مونت كارلو، وليس إلى نموذج محدد. ورغم أن إطار النمذجة غير نظري، فإن جودة النماذج المبنية بواسطته لا تتجاوز جودة النظريات والبيانات المستخدمة في إنشائها. ^{[ 7 ]}

عندما يقوم مصمم النماذج ببناء نموذج شبكي لمهمة ما، فإن الخطوة الأولى هي إنشاء مخطط انسيابي يُقسّم المهمة إلى مهام فرعية منفصلة - كل مهمة فرعية تُمثل عقدة، والمسارات التسلسلية والمتوازية التي تربطها، ومنطق التحكم الذي يُنظم التدفق التسلسلي عبر الشبكة الناتجة. عند نمذجة أداء التفاعل بين الإنسان والنظام، تُمثل بعض العقد عمليات اتخاذ القرار البشري و/أو تنفيذ المهام البشرية، بينما تُمثل عقد أخرى مهام تنفيذ النظام الفرعية، وتُجمع عقد أخرى أداء الإنسان/الآلة في عقدة واحدة. تُمثل كل عقدة بتوزيع زمني مُحدد إحصائيًا للإنجاز واحتمالية الإنجاز. عند برمجة جميع هذه المواصفات في الحاسوب، تُشغّل الشبكة بشكل متكرر بطريقة مونت كارلو لبناء توزيعات لمقاييس الأداء الإجمالية التي تهم المحلل. يكمن الفن في هذا في اختيار مصمم النماذج للمستوى المناسب من التجريد لتمثيل العقد والمسارات، وفي تقدير المعلمات المُحددة إحصائيًا لكل عقدة. أحيانًا، تُجرى عمليات محاكاة بمشاركة بشرية لدعم التقديرات والتحقق من صحتها. يمكن الاطلاع على تفاصيل حول هذا النهج، والنهج ذات الصلة، والنهج البديلة في دراسة لافيري، وليبير، وآرتشر (2006)، وفي أعمال شويكيرت وزملائه، مثل شويكيرت، وفيشر، وبروكتور (2003). ^{[ 7 ]}

تاريخيًا، ينبع نمذجة شبكات المهام من نظرية الطوابير ونمذجة موثوقية الهندسة ومراقبة الجودة. كان عالم النفس آرت سيجل أول من فكر في توسيع أساليب الموثوقية لتشمل نموذج محاكاة مونت كارلو لأداء التفاعل بين الإنسان والآلة (سيجل وولف، 1969). في أوائل سبعينيات القرن الماضي، رعت القوات الجوية الأمريكية تطوير برنامج SAINT (تحليل أنظمة الشبكات المتكاملة للمهام)، وهي لغة برمجة عالية المستوى مصممة خصيصًا لدعم برمجة محاكاة مونت كارلو لشبكات مهام التفاعل بين الإنسان والآلة (وورتمان، بريتسكر، سيوم، سيفرت، وتشوب، 1974). يُعد برنامج Micro Saint Sharp (آرتشر، هيدلي، وأليندر، 2003) نسخة حديثة من هذا البرنامج. وقد انبثقت من هذه المجموعة من البرامج سلسلة من البرامج المتخصصة ذات درجات متفاوتة من التشابه والاختلاف مع برنامج Micro Saint. من أبرز هذه الأدوات سلسلة IMPRINT (أداة تكامل أبحاث تحسين الأداء) ^{[ 34 ]} التي يرعاها الجيش الأمريكي (والمستندة إلى MANPRINT)، والتي توفر قوالب نمذجة مُصممة خصيصًا لتطبيقات نمذجة الأداء البشري (آرتشر وآخرون، 2003). ومن البرامج المُخصصة لأعباء العمل برنامجا W/INDEX (نورث ورايلي، 1989) وWinCrew (لوكيت، 1997).

يحظى أسلوب الشبكات في النمذجة باستخدام هذه البرامج بشعبية واسعة نظرًا لسهولة تطبيقه تقنيًا على الأفراد ذوي المعرفة العامة بتقنيات المحاكاة الحاسوبية وتحليل الأداء البشري. وتؤدي المخططات الانسيابية الناتجة عن تحليل المهام بشكل طبيعي إلى نماذج شبكية رسمية. ويمكن تطوير هذه النماذج لخدمة أغراض محددة، بدءًا من محاكاة فرد باستخدام واجهة تفاعل بين الإنسان والحاسوب، وصولًا إلى تحليل تدفق حركة المرور المحتمل في قسم الطوارئ بالمستشفى. ويكمن ضعفها في الصعوبة البالغة المطلوبة لاستخلاص أوقات الأداء واحتمالات النجاح من البيانات السابقة أو من النظريات أو المبادئ الأساسية. وتُشكل هذه البيانات المحتوى الأساسي للنموذج.

تُعدّ البنى المعرفية نظريات شاملة للإدراك البشري، تستند إلى مجموعة واسعة من البيانات التجريبية البشرية، وتُطبّق عادةً عبر محاكاة حاسوبية. وهي تجسيد لفرضية علمية حول جوانب الإدراك البشري الثابتة نسبيًا بمرور الوقت، والمستقلة عن المهمة (Gray, Young, & Kirschenbaum, 1997; Ritter & young, 2001). وتسعى البنى المعرفية إلى توحيد الظواهر التجريبية المتفرقة نظريًا في شكل نماذج محاكاة حاسوبية. وبينما لا تكفي النظرية وحدها لتطبيق العوامل البشرية، فقد بدأت البنى المعرفية منذ تسعينيات القرن الماضي تشمل آليات الإحساس والإدراك والفعل. ومن الأمثلة المبكرة على ذلك نموذج التحكم التفاعلي للعمليات التنفيذية (EPIC; Kieras, Wood, & Meyer, 1995; Meyer & Kieras, 1997) ونموذج ACT-R (Byrne & Anderson, 1998).

يتألف نموذج المهمة في البنية المعرفية، والذي يُشار إليه عمومًا بالنموذج المعرفي، من كلٍّ من البنية والمعرفة اللازمة لأداء المهمة. تُكتسب هذه المعرفة من خلال أساليب العوامل البشرية، بما في ذلك تحليلات المهام للنشاط الذي يتم نمذجته. ترتبط البنى المعرفية أيضًا بمحاكاة معقدة للبيئة التي ستُؤدى فيها المهمة - وفي بعض الأحيان، تتفاعل البنية مباشرةً مع البرامج التي يستخدمها البشر لأداء المهمة. لا تقتصر البنى المعرفية على إنتاج تنبؤات حول الأداء فحسب، بل تُخرج أيضًا بيانات الأداء الفعلية - قادرة على إنتاج تسلسلات زمنية للأفعال يمكن مقارنتها بالأداء البشري الحقيقي في المهمة.

تشمل أمثلة البنى المعرفية نظام EPIC (هورنوف وكيراس، 1997، 1999)، وCPM-GOMS (كيراس، وود، وماير، 1997)، ومعالج الشبكة الطابورية البشري (وو وليو، 2007، 2008)، ^{[ 35 ] [ 36 ]} وACT-R (أندرسون، 2007؛ أندرسون وليبير، 1998)، وQN-ACTR (كاو وليو، 2013). ^{[ 37 ]}

استُخدم نموذج معالج البيانات البشرية لشبكة الانتظار للتنبؤ بكيفية إدراك السائقين لسرعة القيادة وحدود السرعة المحددة، واختيار السرعة، وتنفيذها. وقد أظهر النموذج حساسية عالية (متوسط ​​قيمة d' هو 2.1) ودقة عالية (متوسط ​​دقة الاختبار يزيد عن 86%) في التنبؤ بمعظم حالات تجاوز السرعة غير المقصود ^{[ 35 ] .}

استُخدم نموذج ACT-R لنمذجة طيف واسع من الظواهر. يتألف النموذج من عدة وحدات، تُحاكي كل منها جانبًا مختلفًا من النظام البشري. ترتبط الوحدات بمناطق دماغية محددة، وقد نجح نموذج ACT-R بالتالي في التنبؤ بالنشاط العصبي في أجزاء من تلك المناطق. يُمثل كل نموذج في جوهره نظريةً لكيفية عمل ذلك الجزء من النظام الكلي، مُستمدة من الأبحاث المنشورة في هذا المجال. على سبيل المثال، يعتمد نظام الذاكرة التصريحية في نموذج ACT-R على سلسلة من المعادلات التي تُراعي التكرار والحداثة، وتتضمن مفاهيم بايزية لاحتمالية الحاجة في سياق معين، بالإضافة إلى معادلات للتعلم والأداء. مع ذلك، تختلف دقة بعض الوحدات عن غيرها؛ فوحدة التحكم اليدوي تتضمن قانون فيت ومبادئ تشغيل بسيطة أخرى، لكنها ليست مُفصلة كنموذج نظرية التحكم الأمثل (حتى الآن). ومع ذلك، فإن كل وحدة من هذه الوحدات تتطلب تحققًا تجريبيًا قويًا. وهذا يمثل فائدة وقيدًا في الوقت نفسه بالنسبة لـ ACT-R، حيث لا يزال هناك الكثير من العمل الذي يتعين القيام به في دمج المكونات المعرفية والإدراكية والحركية، ولكن هذه العملية واعدة (Byrne، 2007؛ Foyle و Hooey، 2008؛ Pew و Mavor، 1998).

تم استخدام GOMS لنمذجة كل من مهام الفريق المعقدة (Kieras & Santoro، 2004) وعملية صنع القرار الجماعي (Sorkin، Hays، & West، 2001).