人因实验知识网络

脑力负荷

Properties1
aliasestask load

12分钟阅读

1 定义

脑力负荷（mental workload）是任务对个体有限认知资源的需求程度，或个体在完成任务过程中认知资源占用程度 [@wickensMultipleResourcesMental2008]，当任务需求接近或超过个体资源上限时，脑力负荷水平上升。脑力负荷的复杂性在于，它取决于很多因素，包括任务的客观难度，以及操作者如何向任务分配认知资源，而资源分配策略又受个体经验、技能、应激、疲劳和动机等多种因素调节，也是人因工效学中“最模糊的概念之一” [@youngStateScienceMental2015]。

脑力负荷与教育领域常常讨论认知负荷（cognitive load）略有不同。认知负荷关心的是教学材料的呈现方式对学习者工作记忆造成的负担及其对学习效果的影响 。两个构念共享“认知资源有限”的基本假设，测量工具上也有交叉（如瞳孔特征等），但二者的核心目标不同：脑力负荷面向绩效、关注操作者与任务交互的脑力成本；认知负荷面向学习场景，关注刺激材料与认知架构的匹配程度。

2 测量方法

脑力负荷的测量方法大致有三类：主观汇报、双任务绩效测量、生理测量。

2.1 主观汇报

第一类测量方法非常简单好用，也就直接是请参试者汇报其对自身认知资源占用程度的主观感受。这类方法的基本假设是：人能通过内省觉察任务过程中投入的心理努力、感受到的时间压力以及资源消耗水平，并以评分方式进行报告。本质上，这类方法测量的不是客观的资源占用，而是个体对资源占用状态的主观体验。

应用最广泛的主观脑力负荷量表是Hart和Staveland [@hartDevelopmentNASATLXTask1988]开发的NASA-TLX（Task Load Index），虽然NASA-TLX最初用于测量主观感知的任务负荷（subjective workload），由于其中多数维度反映认知资源需求，因此后来被广泛用于脑力负荷研究。NASA-TLX从六个维度评价任务负荷，包括脑力需求（mental demand）、体力需求（physical demand）、时间需求（temporal demand）、绩效（performance）、努力程度（effort）和挫折水平（frustration level）。其中，脑力需求、时间需求和努力程度通常与脑力负荷最直接相关。

NASA-TLX的经典施测过程包含两个步骤。首先，参试者通过维度两两比较确定六个维度的相对重要性；随后对每个维度进行评分，并结合权重计算总体负荷得分。其中，每个维度采用0-100分连续评分，分值越高表示该维度负荷越高。由于这一过程较为繁琐，许多研究直接采用不加权版本RTLX（Raw TLX），即直接对六个维度评分求平均值。实证研究表明，两种计算方式得到的结果高度一致。

[! summary] NASA-TLX的条目描述

  1. Mental Demand (Low to High): How much mental and perceptual activity was required (e.g., thinking, deciding, calculating, remembering, looking, searching, etc.)? Was the task easy or demanding, simple or complex, exacting or forgiving?
  2. Physical Demand (Low to High): How much physical activity was required (e.g., pushing, pulling, turning, controlling, activating, etc.)? Was the task easy or demanding, slow or brisk, slack or strenuous, restful or laborious?
  3. Temporal Demand (Low to High): How much time pressure did you feel due to the rate or pace at which the tasks or task elements occurred? Was the pace slow and leisurely or rapid and frantic?
  4. Effort (Low to High): How hard did you have to work (mentally and physically) to accomplish your level of performance?
  5. Performance (Good to Poor): How successful do you think you were in accomplishing the goals of the task set by the experimenter (or yourself)? How satisfied were you with your performance in accomplishing these goals?
  6. Frustration Level (Low to High): How insecure, discouraged, irritated, stressed and annoyed versus secure, gratified, content, relaxed and complacent did you feel during the task?

主观报告法最大的优点是实施简单、成本较低、不需要额外设备，也不太干扰被试完成主任务。然而，它的结果依赖于个体自我报告，容易受到回忆偏差、评分习惯差异以及社会期望等因素影响。此外，在负荷极高或极低的情况下，个体对自身认知状态的判断也未必完全准确。因此，当脑力负荷对研究而言非常核心时，可以与绩效或生理测量方法相互验证，以提高测量结果的可靠性。

2.2 双任务绩效测量

第二类测量方法是将脑力负荷操作化为：在执行双任务时，主任务占用的认知资源数量，并通过剩余资源的多少进行间接推断。其基本假设是，人能够用于信息加工的认知资源有限。当主任务占用更多资源时，可供次任务使用的资源就会减少。因此，次任务绩效下降通常意味着主任务产生了更高的脑力负荷。

采用这种方法，参试者需要同时执行主任务和次任务，并被要求优先保证主任务完成。通过记录次任务的反应时间、正确率或遗漏率的变化推断主任务的负荷水平。例如，在驾驶模拟实验中，被试一边完成驾驶任务，一边对随机出现的声音信号进行按键反应；随着驾驶任务难度增加，如果次任务反应变慢或错误增多，则说明主任务占用了更多认知资源、脑力负荷更高。在任务的选取上，次任务必须与主任务竞争相同或相近的认知资源。如果两个任务主要依赖不同资源，例如一个主要依赖视觉加工而另一个主要依赖听觉加工，那么即使主任务负荷较高，也未必会明显影响次任务表现。因此，次任务的选择会直接影响测量结果的有效性。

与主观量表相比，双任务法能够连续记录任务过程中的绩效变化，提供较为客观的负荷指标。但次任务本身会占用认知资源，可能干扰主任务的自然执行。此外，被试可能根据任务要求动态调整资源分配策略，从而增加结果解释的复杂性。

2.3 生理测量

第三类方法将脑力负荷操作化为认知活动引起的生理反应。其基本假设是，认知加工不仅表现为行为和主观体验，还会伴随神经系统活动的变化。因此研究者可以通过记录生理信号间接推断脑力负荷水平。以下为研究者发现与脑力负荷相关的生理指标：

  • 眼动指标：例如瞳孔直径、眨眼频率、注视行为等。其中，瞳孔直径与脑力负荷的关系最为稳定，大量研究发现，随着记忆、推理或决策任务难度增加，瞳孔会出现更明显的扩张。这种由任务引发的瞳孔变化对任务难度变化敏感，被广泛应用于脑力负荷研究。不过，采用瞳孔直径来研究时，需要控制环境光度和注视距离，否则瞳孔变化反映的可能是光照或注视变化，而非脑力负荷。
  • 心率变异性（heart rate variability，HRV）：研究发现，当脑力负荷升高时，个体需要投入更多认知控制资源，自主神经系统活动（ANS，即不受人主动控制的神经活动）会发生变化，表现为心率增加和心率变异性降低。由于心电信号采集相对成熟且成本较低，HRV也是为人因实验中常见的生理测量方法。
  • 大脑活动：研究者还会采用脑电图（electroencephalography，EEG）、功能近红外光谱（functional near-infrared spectroscopy，fNIRS）等大脑信号来研究脑力负荷。瞳孔和HRV主要反映自主神经系统活动，而EEG和fNIRS能直接测量大脑活动过程，能提供更接近认知加工机制的证据。

生理指标的主要优势在于客观性较强、时间分辨率高，能反映任务执行过程中的瞬时波动。然而，生理信号通常缺乏特异性，同一种生理变化可能同时受到脑力负荷、情绪状态、疲劳水平、环境条件等多种因素影响。例如，瞳孔大小会受到环境光照变化影响，心率变异性也会受到呼吸、运动和个体生理状态的影响。

3 参考文献

Hart, S. G., & Staveland, L. E. (1988). Development of NASA-TLX (Task Load Index): Results of Empirical and Theoretical Research. In P. A. Hancock & N. Meshkati (Eds.), Human Mental Workload (Vol. 52, pp. 139–183). North-Holland. https://doi.org/10.1016/S0166-4115(08)62386-9

Wickens, C. D. (2008). Multiple Resources and Mental Workload. Human Factors, 50(3), 449–455. https://doi.org/10.1518/001872008X288394

Young, M. S., Brookhuis, K. A., Wickens, C. D., & Hancock, P. A. (2015). State of science: mental workload in ergonomics. Ergonomics, 58(1), 1–17. https://doi.org/10.1080/00140139.2014.956151

关系图谱

反向链接