Estimation of the user's cognitive load while interacting with the interface based on bayesian network

İnsan makine arayüzlerinin karmaşıklığı, teknolojinin gelişmesine ve aşırı veri büyümesine paralel olarak önemli ölçüde artmaktadır, ancak insanın bilişsel kapasitesi sınırlıdır. Bu nedenle, bilişsel yükü ölçmek, kullanıcı arayüzlerinin kullanılabilirliğini test etmenin en tercih edilen ve yaygın yollarından biridir. İnsan performansını ve iş yükünü ölçmek için birçok farklı fizyolojik, davranışsal ve öznel yöntem bulunmaktadır. Ayrıca, bilgisayar tabanlı görevlerde performansı ve insan iş yükünü tahmin etmek için bilişsel öngörü modelleri ve bu modellere dayalı çok çeşitli uygulamalar vardır. Bu çalışmanın amacı, Bayes ağına dayalı olarak birden fazla yöntemi bir arada değerlendirerek kişinin bilişsel yükünü ve performansını tahmin etmektir. Bunun için hem bilişsel bir tahmin modeli kullanan hem de bunu insanlardan toplanan öznel verilerle öğrenen ve düzenleyen bir Bayes ağı modelledik. Modellemenin ardından veri toplamak için iki farklı savunma projesinin arayüzleri ile deneyler gerçekleştirdik. Bir arayüzün her görevinin sonunda uyarlanmış Bedford ölçeğini ve tüm görevler tamamlandıktan sonra arayüzün genel derecelendirmesi için NASA TLX derecelendirme ölçeğini kullandık. Bayes ağının kullanıcının iş yükünü ve performansını etkili bir şekilde tahmin ettiğini doğruladık. Bulgularımız, bu modelin bilişsel yük analizlerini kısa sürede çok daha verimli bir şekilde gerçekleştirdiğini ortaya koymaktadır. Bu çalışma ayrıca görevler ve kullanıcılar arasındaki farkları göstererek, alt görevlerin karmaşıklığını tespit etme ve her kullanıcı için kişiselleştirilmiş performans ve bilişsel yük analizi gerçekleştirme fırsatı sunar.