کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7115828 1461139 2016 6 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Real-Time Sensing of Trust in Human-Machine Interactions*
ترجمه فارسی عنوان
احساس زمان واقعی اعتماد در تعاملات انسان و ماشین *
کلمات کلیدی
رابط انسان و ماشین، مدل سازی، به موقع، داده های طبقه بندی شده، طبقه بندی ها، تجزیه و تحلیل، مغز انسان، ماشین های هوشمند، مدل های فیزیولوژیکی،
ترجمه چکیده
اعتماد انسان به اتوماسیون نقش مهمی در تعاملات موفق بین انسان ها و ماشین ها دارد. برای طراحی ماشین های هوشمند که می توانند به تغییر در اعتماد به انسانی پاسخ دهند، زمان سنجی سطح اعتماد مورد نیاز است. در این مقاله، ما یک مدل حسگر تجربی تجربی را ارائه می دهیم که اندازه گیری های روان شناختی را به سطح اعتماد انسانی ارزیابی می کند. استفاده از اندازه گیری های روانشناسی از طریق توانایی آنها در گرفتن پاسخ انسان در زمان واقعی است. مجموعه ای از ویژگی های جامع در نظر گرفته شده است و برای تعیین یک مجموعه کاهش یافته از ده ویژگی، یک روش آماری دقیق استفاده می شود. برای طبقه بندی ویژگی های کاهش یافته به سطح اعتماد قطعی در نظر گرفته شده است. نتایج نشان می دهد که اندازه گیری های روان شناختی می تواند برای اعتماد به زمان واقعی استفاده شود. علاوه بر این، یک دقت متوسط ​​71.57٪ با استفاده از ترکیبی از طبقه بندی ها برای مدل اعتماد در هر موضوع انسان به دست می آید. کار آینده، اثر جمعیت شناختی انسان را بر انتخاب ویژگی و مدل سازی بررسی خواهد کرد.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مکانیک محاسباتی
پیش نمایش مقاله
احساس زمان واقعی اعتماد در تعاملات انسان و ماشین *
چکیده انگلیسی
Human trust in automation plays an important role in successful interactions between humans and machines. To design intelligent machines that can respond to changes in human trust, real-time sensing of trust level is needed. In this paper, we describe an empirical trust sensor model that maps psychophysiological measurements to human trust level. The use of psychophysiological measurements is motivated by their ability to capture a human's response in real time. An exhaustive feature set is considered, and a rigorous statistical approach is used to determine a reduced set of ten features. Multiple classification methods are considered for mapping the reduced feature set to the categorical trust level. The results show that psychophysiological measurements can be used to sense trust in real-time. Moreover, a mean accuracy of 71.57% is achieved using a combination of classifiers to model trust level in each human subject. Future work will consider the effect of human demographics on feature selection and modeling.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: IFAC-PapersOnLine - Volume 49, Issue 32, 2016, Pages 48-53
نویسندگان
, , , ,